量智信息中心_量科网

随着自动驾驶汽车（AV）进入混合交通环境，主动预判人类驾驶行为在变道等关键交互中的演变至关重要。然而，经典演化博弈论（EGT）无法有效捕捉变道过程中人类决策的复杂性。具体而言，经典模型严格假设智能体间独立性，基于实证收益校准的预测会收敛至不切实际的完全合作状态，这与现实数据中观测到的稳定42%合作率相矛盾。为解决这一差异，本研究引入量子博弈论（QGT）框架。该团队通过分析Waymo开放运动数据集（WOMD）中的7,636次变道交互，利用量子响应均衡（QRE）模型推导出实证收益矩阵。采用Marinatto-Weber（MW）量子化方案，研究人员引入纠缠参数将潜在相关性直接数学嵌入单次交互的收益结构中。研究结果表明，当人类纠缠参数|b|HDV2≈0.52时，能精确复现观测到的混合均衡状态。此外，对三种AV部署策略（经典、纠缠与逆向）的模拟显示：人类行为演变高度依赖底层AV算法——虽然合作型经典AV在高市场渗透率下能实现全局合作最大化，但具有缺陷的逆向AV在低渗透率时反而会通过激发人类驾驶员更多合作行为，矛盾地产生更高整体合作率。因此，相关方无需等待大规模部署观察效果，可直接运用该框架模拟重复交互，前瞻性预判特定AV软件设计将如何引导人类驾驶行为的演化。