高峰时段堵在路上，不仅让司机感到沮丧，也会向大气中排放不必要的温室气体。
如今，麻省理工学院研究人员的一项研究，或将推动城市改进交通信号灯的编程方式，从而减少延误、提高效率并降低排放。
土木与环境工程助理教授Carolina Osorio和校友Kanchana Nanduri（SM ’13）在两篇论文中报告了这些新发现，论文发表于《Transportation Science》和《Transportation Research: Part B》期刊。研究人员在论文中介绍了一种方法：将车辆层面的数据与精度较低、但覆盖更全面的城市交通模式数据结合起来，从而获得比现有系统更好的信息。
Osorio说：“我们所做的，是开发算法，让大型交通管理机构能够利用高分辨率交通模型解决优化问题。”通常，这类信号配时决策旨在优化选定主要干道上的行程时间，但其复杂程度不足以考虑城市所有街道之间的复杂相互作用。此外，现有模型不会评估特定时段道路上的车辆构成，因此无法预测交通流变化会如何影响总体燃油消耗和排放。
作为测试案例，Osorio和Nanduri使用模拟来研究瑞士城市洛桑的交通状况，模拟每天数千辆车的行为，每辆车都有特定的特征和活动。模型甚至考虑到驾驶行为可能逐日变化：例如，信号模式调整后，如果某条路线变得更慢，人们可能会在之后几天选择其他路线。
现有程序能够模拟城市尺度和驾驶者尺度的交通行为，但将两者整合起来一直是个难题。麻省理工学院团队找到了减少细节量的方法，使计算在实践中可行，同时仍保留足够具体的信息，以便做出有用的预测和建议。
Osorio说：“对于如此复杂的模型，我们一直缺少能够展示如何利用模型来决定如何调整交通信号灯模式的算法。我们提出了一种解决方案，可以改善全市范围内的行程时间。”在洛桑案例中，这意味着对17个关键路口和12,000辆车进行建模。
除了优化行程时间，这个新模型还纳入了从摩托车到公交车等各类车辆的具体燃油消耗和排放信息，反映了该市交通中实际存在的车辆构成。Osorio说：“数据需要非常详细，不仅要了解总体车辆构成，还要掌握特定时段的车辆构成。根据这些详细信息，我们可以制定交通方案，以切实可供城市管理机构采用的方式提升城市整体效率。”
Osorio简言之说：“我们将复杂数据与细节较少的数据结合起来，[从而创建]便于计算机处理的解决方案，将这两类数据结合起来，得出切实可行的方案。”
Osorio补充说：“如今，管理机构每当提出变更方案时，都被要求估算其环境影响。”目前，这类评估需要事后通过实际测量来完成；但她说，借助这些新的软件工具，“我们可以在制定方案时将环境因素纳入其中。”
团队目前正在曼哈顿等地开展项目，以测试该系统用于大规模信号控制的潜力。
Osorio说，未来，除了用于交通信号灯配时，这类模拟还可用于优化其他规划决策，例如选择汽车共享或自行车共享中心的最佳选址。
未参与这项研究的柏林工业大学教授Kai Nagel表示，这项工作“将详细交通微观模拟器的现实性与数学近似模型的严谨性结合起来。这种方法既非常可靠，也非常新颖。即使在学术领域，它也是一项真正的创新。”
Nagel补充说，这项研究“针对的是当今及未来城市面临的最重要问题之一”，并表示这些新发现开辟了“大量未来研究机会”。
本文由我们与 MIT News合作发布。本文的发布并不代表世界经济论坛认同其中的观点。
如需了解议程动态， 订阅我们的每周通讯。
作者：David L. Chandler为MIT News撰稿。
图片：上海浦东金融区的交通信号灯。路透社/Carlos Barria
