OD体育,OD体育官方网站,OD体育APP下载通常情况下，大部分人都会依靠导航APP搜寻最快捷的路线。我们掐着时间，从熟悉或不熟悉的道路穿过，100%的相信小小的手机另一端的海量数据库推送给我们的内容。然而，你会想到这些导航APP正在给城市交通带来麻烦吗？本文通过多元化的视角对导航APP所引发的问题、经历的发展阶段、自身的局限性进行了分析，并对未来优化的可能性提出建议。通过将社区居民、城市交通规划师、政府管理者、导航APP厂商等不同角色的需求与解决问题的手段一一展开，让读者进一步明白我们所处城市交通的复杂性，导航APP并不只是为司机提供最快路径就完成了它的任务，而应该将其嵌入到庞大城市交通的精密系统中，以全局的视角继续不断的优化自身的产品，为更好的城市出行贡献力量。

　　如今，世界范围内各个国家和地区的交通拥堵会始料未及的出现在那些以往安静的社区中，居民抱怨在交通高峰期会有高速的车辆通过，司机只顾着低头看手机去决定他们下一个路口如何行驶。伦敦的近道，过去只是黑色出租车之间的秘密，现在被所有地图应用的用户都掌握在手中。以色列是第一个遭受这些痛苦的国家，因为Waze（一款免费的地图APP，2013年被Google收购）在该国成立；该软件很快引类似一位荷兹利亚的社区居民起诉了Waze公司。

　　起初，导航应用利用底图寻找去往目的地的所有可能路径。尽管当用户坐在自己的车上并准备出发去旅行时，导航的效果很好，但是这些搜索的计算量给司机提供的信息量太大，以至于对于已经在路上的驾驶员来说是没有用的。后来软件开发人员发明出算法，能够确定几个路线，并估计每一条路线的行驶时间，再选择最好的一条。这种方法可能会错过最快的路线，但它使用的效果很好。用户可以调整算法来选择偏好的道路类型，例如更喜欢高速路或反之。

　　这张图展示了，当A点有一场体育活动造成了绕城高架快速路的堵塞，我们假设有一位司机现在下班回家出现了困难，所以她寻求地图导航应用的帮助。据导航应用显示，最短也是最快的路线是图中蓝色的路径，它蜿蜒穿过一片居民社区，随后是几处急转弯道、一座吊桥（C）——如果不清楚吊桥的通行时间表肯定会耽误回家的行程。另一条红色的路线从市中心（D）穿过，并且会经过一所小学的正门，导航应用不知道学校刚刚放学。幸运的是，我们的司机熟悉这片区域，所以她选择了紫色的路线，即使导航显示这并不是最快的选择。如果不熟悉这片区域的司机肯定会陷入一片混乱，甚至会遇到危险。

　　首先，导航应用没有包含某个特定街区的自身特点。还记得我在上文提过的五类道路以及它们能够畅通行驶的速度吗？这大概是那些应用知道的最主要的信息了。举例来说，洛杉矶的Baxter街是一条极其陡峭的街道，以前是山羊迁徙的路径，而有了导航之后这里出现了多起交通事故。因为对于导航来说这条路与其他限速较低的居住区道路一样普通，应用认为它有两边停车的空间，和双向车道。导航没有录入这条街道有32%斜坡的信息，这意味着司机在顶端看不到前方道路或汇入车辆，这些盲点会造成车辆急停，让这条原本安静的社区道路变得十分危险。

　　现在设想一下在没有信号灯的情况下横穿主路的汽车。小路上的汽车也许有停车标志。可能将其设计为双向停靠站，因为较大道路上的路况通常比较通畅，以至于等待穿越的时间很短。但是，如果那条主路上汽车增加，交通中断的次数很少，导致在停车标志处等待的汽车队伍就会开始流向邻近的街道。如果司机在主路上形式就会很快到达目的地，但如果在小路上行驶就需要等待很长时间通过。而且，如果应用程序将越来越多的汽车引向这些居民区的道路（如附近的高速公路遇到异常延误时可能发生的情况），在应用内则会建立备份，并增加发生事故的可能性。

　　我们如何使用现有的控制机制，将按照导航APP驾驶的人群与为了实现最优化的交通工程融合在一起？首先，我们可以从汇集所有人对路网实时状态的看法着手。但是，让所有人都进入数据库并非易事。这是David和Goliath的故事——像Google和Apple这样的公司拥有庞大的后台数据基础设施来运行这些业务，而许多城市却很少有资金用于先进技术的开发。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提供商的步伐，而只能依靠法规进行监管。例如，俄勒冈州波特兰市，西雅图和许多其他城市已将住宅街道的速度限制降低到每小时20英里。

　　我们还需要开发仿真软件，该软件可以使用所有这些数据来模拟我们在城市尺度上的交通动态。开发此软件是当前美国能源部能源效率交通系统（ U.S. Department of Energy’s Energy Efficient Mobility Systems）计划资助研究的关键主题，涉及到 Here Technologies和三个国家实验室：Lawrence Berkeley，Argonne和Pacific Northwest。我通过伯克利实验室参与了这项研究计划，是可持续交通倡议的客座科学家。迄今为止，在我的带领下由三个实验室的研究人员组成的一个团队在该程序的支持下，为许多大型城市开发了仿真程序，这些仿真程序可以在DOE超级计算机上运行仅几分钟。在过去，这种模拟需要几天或几周的时间。我希望从这些模拟中可以得出解决问题的许多复杂性的新方法来管理交通拥堵。

　　在一个项目中，我们采用了2200万个OD（ origin-and-destination）对——或由旧金山交通运输局定义的行程分支（ trip legs）——为旧金山湾区创建了一个模型，定义了每个目的地一天内的时间最短的行驶路线，以及最拥堵的行驶路线。我们添加了一种算法，该算法在预期出现严重拥堵时会重新安排车辆的路线。我们发现，通常在早高峰拥堵时段每小时大约要重新导航4万辆车，而在晚上的拥堵时段每小时要重新导航12万辆车；当然，在高速公路上发生事故是会导致这些数字翻倍。