汽车导航 汽车导航
Ctrl+D收藏汽车导航
首页 > 汽车资讯 > 正文

导航APP让交通更加混乱

作者:

时间:1900/1/1 0:00:00

旧金山有一条叫米格尔的街道,蜿蜒而狭窄的小路连接着格伦公园附近的社区。直到几年前,只有那些当地居民才会走这条路,他们很清楚路况带来的挑战。

但现在,这个地方挤满了汽车,司机们开始把这条街作为捷径,以避开其他两条经常拥堵的出行路线。周围的居民呢?在这种情况下,他们很难回家,几乎每天都会发生车辆碰撞等事故。

司机怎么知道有路可以通过这里?也许Waze、苹果地图和谷歌地图等应用程序的广泛使用起到了至关重要的作用。这些智能应用程序为他们提供了围绕交通拥堵的实时导航服务。据估计,仅在美国,这种类型的应用程序就有10亿次访问。

问题随之而来。

不仅在美国,世界各地的主要城市也面临着缓解交通压力的挑战。越来越多的人开始抱怨出行的顺畅,许多司机仍然走走停停,因为他们不知道下一步该怎么走,不得不花时间低头看汽车的导航系统或手机。

伦敦曾经有一条只有出租车司机知道的快捷方式,但现在它显示在主要的导航应用程序上;

以色列也感受到了这种痛苦,因为Waze从这里起步,其服务对交通造成了巨大破坏,以至于赫尔茨堡社区的一名居民起诉了该公司。

这个问题也变得越来越严重。

对于城市的规划者来说,交通流量是根据居住密度来预测的,在特定情况下,一定程度的流量变化是完全正常的。

正是为了有效应对这些实时变化,我们在街道上看到了红绿灯、距离标志、可变信息标志、无线电传输和拨号信息传输系统等工具。

对于特别具有挑战性的情况,如交通拥堵、庆祝活动或紧急情况,相关机构也可以派遣专人指挥交通。

以前是这样做的,但现在导航应用程序已经占据了主导地位,这些应用程序通常旨在最大限度地减少单个司机的旅行时间。坦率地说,该系统不在乎它要去的居民街上能容纳多少辆车,也不在乎引导司机去可能造成潜在事故的陌生地方。

加州大学伯克利分校进行的一项重要研究是了解这些应用程序在做什么,以及如何更好地将它们的工作与传统的交通管理系统相协调。

让我们先来看看导航应用程序的演变过程。

通常,导航应用程序使用一个基本的路线图,根据道路的功能将其分为5类,从多车道高速公路到小型住宅街道在一个层面上进行区分。

每个级别的目标是找出当前汽车的数量和速度是否与导航车辆的状态相匹配,以决定是否推荐路线。

长期以来,导航系统在其路径选择算法中使用这些信息来计算可能的行驶时间并选择最佳路线。

这意味着导航应用程序需要通过地图搜索功能分析通往目的地的所有可能路径。如果这种情况发生在用户离开之前,那没关系,但对于已经在路上的司机来说,采用相同的搜索模式不仅需要太多的计算,而且对他们没有用处。

因此,软件开发人员创建了另一种算法,该算法允许系统仅识别几条路线和每条线路所需的时间,并从中选择最佳解决方案。

这种方法可能会错过最快的路线,但其优点是响应时间快。用户也可以自己调整这些算法,并提供他们喜欢的道路类型。

后来,Here和TomTom等数字地图公司开始将主要精力集中在构建数据集上,通常每季度发布更新的地图。但在这两个版本之间,地图和导航应用程序推荐的路线没有改变。

当导航功能成为智能手机上最常见的应用程序时,供应商有机会收集新信息。在用户同意的情况下,他们获得了人们旅行时间和地点的数据。

最初,系统供应商将这些GPS轨迹转换为历史数据,并将其纳入算法设计,以估计一天中不同时间和不同道路上的交通流量。

然后,他们将估价与地图相结合,这就是我们现在经常看到的红、黄、绿三色路线图案的由来。其中,红色表示严重拥堵,绿色表示交通通畅。

这还没有结束,随着GPS收集的历史记录不断增加,加上蜂窝网络的覆盖范围和带宽不断增加,开发商开始为用户提供几乎实时的交通信息。导航应用程序的用户越多,它提供的信息的准确性就越高。

2013年可能是一个转折点。正是在那一年,Here、TomTom、Waze和谷歌的目标不仅仅是提供交通拥堵信息。他们开始为旅行路线提供实时改道建议,旨在帮助用户绕过更耗时的道路。

混乱从这里开始。

在大量数据的支持下,导航应用程序知道前方的路况信息,但这些程序无法预测的是什么?下面的例子可能会让我们有一个更清晰的理解。

在图中,我们假设一名员工想从左下角的绿色办公楼开车回到右下角的她的绿色住宅。此时,A点体育场将举办一场大型活动,也许是球赛,也许是音乐会,但这并不重要,关键是这会阻止她选择最快的高点……

y路径,因为这条路正被大量驶入的观众占据。

于是,该员工打开导航,系统提供的最短回家计划是图片中的蓝线,但在B点穿过狭窄的住宅道路,在C点穿过可调节悬索桥。

红线代表一个直接穿过D所在的市中心,也穿过E点的一所小学的平面图。系统不知道今天学校也有活动,周围的道路上挤满了家长的车。幸运的是,我们假设的主人公知道她家附近的情况,所以她选择了以紫色为代表的路线。

你看到问题了吗?在这三条路线中,程序建议的两条较短的路线不如司机决定的第三条路线方便。

对于那些不走高速公路、想抄近路去体育场的人来说,他们往往不熟悉当地的环境,所以只能按照导航指示进行。当大多数司机这样做时,不难解释为什么城市的交通变得如此糟糕。

从表面上看,实时路径变换不会造成混乱。这座城市一直在这样做,但它不是使用应用程序,而是通过改变信号灯、交通警报和其他设备。真正的问题是,交通管理应用程序与现有的城市基础设施没有联系,因此无法提供最有效的建议。

首先,此类应用程序无法提供特定社区的特征。你还记得上面提到的5种道路分类吗?这基本上是导航系统对道路最深入的理解。

以洛杉矶的巴克斯特街为例。起初,这只是一条放羊的路。即使是现在,这仍然是一条非常陡峭的道路。导航应用程序不知道这种情况。在程序面前,这条道路与其他道路没有什么不同,最多会提醒驾驶员减速。

事实上,这条路的坡度达到32度,当你开车到山顶时,你看不到下面的路,也看不出是否有迎面而来的车驶来。

这个盲点会导致司机意外停车,使这条曾经安静的街道成为交通事故的高发地。

其次,计算机算法可能不会考虑他们选择的路径的周围条件。

例如,程序能知道某个地方有多少行人来来往往吗?或者传说中有一个假设的学校活动吗?如果我需要通过一个没有红绿灯的小十字路口,该怎么办?

如果我们将导航应用程序与人类助手进行比较,那么它们所做的只能说是为了自身利益。从一开始,他们就自私地认为每辆车都在竞争通往目的地的最快路线。

此外,每个导航应用供应商——谷歌、苹果、Waze——都在独立运营,这进一步加剧了“自私的路径选择”问题造成的混乱。

那些使用率较低的程序可能会参考历史数据,在驾驶员无法提供准确信息时为其提供建议,这对改善交通状况有负面影响。

真实情况是,多个独立参与者在没有完整信息的情况下启动自己的导航服务。

与此同时,城市工程师也在孤立地工作。他们也无法获得完整的信息,因为他们不知道相关应用程序何时会提供旅行建议。城市因此失去了对需要进入其道路的交通流的控制。

这既是一个短期安全问题,也是一个长期规划问题。

对于后者,便捷的导航应用使城市对可用于制定更好的交通缓解策略的信息视而不见。例如,企业制定的工作班次或公共交通运营路线规划的要求不再像以前那样紧迫。

因此,作为一名司机,你可能会依靠导航来获得很多便利,但如果这被视为一场漫长的技术竞赛,人们是否总能从中受益是值得怀疑的。

为了实现这一点,有必要考虑整个交通系统,甚至考虑行业的总燃料消耗和排放。与此同时,社区和公民开始进行反击。他们反对把街道当作通道的陌生人。

在问题的早期阶段,大约在2014年,居民试图在相关应用程序中标记虚假事故,以说服软件附近有交通堵塞,因此不建议司机前往这里。

一些社区安装了减速带来减缓交通……

,以便在应用程序上显示更长的旅行时间。更为严重的是,比如新泽西州的Leonia镇,许多街道在高峰时段被关闭,车辆被禁止通行。邻近的城镇也纷纷效仿。

最近,洛杉矶市回应了巴克斯特街的问题,表示将把这条街改造成单向下坡。这意味着居民的往返行程将变得更长,但这确实可以减少交通混乱。

如果有人认为航行不会造成严重后果,那么2017年发生在洛杉矶的大火可能会给出不同的答案。

当时,一名驾驶导航的司机被引导到该市一条被封锁的街道上,直接前往火灾源区。幸运的是,在一名警察的帮助下,他将车辆转向了一条更安全的道路。

在意外情况下,导航应用程序可能无法及时更新数据信息,这再次表明软件与传统交通管理之间缺乏一致性。

导航的作用只是在一定程度上避免而不是改善交通拥堵,只能治标不治本。

我们真正想要的是一种社会最优状态,在这种状态下,任何移动旅行所需的平均时间都会减少到这个交通系统中的最低值。交通工程师将这种状态称为最优平衡。

那么,在现有机制下,如何将导航和基础设施整合在一起,以实现这种最佳平衡呢?

这真的很难。像谷歌和苹果这样的大型企业有实力经营相关业务,但许多城市用于开发先进技术的资金很少。如果没有投资新技术的能力,城市将无法赶上这些大型技术供应商,只能依靠监管。

当然,这并非没有更好的方法。然而,我们必须说服软件制造商相互共享信息,城市政府也必须合作,将包括交通信号调度在内的基础设施信息纳入算法。

这种数据共享将使制造商APP的信息更加准确,并为城市交通规划者提供巨大帮助。此外,共享所有这些信息将有助于我们确定减少拥堵和管理交通流量的新方法。

但汽车出行的规模是巨大的,这是交通管制面临的真正挑战。

要将来自软件用户和城市设施的信息汇集在一起,就意味着要建立一个更强大的数据分析和管理系统。

还需要开发模拟软件,利用所有数据构建城市规模的动态出行场景。目前,该软件是美国能源部节能出行系统项目的重点课题,涉及劳伦斯伯克利国家实验室、阿贡国家实验室和太平洋(601099,Guba)西北国家实验室。这里也有涉及。

一个研究小组利用美国能源部的超级计算机开发了一个针对大城市的模拟程序,可以在几分钟内得到反馈。在过去,相同级别的模拟可能需要几天或几周的时间。

在为旧金山湾区创建的一个模拟项目中,工作人员添加了一个算法,可以在系统预计严重拥堵时转移车辆。

结果显示,平均约有4万辆模拟汽车在早上拥堵高峰时选择变道,而在晚上,每小时变道的车辆数量达到12万辆。如果再次添加交通事故指令,该值将继续飙升。

有了这样的数字模型,道路规划者就可以知道如何平衡每条车道的流量。

下一个问题是,有多少汽车需要转向更窄的街道,以及如何将接送儿童造成的周围拥堵纳入算法。相关机构目前正在寻求改善措施来解决这些问题。

最后,无论是解决技术性还是非技术性的交通问题,都有必要在导航应用提供商、城市交通工程组织,甚至优步和Lyft等参与交通行业的技术公司之间建立公私合作关系。只有在这之后,协作生态系统才能成为现实。

在这一点上将出现新的阻力。例如,地理位置数据可能包含无法自由共享的个人信息,而当前的商业模式也使营利性公司不愿提供有价值的数据。

但可以想象的是,随着我们对af的了解越来越多……

cts交通动态,考虑到邻里关系、车队所有者的商业目标以及人们的健康和便利,更有效的出行路线和交通控制也将出现。

多开几分钟车,为邻居腾出一些时间和空间,为改善环境做出贡献,这不是很好吗?

标签:

汽车资讯热门资讯
这个“哪吒”也精彩,实拍2020款哪吒N01纯电动SUV

借着今年动画电影《哪吒》的大热,作为合作方之一,合众汽车旗下的哪吒N01也有了非常不错的市场关注度。当然,话题和流量都有了,但是想要一个好的竞争力和用户口碑,终究还是需要用产品力来说话。

1900/1/1 0:00:00
5.7秒破百的奥迪e-tron,将掀起在华围剿特斯拉的大战

电动化愈演愈烈,BBA也加紧了攻势。近日,国外媒体透露,奥迪首款量产纯电动SUV奥迪etron确定将于2020年在一汽大众长春工厂进行国产,年产量预计为4500050000辆。

1900/1/1 0:00:00
高性价比不代表廉价 试驾比亚迪S2

在比亚迪的官方宣传中,王朝系列EV车型是纯电动时代的前瞻引领者。e系列是智能纯电动生活的引领者,更加注重品质和性价比。

1900/1/1 0:00:00
陈清泰建议:别纠结,先聚焦纯电动,再搞燃料电池

一边,是已经投入巨大却尚未完全脱离补贴支持的电池汽车;另一边,是看起来前景光明,似乎不得不搞的燃料电池汽车。

1900/1/1 0:00:00
“未来机动化”新趋势,合成橡胶解决方案提供商阿朗新科ARLANXEO新气象

世界领先的合成橡胶公司阿朗新科近日亮相2019中国国际橡胶技术展览会。

1900/1/1 0:00:00
保时捷纯电动车Taycan来袭,特斯拉是其对手吗?

电动车行业厮杀大戏展开,谁是最后王者?“听说保时捷出纯电动车了?”“嗯,是的。

1900/1/1 0:00:00