在美国各地，每天都有车队的标志性黄色校车接送超过2500万名儿童往返学校，每年行驶里程约60亿公里。但这些一眼就能辨认的车辆及其运营机构正面临诸多挑战。
最突出的问题之一是司机短缺。从夏威夷州到内布拉斯加州，美国许多学区不得不缩减甚至暂停校车服务。即使提供了签约奖金和最低收入保障，内布拉斯加州林肯市仍未能招募到足够的司机填补所有空缺。
校车服务的运营成本也很高，燃油和维护费用是主要因素。此外，人们日益要求以更新的车型替换老旧、污染更严重的校车，这会带来额外支出。
数字化解决方案
但在波士顿，自动化或许能为解决其中部分问题提供一条途径。其形式并非自动驾驶车辆，而是利用机器学习改善校车管理。
2017年，波士顿公立学校宣布举办一项竞赛——“BPS交通挑战赛”，旨在寻找智能方法改善校车运营，并降低其1.2亿美元的年度成本。
获胜者是麻省理工学院运筹学中心的“量子团队”。该团队开发了一种算法，用于为BPS的650辆校车车队确定最高效、最具成本效益的路线。去年，该算法开始运行，综合考虑多种变量来重新规划路线。
BPS为家长提供广泛的择校选择，这意味着部分学校拥有来自波士顿各地超过20个不同邮政编码区域的学生。该区许多学校的开学和放学时间也各不相同，上课时间介于07:15至09:30之间，迫使校车多次往返，每趟载客却很少。
下一站：取得进展
但在波士顿，这类浪费性的行程正成为过去。
麻省理工学院的算法利用谷歌地图的数据分析交通模式，并结合学生居住地和就读学校的详细信息，计算出最佳路线。
年度成本已削减约500万美元，50条利用率不足的线路已被取消，且剩余线路上每辆校车的学生人数有所增加。
校车规划团队也节省了大量时间，因为该算法只需30分钟即可完成过去需要数周人工才能完成的工作。
去年，BPS校车行驶里程减少160万公里，使每日二氧化碳排放量减少9000千克。该区还计划利用该算法调整学校上学和放学时间，作为其持续推进提高效率与成效举措的一部分。
