Waze，Apple Maps和Google Maps等应用程序的分布使混乱加剧
米格尔街（Miguel Street）是一条蜿蜒的狭窄道路，贯穿旧金山的格伦公园（Glen Park）地区。 几年前，只有邻近房屋的居民在上面行驶，他们很清楚她的所有问题。 现在，这里到处都是汽车，从拥挤的米申街（Mission Street）到受欢迎的市场街（Market Street）都是捷径。 当地居民很难回家，每天都有事故发生。
当Waze，Apple Maps和Google Maps应用程序普及后，这个问题就开始了，并开始为驾驶员提供实时交通拥堵。 在全球范围内，大约有十亿驾驶员使用此类应用程序。
如今，在世界所有城市和国家中，交通堵塞出人意料地出现在原本平静的地方。 在多切斯特地区的波士顿，亚当斯的居民抱怨高峰时间快速行驶的汽车，其中许多驾驶员都盯着手机，计划下一次机动。 伦敦的绕行路线以前是出租车司机的秘密财产，现在到处都是应用程序用户。 以色列是最早遭受这种祸害的国家之一，因为在那里建立了Waze。 这种混乱很快发展起来，以至于Herzliya-bet的一位居民甚至谴责了该公司。
而且问题只会越来越严重。 世界各地的城市规划人员已经根据人口密度预测了交通密度，这表明在某些情况下，应进行一些实时更改。 为了应对这些变化，他们创建了一些工具，例如道路和高速公路出口的交通信号灯，可变标志，广播和消息传递系统。 在特别困难的情况下-障碍物，意外事件，事故-城市管理者有时会派一个活人来控制交通。
但是现在，实时导航应用程序对所有事情负责，并且它们产生的问题超出了解决的范围。 通常会优化应用程序，以使单个驾驶员的旅行时间尽可能短。 他们不在乎居住区的街道是否可以吸收此类交通流量，也不关心突然出现的汽车是否会增加道路上的危险。 我在加州大学伯克利分校担任
智慧城市研究中心主任。 我的工作很大一部分是试图了解这些应用程序的工作以及如何最好地与更传统的交通控制系统协调其工作。
这些应用的演变过程如下。 通常，应用程序使用的基本路线图包含五类道路，从多车道高速公路到居民区的小街道。 每个级别都可以在一小时内以适合当地条件的速度容纳一定数量的汽车。 导航系统最初显示为单独的小工具，或者内置在控制面板中，现在已在每部智能手机中使用，它们一直在其路径构建算法中使用此信息来计算可能的旅行时间并选择最佳路线。
首先，导航应用程序使用这些地图来查找到达其目的地的所有可能路径。 当用户坐在自己家附近的汽车中搜索路线并为旅行做准备时，此方法效果很好。 但是这样的搜索对计算能力的要求太高，无法被已经在移动中的驾驶员使用。 因此，程序员想出了一种算法，该算法选择几种可能的路径，估计它们各自的行程时间，然后选择最佳路径。 这种方法可能错过了最快的路线，但平均而言效果很好。 用户可以通过选择自己喜欢的道路类型来微调这些算法，例如，偏爱高速公路出行，反之亦然，尝试避开它们。
数字地图行业很小。 大约30年前成立了
Navteq （现为Here Technologies）和两家数字卡的早期制造商
TomTom 。 他们主要关注数据收集，并每季度发布一次地图更新。 在发布地图之间，导航员提供的路线没有改变。
当电子导航功能转移到移动应用程序时，系统提供商开始收集有关允许应用程序共享此信息的所有用户的行车速度和位置的数据。 最初，提供商将GPS跟踪用作历史数据，从而可以在一天中的不同时间评估实际的道路速度。 他们将这些估算值与地图整合在一起，定义了红色，黄色和绿色的路径-其中红色表示交通拥堵，绿色表示连续驾驶。
随着历史GPS记录数量的增加，以及蜂窝网络的带宽和覆盖范围的扩大，开发人员开始几乎实时地与用户共享交通信息。 对于大多数驱动程序在特定地区安装的较流行的应用程序，这些评级是相当准确的。
然后，在2013年左右，Here Technologies，TomTom，Waze和Google不再只是报告交通拥堵。 他们开始提供实时绕行选项，使当前的道路状况高于道路网络的特征。 这给用户提供了避免流量减慢的机会，也造成了混乱。
移动导航员不知道的是 ：在当地体育场A进行的体育比赛会导致高速公路上的交通拥堵，经过这个虚构的居民区的中心。 对于我们假设的驾驶员想要下班回家来说，这是一个问题，因此他向导航员寻求帮助。 导航员认为，最短的路线（按导航员的说法，最快）（蓝色）蜿蜒经过死胡同的居民区，陡坡B和吊桥C，如果您不熟悉其布线时间表，可能会导致意外延迟。 红色路线穿过市区D，穿过小学E； 导航员不知道这些小学生刚刚学过知识并要回家。 幸运的是，我们的驾驶员知道这一区域，因此他选择了紫色路径，尽管应用程序说这不是最快的选择。 不熟悉该区域以寻找快速到达体育场的驾驶员可能会陷入混乱甚至危险的境地。乍看之下，实时绕道行驶不是问题。 城市不断地这样做，改变信号灯的信号，相位和持续时间或在板上显示弯路。 真正的问题是，移动导航仪无法与城市基础设施配合使用，因此大多数交通运输效率最高。
首先，申请没有考虑每个地区的特点。 还记得这五类道路以及与之相关的大致无阻碍速度吗？ 这几乎是所有关于道路的应用程序。 例如，洛杉矶的百特街（Baxter Street），也因移动应用程序引起的事故数量增加以及他们所绕行的弯道，沿山羊过去在山上行走的道路是一条极其陡峭的道路。 但是对于应用程序而言，这条道路看起来像其他任何最高速度较低的道路。 他们建议在其两侧都有一个停车位，并且在它们之间有一个双向交通位。 他们没有考虑坡度为32％的情况，并且在最高处您看不到前方的道路或驶向您的汽车。 这个死区迫使驾驶员意外减速，这就是为什么现在在安静的住宅街道上不断发生交通事故的原因。
同样，算法可能未考虑其选择路径的其他特征。 例如，有没有很多行人的道路？ 他们通过学校吗？ 是否有任何难以通过的十字路口-例如，一条小街横穿一条没有红绿灯的繁忙街道？
我最近经历了这种无知会导致什么。 应用程序建议我在住宅区道路上四处走动时，我正处于多车道道路上的交通拥堵中。 它为我建立了一条路线，该路线在早上8:15穿过学校。 有交通管制员让孩子进来，两排小巴停在那儿，孩子们从停下来的汽车中跳了出来，由于早晨明媚的阳光，驾驶员很难看到发生了什么。 我只是把自己的份额带到了大混乱中。
这些移动导航器除其他外，可以自己工作。 它们来自自私的观点，根据这种观点，每辆汽车都在争夺到达目的地的最快路线。 这可能导致导航器将在意想不到的地方产生新的交通拥堵。
考虑在没有交通信号灯的情况下穿过繁忙的街道的汽车。 假设在次要道路上的汽车设置了停车标志。 在繁忙的十字路口两侧的次要道路上也可能出现此类标志，而当繁忙的街道上的交通不那么密集且汽车不必等待太长的时间才能通过时，便可以这样做。 但是，在主要街道上增加车辆通行量时，会出现越来越少的休息时间，因此，在次要道路上等待的车辆将开始延伸并充满相邻的街道。 如果您沿着主要道路行驶，您将很快到达目的地。 但是，如果您是未成年人，则必须等待很长时间才能获得开车的机会。 越来越多的汽车将应用程序发送到这些周围的街道，因为由于高速公路上的意外问题而发生的情况下，将发生更多的交通拥堵和事故。
使“自私路线”问题复杂化的是，每个导航提供商（Google，Apple，Waze）都是独立工作的。 他们每个人仅接收来自其用户的发往其服务器的数据，因此该系统的分布程度会影响其对现实的感知。 如果该应用程序不是很流行，则系统将回滚到对所需区域使用历史数据，而不是对现有拥塞情况有正确的认识。 结果，几个参与者独立处理不完美的信息，期望道路网络会轻易吞噬所有用户。
同时，城市交通工程师正忙于使用可用的工具来管理交通-流量表，电子显示器和无线电传输提供了我已经提到的绕行路线。 他们的目标是控制交通拥堵，保持路网安全有效，并对事故，体育比赛和紧急疏散做出适当反应。
城市工程师还孤立地工作并且使用不完整的信息，因为他们不知道应用程序在任何给定时间将做什么。 如今的城市正在忽视需要道路通行的交通量。 从短期来看，这会导致安全问题，而从长期来看，会导致计划问题。 这种情况无法为城市提供可用于制定改进策略以减少交通的信息，例如，通过鼓励商业企业更改工作轮班时间表以及参与送货和运输的公司来使用其他路线。
只为山羊？ 洛杉矶陡峭而狭窄的巴克斯特街曾经是一条山羊小径的网络，现在对于移动导航员来说，它看起来就像居民区中的任何其他街道一样您可能从这些绕行路线中受益，但从长远来看，您不太可能从中受益。 为此，有必要将系统作为一个整体进行处理，甚至可能要考虑总的燃料消耗和污染排放。 只有这样，我们才能使用这些流量重定向算法为所有公民和我们的环境造福。
同时，居住区及其居民正在使用街道作为高速公路与外星人作战。 在问题的最开始，在2014年左右，居民试图欺骗该应用程序，并向他们伪造事故报告，以使他们相信存在阻碍行动的问题。 然后，一些居民说服了当局必须安置卧铺的警察，以减慢行进速度并降低沿着这些街道行驶的基本速度。
新泽西州的莱昂市只是在交通高峰期间关闭了许多街道以供通行，并开始对不住在那儿的驾驶员处以重罚。 邻近的城市效仿了他的榜样。 这种解决方案无法预料的问题是，当地企业家开始失去在这样的时间无法驾车穿越城市的客户群。
洛杉矶最近对百特街的问题做出了反应，并使其单向行驶，只有下坡路。 解决方案仍然不是完美的-结果，当地居民不得不走更长的路，但是运动的随机性降低了。
2017年森林大火的悲惨状况清楚地表明，洛杉矶缺乏移动导航仪和传统交通管理服务的协调工作。 移动应用程序将人们重定向到街道，在当局的封锁下，直接进入火口。 这不是算法的错-当事件发展得如此之快时，要保持有关道路状态的最新信息非常困难。 但是，这表明市政府需要一种协作方式，有时甚至会影响这些应用程序的运行。 幸运的是，一名警官在问题现场，将交通重定向到安全路径。
但是所有这些都是临时措施； 他们减少但不改善机动性。 实际上，我们需要一种在社会上处于最佳状态的状态，在这种状态下，平均旅行时间在任何地方都应最小化。 运输工程师称此为最佳系统的状态平衡。 这是Wardrop平衡的两个原则之一。 我们如何才能按照应用程序的指示和计划的流量将人们聚集在一起，至少使用我们已有的机制，这些流量正在朝着社会优化的系统发展？ 您可以从收集道路网络当前状态的所有观点开始。 但是，强迫每个人将数据转储到一个通用的锅炉中并不容易。 这使人想起了David和Goliath的故事-尽管许多城市只有有限的财务资源来开发先进技术，但像Google和Apple这样的公司拥有处理这些数据的庞大服务器基础架构。 由于无法投资新技术，城市无法赶上大型技术提供商，最终它们只参与监管。 例如，波特兰，西雅图和许多其他城市已将住宅街道上的最高速度降低到30 km / h。
有更好的方法。 我们必须说服应用程序制造商，如果他们彼此之间以及与市政府共享信息，那么路由构建算法将能够利用更加完整的图景，其中包括物理基础设施中的信息：交通灯时间表，计程器数据以及相机。 共享数据将改善其应用程序的质量，同时有助于流量管理服务。
首先，我们需要由商业公司，城市工程集团甚至Uber和Lyft等运输公司的代表组成联合委员会。 共享信息将帮助我们了解如何最好地减少拥堵并管理我们的流动性。
在所有应用程序和基础架构工具协同工作之前，必须解决许多问题，从而对每个人都同样优化流量。
管理流量的真正困难似乎是这个问题的严重性。 要使用来自应用程序用户的数据流和来自城市传感器的数据，有必要创建一个新的分析层，以接受关键信息，将其匿名化，合并并以一种易于政府交通管理系统消化的形式显示。
我们还将需要可以使用所有这些数据来模拟我们在城市规模上的移动动力学的仿真程序。 这种软件的开发是由美国能源部的“节能移动系统”计划资助的正在进行的研究的一个关键主题，该计划由Here Technologies和三个国家实验室（劳伦斯·伯克利，劳伦斯·阿贡和太平洋西北地区）运营。
作为“环境可持续交通倡议”的一部分，我作为特邀科学家在伯克利进行此计划。今天，在我领导下的一个团队，包括来自这三个实验室的研究人员，已经为几个大城市开发了仿真程序，这些仿真程序可以在几分钟内在能源部的超级计算机上工作。过去，这种模拟需要几天甚至几周的时间。我相信，这些模拟将带来新的拥塞管理方法，这些方法考虑了这些问题的许多方面。22 « / » («» ), -, , . , , . , 40 000 , – 120 000. , - .
此模拟演示了多少流量规划可以影响流量平衡的变化，以及该规划为我们提供了我们尚无法直接接收的数据。下一个问题是我们可以使用道路网络的哪一部分，从而改变高速公路的拥堵状况，以增加居民区道路上的交通流量。我们的下一步将是更改算法，以考虑居民区的道路限制。例如，我们知道在小学生被带到学校或被带走时，没有必要将交通重定向到有学校的地方，并且我们必须相应地校正算法。我们希望很快我们将能够将这些工具交到州交通控制服务部门手中。这就是我们试图使用该技术来解决所描述问题的方法。但是，也存在非技术性障碍。例如，车辆位置数据可能包含无法匿名传输的个人信息。商业公司当前的商业模式可能会使他们不愿共享有价值的数据。为了解决技术和其他问题，将需要商业组织和非营利组织之间的研究和联盟，只有这样我们才能创建这种合作的生态系统。但是，我们越了解驱动道路动态的因素，我们的交通管理工具越有效，它们就能更好地考虑当地居民的问题，车队所有者的业务目标，人们的健康和便利。我相信，大多数消息灵通的人都会为公共利益同意一些小麻烦。您是否会同意花一些额外的时间开车离开居民区并改善环境？