杏鑫测速注册_导航APP让交通更加混乱
旧金山有一条叫米格尔的街道,这里蜿蜒曲折又狭窄的路径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,他们也深知路况带来的挑战性有多大。 可现在,这里挤满了汽车,驾车者开始把这条街当做捷径,以避开经常拥堵的另外两条出行路线。周边的居民又怎么样了呢?在这种情况下,他们想要回家都成了难事,车辆刮碰等事故几乎每天都在上演。 司机是怎么知道这里有路可以穿行的?也许,Waze、苹果地图和谷歌地图等APP的广泛使用起到了关键作用。这些智能应用程序给他们提供了围绕交通拥堵进行实时导航的服务。据估计,这类应用仅在美国就有10亿次的访问量。 问题随之而来。 不仅是在美国,全球各地的大城市同样面临着缓解交通压力的难题。越来越多的人开始抱怨出行不顺畅,很多司机还时走时停,因为他们不知道下一步要怎么走,不得不抽出时间低头盯着车内导航仪或手机看。 伦敦曾有一条只有出租司机才知道的捷径,如今却显示在了各大导航APP里;以色列也感受到了这种痛苦,因为Waze正是从这里起家,它的服务对交通造成了如此严重的破坏,以至于赫兹利亚贝特社区的一名居民起诉了该公司。 问题也越来越严重。 对于一座城市的规划者来说,交通流量是根据居住密度来预测的,而在特定的情况下,出现一定程度的流量变化完全属于正常现象。 正是为了有效应对这些实时变化,我们才在街道上看到了诸如红绿灯、距离标识、可变消息指示牌、无线电传输和拨号信息传递系统等工具。 对于特别棘手的情况,比如交通阻塞、庆典活动或紧急情况,相关机构还可以派专人前来指挥交通。 之前是这么办的,但现在导航APP占据了主导地位,这些应用要解决的通常是让单个司机的出行时间尽可能短。说白了,系统并不关心所前往的住宅街道能容纳多少汽车,也不在乎指引驾驶者去不熟悉的地方是否会带来事故隐患。 加州大学伯克利分校做的一项重要研究就是要弄清楚这些应用程序在做什么,以及如何让它们更好地与传统交通管理系统协调工作。 先来看看导航应用的进化过程。 通常,一款导航APP使用的基本路线图会根据功能将道路分成5类,把从多车道高速公路到小型住宅街道一级一级区别开来。 每一级的目标是找出在当下汽车数量与时速下,是否与导航车辆的状态相匹配,以决定是否推荐该路线。 长期以来,导航系统就是在其路径选择算法中使用这些信息来计算可能的出行时间,并选择最佳路线的。 这也就是说,导航APP通过地图搜索功能要对所有可能到达目的地的路径进行分析。如果这是发生在用户出发前,那没有问题,但对已经上路的司机来说,要是还采取相同的搜索模式,不仅计算量太大,对他们也毫无用处。 因此,软件开发人员创建了另一种算法,让系统只识别几条路线和每条线所需时间,并从中选择最佳方案。 这种方法可能会错过最快的路线,但优势是响应速度快。用户也可以自行调整这些算法,给出其偏好的道路类型。 再后来,像Here和TomTom这样的数字地图企业开始把主要精力放在了构建数据集上,通常每季度发布更新的地图。但在两个版本之间,地图和导航应用程序建议的路线没有改变。 当导航功能成为智能手机上再平常不过的应用后,供应商有了收集新信息的机会。在用户同意的情况下,他们获得了人们出行时间和位置的数据。 最初,系统供应商把这些GPS踪迹化作历史数据放到了算法设计之中,并以此估算一天中不同时间、不同道路上的车流量。 然后,他们将估值与地图整合到一起,我们现在经常看到的红、黄、绿三色路线模式就是这么出来的。其中,红色意味着拥堵严重,绿色则意味着畅通无阻。 这还没完,随着GPS收集的历史记录不断增加,再加上蜂窝网络的覆盖率和带宽不断提高,开发人员开始向用户提供近乎实时的交通信息。一款导航APP的使用人数越多,它提供的信息准确度也就越高。 2013年也许是个转折点。正是在那一年,Here、TomTom、Waze和谷歌瞄准的已不仅仅是提供交通拥堵情况,他们开始对出行路线给出实时的改道建议,意在帮助用户绕过更费时间的道路。 混乱由此开始。 依靠大量数据支持,导航APP知道了前方的路况信息,可这些程序无法预测的又是什么呢?下图案例也许能更让我们有更清楚的认识。 […]