
直达主要内容
探索我们的众多研究重点领域:探索所有研究领域
应用人工智能与科学
地球人工智能 (Earth AI)
健康人工智能 (Health AI)
科学人工智能 (Science AI)
可持续发展与危机应对 (Sustainability & crisis resilience)
基础机器学习与算法
算法与理论 (Algorithms & theory)
信息检索 (Information retrieval)
机器智能 (Machine intelligence)
机器感知 (Machine perception)
自然语言处理 (Natural language processing)
人与系统及量子人工智能
人机交互与可视化 (Human-computer interaction and visualization)
网络 (Networking)
量子人工智能 (Quantum AI)
负责任的人工智能 (Responsible AI)
反滥用 (Anti abuse)
软件工程 (Software engineering)
软件系统 (Software systems)
了解更多
构建协作生态系统
携手塑造未来
将发现转化为实际影响
研究
探索我们的众多研究重点领域
应用人工智能与科学
地球人工智能 (Earth AI)
健康人工智能 (Health AI)
科学人工智能 (Science AI)
可持续发展与危机应对 (Sustainability & crisis resilience)
基础机器学习与算法
算法与理论 (Algorithms & theory)
信息检索 (Information retrieval)
机器智能 (Machine intelligence)
机器感知 (Machine perception)
自然语言处理 (Natural language processing)
人与系统及量子人工智能
人机交互与可视化 (Human-computer interaction and visualization)
网络 (Networking)
量子人工智能 (Quantum AI)
负责任的人工智能 (Responsible AI)
反滥用 (Anti abuse)
软件工程 (Software engineering)
软件系统 (Software systems)
了解更多
资源
构建协作生态系统
职业发展
携手塑造未来
关于我们
将发现转化为实际影响
研究人员 我们的研究人员通过基础研究和应用研究推动计算机科学的进步。
团队 协作团队攻克全球最具挑战性的人工智能问题。
- 谷歌研究
- 谷歌人工智能 了解我们所有的人工智能
- 谷歌DeepMind 探索人工智能的前沿领域
- 谷歌实验室 尝试我们的人工智能实验
研究
资源
职业发展
关于我们
搜索
播放静音循环视频 暂停静音循环视频
取消视频静音 静音视频
谷歌研究:导航应用路由干预可提升交通效率,减少排放
2026 年 7 月 7 日,谷歌研究软件工程师 Neha Arora 和 Aboudy Kreidieh展示了导航应用中具备网络感知能力的路由功能对提高网络效率的影响。
快速链接
- 论文
- 分享
车辆运输虽促进了货物和人员流动,提高生产力与经济增长,但代价高昂。司机平均一生有 2.6 年在道路上,私家车和小型货车约占 全球二氧化碳排放量的 10%。所以,高效利用交通网络很关键。能否像航空业管理空域或互联网路由数据包那样管理道路交通呢?数字平台让我们看到了实现更协调交通管理的希望。
导航服务、联网车辆、智慧城市和自动驾驶车辆普及,为改善交通资源测量和优化提供了机会。谷歌研究通过 绿灯计划展示了基础设施层面干预的力量,但优化车辆网络颇具挑战。顶级导航产品虽能为单个车辆规划路线,但系统级的路线优化尚未实现,且大规模实证验证有限,阻碍了进展。
在发表于 《自然·城市》 的论文 《通过路由应用干预缓解城市拥堵实验》 中,研究团队首次开展大规模实地研究,探索利用导航平台改善交通状况。结果发现,协调一小部分出行分散交通流量,能显著提高城市整体行车速度并减少排放,还建立了实验框架,有助于向合作式路由模式转变,提高网络效率。
实验
研究团队在美国 10 个主要城市进行实验,证明有针对性的低成本路由干预措施能改善整体交通状况。他们修改谷歌地图算法,引导车辆避开预先选定的拥堵路段。
实验采用为期六个月的全市范围折返式设计,交替使用干预措施和对照路由算法,以准确衡量效果。干预措施系统地应用于整个城市,“干预”日,修改后的算法会引导经过拥堵路段的出行选择替代路线。结果显示,不到 2% 的观察出行收到更改后的路由建议。
为开展实验,团队根据拥堵程度和地面实况数据可用性选择城市,每个城市根据历史拥堵模式选约 100 个高峰时段易出现瓶颈或交通密度高的路段。

在这项研究中,我们在路由阶段修改了经过预先选定的、需求和/或拥堵程度过高的路段的出行成本感知。这些修改会引导具有相似成本替代路径的出行避开这些路段,从而减少原本会在这些路段上出现的交通流量。
结果
为量化路由干预措施的效果,研究采用 分层贝叶斯结果建模框架 分析。该方法能在城市总体和局部小时层面建模参数,灵活捕捉共享变化,还能在不同城市和时间段共享信息。
研究发现,小规模干预带来了可衡量、有统计学意义的交通状况改善。各城市目标路段行车速度中位数平均提高约 2%,燃油消耗率中位数降低 0.5% 至 1.0%。受影响的更大范围路段,行车速度中位数提高约 0.35%,早晚高峰期提高 0.5%。按研究城市规模和能源需求,意味着每个城市每年可能节省数千吨二氧化碳当量排放量。

对出行时间、速度和估计排放量的结果估计。每个图表量化了干预措施结果的后验概率分布,并以速度或排放率的百分比变化表示。我们看到目标路段和受影响路段的速度和燃油消耗率都有显著改善。在所有受影响路段上计算的结果虽然更分散,但仍然是积极的,特别是在高峰时段。
行车速度和排放率的改善在整个网络普遍存在,且有统计学意义。这得益于车辆从主要瓶颈路段分流,周边道路在承受更高流量时,仍能保持较高平均速度和较低总体排放量。

亚特兰大交通分散情况的演示。顶部:总体路线从穿过城市的中央高速公路(蓝色)转移到了主要分布在该地区周边的一组空间上更分散的路段(绿色)。底部:单个路段净流量变化的直方图。实际上,车辆从集中在少数高流量路段分散到了更多每个流量增加较少的路段,从而使系统整体受益。
结论
这项研究表明,联网导航技术可主动塑造交通流量,造福社会。协调一小部分出行能实现系统性收益,使所有道路使用者受益,导航应用的用户和非用户都能从拥堵缓解中受益,改善出行时间并减少二氧化碳当量排放。
此外,该工作为基于严格实验的交通管理方法奠定基础。随着智慧城市基础设施成熟,实验途径可应用于更广泛挑战。虽然结果显示简单重新路由的潜力,但也为未来汽车、基础设施和路由共同优化社区出行效率和可持续性奠定基础。
致谢
这项工作是与 Alexandre Bayen、Andrew Tomkins、Theophile Cabannes、Kevin Chen、Yechen Li、Marc Nunkesser、Prem Ramaswami、Eray Turkel、Shoshana Vasserman 和 Haizheng Zhang 合作完成的。
标签
快速链接
- 论文
- 分享
其他感兴趣的文章
2026 年 6 月 30 日
将我们的热韧性数据扩展到全球 50 多个城市
- 气候与可持续性
- 地球人工智能
- 开源模型与数据集
2026 年 6 月 25 日
利用线性弹性缓存优化云经济学
- 算法与理论
- 数据管理
2026 年 6 月 16 日
从像素到规划:用于自然恢复的地球人工智能
- 气候与可持续性
- 地球人工智能
- 机器智能
- 开源模型与数据集
关注我们
探索我们的其他计划
谷歌人工智能
了解谷歌人工智能如何致力于丰富知识和解决复杂挑战
谷歌云
为云计算、数据分析和机器学习提供高性能基础设施
谷歌 DeepMind
我们的使命是负责任地开发人工智能,造福人类
谷歌实验室
与谷歌实验室一起负责任地探索人工智能的未来
Cookie 管理控制



被折叠的 条评论
为什么被折叠?



