堵車已經成為影響市民出行的首要問題

針對城市交通堵塞，人們已經普遍使用谷歌、微軟等技術公司研制的“實時路況”軟件，然而很多時候，等到人們發現前方有堵車時，已經為時過晚，來不及改道了。近期，IBM公司和加州交通局開發的一個“堵車預警系統”會收集每輛汽車的GPS信息，通過數學模型，在堵車尚未發生時便可以預測出哪兒會發生擁堵，市民們甚至可以提前多達40分鐘便得知交通路況。不過，到底能否解決這個讓全球城市交通部門都頭疼的難題，現在還是一個未知數。

加州堵車很嚴重

起因　

坐在靜止的車里，望向一眼看不到底的車流，這是任何一個司機都不愿意遇到的噩夢場景，而美國加州地區，比如洛杉磯和舊金山的市民，幾乎人人每天都在和交通堵塞做著斗爭。

加州很多都市都有著寬敞的大道，有的甚至寬至八車道、十車道，城市人口密度也不像北京等地這么密集，居民普遍居住在城市郊區，然而，因為美國有著發達的汽車文化，交通堵塞現象非常嚴重。

在美國，幾乎人人有車，很多中產階級家庭往往有著四五輛車，而一些城市如洛杉磯的公共交通系統則相對落后，地鐵只有短短的一條，公共汽車常空空如也，打車則得提前預訂，這使得一般的洛杉磯市民從小養成了開車的習慣，也導致了每天都發生著世界上最嚴重的堵車現象。而在鄰近的舊金山，雖然有一個地鐵系統，但因為地面車道略少，車流量大，也總是發生路面堵塞。

目前，已經出現了諸多交通路況系統供市民參考，如谷歌、微軟等技術公司都開發了可以標示出堵車路段的系統，通過GPS導航、實時交通指示或路況地圖等方式告訴給開車的市民，可是，往往當司機們坐在汽車里，通過廣播、短信或智能手機了解到此時哪兒出現了讓人心一緊的紅色堵車字樣時，已經為時已晚，他們已經深陷車流量中，來不及改道了。

而現在，一個新的交通路況系統正在舊金山市展開試行，這個名叫“聰明出行”的系統由IBM公司和加利福尼亞州交通局以及加州大學伯克利分校的創新交通中心合力設計，它可以讓司機們在交通堵塞還沒發生之前就預測到哪兒會堵車。

方法：采集信息，了解模式

這個系統顯示的，與其說是“實時路況”，不如說是“未來路況”，它顯示的是很近的未來將發生的路面狀況。這一系統一方面有著傳統的實時路況系統，另一方面，又結合了日常的，和已經發生了的交通出行模式，通過數學模型預測出可能將在哪兒發生堵塞，司機甚至可以提前40分鐘就知曉哪個路段將難以前行，這樣，他們就將有足夠的時間轉換路線、及時改道。

“如果你已經在路上了，而前方一個信號寫著‘下一個五公里將發生堵塞’，你這時其實已經沒什么選擇了，”IBM公司的科學家蘭巴說，“但如果你還沒出門前，就已經知道了這樣的信息，你的選擇就多了，你可以晚一會兒再出門，或者走另一條線路。”

在街道和高速公路中，很多交通堵塞往往是因為交通事故導致的，這些交通事故無法預測，但是，一旦一個交通事故發生了，它產生的數據便會很快進入到預測模式中去，用伯克利分校的創新交通中心的科學家亞歷山大·白耶的話說，“堵車就像流體一樣，會產生激波。”這樣，雖然交通事故會在當時產生一定的堵塞，但因為及時通告了司機，便可以避免其堵車進一步擴大。

大的堵車往往是因為所有人都往一個方向開造成的，因此，如果要預測即將發生的堵車，知道人們的出行模式便十分重要。“聰明出行”在舊金山灣一帶設下了1000多個感應器，安裝在收費站、大橋、公路路面等地方，它們可以收集交通情況的密度和速度。當汽車開過這些感應器時，車輪會令感應器的線圈產生瞬間電流，然后，一個叫做“交通預測工具”的項目會將這些電流數據收集起來進行分析，這是了解車流下一步可能會在哪兒變得密集的一個途徑。

另一個重要的途徑是來自于司機們的行駛決策。很多市民在開車時，會使用智能手機的GPS導航系統，當司機們加入了“聰明出行”項目后，這個軟件可以將這些GPS導航信息收集起來，記錄下開車的人們的個人路線，了解他們將會在何時沿哪條路線開往何處，然后，再反過來向這些個人提供交通預測，向他們推薦量身定做的更好的路線。目前，這個系統正在試行過程中，已經有不少人通過網絡和智能手機下載應用程序等方式加入到其系統中來，他們在剛準備出行的時候，就可以自動接收到電子郵件或短信等預測信息，給出出行建議。

IBM開發的“聰明出行”界面，它會為用戶規劃數條出行路線，并用不同顏色表現它們在可預見的時間內的交通狀況。

改進：機器學習不幫“倒忙”

加州交通局交通運作研究中心的辦公室主任葛萊·拉森表示，舊金山灣的汽車數量一直在持續增多，交通流量也在不斷增大，有人認為只要增加車道，就可以解決堵車問題，這種想法很不現實，他認為，研究交通堵塞的人應該主動出擊，在堵車變得非常嚴重之前，就把問題解決好，把車流引到其他路上去。

目前，這個系統還只是在試運行期，還沒有非常多的人在使用，一旦大量的市民都開始使用這個預測系統，那一個新的問題就出來了。麻省理工學院的城市環境工程師莫斯·本吉維質疑道，“如果每個人都接收到了同樣的信息，那這個預測系統可能就會反應過度，你告訴人們一個地方可能會發生堵塞，結果人們都跑另一條路上去了，那兒反而會產生新的堵塞。”

這是目前IBM也沒有解決的問題，他們表示已經考慮到了這個問題，將在后續的研發中將這些因素都計算進去，然而，那將意味著這個預測模型必須具有超強的自我學習和自我調整的能力，將比現在剛誕生的預測模型復雜多得多。

盡管IBM很想把這個預測未來發生交通堵塞的系統推廣到全球，但它到底多大程度上有用，現在也沒有人能夠證明。網絡上有人評價道，其實很多路段和時間段的堵車，每天開車的人一般早就有了經驗，知道何時何處會堵，所以，才會有“高峰時刻”這個詞。人們上下班的時候，肯定是堵車高峰，但開車的人在時間調整上并沒有多少選擇，而在路線上，往往也僅有寥寥幾條路可以走，在不少現代城市，人們都往往住在郊區，工作則集中在市中心商業區，出行的路線都往往是一致的。

“我不認為堵車是一個信息問題，好像你知道越多就越能避免堵車一樣。堵車的發生，是因為過多的人，想同時使用有限的路面。”有人在一個位于紐約的交通博客中寫道。也有人寫道，對于每天都發生的模式型交通堵車如上下班高峰等，這個系統或許沒什么用，不過，對于一些機動性的交通堵塞，如交通事故造成的堵車，預測系統或許是可以幫上忙的。不管怎樣，如果沒法減少汽車數量，那對交通信息進行研究總會是有幫助的。