一种可靠的交通流量预测方法，既能为通勤者带来极大便利，也能显著节省能源。在自然灾害后的紧急疏散中，可靠地预测最佳路线甚至可能挽救生命。如今，来自麻省理工学院、圣母大学及其他机构的一支研究团队提出了一种他们称之为有效且相对简单的预测公式。
研究结果发表在期刊 Nature Communications 上的一篇论文中。作者包括麻省理工学院土木与环境工程及工程系统助理教授Marta Gonzalez，以及圣母大学的Zoltan Toroczkai和Yihui Ren。
作者均受过物理学训练，他们一直将复杂系统计算建模方面的知识应用于交通流量或疾病传播等人类尺度系统。研究人员表示，他们的工作发现，这些人类系统中存在与物理系统模型中类似的模式。
Gonzalez说，传统上，人们使用所谓的引力模型来模拟交通，但这类模型存在严重局限。例如，这些模型很难适应网络变化，例如反映施工或紧急情况的变化；而新模型则能轻松应对这些变化。
该系统既处理难以建模的人们对目的地的选择，也处理同样难以建模的出行路径选择。在早期研究中，Gonzalez及其同事为一种称为“辐射模型”的方法开发了一个变体，用于处理其第一项要素。这类模型正得到越来越广泛的应用；但为了预测交通，Toroczkai和Ren对模型进行了修改，加入了基于成本的网络出行约束，并将出行时间作为需要最小化的“成本”。
在这一应用中，某些地点——例如许多人的日常目的地麻省理工学院校园——是“吸收点”，从多个方向吸引车辆；人们居住的地点则是“发射点”。在新公式中，每天计划从“A点”前往“B点”的平均出行人数对应于电气系统中的电压，也就是任意两点之间的“压力”；而在通勤过程中实际沿某条道路行驶的平均人数，则对应于电流，亦即此类系统中的实际流量。
作为模型的输入，研究人员采用了美国人口普查的人口分布数据，以及人们的工作地点信息和公路网络的基本结构。研究人员对模型预测进行了测试，发现其与实际交通情况高度相关。
辐射公式具有足够的灵活性：它在美国交通数据上经过测试和校准后，也能应用于初始数据稀少得多的地区。Gonzalez说：“它已在南美洲和非洲接受测试”，并取得了良好结果。
她说，在灾害情况下，该模型或许能让人们更容易“了解系统将如何受到扰乱”，并找出可能造成瓶颈的关键节点。同样的基本建模方法也可用于包含人类选择的任何网络流量，包括预测疾病传播模式。
弗吉尼亚理工大学网络动力学与模拟科学实验室的Stephen Eubank并未参与这项研究。他说：“这项工作填补了我们对网络流量的理解和预测能力方面的一大空白。这项工作提出了一种有充分依据的近似方法，最大限度地利用现有数据，并针对实际流量进行了良好校准，同时又能应用于假设情境。这些特点确保它将对交通规划产生重大实际影响。”
团队成员还包括罗马尼亚巴贝什-博雅依大学的Maria Ercsey-Ravasz和中国中南大学的Pu Wang。这项工作得到国防威胁降低局、国防高级研究计划局和美国国家科学基金会的支持。
经 麻省理工学院新闻
合作发表。
作者：David Chadler是伦敦威斯敏斯特大学政治与国际关系系国际关系教授、民主研究中心主任。图片：2009年11月2日，交通车辆驶过伦敦牛津圆环新建的斜向人行横道。REUTERS/Stefan Wermu
