运用大数据改善交通

　　人类的互动，比如电话通话、信用卡交易，或者是线上社交网络的使用， 衍生出了大规模的数据，这些数据揭示了人类日常行为和流动模式，使其显现出高度的可预测性，并且使得我们可以其背后隐藏的统计“定律”。

　　我们该如何用这么多的数据来改善城市交通系统的运转呢？城市出租车服务是城市交通最主要的方式之一，也是下面我们主要的关注对象。尽管出租车行业在城市交通中很重要， 但该行业在过去抵制了系统上的变化和进步。举个例子，几十年来几任纽约市市长都曾经承诺要改进出租车系统，但是出租车行业自1900 年以来本质上都是一样的。然而不管是对于出租车公司和它们的客户，还是对于城市规划师们而言，提高出租车派遣系统的效率都是有重要意义的，比如说可以运用动态分配出租车的程序来减少燃料的消耗，提高服务质量和改进城市交通的可持续性。

　　在最近的一项研究中，我们研究和运用了一个包含了2011 年纽约市1.7 亿出租车旅程中13500 辆出租车位置的数据集。纽约市的出租车业务是由纽约市出租车和加长轿车委员会（简称TLC） 监察的。TLC 向出租车严格限制许可权（又称”圆牌”）的发放，这些许可证赋予了我们熟悉的黄色汽车独有的，在街上人们招手叫出租车时能够接上乘客的权利。自2008 年起，纽约市所有的出租车被TLC 强制要求安装一个出租车科技系统，其中包含一个GPS 追踪器和一个在后座屏幕上让乘客看的、标有实时汽车位置的地图。

出租车系统效率低下

　　对于纽约市数据的研究立即揭示了出租车系统作为一个整体，效率是极其低下的，其效率的低下程度可以由没有搭载乘客的旅程，即空车旅程的总距离和总时长来量化。出租车司机倾向于集中在几乎可以保证能接到客人的区域，比如说主干道或者其它像机场一样人流量大的地方。然而由于信息传播速度缓慢，实际接到客人与否的不确定性大大地提高了，尤其是在机场，某些时间段，想到要去机场的司机过多，空出租车的队伍可能会变得非常长。系统的低效率性自然而然产生了不利的影响，比如尾气排放量高出城市正常运行所需的排放量；对于道路系统的低效率利用也使得堵车、道路瓶颈等等现象更加扩大。

　　以前也有一些试图改进出租车系统的尝试，大多数时候是以自发的形式。在许多亚洲城市，拼车是一个众所周知的现象，乘客可以放弃一些舒适度和行程时间，分摊乘车费用。更近一些， 商业上也有联运交通的尝试：比如说Daimler 公司的Moovel 服务就是联合包括出租车在内的几种不同交通方式， 也有公司开始提供汽车分享服务，然而这些尝试总是受到人们接受度和类似上面提到的效率问题的困扰。另外，利用一些智能手机应用，按一个按键就可以很容易地发现、呼叫出租车，并且给出租车旅程付费。这些应用在全世界各个城市里的使用情况良莠不齐。然而城市出租车系统作为一个整体而言，看上去并没有展现出大幅的变化。

新的出租车派遣算法

　　正是因为上面提到的出租车系统的死板和低效率，我们提出一个新的系统以取代旧的系统或者和旧的系统同步运行。因此我们运用了可获取的数据和数学模型，设计出一个更高效的新系统，能产生更少的尾气排放量，而且较旧系统而言对于顾客更加实惠。

　　纽约市数据中的出租车旅程覆盖了城市99% 以上的街道。每一段街道都有一些特定的目的点和出发点。特别是我们发现非常多的旅程是有可能拼在一起的，从而可以减少这部分旅程。在曼哈顿的密集区域，很多街道交叉口在一年之内有200 万次出租车旅程在这些街道的目的点和出发点附近开始或者结束。其中很多旅程在相似的时间开始并结束，如果乘客们愿意分享同一个出租车，这些旅程就是多余的。所以我们的方案致力于开发一个新的出租车派遣算法，基本的想法就是合并出租车旅程。

　　这个新的过程旨在最小化出租车服务的总花费，当然，仍然是在满足一定舒适度的前提下，在最简单的情况下， 一辆出租车能容纳两位乘客搭载。当两位乘客在同一出发点希望到同一个目的点，并且在同样时间，出租车就可以同时接送两位乘客。

　　当然可以放宽一些假设，举例说明，两位乘客的起始和目的点不一定要完全吻合，或者是一个乘客的起始和目的点之间的车程比另一个乘客更长。不管怎么说，我们先通过模拟展示了现有出租车系统在一辆车两位乘客的搭乘容量下可以被优化，得以更高效地消化人们对出租车的需求。

　　这项研究的目的在于在不大幅降低服务质量的前提下，评估分享出租车的潜力。对于曼哈顿区域车程的初步研究结果是鼓舞人心的：在分享两个旅程的情况下，如果乘客愿意最多延长旅程5 分钟，90% 以上的旅程可以共享，能够减少总旅程长度以及产生的污染40% 以上。在分享三个或者更多旅程的情况下，出租车分享的潜力看来更大。旅程最多延长五分钟，换来的是花费减半，这看起来合情合理。我们注意到，在线上分配系统中实际运用旅程分享的算法似乎很简单。乘客叫了出租车以后，几乎可以马上收到他分享出租车的选项。

　　虽然可分享的城市出租车系统在技术细节上的问题似乎可以用算法来解决，然而说服权威机构和顾客来使用新系统这项重大的任务能否完成，仍然是一个开放性问题。

　　用于改进发展现有技术的前期投入可能会被认为太高，而且可能需要创建鼓励机制（除了分摊车费以外）帮助人们克服与陌生乘客接触的恐惧感，比如在每辆车中建立分开的、私人的隔间。

HubCab工具的作用

　　在我们进行研究的同时，我们也在www.hubcab.org 开发了一个叫做“Hubcab”的免费线上工具， 以便于让更多受众用简单和有趣的方式来探索我们研究的现象。

　　我们特别以一种直观的方式表现出租车旅程的数量和方向。出租车卸客和上客的过程被条理清晰地、动态地、有层次结构地表达出来，在更高聚焦的层面展示了单次卸客和上客的地点所包含的最多信息。这个方法的优点是使用者可以同时看到旅程的方向和估算的总旅程数量。我们用了openstreetmap. org 的地图作为地图数据。我们开发了一个脚本来将纽约市丰富的道路网络划分成20 万个40 米长的部分，以给使用者提供高分辨率的体验。这么多街道部分中，每个部分都包含了至少一个放下或者接上乘客的地点，有些部分甚至包含了上千个（在一年的时间内）。Hubcab 可以放大地图，以前所未有的大图，显示单次放下和接上乘客的地点。使用者也可以在不同时间段之间切换，显示整个时间长度的数据或者不同时间段的数据，以突出在一天不同时间里，不同的接放乘客的 “热点”。周边区域的半径也可以在显示数据的同时随时改变。使用者可以动态选择所有在接放地点之间的出租车旅程。

　　从出租车系统这个新的切入点, Hubcab 这个工具对城市内部的运作提供了前所未有高清晰度的独特见解，有希望提高出租车运行效率，减少道路交通堵塞，带来更低的运行成本，以及更少污染、更加清洁的环境。

　　麦克尔•塞尔

　　Michael Stell，MIT 可感城市实验室 研究员

　　本尼迪克特•格罗斯

　　Benedikt Grob，MIT 可感城市实验室 研究员

　　译者：supernova1984

　　复旦大学物理系硕士