协作的力量：如何减少交通拥堵

交通运输是现代社会的命脉，但同时也带来了巨大的成本：驾驶员平均一生中有2.6年的时间花费在路上，而私家车和货车约占全球二氧化碳排放量的10%。因此，提高交通网络的效率至关重要。谷歌研究院此前已展示了基础设施层面干预的潜力，例如Project Green Light利用人工智能优化城市交通信号灯。然而，优化车辆网络本身一直颇具挑战。尽管存在网络优化的理论模型，但大规模的实证验证仍然有限，这阻碍了向前发展。

近日，谷歌研究团队在《自然·城市》期刊上发表了题为《通过导航应用干预缓解城市拥堵实验》的论文，首次在大规模真实世界中研究了利用导航平台改善交通的可能性。研究表明，通过协调甚至一小部分行程（不到2%）来分散交通流，可以显著提高整个城市的行驶速度并减少排放。该研究还建立了一个实验框架，从个体行程优化演变为合作路由范式，从而提升整体网络效率。

实验在美国10个主要城市进行，持续六个月。研究人员修改了谷歌地图算法，使其优先推荐与默认路线行驶时间和路段类型相似的替代路线，从而引导行程远离预先选定的拥堵路段。研究采用了城市范围的“开关”实验设计（也称为交叉设计），在连续数天内交替使用修改后的算法和原始算法。在“治疗”日，所有遇到预选拥堵路段的行程都被引导至替代路线。最终，不到2%的观测行程收到了改变路线的建议。每个城市基于历史拥堵模式选择了约100个代表性路段，这些路段通常表现为重复性瓶颈或高峰时段的高交通密度。

为了量化干预效果，研究人员采用了分层贝叶斯结果建模框架，该框架同时考虑了城市整体和局部小时级别的参数，能够灵活捕捉共同变化而不施加严格约束。结果显示，即使是如此小的干预也带来了可测量且统计显著的交通改善。平均而言，目标路段的行驶速度中位数提高了约2%，对应的燃料消耗率中位数降低了0.5%至1.0%。在受影响的更广范围路段（包括被分流和接纳车流的路段）中，行驶速度中位数提高了约0.35%，在早高峰和下午高峰时段则提高了0.5%。按研究城市的规模和能源需求计算，每个城市每年可减少数千吨二氧化碳当量排放。

这些改善归功于车辆从主要瓶颈处的战略性分流。通过高效分散交通，外围道路在吸收更多车辆的同时，仍能保持较高的平均速度和较低的总体排放。例如，在亚特兰大的实验中，车辆从贯穿城市中心的中央高速公路（蓝色）被分流到空间上更分散的周边路段（绿色），从而将原本集中在少数高流量路段的车流分散到更多路段，每个路段只增加少量车流，最终使系统整体受益。

研究结论明确指出，网络化导航技术可以成为主动塑造交通流以造福社会的有力工具。通过协调一小部分行程，可以实现系统级的收益，惠及所有道路使用者——不仅仅是特定应用的用户。导航用户和非用户都能共享目标路段拥堵缓解带来的好处，从而改善整个网络的出行时间并减少二氧化碳排放。

除了直接的拥堵缓解外，这项工作还为严格的、基于实验的交通管理方法建立了蓝图。随着智慧城市基础设施的成熟，这里展示的实验路径——利用连接性来测量和促进系统级变化——可以应用于更广泛的挑战，例如动态信号控制和复杂城市环境中的实时网络优化。尽管这些结果显示了相对简单的改道策略的潜力，但它们为未来车辆、基础设施和网络感知路由协同工作以优化整个社区的出行效率和可持续性奠定了基础。