拥堵，可以从一脚刹车开始
前面没有事故，也没有红灯，为什么会堵车？先让一辆车轻踩刹车：后车也减速，再后一辆接着调整。车多、间距小时，这种影响可能一辆接一辆传下去。
车都往前开，慢行区域却可能向后移动。一辆车刚开出慢区，后面的另一辆又进入了；移动的是“正在减速”的状态。
先跟住一辆车，再看整片慢色区域。下面的图把一幅幅车流快照排起来，让这条向后传播的波更容易看清。
一样的刹车，为什么结果不一样？
- 跟住一辆车。 轻踩一次刹车，看后面的车怎样接着变化。
- 改看整片慢区。 车都往前走时，慢区朝哪个方向传？再减少车辆，重复观察。
这些车，按什么规则开？
想细看：完整过程与器件说明
这条公路没有出入口、红绿灯或事故。车辆从均匀间隔、相同速度的稳态开始。让它们先运行，再对一辆车轻踩刹车。
后车发现间距变小，也开始减速。再后一辆车面对的是已经变化的前车速度与间距，它也会做出调整。在某些密度和驾驶参数下，这些调整无法迅速消散，反而会形成持续的低速区域。
仔细看：车都向前开，拥堵区域却可能向后传播。这并不矛盾。移动的是“哪些车正在减速”的状态，而不是一组永远相同的车。 一辆车驶出拥堵区时，后面另一辆车可能刚进入。
下方时空图把这件事展开：横向表示道路位置，纵向向下推进时间。每个点的颜色表示速度。低速颜色形成的斜纹，可以帮助你追踪拥堵波的移动方向。
更细的操作
先使用较少车辆，让扰动有充分空间消散。再增加道路上的车辆数量，从同样的初始稳态重新开始，施加相同的刹车。道路长度固定，车辆越多，平均间距就越小。
接着改变期望跟车时距。这个参数表示驾驶员希望保留的时间间隔，会影响目标距离及减速行为。它不是一个显式的“看到前车后过几秒才反应”的延迟。
不要只盯着平均速度。两种车流可能平均速度接近，却有不同数量的车辆接近停止。观察单车、整体指标和时空图，你会得到三种互补的视角。
试着找到一组能够吸收扰动的参数，再找一组容易形成持续低速波的参数。系统的行为，来自参数与相互作用共同决定。
展开：IDM 智能驾驶员模型
每辆车会同时考虑两种倾向：在空间充足时接近期望速度，在跟车时保留足够距离。减速需求受到当前间距、自己的速度，以及相对前车的速度影响。
理想跟车距离包含最小间距、与当前速度有关的时间间隔，以及接近较慢前车时的附加距离。加速倾向和避碰需求共同得到下一小步的加速度，然后更新速度和位置。
这是一套连续的数学规则，并没有写入“在某个位置制造堵车”的指令。堵车是否出现，由多辆车反复相互影响而产生。
展开：这个环形道路忽略了什么？
实验使用固定的 500 m 单车道环路和 4.5 m 车长，禁止超车，不加入并线、不同司机风格或天气变化。每次参数改变都会重建均匀稳态，确保重复实验从一致起点出发。
数值积分采用小时间步，并限制离散更新中的车辆相互穿越。真实道路中的驾驶决策与交通控制更复杂；不能直接把某个滑块位置解释为普适的道路管理建议。
无事故堵车让我们看见一个普遍现象：局部看来合理的调整，经过许多个体的连接，可能形成谁都不希望出现的整体结果。