1.7亿条出租车轨迹数据告诉你大城市治堵“秘方”

文/数据侠Carlo Ratti、Fábio Duarte

共享单车都这么火了，但它还只是智慧城市的冰山一角而已。一群来自MIT感知城市实验室的科学家们，已经开始研究“共享汽车”出行的算法模型。他们分析了纽约1.7亿条出租车轨迹数据发现，如果能够用实时数据来调动纽约的出租车系统，可以减少40%的运输线路。换句话说，寸步难行的“大苹果”终于可以迎来畅通无阻的日子了。纽约交通比北京还糟？

MIT大牛们给出了解决方案

一个周末，北京的DT君兴高采烈地下了班，要赶飞机回上海与粉丝见面。结果光是从朝阳到机场的路上，坐出租车就堵了3个小时。

望着出租车外霾色四溢的天空，那一刻，DT君的内心是崩溃的。我终于明白，为什么在《五环之歌》里，岳云鹏要为北京的交通“放花篮”了。

其实，交通拥堵和空气污染不是发展中国家城市的专利，而是全球大城市的通病。就拿美国来说，在其本土83个大型城市区域中，每年由于交通拥堵所浪费的时间和燃料费用相当于600亿美元。根据世卫组织的研究，每年全球有超过一百万例死亡与室外空气污染相关，而交通污染更是占了极大的比重。

作为世界上最大的城市之一，纽约的情况跟北京相比，没有最糟，只有更糟。我们经常在电影里看到纽约拥挤的街道上那些寸步难行的黄色出租车。拥挤，也是纽约的日常。糟糕的交通状况，不仅影响了城市的生活质量，还会直接污染城市空气，危害人们的健康。

（图片说明：堵车，也是纽约城市交通的常态；图片来源：视觉中国）

怎么办呢？

城市拥堵的主角是车辆，那解决方法就要从车辆入手。来自麻省理工学院感知城市实验室（MIT Senseable City Laboratory）的一帮极客们想了一个办法——拼车。

拼车？这个任性的方案，听起来跟MIT的鼎鼎大名有一些莫名的违和感。道理DT君都懂，是骡子是马还是需要拉出来遛遛。

拼车的建议不是忽悠，背后有大数据计算的科学基础

如果你有过在机场排队等出租车的经历，你大概就会明白“拼车”的含义。那些拉你拼车的出租车司机们，都是想通过最大效率的运用车辆的运输资源，获取更多的资金收益。

某种程度上来说，MIT感知城市实验室的“拼车”方案，与拉客的那些出租车司机并没有本质的不同：都是倡导大家一起共享乘车资源，让每辆汽车的运输效率最大化。

20世纪70年代，受到石油危机的影响，美国开始系统性地研究“拼车”问题。危机期间，汽车的使用数量急剧减少。城市旺盛的运输需求，导致越来越多的人不得不接受与他人“拼出租车”的出行方案。那段时间，大量的拼车行为极大地缓解了纽约的城市交通压力。石油危机后，一些学者开始正式提出用拼车的方案解决交通难题。

说起来容易，但传统的拼车方案有一个很大的困难：即如何调度出租车资源，在最短线路上让最多的乘客上车下车。说白了，这其实是一个数学问题。理论上讲，拼车问题可以被看做一个“动态搭车”的情况——在一个清晰的时间间隔（Time Window）内，一定数量的乘客（货物）如何高效地在特定地点被收集、投放。

传统的研究会使用线性规划（Linear Programming）的方法。不过这种方法会很大程度上受到变量数量的影响，只能用于小规模的路线优化情景，比如在机场。

但是纽约每天有成千上万辆出租车在运营，产生海量的行驶记录，这是传统的线性规划无法胜任的城市场景。于是MIT的极客们用大数据的方法，将拼车这个时空共享问题，转换成了图论（Graph Theory）框架，发明了“共享网络”（Shareability Network）模型。

（图片说明：基于图论的方法计算拼车路线的过程，详情可以参阅参考资料3: Quantifying the benefits of vehicle pooling with shareability network）

这个模型不仅解决了共享拼车的效率问题，还能够无压力地对海量数据进行计算。他们搜集了纽约2011年共13586辆注册出租车的一亿五千万条行驶数据，分析他们的行驶线路，接送乘客的情况等等，最终形成了一个动态的拼车调度方案。不仅如此，他们甚至把结果做成了一个大型的可视化交互页面（HubCab），让用户自己去体会在纽约搭乘出租车的情况。

纽约出租车轨迹图：一张包含1.7亿条数据的超级地图

在HubCab这个交互式的可视化项目中，MIT感知城市实验室以纽约出租车的行驶轨迹为切入口，研究了人们的出行习惯，旨在探索纽约城市化交通的未来。

（图片说明：纽约城市1年内一亿七千万的出租车行驶轨迹地图；图片来源：HubCab）

在HubCab上，你可以通过左上角的加减按钮，调节观察纽约的城市视角。另一侧的右上角，还可以精确地选择出租车的运营时段。接下来，你可以在地图上任何一个地方，拖动黄色的“我要上车”标志，以及蓝色的“我要下车”标志，来确定你的出行线路。

（图片说明：截图展示了在曼哈顿的两个上下车点上，有多少出租车流，以及共享方案下可以获得的社会受益；图片来源：Hubcab）

通过后台计算，HubCab会立刻告诉你，在这个区域内有多少跟你相似的旅行路线。另外，留意地图左上方的小绿框。它代表，如果你选择“拼车”，能够带来多少社会收益。列出的三行数据分别代表：节省的乘客票价，公里路程以及二氧化碳排放。

MIT的研究表明，在拼车这一共享方案下，可以减少纽约40%的出租车运营线路，为乘客节约2.5~3美元/英里的出租车费用，以及423g/英里的二氧化碳排放。

不仅如此，这些可视化还为我们描述了一个城市的集体性流动特点。

（图片说明：凌晨3点到6点间JFK机场的出租车接送客情况；图片来源：Hubcab）

上面这张图描绘了在凌晨3点至6点间，所有从纽约JFK机场上车和下车的出租车乘客的情况。可以看到，环绕机场密密麻麻的都是黄色乘车点。也就是说在3点到6点，依然有大量的乘客从机场奔向纽约这个不夜城中去。

HubCab将纽约地图以40米为单位切分成了20万个街道块，描绘出了纽约超过13500辆黄色出租车，在这20万个街道块上可能出现的400亿个轨迹图。这项分析不仅展示了人们是如何在城市中移动的，也通过开始和结束时间连接了每一次旅行的上车和下车的地点情况。研究人员通过这些数据可以计算“拼车”的机会，也可以介绍“共享网络”的概念。最终结果显示：乘客只需要牺牲一点点便利成本，共享拼车模式就可以减少纽约40%的通勤线路，从而减少汽车尾气排放，为数以百万计的城市人口提升经济效益。

MIT：物联网才是智慧城市的未来

在MIT的研究者看来，上面给出的纽约拼车的解决方案，是物联网和数据分析相结合的产物，属于“感知城市”（Senseable City）的一个典型案例。

什么是“感知城市”呢？这是相对于“智慧城市”（Smart city）而言的一个概念。MIT认为，最近几年，“智慧城市”这个术语简直要被玩坏了。从市民参与到Zipcar（美国一家以汽车共享为理念的网上租车公司），从开放数据到Airbnb，从共享单车到宽带网络，“智慧城市”这个词无处不在。

这也是MIT为什么用“感知城市”来替代“智慧城市”的原因。因为感知城市的中心更侧重于人，而不是机器。“感知”这个词还有一个双关意，它既代表“可感知”，也代表“可被感知”。所以MIT感知城市实验室关注的都是人，而不是某项技术。

在“感知城市”的概念下，MIT认为，物联网和数据分析才是未来。如今，数据“已经逐渐变成我们感知世界的一个部分”。各种各样的传感器安装在我们的手机中、电脑上、汽车里，甚至在路灯和建筑物上。数字技术已经开始融入城市的肌理中。它们以主动或被动的方式，从我们的日常生活中搜集了大量的数据。大规模的无线传感器网络，使得空间能够被感知、相互通信和激活。这让物联网在技术上变得可能。

物联网和数据分析的奥妙在于，它能够让我们从混乱无序的数据中发现潜藏在其背后的故事，并理解这其中的前因后果。最终用技术来更好地设计我们的城市。就像前面提到的拼车方案一样。

在纽约，每年超过1亿7000万条的出租车行驶数据揭示了这个城市人口活动的脉搏。这种拼车型的共享经济模式，在未来会随着无人驾驶技术的成熟而加速城市的交通循环。车辆开始通过互联网连接在一起，一个巨大的“移动网络”将逐渐形成。

这个“移动网络”能够从不同的运输方式上收集数据，汇聚实时的交通信息数据：什么时候，在哪里，以什么交通方式和移动速度等。想象一下，你有一个独特的平台，它可以共享所有交通工具运营商的移动信息，为在线交通和物流服务提供更加透明的市场环境，也为所有用户和企业提供一个公平竞争的舞台。

MIT研究表明，这种移动平台能够使新加坡这样的城市，在不降低交通运输效率的情况下，减少五分之四的运营车辆。这样的优化系统能够极大地降低城市移动基础设施的运营成本，以及交通和建筑物的能源消耗。

更少汽车代表着更短的出行时间，更少的拥挤和更小的环境影响。

诚然，除了技术难题，拼车方案离真正实现可能还有一些社会问题需要考虑。比如，拼车模式会消耗乘客更多的时间；又或者，你会牺牲一些私人空间。拼车往往都是与陌生人一起共享这段旅程，在出租车这种狭小的环境里，很多人不适应与陌生人交流。但是，大数据、物联网的趋势早已开始，共享生活的未来已经朦胧可见。

（本文编译自Carlo Ratti，Fábio Duarte等MIT感知城市实验室学者的文章、论文，仅代表作者观点。）

参考资料

Arnott R, Small K (1994) The economics of traffic congestion. Am. Sci. 82(5):446–455. 2

Santi, P., Resta, G., Szell, M., Sobolevsky, S., Strogatz, S., and Ratti, C., “Quantifying the benefits of taxi trips in New York through shareability networks”, PNAS, vol. 11, no. 37, pp. 13290–13294, 2014

Santi P., Resta G., Szell M., Sobolevsky S., Strogatz S., Ratti, C., "From the Cover: Quantifying the benefits of vehicle pooling with shareability networks." Proceedings of the National Academy of Sciences of the United States of America111.37(2014):13290.

World Health Organization (2011) World health statistics 2011 (WHO)

Smart city, big data and the internet of things

Hubcab: Exploring New York City taxi trails and sharing our way to a more sustainable urban future

While governments talk about smart cities, it's citizens who create them

数据侠门派

本文数据侠Carlo Ratti，是一位来自意大利的建筑师、工程师。他是意大利Carlo Ratti Associati 工作室的联合创始人。他同时在还在MIT任教，指导感知城市实验室的相关工作。他在英国剑桥大学取得硕士和博士学位。

Fábio Duarte是巴西Pontifical Catholic University of Parana大学教授，也是MIT感知城市实验室的学者和研究员，同时也为世界银行提供咨询服务的城市规划师。他毕业于巴西圣保罗大学，并取得博士学位。在加入MIT之前，Fábio曾在哈佛大学研究生院设计系工作。

如何加入数据侠

“数据侠”栏目网罗全球最IN的数据侠客，利用人工智能、机器学习等各种前瞻算法，从数据的视角洞察消费生活的方方面面，打造理性酷炫、活泼有趣的数据分析盛宴。用大数据，阐述事实及其背后的故事和逻辑趋势。

DT时代超级英雄正在组队！你也想要成为数据侠吗？请将你脑洞大开的数据作品，发到数据侠联盟盟主程一祥邮箱：[email protected]。