Google Research 探討協同導航如何紓緩交通擠塞
The power of collaboration: How we can reduce traffic congestion
Google Research 在 10 座美國城市以 Google Maps 進行導航改道實驗,發現少於 2% 行程收到改道建議,也可提升行車速度並降低燃料消耗。
研究在 10 座美國城市以全市交叉實驗測試導航改道,呈現少於 2% 行程受影響時,行車速度上升、燃料消耗下降的路網效益。
汽車交通支撐現代生活的許多方面,促進貨物和人員流動、生產力和經濟增長。然而,代價高昂:駕駛者平均一生有2.6 年在路上度過,私家車和客貨車目前佔全球二氧化碳排放量約 10%。因此,高效運用交通網絡至關重要。我們能否像航空業管理空域、互聯網路由數據封包一樣,在整個系統層面管理道路交通路線?地面交通過去缺乏實體控制塔,但數碼平台讓我們得以一窺協同交通的未來。
導航服務、連網車輛、智慧城市和自動駕駛車輛日益普及,為改善交通資源的測量和最佳化帶來機遇。Google Research 已透過 Project Green Light 展示基礎設施層面介入的效用,運用 AI 最佳化城市交通燈號。可惜,最佳化車輛網絡一直不容易。雖然各大導航產品都普遍支援個別車輛的路線規劃,但尚未實現整體系統層面的路線最佳化。雖然已有網絡最佳化的理論模型,大規模實證驗證仍然有限,阻礙進一步發展。
在發表於 〈透過導航應用程式介入實驗紓緩城市交通擠塞〉、刊於 Nature Cities 的研究中,我們介紹首個以導航平台改善交通的大規模真實世界研究。我們證明,只要協調少部分行程以分散車流,就能切實提升車速,並減少整個城市的排放。研究亦建立實驗框架,推動交通管理從個別行程最佳化,演進為提升整體網絡效率的協同路線規劃模式。
實驗
我們在美國 10 個主要城市進行實驗,展示針對性、低成本路線調整如何改善整體交通狀況。在研究中,我們修改 Google Maps 演算法,優先選擇行車時間相近、路段類型相似的替代路線,實際引導行程避開預先選定的擠塞路段。
在為期六個月的研究期間,我們採用全市範圍的交替實驗設計(亦稱交叉實驗),在連續數日內交替使用這種處理方式和控制組(未修改的路線規劃演算法),以適當衡量介入效果。我們並非隨機挑選個別行程,而是在全市範圍有系統地實施介入。在「處理」日,修改後的路線規劃會引導所有途經預選擠塞路段的行程,改走行車時間相近的替代路線。這項實驗中,不足 2% 的觀察行程收到不同的路線建議。
設計實驗時,我們根據擠塞程度和實地真值資料是否可用來選擇城市。每個城市約選取 100 段道路,依據歷史擠塞模式辨識,包括反覆出現的瓶頸或需求高峯時段的高車流密度。下圖展示其中一個例子。
結果
為量化所提路線介入措施的成效,我們採用階層式貝葉斯結果模型框架進行分析。此方法同時對城市整體層面及局部逐小時層面的參數建模,可靈活捕捉共通變化,而不必施加嚴格限制。它亦能在不同城市和時段之間共享資訊,讓特定城市或時間的估算結果,參考其他子羣組的效果估算而更穩健。
研究發現,即使是這些小規模介入,也能帶來可測量且具統計顯著性的交通改善。平均而言,各城市目標路段的車速中位數提高約 2%,相當於燃油消耗率中位數下降 0.5% 至 1.0%。在範圍大得多的受影響路段中,也就是所有受介入影響的路段,包括車流被引導離開或流入的路段,車速中位數提高約 0.35%;在早上和下午交通最繁忙時,則提高 0.5%。以本研究所涵蓋城市的規模和能源需求計算,每個城市每年有望節省數千噸 CO2e 排放。
全網絡的車速和排放率改善都十分普遍,而且具統計顯著性。這些增益源於策略性地將車流從主要瓶頸分流;有效分散車流後,即使外圍道路承接更多車輛,仍能維持較高平均車速和較低整體排放。下圖展示了這種情況。
結論
這項研究清楚顯示,網絡化導航技術能成為主動調節交通流量、造福社會的強大工具。只要協調少部分行程,就能帶來惠及所有道路使用者的系統性效益,而不只是使用特定應用程式的人。值得注意的是,導航服務用戶和非用戶都能受惠於目標路段擠塞減少,令全網絡行車時間改善並減少 CO2e 排放。
除了即時紓緩擠塞,這項工作亦為以嚴謹實驗為基礎的交通管理方式建立藍圖。隨着智慧城市基礎設施日漸成熟,本文展示的實驗路徑——運用連接能力測量並促成系統層面的改變——可應用於更多挑戰,例如複雜城市環境中的動態訊號控制和即時網絡最佳化。這些結果展現相對簡單的改道方式所具潛力,並為未來奠定基礎:汽車、基礎設施和具網絡感知能力的路線規劃將協同合作,為整個社區最佳化交通效率和可持續性。
鳴謝
本研究與 Alexandre Bayen、Andrew Tomkins、Theophile Cabannes、Kevin Chen、Yechen Li、Marc Nunkesser、Prem Ramaswami、Eray Turkel、Shoshana Vasserman 和 Haizheng Zhang 合作完成。
來源:Google Research · research.google