点击关闭
您现在的位置开元港式五张首页 >>汽车新闻>>正文

道路情况-他们不知道相关的APP在什么时候会给出怎样的出行建议

【首张无人驾驶牌照】

這個盲點會導致司機意外停車,讓這條曾經安靜的街道成了經常發生交通事故的地點。

在問題出現的早期,也就是2014年左右,居民們曾嘗試在相關APP中標記虛假事故,讓該軟件相信附近發生了交通堵塞,因此不建議司機走這裡。

當時,一位靠導航開車的司機被引導至城市封鎖的街道上,直奔火災的源頭地區,幸好在一名警官的幫助下,他才將車輛轉向到一條更安全的道路。

對於特別棘手的情況,比如交通阻塞、慶典活動或緊急情況,相關機構還可以派專人前來指揮交通。

最後要說的是,不管是解決技術性的,還是非技術性的交通問題,都需要在導航應用提供商、城市交通工程組織,甚至像Uber和Lyft這樣的涉及交通行業的技術公司之間建立公私合作關係,在這之後,合作生態系統才能成為現實。

其次,計算機算法可能不會考慮其選擇的路徑周邊的情況。

接下來的問題是,要把多少汽車分流到更狹小的街道上,以及如何把接送孩子造成的周邊擁堵等情況加入到算法當中。相關機構目前正針對此類問題尋找改進措施。

結果顯示,平均每小時有大約4萬輛模擬汽車在早上擁堵高峰時選擇了改道,而在晚上擁堵高峰時,每小時會改道的車輛達到12萬輛。如果再加入發生交通事故的指令,這一數值會接著飆升。

從錶面上看,實時的路徑變換並不會引起混亂。城市一直在這樣做,只不過使用的不是APP,而是通過改變信號燈、流量預警等設備實現的。真正的問題是,交通管理APP沒有與現有的城市基礎設施聯繫到一起,也就沒有辦法給出最有效的建議。

每一級的目標是找出在當下汽車數量與時速下,是否與導航車輛的狀態相匹配,以決定是否推薦該路線。

再後來,像Here和TomTom這樣的數字地圖企業開始把主要精力放在了構建數據集上,通常每季度發佈更新的地圖。但在兩個版本之間,地圖和導航應用程序建議的路線沒有改變。

那麼,在現有機制下,如何讓導航與基礎設施融合到一起,朝著這種最優均衡前進?

當導航功能成為智能手機上再平常不過的應用後,供應商有了收集新信息的機會。在用戶同意的情況下,他們獲得了人們出行時間和位置的數據。

在這一點上會出現新的阻力。比如,地理位置數據可能包含不能任意共享的個人信息,當前的商業模式也讓盈利性公司不願提供有價值的數據。

之前是這麼辦的,但現在導航APP占據了主導地位,這些應用要解決的通常是讓單個司機的出行時間盡可能短。說白了,系統並不關心所前往的住宅街道能容納多少汽車,也不在乎指引駕駛者去不熟悉的地方是否會帶來事故隱患。

在為舊金山灣區創建的一個模擬項目中,工作人員增加了一種算法,當系統預計會出現嚴重擁堵時,它可以讓車輛改道。

但汽車出行的規模之巨大,這才是交通管制遇到的真正挑戰。

但可以想象,隨著我們更多地瞭解是什麼影響了交通動態,考慮到鄰裡關係、車隊所有者的商業目標、以及人們的健康和便利時,更有效的出行線路和交通控制也將從中產生。

而對於那些沒走高速路、想抄近路去體育場的人,他們往往不熟悉當地環境,因此只能聽從導航的指示。而當大多數司機都這麼做時,就不難解釋為什麼市內的交通會變得如此糟糕了。

2013年也許是個轉折點。正是在那一年,Here、TomTom、Waze和谷歌瞄準的已不僅僅是提供交通擁堵情況,他們開始對出行路線給出實時的改道建議,意在幫助用戶繞過更費時間的道路。

有了這樣的數字模型,道路規劃人員就能知道如何平衡各車道的流量。

最近,洛杉磯市對巴克斯特街的問題做出回應,稱將把這條街改造為單行下坡道。這意味著居民往返的路程會變得更長,但確實能減少交通混亂的局面。

當然,也不是沒有更好的方法。只不過,我們必須說服軟件製造商,讓他們彼此分享信息,城市政府也要配合,將包括交通信號燈的時間安排在內的基礎設施情況加入到算法當中。

如果把導航APP比作人類助手的話,那他們所做的只能說是為了自己好。從一開始,他們就很自私的認為,每輛車都在爭奪通往目的地的最快路線。

可現在,這裡擠滿了汽車,駕車者開始把這條街當做捷徑,以避開經常擁堵的另外兩條出行路線。周邊的居民又怎麼樣了呢?在這種情況下,他們想要回家都成了難事,車輛刮碰等事故幾乎每天都在上演。

真實的情況是,多個獨立的參與者在不具備完整信息的條件下就開始了各自的導航服務。

問題隨之而來。不僅是在美國,全球各地的大城市同樣面臨著緩解交通壓力的難題。越來越多的人開始抱怨出行不順暢,很多司機還時走時停,因為他們不知道下一步要怎麼走,不得不抽出時間低頭盯著車內導航儀或手機看。

使用美國能源部的超級計算機,已經有研究小組開發出面向大型城市的模擬程序,並且在幾分鐘內就能得到反饋。在過去,同樣級別的模擬可能需要幾天或幾周的時間。

混亂由此開始。依靠大量數據支持,導航APP知道了前方的路況信息,可這些程序無法預測的又是什麼呢?下圖案例也許能更讓我們有更清楚的認識。

這種方法可能會錯過最快的路線,但優勢是響應速度快。用戶也可以自行調整這些算法,給出其偏好的道路類型。

然後,他們將估值與地圖整合到一起,我們現在經常看到的紅、黃、綠三色路線模式就是這麼出來的。其中,紅色意味著擁堵嚴重,綠色則意味著暢通無阻。

這既是一個短期的安全問題,也是一個長期的規劃問題。

那些使用率較低的程序在提供不了準確信息時,會參考歷史數據給司機提供建議,這反而對改善交通情況起到了負面作用。

與此同時,城市工程師也在孤立地工作著。他們同樣得不到完整的信息,因為他們不知道相關的APP在什麼時候會給出怎樣的出行建議。一座城市因此失去了對需要進入其道路的交通流量的控制。

紅線代表的方案直接穿過D所在的市中心,還會經過一所小學,位於E點。系統不知道今天學校也有活動,周邊道路停滿了家長的車。好在我們假設的主人公知道她家附近的情況,因此選擇了紫色所代表的線路。

問題也越來越嚴重。對於一座城市的規劃者來說,交通流量是根據居住密度來預測的,而在特定的情況下,出現一定程度的流量變化完全屬於正常現象。

看到問題所在了嗎?三條線路中,程序建議的兩種較短方案都沒有司機決定的第三條線路來得方便。

這種數據共享將使廠商APP的信息更準確,同時給城市交通規劃者提供了極大幫助。不僅如此,分享所有這些信息將有助於我們找出減少擁堵和管理車流的新方法。

事實上,這條道的坡度達到了32度,當你開車到達頂端時根本看不到下方的路,也無法判斷是否有相向而行的車開上來。

我們真正想要的是這麼一種社會最優狀態,在這種交通系統下,任何移動出行所需平均時間都被減小至最低值。交通工程師把這種狀態稱為最優均衡。

先來看看導航應用的進化過程。通常,一款導航APP使用的基本路線圖會根據功能將道路分成5類,把從多車道高速公路到小型住宅街道一級一級區別開來。

長期以來,導航系統就是在其路徑選擇算法中使用這些信息來計算可能的出行時間,並選擇最佳路線的。

想要把來自軟件用戶的信息和城市設施獲取的信息全都彙集到一起,也就意味著需要打造更強的數據分析管理系統。

這也就是說,導航APP通過地圖搜索功能要對所有可能到達目的地的路徑進行分析。如果這是發生在用戶出發前,那沒有問題,但對已經上路的司機來說,要是還採取相同的搜索模式,不僅計算量太大,對他們也毫無用處。

舉例來說,程序能知道某個地方來來往往的行人有多少嗎?或者出現了圖例中假設的學校活動?要經過沒有信號燈的小型路口怎麼辦?

圖中,我們假設一位員工想要從左下角的綠色辦公樓開車回到她位於右下方的綠色住宅位置。此時,A點體育場將要舉行大型活動,也許是球賽,又或者是演唱會,但這不重要,重點是這讓她不能選擇最快捷的高速公路路徑,因為這條道正被大量駕車前來的觀眾占用著。

舊金山有一條叫米格爾的街道,這裡蜿蜒曲折又狹窄的路徑連接著格倫公園附近的社區。直到幾年前,只有那些當地居民才會走這條路,他們也深知路況帶來的挑戰性有多大。

最初,系統供應商把這些GPS蹤跡化作歷史數據放到了算法設計之中,並以此估算一天中不同時間、不同道路上的車流量。

確實很難。像谷歌、蘋果這樣的大企業具備運營相關業務的實力,但許多城市只有很少的資金用於先進技術的開發。如果沒有能力投資新技術,城市就無法趕上這些大型技術供應商,只能依賴監管。

加州大學伯克利分校做的一項重要研究就是要弄清楚這些應用程序在做什麼,以及如何讓它們更好地與傳統交通管理系統協調工作。

如果覺得導航不會造成嚴重後果,2017年洛杉磯發生的一場大火也許給出了不同的答案。

在突發情況下,導航APP也許無法及時更新數據信息,而這再一次顯示了軟件與傳統交通管理之間缺乏一致性。

要做到這一點,需要對整個交通系統進行思考,甚至還要考慮行業的總燃料消耗和排放量才行。與此同時,社區和市民開始反擊。他們反對的是那些把街道當成通道的陌生人。

因此,軟件開發人員創建了另一種算法,讓系統只識別幾條路線和每條線所需時間,並從中選擇最佳方案。

對於後者,便利的導航應用已使城市對可以用來制定更好的交通緩解策略信息視而不見。例如,對企業制定的工作班次或公共交通運營的線路規劃要求就已經沒有之前那麼迫切了。

正是為了有效應對這些實時變化,我們才在街道上看到了諸如紅綠燈、距離標識、可變消息指示牌、無線電傳輸和撥號信息傳遞系統等工具。

不僅如此,每個導航APP供應商——谷歌、蘋果、Waze(現在歸谷歌所有)——都在獨立運作,這進一步加重了“自私的路徑選擇”問題所引起的混亂。

導航所具備的功能還只是在一定程度上避免而非改善交通擁堵,這隻能治標,不治本。

司機是怎麼知道這裡有路可以穿行的?也許,Waze、蘋果地圖和谷歌地圖等APP的廣泛使用起到了關鍵作用。這些智能應用程序給他們提供了圍繞交通擁堵進行實時導航的服務。據估計,這類應用僅在美國就有10億次的訪問量。

因此,作為駕駛者,你可能會依靠導航獲得不少便利,但要是把它當成是一場漫長的技術比賽,人們能否一直從中獲益值得懷疑。

拿洛杉磯的巴克斯特街來說,它最初只是一條用來放羊的小道,就算是在如今變成公路的情況下,也依舊是一條極其陡峭的道路。導航APP可不知道這種情況,在程序面前,這條路與其它道路並無區別,最多也就是會提醒司機要減速慢行而已。

於是,該員工打開導航,系統給出的最短回家方案是圖中的藍線,但中途要經過B點的住宅區狹窄小路以及C點的可開閉吊橋。(在不知道吊橋開合情況下,很有可能會耽誤時間)

還需要開發模擬軟件,利用全部數據構建出城市規模的動態出行場景。這種軟件目前是美國能源部節能出行系統項目研究的一個關鍵課題,涉及勞倫斯伯克利國家實驗室、阿貢國家實驗室、太平洋(601099,股吧)西北國家實驗室這三家機構,Here也參與到了其中。

倫敦曾有一條只有出租司機才知道的捷徑,如今卻顯示在了各大導航APP里;以色列也感受到了這種痛苦,因為Waze正是從這裡起家,它的服務對交通造成瞭如此嚴重的破壞,以至於赫茲利亞貝特社區的一名居民起訴了該公司。

這還沒完,隨著GPS收集的歷史記錄不斷增加,再加上蜂窩網絡的覆蓋率和帶寬不斷提高,開發人員開始向用戶提供近乎實時的交通信息。一款導航APP的使用人數越多,它提供的信息準確度也就越高。

有的社區則安裝減速帶,減緩交通速度,這樣在APP中就能顯示出更長通行時間。更有甚者,比如新澤西州的萊奧尼亞鎮,在上下班高峰時段關閉了許多街道,禁止車輛通行。鄰近的城鎮也紛紛效仿。

首先,此類APP無法給出指定社區的特點。還記得上面提到的5種道路分類嗎?這基本上就是導航系統對道路瞭解的最深層次。

多開幾分鐘車,給鄰居騰出一點時間與空間,併為改善環境做出貢獻,這樣做難道不好嗎?