协作减少交通拥堵之道

背景

车辆运输是现代生活的基石，支撑着货物与人员的流动、生产力以及经济增长。然而，其代价高昂：驾驶员一生平均要在路上花费2.6年，私家车和面包车目前约占全球CO₂排放量的10%。因此，交通网络的高效利用至关重要。能否像航空管理空域或互联网路由数据包那样，对道路交通进行系统级路由管理？地面交通长期以来缺乏物理上的“控制塔”，但数字平台让我们得以一窥更协调的未来。

导航服务、联网汽车、智慧城市和自动驾驶汽车的普及，都为改善交通资源的测量与优化提供了机会。Google Research 此前已通过 Project Green Light（利用AI优化城市交通信号灯）展示了基础设施层面干预的威力。然而，优化车辆网络一直颇具挑战。虽然所有主流导航产品都已实现个体车辆路由，但系统级的路由优化尚未实现。尽管存在网络优化的理论模型，但大规模实证验证仍十分有限，阻碍了进展。

核心内容

在发表于《自然·城市》（Nature Cities）的论文《通过导航应用干预缓解城市拥堵实验》中，Google Research 团队展示了首个大规模真实世界研究，旨在利用导航平台改善交通。研究表明，即使协调一小部分行程来分散车流，也能显著提升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，推动从个体行程优化向协作路由范式演进，从而提升整体网络效率。

团队在美国10个主要城市进行了实验，以证明低成本定向路由干预对改善整体交通状况的有效性。实验中，Google Maps 算法被修改为优先推荐行驶时间相近、路段类型相似的替代路线，从而将导航车辆引导开预先选定的拥堵路段。

在为期六个月的实验期间，团队采用了城市级交叉设计（switchback / crossover design），在连续数日交替使用干预算法（修改后的路由）和控制算法（未修改的路由），以适当衡量干预效果。该干预并非随机选择个体行程，而是在整个城市范围内系统性地应用。在“干预日”，修改后的路由将所有经过预设拥堵路段的行程引导至行驶时间相近的替代路线。实验中，不到2%的观测行程收到了更改后的路由建议。

实验选择城市时考虑了拥堵水平和真实数据可用性。针对每个城市，团队根据历史拥堵模式（如高峰时段的反复瓶颈或高密度车流）选取了约100个路段。下图展示了一个示例。

为了量化所提出的路由干预效果，团队采用了分层贝叶斯结果建模框架进行分析。该方法同时在城市汇总层面和局部小时层面建模参数，能灵活捕捉共享变异而不施加严格约束，并允许城市与时间段之间的信息共享，使特定城市或时间段的估计能够借助其他子组的效应估计强度。

研究发现，即使这些微小的干预也能带来可测量且统计显著的交通状况改善。跨城市平均来看，目标路段的行驶速度中位数提高了约2%，对应燃油消耗率中位数降低了0.5%至1.0%。在受影响更大的路段集合（即所有受到干预影响的路段，包括车流被分流至或分流出的路段）中，行驶速度中位数提高了约0.35%，而在早晚交通最高峰时提高了0.5%。以研究涉及的城市规模和能源需求推算，这相当于每个城市每年可减少数千吨CO₂e排放。

行驶速度和排放率的改善在整个网络中普遍存在且统计显著。这些收益源于将车辆战略性分流离主要瓶颈；通过高效分散车流，外围道路即使吸收了更多车辆，仍能保持较高平均速度和较低整体排放。下图展示了这一现象。

这项研究清晰地表明，联网导航技术可以成为主动塑造交通流、造福社会的强大工具。通过协调一小部分行程，就能实现惠及所有道路使用者的系统性收益——不仅限于使用特定应用的用户。值得注意的是，导航用户和非用户都能共享目标路段拥堵缓解的好处，带来全网络行驶时间的改善和CO₂e排放的减少。

关键要点

• 研究首次大规模实证证明：通过导航平台对一小部分行程进行网络感知的重新路由，可以显著改善城市整体交通状况（行驶速度提升、排放降低）。
• 实验在10个美国主要城市进行，为期六个月，采用城市级交叉设计，干预日修改 Google Maps 算法以推荐时间相近的替代路线。
• 干预仅影响不到2%的行程，但带来了可测量的效果：目标路段行驶速度中位数提高约2%，燃油消耗率降低0.5%-1.0%；受影响路段整体速度提高约0.35%，高峰时段提高0.5%。
• 减排效果显著：每个城市每年可能减少数千吨CO₂e排放。
• 收益惠及所有道路使用者，包括未使用导航应用的人，因为拥堵缓解是网络层面的。
• 该研究建立了严格的基于实验的交通管理蓝图，未来可应用于动态信号控制、实时网络优化等更广泛的智慧城市挑战。

意义与影响

这项研究展示了一种范式转变：从优化个体行程的“自私”路由，转向通过协作路由提升整体网络效率。它证明了即使微小的、低成本的干预也能产生系统级效益，为导航平台（如 Google Maps、Waze 等）提供了新的社会价值维度。随着智慧城市基础设施（联网汽车、信号灯、传感器）的成熟，这种基于实验的方法可以扩展到更复杂的场景，例如动态信号灯控制、实时网络优化，以及自动驾驶车队与基础设施的协同。

此外，该工作为政策制定者和城市规划者提供了实证依据：通过引导少量车流避开瓶颈，无需大规模基建投入即可缓解拥堵、减少排放。这为未来交通的可持续性发展提供了切实可行的路径——汽车、基础设施和网络感知路由共同协作，优化整个社区的出行效率与环境影响。