拥有悠久历史的墨西哥城,以美食、文化,以及拥堵的交通闻名于世。该市人口接近2200万,有超过600万辆汽车,每天花2个小时上班或上班已成常态。迟到更是司空见惯,上课或开会迟到10至15分钟在社会上被认为是合乎规范的行为。

人们在墨西哥首都的出行方式是一个复杂的问题,不能仅仅局限于一到两个变量,它体现着世界一半人口所面临的城市交通挑战。在过去的20年中,墨西哥国立自治大学的计算机科学家Carlos Gershenson一直沉迷于这一难题。

Gershenson认为,要解决一个复杂的问题,科学家需要放弃传统方法,并找到新颖的方法来应对不断变化的挑战。他在麻省理工学院和东北大学任客座教授时写道:“科学和工程学假设世界是可预测的,我们只需要找到适当的自然法则就可以预见未来。但是对复杂系统的研究表明,这种假设是错误的。”

通过使用专门研究适应性而非预测性的计算机模拟,Gershenson将自组织作为提高城市流动性的工具。尽管他为各大城市提出的大多数运输系统解决方案都遇到了政治和官僚障碍,但他的想法在2016年的墨西哥城地铁系统中得到了成功实施。该试点项目消除了乘车过程中的几乎所有冲突和麻烦,并将上车时间减少了15%。

自组织是指混沌系统在随机识别时形成耗散结构的过程,主要用于讨论复杂系统,因为一个系统自组织功能愈强,其保持和产生新功能的能力也就愈强。

Gershenson笑着承认,根据某些指标,墨西哥城的交通移动性是全世界(大城市里)最差的。但是,因为他与当局有更紧密的联系,因此可以尝试影响决策。在布鲁塞尔读博期间,他的团队向交通运输部建言,却因政治问题被搁置。

在读第一个博士学位的时候,他主攻博弈论和交通模拟,研究自私的与协作的司机之间的关系。事实证明,最有效的策略是自私策略——每个人都试图尽可能快地前进

如果道路上的汽车密度较低,那么自私的司机将导致更高效的交通。但这仅限于低密度车流,仅考虑同行效率,实际操作也会更危险。

如果车流密度中等,那么当一辆载具突然减速时,会使后面所有人跟着减速。因此效果不佳。如果密度太高,自私与否已经不重要了,因为他们无论如何都无法改变交通状况。

现代交通信号灯系统通常具备一定智能,但还不足以应对现实的复杂性。协调所有交通信号灯的程序,对运算量的要求也越来越高,并且随着汽车的增加和减少,它也会无法预测。

通过传感器引入自组织交通信号灯,可让它们通过修改信号时序来响应及时交通。他们没有试图预测。他们只是在不断适应不断变化的流量。但是,如果可以达到一定的精度需求,那么系统就不会有空转。汽车等待的唯一原因是前方正好有汽车横穿而过。

当然,他的模型现在仅被用于管理地铁系统,不过效果显著。

令作者意外的是,他没想到同胞会开始排队上车。他原本希望上车的人能给下车的人留出一定空间就很好了,结果简单添加指示牌后,人们自动排成一队,留出一侧给下车乘客。因此,出乎意料的,他们的模型完美地实现了目标,但是直到完全实现之后,我们才知道它为什么有用——这就是复杂性科学的特点。

尽管Gershenson研究自动调节交通信号灯和地铁系统,但他本人却是自行车的发烧友,因为自行车是城市旅行中效率更高,污染更少的载具。他在墨西哥社交媒体上也很有分量,曾在全国性的《改革开放杂志》上撰文,分析科学,科学政策和政治以及其他主题。

https://www.quantamagazine.org/complexity-scientist-beats-traffic-jams-through-adaptation-20200928/

*原文访谈贼长,但是挺有意思。我看过后围绕这个题目重新组织了文字,建议有兴趣的看原文。

[ 广告 ]
赞一个 (7)

PREV :
NEXT :