车辆运输是现代生活的基础，促进了商品和人员的流动，提升了生产力和经济增长。然而，成本却很高：司机平均在路上花费2.6年的人生，并且私人汽车和面包车目前占全球CO2排放量的约10%。因此，交通网络的有效利用至关重要。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进行系统性管理？虽然地面交通历史上缺乏物理控制塔，但数字平台提供了更协调未来的强大视角。导航服务、联网车辆、智慧城市和自动驾驶汽车的普及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色灯项目展示了基础设施干预的力量，该项目利用人工智能优化城市交通信号灯。不幸的是，优化车辆网络被证明是具有挑战性的。虽然所有顶级导航产品在单个车辆路由方面标准化，但在系统范围内优化路由尚未实现。尽管网络优化的理论模型存在，但大规模的实证验证依然有限，从而阻碍了向前进展。在《自然城市》上发表的《通过路由应用干预进行城市拥堵缓解实验》中，我们呈现了首个大规模的现实世界研究，探讨使用导航平台改善交通。我们表明，即使协调少量行程以分散交通也能显著提高驾驶速度并减少整个城市的排放。它还建立了一个实验框架，以从个别行程优化过渡到一种增强整体网络效率的合作路由范式。实验 我们在10个主要的美国城市进行了实验，以展示有针对性的低成本路由干预在改善整体交通条件方面的有效性。在这项研究中，谷歌地图算法被修改为偏好类似旅行时间和段类型的替代路线，有效地引导行程远离预选的拥堵段。在六个月的时间里，我们采用了城市范围内的回退（也称为交叉）实验设计，在连续的几天里，交替进行这种处理与控制（未改动）路由算法，以适当地衡量该干预的效果。与其随机选择单个行程，不如在整个城市系统性地应用该干预。在“处理”日期间，修改后的路由引导所有遭遇预选拥堵段的行程朝向旅行时间相似的替代路线。在观察到的行程中，少于2%受到该实验的干扰而接收了修改的路由建议。为了设置实验，城市是根据拥堵水平和地面真相的可用性而选择的。对于每个城市，我们根据历史拥堵模式选择了大约100个道路段，这些道路段在高需求期间被特征化为重复出现的瓶颈或高交通密度。下图显示了其中一个例子。结果 为了量化我们所提议的路由干预的效果，我们采用了分层贝叶斯结果建模框架进行分析。这种方法同时在城市的整体水平和本地的小时水平建模参数，为捕捉共享变化提供了灵活的方式，而不施加严格的约束。它还允许城市和时间段之间的信息共享，使特定城市或时间的估计能够从其他子群体的效果估计中借用力量。研究发现，甚至这些小干预也导致了交通状况的可测量、统计显著的改善。在城市间平均观察到，目标段的驾驶速度中位数增加了约2%，对应的燃油消耗率中位数降低了0.5%至1.0%。在更大范围内，即所有受干预影响的段，包括流量被重新引导的段，驾驶速度中位数增加了约0.35%，早晨和下午交通最繁忙时增加了0.5%。在本次研究考虑的城市规模和能源需求下，这相当于每个城市每年潜在节省数千吨CO2排放。驾驶速度和排放率的提高在网络中普遍存在且统计显著。这些收益是由车辆从主要瓶颈的战略性分流所致；通过有效地分散这种交通，周边道路依然保持较高的平均速度和较低的综合排放，即使吸纳更多的车辆。这种行为在图中有所说明。