Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

新的共乘算法可以减少75%的交通流量,是时候行动起来了


MIT 的新算法表明,3000 辆坐满四人的共乘车可以减少纽约市 98% 出租车的需求量。这意味着像 Uber 和 Lyft 这样的租车软件可以显著减少交通负荷,它们甚至可以帮助我们节约能耗。

image (4).png

拥挤的交通不仅让司机感到难以忍受,大量汽车产生的废气也会影响公众健康,用于治理交通的资金对于政府而言也是一种经济负担。


研究表明,美国人每年在交通拥堵上花费的资金约为 160 亿美元,其中包含在车流中浪费的 70 亿小时时间,以及 30 亿加仑燃油。


面对拥堵的交通,我们也许可以通过汽车共乘的方式来解决——MIT(麻省理工学院) 的一项新研究表明,使用 Uber 和 Lyft 可以减少道路上 75% 的汽车数量——而且这种方式并不会显著影响通勤时间。


MIT 计算机科学和人工智能实验室(CSAIL)教授 Daniela Rus 领导的研究小组开发了一种算法,他们发现仅需 3000 辆四人共乘车辆即可减少纽约市 98% 的出租车需求,同时,平均每人的等车时间仅需 2.7 分钟。


「这种方式要求轿车每次不能仅搭载一名乘客,而需要搭载 2-4 名乘客,这样不仅可以减少总通勤次数,而且可以节约时间,让总体出行成本减少,」Rus 解释道,他与 CSAIL 博士后学生 Javier Alonso-Mora、康奈尔大学助理教授 Samitha Samaranayake、MIT 博士生 Alex Wallar 与 MIT 教授 Emilio Frazzoli 共同完成了这项研究。「一个旨在节约出行成本的系统应该能让司机每次出行的距离缩短,这样也就能够缓解交通压力,减少空气污染,上下班高峰期的拥堵状况也会得到缓解。」


该团队在研究中还发现,与目前纽约市的 14,000 辆出租车相比,解决 95% 的出行需求只需要动用 2000 辆 10 座汽车。


新的算法不仅学习了纽约市 300 万次出租车出行的历史数据,同时也收集了纽约市出租车的实时运营信息,并对一些车辆发出指令,让司机把空车开往需求量大的区域,这使得服务效率提高了 20%。


「据我所知,这是第一次有科学家能在现实环境中对车队的规模、容量、等待时间、延误和其他所有运营成本进行量化研究。从出租车、大客车到班车全部都被计算在内了,」Rus 说道。「另外,该系统非常适合于自动驾驶汽车的管控,因为它们可以根据请求实时重新规划路线。」


该团队的文章已经发表在了本周的国家科学院学报(PNAS)上。


拼车的未来


虽然拼车这个概念已经存在几十年了,但最近两年它才随着 Uber、Lyft、滴滴等打车软件变得流行起来。这些科技公司正在使共乘车成为一种便宜方便的出行选择。在 2015 年, Lyft 宣称其在旧金山业务的一半都是以共乘车形式完成的。


然而,现有的共乘方式仍然受到了很多限制。例如,一些共乘系统需要用户 B 在用户 A 的出行路线上上车,并且需要在出行之前尽早预约。


相比之下,新的系统允许用户实时重新匹配不同的车辆,它还可以分析每辆车的型号以进行最优分配,例如:为一辆 10 座客车分配乘坐率最高的路线。


该系统先创建一个有关所有搭乘请求和车辆的图谱,随后创建第二幅图谱,将所有可能的行程显示出来,然后使用「整数线性规划(integer linear programming)」的方法计算出最优行程和车辆安排。


在车辆被分配之后,该算法可以重新平衡参数,安排其他空车前往需求热点区域。


「人们面临的最大挑战是必须构建一个实时的解决方案,它需要同时考虑数千辆汽车与乘客的需求,」Rus 说道。「我们的方法可以完成这一点,因为在第一步中,系统已经可以仔细和抽象地理解路网状况了。」


这一算法被 Rus 称为「全时最优算法(anytime optimal algorithm)」,它会随着运行时间的增加而不断优化,Rus 表示她期待着看到这一系统在未来经过充分训练后的更好表现。


「共乘制对于社会、环境和能源领域有着潜在的巨大影响力,」Rus 表示。「作为研究人员,我们正在尽自己所能,为改善交通系统出力。」

产业汽车工程交通算法MIT
暂无评论
暂无评论~