Google研究:引导不足2%的车辆可减少城市交通拥堵和CO2排放
Google研究在美国10个城市开展了为期六个月的实验:改良后的Google Maps算法将不足2%的行程从特定拥堵路段引导绕行。结果——目标路段车速中位数提升+2%,燃油消耗减少0.5至1%。研究发表于《自然·城市》。
本文由人工智能基于一手来源生成。
道路拥堵不仅仅是一种挫败感——它有可测量的经济和生态代价。Google研究决定探究导航应用本身是否能在无需任何基础设施投资的情况下,从统计意义上减少交通拥堵。他们在著名期刊**《自然·城市》**上发表的答案颇具启发性:可以,而且所需干预规模远小于直觉预期。
这项研究由Google研究软件工程师Neha Arora和Aboudy Kreidieh与包括Alexandre Bayen和Andrew Tomkins在内的一组合作者共同开展。研究采用的方法论框架是交叉实验设计(switchback experimental design) — 在相同城市区域内交替进行干预日和对照日,从而最大程度地减少季节性和时间性因素对结果解读的影响。
在美国十个大城市开展六个月实验
实验持续六个月,覆盖10个美国大城市。研究人员在每个城市识别出约100个历史拥堵严重的路段。他们改良了Google Maps的路线规划算法,使其有意回避这些路段——但仅针对经过该区域的少量行程。
干预规模是关键所在:每个城市被纳入干预的行程不足2%。与其大规模引导用户绕行,系统选择性地改变少量行程的导航建议,将交通分散到周边路网,降低拥堵路段的流量集中度。算法选择总行程时间相近的替代路线,确保用户不会因此承受显著的效率损失。
数据分析采用层次贝叶斯建模,综合考虑了城市和具体时段的变化,从而将真实干预效果从背景交通噪音中分离出来——若不加处理,这些噪音会模糊结果。
需要引导多少交通才能缓解城市拥堵?
结果出乎许多人意料:对不足2%行程的干预,在目标路段上产生了可测量的速度改善。目标路段的行驶速度中位数提升为**+2%。观察更广泛的路网——所有受交通再分配影响的路段——速度中位数提升为+0.35%,在高峰时段达到+0.5%**。
目标路段的燃油消耗中位数减少0.5至1.0%。这些数字单独看起来似乎不大,但需要放在背景中理解:这一效果完全无需对交通基础设施进行任何物理干预,无需封路,也无需强制引导会因此承受更长行程的驾驶者绕行。
尤为重要的是,积极效果并不局限于Google Maps用户。通过将交通分散到更广泛的路网,不使用导航应用的驾驶者也获得了更畅通的通行条件。这对于评估实际影响范围至关重要:当**不足2%**的行程改变路线时,整个交通环境中的所有参与者都从中受益。
潜在节省:每个城市每年数千吨CO2e
研究人员估计,即便在如此规模的干预下,这一方法每个城市每年也可产生数千吨CO2e排放量的节省。在10个测试城市的总体范围内,潜在的气候效益可能相当可观,且无需城市管理部门或用户承担额外费用。
研究坦诚指出了方法论的局限性:交叉设计排除了测量驾驶者长期行为变化的可能性,且结果可能因交通文化、路网密度和各城市特定特征而有所不同。然而,研究的优势恰恰在于它是在真实条件下、面向真实驾驶者、在真实城市交通中开展的——而非在模拟或建模环境中进行。
发表于**《自然·城市》**的论文全称为「Urban congestion relief experiments through routing-app interventions」。对于深受交通拥堵困扰的城市而言,Google研究的发现指向了一种触手可及的非基础设施工具——它已经存在于每位智能手机用户的口袋之中。
常见问题
- Google如何在不强制改变所有用户路线的情况下引导交通?
- 改良后的Maps算法仅对不足2%的被观察行程建议行程时间相近的替代路线,绕过预先选定的拥堵路段。其余用户继续获得常规导航建议。
- 这一方法的受益者仅限于Google Maps用户吗?
- 不是——通过将交通分散到更广泛的路网,不使用导航应用的驾驶者也获得了更畅通的通行条件。实验证实了对非应用用户的正面效果。
- 这项研究在哪里发表,作者是谁?
- 研究以「Urban congestion relief experiments through routing-app interventions」为题发表于《自然·城市》杂志。作者为Google研究软件工程师Neha Arora和Aboudy Kreidieh,以及合作者Alexandre Bayen和Andrew Tomkins。