数据推动城市交通发展

美国佐治亚州桃树角的“好奇实验室”内，一面墙上的巨型触摸屏实时显示着周边路口、人行横道、环岛甚至公园喷泉的摄像头画面，还有佐治亚州交通局提供的实时交通拥堵和施工地图。另有一画面聚焦单个路口，计算机算法将物体标记为汽车、摩托车或行人，但准确性时有波动：风中摇晃的交通信号灯被标为摩托车，草坪阴影处被误识为行人。

“好奇实验室”是亚特兰大郊区的一项经济发展计划，自称“智慧城生活实验室”。它位于200公顷的亚特兰大科技园，拥有一段4.8公里长的道路，专门用于测试自动驾驶汽车（AVs）及相关传感器、摄像头和数据网络。这条道路并非孤立的测试跑道，而是日均通行1.4万辆汽车的城市街道的一部分。这让企业和学术界的研究人员不仅能路测自动驾驶汽车，还能测试一套由摄像头画面、联网交通信号灯和激光雷达（雷达的激光版本）驱动的系统——该系统能让汽车之间、汽车与城市基础设施之间实现“对话”。

佛罗里达州奥兰多的初创公司Beep已在这条道路上测试其自动驾驶 shuttle 车。美国第二大无线通信公司T-Mobile正利用5G连接，探索基于该技术可推出的新产品（包括自动驾驶汽车、无人机和其他机器人技术），供自身及客户使用。隔壁大楼的车库里停放着三辆由密歇根州安阿伯市的May Mobility公司开发的全无人驾驶运动型多用途汽车（SUV），车顶装有激光雷达，车身两侧装有摄像头，可全方位观察车辆周围环境。今年9月，May Mobility与叫车服务公司Lyft合作，在亚特兰大市中心有限范围内推出了无人驾驶汽车服务。

“这是我们开展工作的重要原因之一，”“好奇实验室”总经理瓦莱丽·张站在其中一辆SUV旁表示，“在这样真实的城市、真实的道路和真实的路口进行如此规模的实地部署，企业更容易赢得合同。他们可以说‘我们确实在真实城市的真实道路上做到了’。”

在佐治亚州亚特兰大的“好奇实验室”，车辆、摄像头和交通信号灯可实现无线连接。

迈向智慧化

桃树角并非唯一开展未来城市交通测试的地方。从旧金山、新加坡到伦敦、里斯本，许多城市都凭借收集和利用现代城市产生的海量数据的能力，将自己打造成“智慧城”，而交通是其中的关键应用领域。

一些研究人员认为，车辆与基础设施之间的数据共享将推动世界超越当前有限的技术现状——目前只有少量无人驾驶出租车在城市街道上行驶。未来将属于联网自动驾驶汽车（CAVs），它们的驾驶决策将基于彼此之间以及与路边基站共享的信息。这种自动化的回报将是安全性、出行时间和燃油经济性的提升。反过来，联网自动驾驶汽车可能成为更大愿景的一部分：公共巴士、火车、电动滑板车、共享单车、配送无人机、手机甚至电动直升机式出租车协同工作，让人员和货物在城市中移动更便捷。

密歇根大学交通研究所所长、土木工程师亨利·刘在安阿伯运营着一个13公顷的测试设施“MCity”，与桃树角类似。他的实验室正与安阿伯市合作开展“智能路口项目”，计划在该市150个信号控制路口中的一半安装传感器和数据传输路边单元。MCity由美国交通部提供1000万美元资助，以及福特、丰田等汽车制造商和芯片制造商高通等企业合作伙伴的配套资助。

密歇根大学的MCity测试场会进行无人机和地面机器人测试。

该项目正在收集道路上出现的、可能需要驾驶算法做出反应的物体或动物数据。刘表示，这些路口的碰撞事故很少，但“险些碰撞”的情况却频繁发生。因此，研究人员训练了一种算法，从数据中筛选出“险些碰撞”的案例，看看能否从中学习有助于自动驾驶汽车避免碰撞的经验。

刘预计自动驾驶汽车将很快得到更广泛的部署。“我对此非常乐观，”他说，“虽然仍存在一些技术挑战，但我认为未来几年这些问题应该能得到解决。”目前，尽管服务范围有限，但加州山景城的Waymo公司运营的无人驾驶出租车已在旧金山、洛杉矶和亚利桑那州凤凰城的街道上随处可见，该公司还计划将业务扩展到东京、伦敦等美国以外的城市。

实现更好互联

波士顿大学系统工程系主任、电气与计算机工程师克里斯托斯·卡萨德拉斯对未来智慧城的交通网络有一个愿景。他认为，理想情况下，“每辆车都能相互通信并交换信息——包括位置、速度，甚至目的地，这样我们就能优化整个网络内的车辆路线”。他表示，这种互联性将使车辆能以最高效、最安全的方式在城市中行驶。

美国国家公路交通安全管理局的数据显示，美国94%的交通事故归因于人为失误。卡萨德拉斯说，让计算机驾驶可能将这一数字减少一半。“计算机不睡觉、不眨眼、不喝酒”，它们处理车道关闭或事故警告的速度也比人类快。

减少道路碰撞的机会很多。车路协同系统（道路上的传感器或摄像头向自动驾驶汽车提供信息）可以让车辆更清晰地了解周围情况。例如，灯杆上的摄像头可以发现从辅路接近的 cyclists，并提前向汽车发出警告。车车互联能让汽车相互告知位置、速度和预期行驶轨迹，无需猜测对方意图。

卡萨德拉斯正在研发一种基于区块链的系统，让联网自动驾驶汽车能与附近车辆协商行驶动作。车辆上路时需支付数字通行费，费用会根据是否采取合作行动而增减。例如，为了整体交通流畅而允许其他车辆并入前方的汽车，可获得虚拟货币形式的小额奖励。“最大的挑战不是技术实施，而是如何防止聪明的用户‘钻空子’，”卡萨德拉斯说，比如故意制造可合作获利的场景。

纽约康奈尔大学信息与决策科学实验室主任、机械工程师安德烈亚斯·马利科普洛斯表示，行驶决策仍由车辆自身算法决定。他的实验室正在开发控制算法，以利用车辆间共享的信息。他们使用一个带微型自动驾驶汽车和无人机的城市比例模型来测试部分想法。

康奈尔大学用微型自动驾驶汽车和无人机模型测试数据共享算法。

马利科普洛斯的方法是在每个路口设置一个“协调器”，收集附近所有车辆的信息并共享，让车辆做出相应反应。他将该系统比作空中交通管制员，在飞机接近机场时不断向飞行员提供更新信息。“它不为你的车做任何决定，只提供信息，”他说，车内控制器可利用这些信息计算出到达路口时安全通过的最佳速度。

马利科普洛斯认为，如果汽车能无需停车安全通过路口，就能避免因减速和随后加速导致的大量燃油消耗。协调车辆速度还能为行人创造过马路的间隙，甚至可能减少对昂贵交通信号灯的需求。该系统也能为急救车辆优先通行，但如果交通流畅，可能就没必要了。“让交通自然流动就好，”卡萨德拉斯说。

刘指出，联网车辆面临“先有鸡还是先有蛋”的问题：只有足够多的车辆上路交换信息，乘客和城市才能看到收益；但如果没有即时回报，人们可能不愿花钱购买。澳大利亚莫纳什大学土木工程师郑旭的模拟显示，当联网自动驾驶汽车占道路车辆的20%以上时，道路安全性将大幅提升（Z. Xu et al. Accid. Anal. Prev. 215, 108011; 2025）。当这一比例达到70%左右时，碰撞率比无联网车辆时降低86%。

即使是郑旭模拟中的20%也是很大的数量。不过卡萨德拉斯认为，少量联网自动驾驶汽车就能对交通产生积极影响。一辆车减速就能降低后方车辆速度，如果减速平缓，人类司机甚至不会察觉。每条车道有一辆联网自动驾驶汽车协同工作，就能让整条道路秩序井然。

郑旭的模型还显示，安全性优势可能存在一个临界点。当联网自动驾驶汽车比例超过70%时，碰撞率会再次上升。他解释说，问题在于当太多车辆运行相似算法时，对网络外少数道路使用者的意外行为的适应力会下降。例如，联网自动驾驶汽车可以比人类司机更近距离安全跟车，因为它们能协调速度避免碰撞。“但当大多数车辆都有这种预期时，系统就容易受到行人、cyclists或人类司机违规行为的冲击，”郑旭说。

迈向多模式交通

私家车远非城市居民唯一的交通工具。许多城市正聚焦“多模式交通”，让汽车、电动自行车、电动滑板车、巴士、电车和火车都发挥作用。

麻省理工学院感知城市实验室主任、建筑师兼工程师卡洛·拉蒂表示，20世纪的多模式交通系统以公交枢纽、火车站等为中心，如今正被他称为“移动多模式”的方式取代，其动力是实时数据。“你可能像我在巴黎常做的那样，骑一辆共享单车去地铁站，”拉蒂说，“下了拼车后再骑500米自行车。”

共享自动驾驶汽车的广泛采用可能会释放目前用于停车的空间。

“更大的愿景是‘移动网络’，”他说，“火车、巴士、自动驾驶汽车、自行车和微型交通工具，都通过数据连接在一起。”现有应用程序在一定程度上已能实现这一点。例如，谷歌地图会根据实时交通提供驾驶路线，也会提供公交和火车结合的公共交通路线。拉蒂希望更多城市的应用程序能包含所有交通方式的实时信息。卡萨德拉斯则建议，可纳入警方报告和犯罪统计数据来生成最安全路线。

拉蒂还希望实现“真正无缝的单一票务”，即人们能通过一次交易支付整个行程费用，即使涉及多个运营商。马利科普洛斯表示，这可能为用户选择“社会最优”路线提供经济激励，比如在高峰时段降低非繁忙路线的价格，以分散交通网络压力。“当然，旅行者有权自主决定，”他说。

今年1月，美国华盛顿特区大都会区推出“通勤现金”应用，向鼓励社会最优通勤迈出一步。在华盛顿特区和马里兰州，人们通过骑行、拼车等减少拥堵、改善空气质量的行为可赚取积分，积分可兑换现金、礼品卡，或用于支付华盛顿地铁、本地共享单车服务费及弗吉尼亚州过路费。该计划背后的“通勤连接”联盟（由区域交通提供商组成）还帮助匹配拼车人员，并为每周至少两次拼车、骑行、乘坐公共交通或步行通勤的人提供紧急回家乘车服务。

研究人员表示，若自动驾驶汽车加入城市交通体系，共享而非私人拥有将带来巨大潜在好处，尤其是大幅减少停车需求。拉蒂说，大多数汽车95%的时间都处于闲置状态。用无人驾驶机器人出租车取代私家车，可释放大量行程间隙用于停车的空间。“如果能把这些空间改造成医院、学校和电影院等设施，那就太好了，”卡萨德拉斯说。

2020年，拉蒂及其同事利用2018年新加坡的交通数据，模拟了共享自动驾驶汽车几乎持续使用的效果（D. Kondor et al. Sci. Rep. 10, 15885; 2020）。他们发现，依赖机器人出租车可使道路车辆数量从67.6万辆减至8.9万辆，停车空间需求从137万个减至18.9万个，减少86%。但代价是交通量增加24%，因为闲置机器人出租车要花更多时间寻找稀缺停车位，不过若停车空间仅减少57%，则可基本缓解这一问题。

研究人员最终表示，交通的未来与其说取决于技术进步，不如说取决于政策决策。这取决于地方政府是否愿意投资基础设施改善市民通勤；汽车制造商是否同意让各自系统互通；联邦政府是否给予联网车辆制造商比其他车辆更好的防撞评级。“关键不在于技术，而在于政治意愿和经济因素，”卡萨德拉斯说。

拉蒂对此表示赞同：“自动驾驶汽车对城市可能有利也可能有害，”他说，“完全取决于我们如何部署以及做出怎样的政治决策。”