协同导航如何有效缓解城市交通拥堵

车辆交通是现代生活的重要支柱，支撑着人员与货物流动、生产效率提升及经济增长。然而，其代价也相当高昂：驾驶员平均一生中有约2.6年时间花在路上，私家车和厢式货车目前已占全球二氧化碳排放量的约10%。因此，交通网络的高效利用至关重要。道路交通的管理能否像航空管理空域、或互联网路由数据包那样实现系统级统筹调度？尽管地面交通历来缺乏实体控制中心，但数字平台正为更加协同的未来提供有力参考。

导航服务的普及、网联车辆、智慧城市以及自动驾驶汽车的发展，都为改善交通资源的监测与优化提供了新机遇。谷歌研究院已通过"绿灯计划"（Project Green Light）展示了基础设施层面干预的强大效果——该项目利用AI优化城市交通信号灯。然而，优化车辆网络始终是一大难题。尽管各主流导航产品均支持单车辆路线规划，但系统级路线优化尚未实现。现有的网络优化理论模型虽然存在，但缺乏大规模实证验证，制约了这一领域的持续进展。

在发表于《自然·城市》（Nature Cities）期刊的论文"通过导航应用干预开展城市拥堵缓解实验"中，研究团队呈现了首个利用导航平台改善交通状况的大规模真实世界研究。研究表明，仅需协调一小部分出行行程以分散交通流量，即可显著提升全市行驶速度并减少排放。该研究还建立了一套实验框架，推动从单次出行优化迈向提升整体网络效率的协作式路线规划范式。

实验设计与执行

研究团队在美国10座主要城市开展了实验，旨在验证有针对性的低成本路线干预措施对改善整体交通状况的有效性。在本研究中，谷歌地图的算法经过调整，优先推荐行程时间相近、路段类型相似的替代路线，从而引导出行者绕开预先选定的拥堵路段。

实验历时六个月，采用全市范围内的交叉（switchback）实验设计，按连续天数交替执行"处理"与"对照"（即未经调整的原始路由算法）方案，以准确衡量干预效果。干预措施并非随机应用于个别出行，而是系统性地覆盖整个城市。在"处理"日，经过调整的路线规划将所有经过预选拥堵路段的出行引导至行程时间相近的替代路线，最终受到改变路线推荐影响的出行比例不足2%。

在实验准备阶段，城市的选择基于拥堵程度及实地数据的可获取性。每座城市根据历史拥堵规律选取约100条路段，这些路段均表现出在高峰期反复出现的瓶颈或高密度交通特征。

在本研究中，团队在路线规划阶段对经过预选路段的出行成本进行了调整——这些路段均存在明显过高的需求或拥堵状况。通过这种调整，具有相近替代路径成本的出行被引导绕开这些路段，从而降低了原本可能涌入这些路段的交通流量。

量化分析方法

为评估所提出路线干预措施的效果，研究团队采用了层次贝叶斯结果建模框架进行分析。该方法能够同时在城市聚合层面和本地化小时层面对参数进行建模，可灵活捕捉共享变化规律，而无需施加严格约束。此外，该框架支持城市之间和时间段之间的信息共享，使特定城市或时间段的估计值能够借助其他子群体的效应估计加以优化。

研究结果表明，即便是这些小规模干预也带来了可量化、具有统计显著性的交通状况改善。在各城市数据汇总下，目标路段行驶速度的中位数提升约2%，对应燃油消耗率的中位数下降0.5%至1.0%。在更大范围的受影响路段中，包括交通被引导离开或引入的所有路段，行驶速度中位数提升约0.35%，在早晚高峰期间提升约0.5%。以本研究所涉及城市的规模与能源消耗量来换算，这意味着每座城市每年可实现数千吨二氧化碳当量的减排潜力。

行驶速度的提升和排放率的降低在路网范围内普遍存在且具有统计显著性。这些收益来自对主要瓶颈路段的战略性分流——通过将交通有效疏散，周边道路即便承接了更高的车流量，仍能维持较高的平均行驶速度和较低的整体排放水平。

以亚特兰大为例，处理方案使路网中的交通发生了明显分流：总体上，车流被引导离开穿越市中心的高速公路，转移至主要分布在区域外围的一组空间上更为分散的路段。各路段净车流量变化的分布情况表明，车辆从集中于少数高流量路段，转向分散至更多数量的路段，且每条路段的增量较为有限，从而实现了系统整体效益的提升。

结论与展望

这项研究清晰表明，具备网络感知能力的导航技术可以成为主动塑造交通流量、造福社会的有力工具。通过协调一小部分出行行为，即可实现系统性收益，让所有道路使用者受益，而不仅限于某一特定应用的用户。值得注意的是，无论是否使用导航应用，所有驾驶者都能共享目标路段拥堵缓解所带来的好处，最终实现全网行程时间的缩短和二氧化碳当量排放的降低。

除即时缓解拥堵之外，这项研究还为基于严格实验的交通管理方法奠定了蓝图。随着智慧城市基础设施不断成熟，本研究所展示的实验路径——借助互联互通来测量并推动系统级变革——可进一步应用于更广泛的挑战，例如复杂城市环境中的动态信号控制与实时网络优化。虽然本研究展示的仍是相对简单的重新路由方案的潜力，但它为未来奠定了基础：在那个未来中，车辆、基础设施与具备网络感知能力的路线规划协同运作，共同为整个社会优化出行效率与可持续性。

Q&A

Q1：谷歌地图是如何通过路线调整来缓解城市交通拥堵的？

A：谷歌地图的算法经过调整后，会优先推荐与原路线行程时间相近、路段类型相似的替代路线，将出行者引导绕开预先选定的拥堵路段。实验中，实际受影响的出行比例不足2%，但却在整个路网范围内实现了可量化的改善效果，包括目标路段行驶速度中位数提升约2%，燃油消耗率中位数下降0.5%至1.0%。

Q2：这项交通优化研究覆盖了哪些城市，实验是如何设计的？

A：研究在美国10座主要城市开展，历时六个月。每座城市根据历史拥堵规律选取约100条具有代表性的拥堵路段作为干预目标。实验采用全市范围内的交叉设计，按连续天数交替执行调整后的路线算法（处理日）与原始算法（对照日），以确保实验结果的准确性和可比性。

Q3：这次交通实验对减少碳排放有多大效果？

A：研究结果表明，针对拥堵路段的路线干预使燃油消耗率中位数下降了0.5%至1.0%。以研究所涉及城市的规模和能源消耗量换算，每座城市每年可实现数千吨二氧化碳当量的减排潜力。由于交通被合理疏散至周边路网，即便这些路段承接了更多车流，整体排放水平依然有所降低。