协作的力量：我们如何减少交通拥堵

播放无声循环视频 暂停无声循环视频 取消静音视频 静音视频 协作的力量：我们如何减少交通拥堵 2026 年 7 月 7 日 Neha Arora 和 Aboudy Kreidieh，软件工程师，Google 研究中心 我们演示了导航应用中的网络感知路由对提高网络效率的影响。快速链接 Paper Share 复制链接 × 车辆运输是现代生活的基础，促进货物和人员的流动、生产力和经济增长。然而，成本很高：司机平均有 2.6 年的时间在路上度过，私家车和货车目前约占全球二氧化碳排放量的 10%。因此，有效利用交通网络至关重要。道路交通路由能否像航空管理空域或互联网路由数据包那样在全系统范围内进行管理？虽然地面交通历来缺乏实体控制塔，但数字平台让我们能够一睹更加协调的未来。导航服务、联网车辆、智慧城市和自动驾驶汽车的激增都为改善交通资源的测量和优化提供了机会。谷歌研究已经通过“绿灯计划”展示了基础设施层面干预的力量，该计划使用人工智能来优化城市交通灯。不幸的是，优化车辆网络已被证明具有挑战性。虽然单个车辆路线是所有顶级导航产品的标准配置，但尚不存在对整个路线系统进行优化的情况。尽管存在网络优化的理论模型，但大规模的实证验证仍然有限，从而阻碍了前进的步伐。在《自然城市》杂志上发表的“通过路线应用干预缓解城市拥堵实验”中，我们提出了第一个关于使用导航平台改善交通的大规模现实研究。我们证明，即使协调一小部分出行来分散交通，也可以显着提高整个城市的行驶速度并减少排放。它还建立了一个实验框架，用于从个人行程优化发展到提高整体网络效率的协作路由范例。实验 我们在美国 10 个主要城市进行了一项实验，以证明有针对性的低成本路线干预措施在改善整体交通状况方面的有效性。在本研究中，谷歌地图算法经过修改，优先选择具有相似出行时间和路段类型的替代路线，有效引导出行远离预先选择的拥堵路段。在六个月的时间里，我们采用了全市之字形（也称为交叉）实验设计，连续几天在这种处理和控制（未改变）路由算法之间交替，以适当地衡量这种干预的效果。干预措施不是随机选择个人出行，而是系统地应用于整个城市。在“治疗”期间，修改后的路线将所有遇到预先选择的拥堵路段的行程引导至行程时间相似的替代路线。由于本次实验，不到 2% 的观察到的行程收到了更改的路线建议。为了进行实验，根据拥堵程度和地面实况可用性选择了城市。对于每个城市，我们根据历史拥堵模式选择了大约 100 个路段，这些路段的特点是在高峰需求期间反复出现瓶颈或交通密度较高。下图显示了这样一个示例。在本研究中，我们在路线阶段修改了经过预先选定的路段的感知成本，这些路段描述了不成比例的高需求和/或拥堵水平。这些修改以类似成本的替代路径重新规划行程，远离这些路段，从而减少了这些路段内原本会经历的交通流量。结果为了量化我们提出的路由干预的效果，我们采用了分层贝叶斯结果建模框架进行分析。这种方法同时对总体城市级别和本地每小时级别的参数进行建模，提供了一种灵活的方法来捕获共享变化，而无需施加严格的约束。它还可以实现城市和时间段之间的信息共享，从而可以从其他子组的影响估计中借用对特定城市或时间的估计。研究发现，即使是这些微小的干预措施也能显着改善交通状况。就各个城市的平均情况而言，我们观察到目标路段的行驶速度中位数增加了 2% 左右，对应于燃油消耗率中位数下降了 0.5% 至 1.0%。在更大范围的受影响路段中，即受干预影响的所有路段，包括流量重新调整的路段