協作的力量：如何減少交通擁堵

交通運輸是現代社會的命脈，但同時也帶來了巨大的成本：駕駛員平均一生中有2.6年的時間花費在路上，而私家車和貨車約佔全球二氧化碳排放量的10%。因此，提高交通網路的效率至關重要。谷歌研究院此前已展示了基礎設施層面干預的潛力，例如Project Green Light利用人工智慧最佳化城市交通訊號燈。然而，最佳化車輛網路本身一直頗具挑戰。儘管存在網路最佳化的理論模型，但大規模的實證驗證仍然有限，這阻礙了向前發展。

近日，谷歌研究團隊在《自然·城市》期刊上發表了題為《透過導航應用干預緩解城市擁堵實驗》的論文，首次在大規模真實世界中研究了利用導航平臺改善交通的可能性。研究表明，透過協調甚至一小部分行程（不到2%）來分散交通流，可以顯著提高整個城市的行駛速度並減少排放。該研究還建立了一個實驗框架，從個體行程最佳化演變為合作路由正規化，從而提升整體網路效率。

實驗在美國10個主要城市進行，持續六個月。研究人員修改了谷歌地圖演算法，使其優先推薦與預設路線行駛時間和路段型別相似的替代路線，從而引導行程遠離預先選定的擁堵路段。研究採用了城市範圍的“開關”實驗設計（也稱為交叉設計），在連續數天內交替使用修改後的演算法和原始演算法。在“治療”日，所有遇到預選擁堵路段的行程都被引導至替代路線。最終，不到2%的觀測行程收到了改變路線的建議。每個城市基於歷史擁堵模式選擇了約100個代表性路段，這些路段通常表現為重複性瓶頸或高峰時段的高交通密度。

為了量化干預效果，研究人員採用了分層貝葉斯結果建模框架，該框架同時考慮了城市整體和區域性小時級別的引數，能夠靈活捕捉共同變化而不施加嚴格約束。結果顯示，即使是如此小的干預也帶來了可測量且統計顯著的交通改善。平均而言，目標路段的行駛速度中位數提高了約2%，對應的燃料消耗率中位數降低了0.5%至1.0%。在受影響的更廣範圍路段（包括被分流和接納車流的路段）中，行駛速度中位數提高了約0.35%，在早高峰和下午高峰時段則提高了0.5%。按研究城市的規模和能源需求計算，每個城市每年可減少數千噸二氧化碳當量排放。

這些改善歸功於車輛從主要瓶頸處的戰略性分流。透過高效分散交通，外圍道路在吸收更多車輛的同時，仍能保持較高的平均速度和較低的總體排放。例如，在亞特蘭大的實驗中，車輛從貫穿城市中心的中央高速公路（藍色）被分流到空間上更分散的周邊路段（綠色），從而將原本集中在少數高流量路段的車流分散到更多路段，每個路段只增加少量車流，最終使系統整體受益。

研究結論明確指出，網路化導航技術可以成為主動塑造交通流以造福社會的有力工具。透過協調一小部分行程，可以實現系統級的收益，惠及所有道路使用者——不僅僅是特定應用的使用者。導航使用者和非使用者都能共享目標路段擁堵緩解帶來的好處，從而改善整個網路的出行時間並減少二氧化碳排放。

除了直接的擁堵緩解外，這項工作還為嚴格的、基於實驗的交通管理方法建立了藍圖。隨著智慧城市基礎設施的成熟，這裡展示的實驗路徑——利用連線性來測量和促進系統級變化——可以應用於更廣泛的挑戰，例如動態訊號控制和複雜城市環境中的即時網路最佳化。儘管這些結果顯示了相對簡單的改道策略的潛力，但它們為未來車輛、基礎設施和網路感知路由協同工作以最佳化整個社群的出行效率和可持續性奠定了基礎。