2026-08-28
Google Research 在 10 座美国城市做了 6 个月 switchback 实验,给拥堵路段加外部成本,改道不到 2% 的 Maps 行程。目标路段车速中位约快 2%,穿过受影响路段的行程时间中位下降 0.69%。
导航 App 给每位司机找「此刻最短」的路。高峰时这条最短路往往是同一条高速,所有人一起堵在上面。航空管制和骨干网流量调度会按整网代价排航班和数据包,地面导航还停在单车最优。
理论并不缺词。Price of Anarchy(无政府价格)描述自私选路相对系统最优的效率损失,Stackelberg routing 和动态交通分配(DTA)也写了很多年。缺的是对照实验:把真实导航用户按城按天切开,看「给拥堵路段加一点点外部成本」到底能不能动整张路网。
改的是打分,不是路网搜索。Google Maps 先生成一批可行路径,再给每条路径打旅行时间加偏好分。实验在打分层动手:目标路段车速掉到自由流的某个固定比例以下,就给经过它的候选路线加一笔固定外部成本 ΔT,再用封顶项 cmax 卡住总罚分,改道后的路线只允许比最快备选慢几个百分点。落到被改道行程上,预计多花大约 30 秒。
选段有两套尺子。一套取高峰密度最高的 25%;另一套找「自己比下游慢」的瓶颈。10 座城被拆开路类:亚特兰大、波士顿、洛杉矶、纽约、费城打 freeway;迈阿密和盐湖城打动脉路;芝加哥两者都有;旧金山钉 US-101 沿线瓶颈;西雅图钉 I-5。每城大约 80 到 120 条路段。实验设计是 switchback,一座城里所有用户按天整片切处理与对照,网约车平台估干预效应时也常用这一套。主分析用分层贝叶斯,城市和小时互相借统计力;补充材料再用混合线性模型,拿 1000 次打乱处理标签的安慰剂分布当零假设。
界面上没有「你被分流了」的提示。被直接改推荐的行程不到观测总量的 2%,在穿过目标路段的行程里大约占 5% 到 15%。可行路径集合本身没动。
直接被打罚分的路段,10 城全天车速后验中位 +1.77%(约 +0.73 km/h),高峰 +2.13%。洛杉矶高峰 +4.56%,亚特兰大高峰 +3.30%。油耗用 NREL 的 FASTSim 物理模型再套一层类似 RouteE 的机器学习估计,10 城全天中位下降 0.82%(约 −0.08 L/100km)。
「受影响路段」把被挪走和被挪进来的路都算上,覆盖每城大约 80% 的车流。全天车速中位 +0.37%,高峰 +0.49%,后验为正的概率 99.8%。行程层只用了最后 2 个月(数据保留期限),穿过这些路的总出行时间中位下降 0.69%,各城大约 0.5% 到 1.0%。
机制很机械。罚分钉在少数主干,起终点各不相同,备选路就散到更外围的一批路上。亚特兰大是从市中心 I-85 走廊被推到 I-285 环线再往外散。直方图上,少数路段流量大降,很多路段各自只多接一点点车。
混合线性模型方向一致:目标路段车速大约快 2.1%,在 1000 次安慰剂里掉到尾巴上。用户有没有不听话?行程完成率和偏航率在处理与对照之间几乎不动,freeway 城市负向效应的后验概率 54%,95% 可信区间大约是 ±0.006%。
| 指标 | 设置 | 中位效应 |
| 目标路段车速 | 10 城全天 / 高峰 | +1.77% / +2.13% |
| 目标路段车速 | 洛杉矶 / 亚特兰大高峰 | +4.56% / +3.30% |
| 受影响路段车速 | 10 城全天 / 高峰 | +0.37% / +0.49% |
| 行程总时间 | 穿过受影响路段 | −0.69% |
| 被改道行程占比 | 全城观测行程 | <2% |
按受影响路段油耗外推到全年、再乘一个固定渗透率,多数城市中位 CO2e 减排超过 1000 吨:洛杉矶约 4511 吨,芝加哥约 4297 吨,西雅图只有约 504 吨。但这张表每座城的 95% 上界全部翻到正值,城市级减排区间很宽。
这是导航产品把「系统最优」从论文里搬到真实请求上,并用 switchback 给出可对照效应的一次现场测量。对做推荐和调度的人,配方很具体:在打分层加带帽的外部成本,只动很小一部分请求,整网指标就能量出来。30 秒和 2% 都不大,乘上城市级车流就变成每年千吨级的模型碳排放。
这是边际干预的有效性证明,离最优控制还早。论文没估计动态最优罚分还能再挖多少。个体用户几乎感觉不到差别,大约是受影响行程长度的 0.25%,日间波动标准差的 1/40。短期不会有用户反弹,长期也很难靠用户感知去维持新均衡。
罚分按历史拥堵模式更新,不是每个时间步重算的动态交通分配。诱导需求在更长窗口或更大范围里,可能把省下的时间吃回去。密度估计来自自家导航流水,不太需要导航的路段会被低估。行程层只有 2 个月。排放是模型不是尾气管。原始行程数据以商业机密为由不公开,只开了统计分析代码。全体作者现任或曾任 Google Research。
西雅图受影响路段全天车速为正的后验只有 70.8%,是 10 城里最弱的一档。迈阿密、盐湖城这类动脉路城市,目标路段的后验区间也更宽。节假日和恶劣天气被当成 outlier 拿掉之后,效应更保守;不剔除的话高峰受影响路段从 0.49% 升到 0.68%,他们选了保守口径。