利用洞察和激勵措施結束高峯時段 - 彭博社

Shutterstock.com你可以將高峯時段的交通視為一個相當簡單的供需問題。供應是城市公交、火車和道路的容量。需求是希望乘坐公共交通或開車的都市區通勤者的比例。早晚高峯的擁堵是需求超過供應的標誌：太多的通勤者試圖同時使用公交、火車和道路。

“人羣中的每一個人都成為一個迷你傳感器。”這就是 Urban Engines 的創始人們更願意看待城市交通問題的方式。這也是公司提出的解決方案的關鍵。一方面，他們相信新的數據洞察可以幫助城市調整公共交通工具和道路空間的供應。另一方面，他們計劃利用行為激勵來控制通勤需求。

彭博社CityLab官員稱休斯頓地區的火災是由SUV事故引起的加州的反超速法案可能成為交通安全的突破休斯頓附近的管道火災迫使居民撤離倫敦市長計劃將繁忙的牛津街步行化“這就是我們的核心：洞察和激勵來解決擁堵，”首席執行官兼聯合創始人Shiva Shivakumar説，他曾是谷歌工程師。“你越能理解[供需]方程的兩側，就越能開始優化它。”

在洞察方面，Urban Engines 依賴一種稱為“眾包感知”的方法來了解整個城市交通系統發生的情況。我們以地鐵為例。每次刷卡進站都會提供乘客位置的基本信息（至少對於需要刷卡進出站的城市）和總旅行時間。通過使用算法和補充數據，例如實時交通時刻表，Urban Engines 可以推斷在任何給定時間，任何特定地鐵站或列車上發生的情況。

“人羣中的每一個人都成為一個迷你傳感器，”聯合創始人 Balaji Prabhakar，斯坦福大學計算機科學教授説。“他們的整體旅行計劃實際上告訴我們，當結合在一起時，系統中發生了什麼。”

這比一些城市目前使用的小平台或車載抽樣方法來感知系統流量有了很大改善。因此，Urban Engines 可以生成交互式數據可視化，提供短期擁堵洞察（該平台過於擁擠，這條線路上的列車正在聚集）和長期交通趨勢（在雨天，這個車站需要更多的車輛）。交通運營商可以利用這些信息更有效地安排和調度列車供應。

來自 Urban Engines 的樣本數據可視化，測量一個名為 Freedonia 的虛構城市的交通情況。城市引擎城市引擎的激勵措施來自於Prabhakar幫助實施的項目，這些項目支付通勤者在 非高峯時段出行的費用。意識到太少城市實施了擁堵收費計劃，Prabhakar和合作者採取了相反的做法——與其對高峯時段出行的通勤者收費，不如獎勵他們在非高峯時段出行。從行為學的角度來看，這是一種胡蘿蔔而不是大棒的方式，Prabhakar表示在班加羅爾、新加坡和 帕洛阿爾託取得了成功。

“幾乎任何具有懲罰性質的東西，比如大棒式的方法，似乎都會與工作人羣產生衝突，”他説。

在 最初的試點研究中，2008年10月至2009年4月在班加羅爾進行，激勵系統效果非常好。大約14,000名當地人有機會在高峯時段之外通勤；每次他們這樣做時，他們贏得每週抽獎的機會就會增加，獎品從10美元到240美元不等。在試點期間，通勤者在高峯前出行的次數翻了一番，所有公交乘客的平均早高峯通勤時間從71分鐘降至54分鐘。

城市引擎已經開發其雙重方法兩年，現已與三個城市合作。在聖保羅，該公司正在努力緩解擁擠的公交系統；在新加坡，它正在利用激勵措施促進地鐵的非高峯出行；在華盛頓特區，它正在進行地鐵的數據分析初期階段。目前，城市引擎僅與交通機構合作，儘管他們最終計劃開發直接幫助通勤者的方法。

這是對一個大問題的大膽回應，但面臨一些明顯的障礙。大多數地鐵交通出現在道路上，而不是在交通系統上，這意味着城市引擎需要通過車輛應答器（例如E-Z Pass）有效收集數據，就像通過票卡一樣。（票卡本身有不確定的未來。）交通系統的設備和人員有限，即使他們識別出需求，也不總能部署更多的公交車和火車。當地僱主也發揮着作用，因為工人不能早到或晚到，除非老闆同意。最重要的是，通勤習慣的普遍根深蒂固，尤其是在司機中。

Shivakumar和Prabhakar意識到挑戰，並準備在這些挑戰面前繼續前進。“我們現在處於一個階段，從數據方面和激勵方面，我們準備從數千人走向數百萬，甚至更多，”Prabhakar説。希望向前，且希望向上。

頂部圖片：Chatchai Kritsetsakul / Shutterstock.com