“一群大雁往南飞，一会儿排成个人字，一会儿排成个一字。”这句小学语文课本中的经典描写，不仅生动展现了大自然中的协同智慧，更蕴含着深刻的群体控制原理。领头雁通过翅膀产生的上升气流为后方个体节省能量，队形根据飞行任务动态调整，头雁定期轮换确保群体能耗均衡——这种高效、自组织的协同机制，正是智能网联汽车在多车协同场景中所追求的理想状态。
如何让车辆像雁群一样实现高效、安全的群体协同？基于车路云一体化的多智能体协同技术为解决这一难题提供了系统化方案。
从“单车智能”到“群体智能”：协同控制重构车辆行为逻辑
在日常交通环境中，我们常常面临高速公路（884154）频繁变道、匝道多车汇流、交叉路口交错通行等复杂场景。这些看似普通的交通现象，背后实则是极为复杂的协同控制难题。如果每辆车都仅依靠自身感知进行独立决策，不仅容易造成交通拥堵，更存在显著的安全隐患。
早期的自动驾驶技术主要聚焦于“单车智能”，即通过车载传感器（885946）、算法和控制系统让单车具备自主行驶能力，目前市场上多数具备自动驾驶功能的汽车都采用这种技术路径。然而，单车智能存在明显局限性：每辆车都是独立决策单元，难以应对复杂多变的交通场景，车载传感器（885946）在感知角度和距离上的限制，使得车辆在多车交互频繁的路段和路口极易出现决策失误，要么过于保守导致通行效率低下，要么过于激进带来安全风险。
多智能体系统最初起源于机器人领域，指多个智能体(如机器人、无人机（885564）等)通过通信与协作，共同完成某项任务。天空中成千上万架无人机（885564）能够精准摆出各种造型，实现合并、散开、盘旋等复杂动作。那么，汽车为什么不能在道路上实现类似的协同呢？
随着智能网联汽车技术的发展，这一理念被成功引入交通运输领域。将每一辆车视为一个智能体，通过车与车(V2V)、车与路(V2I)、车与云(V2C)之间的实时通信，构建车、路、云一体化的复杂协同系统，实现群体层面的协同决策与控制，这标志着智能网联汽车从“单打独斗”向“群策群力”的重要转变。
车路云协同：为车群构建“空中指挥”
仅靠车端通信难以支撑大规模、多场景、高交通流的协同需求，车路云一体化系统作为“空中指挥中心”发挥着至关重要的作用。
车路云一体化系统能够实时获取全域车辆位置、速度等信息，以及信号灯相位等道路基础设施状态，并在云端进行统一规划和调度。实现复杂场景下的多车协同编队主要依靠两个核心机制：
一、编队相对坐标系：将复杂道路“抽象化”
将实际道路映射为二维网格，车辆仅关注相对位置变化，将绝对坐标系中的多车复杂协同问题简化为相对坐标系中的网格路径规划，大幅降低计算复杂度。
二、分层控制：云端集中式决策调度规划+车端分布式规划执行
云端负责统一指派车辆在相对坐标系中的移动路径，确保不会发生碰撞；车端则根据云端下发的路径点，实时生成平滑的行驶轨迹并控制车辆执行。这种“上下分工”的方式，既保证了整体协同的安全性，又兼顾了单车控制的灵活性。
三种典型编队模式：架构差异，目标一致
领导者-跟随者模式：
这种模式类似于雁群中的“领头雁”机制。车队中指定一辆车作为领导者，一车引领多车跟随，保持固定相对位置。这种模式非常适合高速公路（884154）上的车队巡航，能够有效降低风阻、节省能耗，缺点在于灵活性不足。如果领头车出现故障或需要换道，整个车队的运行都会受到影响，特别是在城市多车道场景中，车辆需要频繁变道、合流，单一领导者的模式往往难以适应这种动态变化。
虚拟结构模式：
虚拟结构模式更类似于“集体舞”，车队作为一个整体保持某种固定队形(如平行式、交错式等)，每辆车知晓自身目标位置并自主调整。适用于车道数变化、匝道合流等需整体构型变换的场景，实现平滑过渡，保证了车队运行的秩序性和可预测性，为交通流优化提供了新的可能性。
基于行为的模式：
模仿鸟群、鱼群的局部互动机制，车辆根据周围环境实时调整行为，此时优先级如“防碰撞”高于“保队形”等协同目标，不仅保证了在复杂场景中的安全性，而且保持了高度的灵活性。基于行为的模式虽然适应性最强，但对通信和计算能力的要求也最高，车辆需要实时获取周围环境的大量信息，并在极短时间内做出决策，这对系统的可靠性和实时性提出了严峻挑战。
未来展望：更智能、更高效、更安全
目前，车路云一体化的多车协同控制技术已在仿真和缩微实验平台上得到验证，部分功能也开始在真实道路测试中落地。未来，随着5G（885556）/6G通信、边缘计算、人工智能（885728）等技术的进一步发展，我们有理由相信未来交通系统将迎来三大转变：
- 跟驰与平滑变速优化动力输出，能源（850101）消耗将明显降低；
- 乘客几乎感受不到加减速和换道的顿挫感，出行体验将更加舒适；
- 协同控制减少急刹与拥堵，交通效率显著提升，道路通行能力接近理论极限。
多车协同决策与控制不仅是一项技术突破，更是智能网联汽车从“单体智能”迈向“系统智能”的关键跃迁。未来，当我们行驶在高速公路（884154）或通过路口时，车辆之间的配合将如雁阵般自然流畅——而这背后，正是多智能体协同网络在空中默默编织的智慧交通图景。
供稿人：蔡孟池
蔡孟池，清华大学助理研究员。致力于智能网联汽车领域的研究，在云支持的智能网联汽车多车协同决策与控制领域取得了系列优秀的创新成果，已发表SCI/EI论文27篇，授权发明专利10项，立项ITU国际标准1项，曾获清华大学博士生国家奖学金；获清华大学水木学者计划支持，获第二届OnSite自动驾驶算法挑战赛感知-决策-控制综合赛全国第一名等奖项；入选中国科协第十届青年人才托举工程项目。
