该论文旨在解决混合自动驾驶与人工驾驶交通仿真中的关键问题：
- 现有仿真工具主要关注图形真实感，依赖简单的基于规则的模型，无法准确表示驾驶行为和交互的复杂性
- 尽管人工智能(AI)方法在解决这些局限性方面显示出巨大潜力，但缺乏对混合自主交通仿真中AI应用的综合综述
- 现有综述要么只关注仿真工具而不研究背后的AI方法，要么只涵盖以自我为中心的决策制定，未能解决建模周围交通的更广泛挑战
论文采用系统综述和综合分析方法：
- 提出一个将AI方法组织为三个类别的分类法：智能体级行为模型(agent-level behavior models)、环境级仿真方法(environment-level simulation methods)、以及认知和物理信息方法(cognitive and physics-informed methods)
- 对现有仿真平台进行批判性分析，识别其在混合自主研究需求方面的不足
- 提供AI方法的历时性概述，并回顾评估协议和指标、仿真工具及数据集
- 融合交通工程和计算机科学两个领域的视角
论文的核心创新点包括：
- 首次提供了专门针对混合自主交通仿真中AI方法的全面结构化综述，填补了该领域的研究空白
- 提出了一个统一分类法，涵盖从个体行为建模到完整场景仿真的完整AI方法谱系，超越了以往研究的局限视角
- 系统分析了现有仿真平台与混合自主研究需求之间的差距，并提出了弥合这些差距的具体方向
- 通过融合交通工程和计算机科学两个学科视角，旨在促进跨学科交流与合作
论文对该领域的整体贡献包括：
- 为研究人员和从业者提供了一个关于AI在混合自主交通仿真中应用的系统化知识框架和参考指南
- 通过识别现有仿真工具的局限性并指出改进方向，推动了更准确、更真实的交通仿真技术的发展
- 通过整合交通工程和计算机科学视角，促进了跨学科对话与合作，有助于加速混合自主交通系统的研究和部署
- 为未来研究提供了明确的方向和基准，包括评估协议、数据集和仿真工具的选择建议