自动驾驶路径规划需引入"社会意识"，才能与人类司机共存

当自动驾驶车队只顾自己：被忽视的"外部性"问题

随着自动驾驶车辆（AV）逐步进入真实道路，一个被长期忽视的问题正浮出水面：当成群的 AV 以"自我利益最大化"为目标选择行驶路线时，它们会给人类驾驶车辆（HDV）带来负面影响。研究者将这种现象称为"外部性"——那些对 AV 有利的路线，往往会增加其他道路使用者的通行时间。

换句话说，如果每一辆自动驾驶汽车都只优化自己的旅行时间，整个交通系统未必会变得更好，反而可能把拥堵"转嫁"给周围的人类司机。这项发表于学术渠道的研究，正是针对混合自主交通（mixed-autonomy traffic）场景下的这一痛点展开。

核心思路：给自动驾驶的奖励函数加上"边际成本"

研究团队提出的解决方案颇具巧思：在 AV 原本"自私的"旅行时间奖励（selfish travel time reward）之外，引入一个社会性组件——边际成本（marginal cost）。

边际成本的衡量方式很直观：通过构造一个"反事实模拟"（counterfactual simulation），即假设把某辆 AV 从交通网络中移除，再对比其他车辆在"有它"和"没它"两种情况下的通行时间差异。这个差值，就代表了这辆 AV 对其他道路使用者造成的实际影响。

将这一边际成本纳入奖励函数后，AV 在做路径决策时就不再只盯着自己的通行时间，而是开始"考虑"自己给整个系统带来的代价。这相当于为自动驾驶的决策逻辑注入了一层社会责任感。

多智能体强化学习作为训练框架

技术实现上，研究采用了多智能体强化学习（Multi-Agent Reinforcement Learning, MARL）。在这一框架下，多辆 AV 通过与交通环境的反复交互，逐步学习出各自的路径选择策略。这种设置更贴近真实世界中大量自动驾驶车辆同时博弈、同时学习的动态场景。

多智能体强化学习（MARL）与单智能体强化学习的核心区别在于：环境中存在多个同时学习的智能体，每个智能体的行为都会影响其他智能体所感知到的"环境状态"，这使得整个系统从本质上变成了一个非平稳（non-stationary）问题——每个智能体在优化自身策略时，其他智能体的策略也在同步变化。在交通路由场景中，这一特性尤为关键：一辆 AV 选择某条路线，不仅改变了自身的拥堵体验，也直接影响了其他 AV 和人类驾驶员所面对的路况。MARL 能够捕捉这种相互依赖关系，使得训练出的策略更接近真实部署时的博弈均衡。常见的 MARL 算法包括独立 PPO（Independent PPO）、QMIX 等，它们在如何共享信息、如何分配团队奖励等方面各有侧重。本研究将社会性边际成本嵌入每个智能体的个体奖励，实际上是一种"奖励塑形（reward shaping）"策略，无需改变底层 MARL 算法架构，便能引导智能体群体向更具社会效益的均衡收敛。

真实路网验证：社会性路由带来三赢

研究在两个真实城市路网——德国的 Ingolstadt 和法国的 Provins——上进行了实验，结果颇具说服力。

以 Ingolstadt 为例：当 40% 渗透率的 AV 采用自私路由时，其他车辆的通行时间增加了 1.7%；而一旦将社会性奖励纳入，这一增幅下降到 1.1%。更关键的是，研究发现了一个反直觉的结论：

• 人类司机受益：HDV 通行时间的增幅被明显抑制；
• 系统整体改善：整个交通网络的性能提升；
• AV 自己也更好：相比自私路由，采取社会性行为的 AV 自身的旅行时间反而更短。

这意味着"利他"与"利己"在这里并不矛盾——AV 考虑他人利益，最终自己也获得了更优的结果。研究强调，这一效应在不同城市、不同渗透率、不同重复实验中都保持一致。

社会性权重并非越高越好

值得关注的一个边界条件是：当社会性组件在奖励中的权重被调得过高时，系统反而无法达到预期性能。这说明"社会意识"需要适度平衡，过度强调利他会损害整体效率，设计者必须在自私与利他之间找到合理的配比。

可扩展性优化：只给"最有影响力"的车计算边际成本

边际成本的计算依赖反事实模拟，而为每一辆 AV 都跑一遍"移除后"的仿真，计算开销巨大，难以规模化应用。

针对这一瓶颈，研究提出了一个更务实的方案：只对那些路径选择对交通系统影响最大的 AV 计算边际成本。通过聚焦关键车辆，大幅减少了反事实模拟的次数，却依然能达到接近完整方案的性能表现，同时显著降低了计算成本。

这一优化对于实际部署意义重大——它让"社会性路由"从理论上的理想方案，向工程可落地迈进了一步。

反事实模拟（counterfactual simulation）的计算复杂度与车队规模呈线性甚至超线性增长：若路网中有 N 辆 AV，朴素方案需要运行 N 次完整的交通仿真，每次仿真本身又涉及大量车辆的微观行为模拟，这在大城市路网中几乎不可承受。识别"最有影响力"车辆的常见思路包括：基于路段拥堵度排序（行驶在高负载路段的 AV 对系统影响更大）、基于历史边际成本的统计排名，或借助图神经网络等方法预测路径决策的系统级影响。这类"重要性采样"优化思路在强化学习和运筹学中均有先例，其核心逻辑是：在精度损失可控的前提下，将计算资源集中在边际收益最高的子集上，从而将算法的实际复杂度从 O(N) 压缩到 O(k)，其中 k 远小于 N。

对自动驾驶行业的启示

这项研究传递出一个清晰的信号：自动驾驶的路径规划不应止步于自私的奖励目标。在人类司机与自动驾驶长期共存的过渡阶段，AV 的决策逻辑需要主动纳入对其他交通参与者的考量。

从更宏观的视角看，这触及了一个关键的社会议题：当机器开始大规模参与公共资源（如道路）的分配时，算法目标函数的设计本身就承载着伦理与公平的权重。研究结果证明，在交通领域，为算法注入"社会意识"不仅在道义上合理，在效率上同样划算——这为未来大规模自动驾驶的协同调度提供了有价值的参考方向。