[Перевод] Ваш мобильный навигатор затрудняет управление дорожным движением
Распространение приложений вроде Waze, Apple Maps и Google Maps умножает хаос
Мигель-стрит — это извилистая узкая дорога, проходящая по району Глен-Парк города Сан-Франциско. Ещё несколько лет назад по ней ездили только жители окрестных домов, и они хорошо знали все её проблемы. Теперь она забита машинами, которые используют её как короткий путь от переполненной Мишн-стрит до популярной Маркет-стрит. Местные жители с трудом добираются до дома, а ДТП случаются ежедневно.
Эта проблема началась, когда приложения Waze, Apple Maps и Google Maps получили широкое распространение, и начали предлагать водителям объезды пробок в реальном времени. Во всём мире такими приложениями пользуется порядка миллиарда водителей.
Сегодня транспортные пробки появляются неожиданно, в местах, ранее бывших спокойными, во всех городах и странах мира. В Бостоне, в районе Дорчестер жители Адамс-стрит жалуются на быстро движущиеся в час пик машины, водители многих из которых уставились вниз, на свои телефоны, планируя следующий манёвр. Лондонские объездные пути, ранее бывшие секретным достоянием таксистов, теперь заполнены пользователями приложений. Одним из первых от этой напасти пострадал Израиль, поскольку именно там основали Waze; там быстро развился такой хаос, что один из жителей Герцлия-бет даже засудил компанию.
И проблема только ухудшается. Планировщики городов всего мира предсказывали плотность трафика на основе плотности населения, предполагая, что некоторое количество изменений, происходящих в реальном времени, будет уместно в определённых обстоятельствах. Для обработки этих изменений они создали такие инструменты, как светофоры на дорогах и выездах на шоссе, знаки с переменными надписями, радиопередачи и системы передачи сообщений. В особо сложных случаях — препятствие, неожиданное событие, авария — управляющие городом иногда отправляют живого человека для управления трафиком.
Но теперь за всё отвечают приложения для навигации в реальном времени, и они создают больше проблем, чем решают. Приложения обычно оптимизируют так, чтобы время в пути отдельного водителя было как можно меньше; им всё равно, могут ли улицы жилых районов переварить такой трафик, или повысят ли появляющиеся во внезапных местах автомобили опасность на дороге. Я работаю в Калифорнийском университете в Беркли директором исследовательского центра «Умные города». Довольно большую часть моей работы составляют попытки понять, что делают эти приложения и как лучшее координировать их работу с более традиционными системами управления трафиком.
Вот как развивались эти приложения. Обычно базовые дорожные карты, используемые приложениями, содержат в себе пять классов дорог, от многополосных шоссе до мелких улочек в жилых районах. Каждый класс способен вместить определённое количество машин, проезжающих по ним за один час со скоростью, подстроенной под местные условия. Навигационные системы, которые сначала появлялись в виде отдельных гаджетов или были встроены в панель управления, а теперь есть в каждом смартфоне, уже давно использовали эту информацию в своих алгоритмах построения пути для подсчёта вероятного времени поездки и выбора наилучшего маршрута.
Сначала навигационные приложения использовали эти карты для поиска всех возможных путей к месту назначения. Это работало неплохо, когда пользователи искали маршрут, сидя в машине рядом со своим домом, готовясь к поездке. Но такие поиски были слишком требовательны к вычислительной мощности для того, чтобы их можно было использовать водителям, уже находящимся в движении. Поэтому программисты придумали алгоритмы, выбирающие несколько возможных путей, оценивающие время поездки по каждому из них, и затем выбирающие наилучший. Такой подход мог пропустить самый быстрый маршрут, но в среднем он работал довольно неплохо. Пользователи могли подстраивать эти алгоритмы, выбирая предпочтительные виды дорог — к примеру, предпочитая поездки по шоссе, или наоборот, пытаясь избежать их.
Индустрия цифровой картографии невелика. Navteq (ныне Here Technologies) и TomTom, два ранних производителя цифровых карт, были основаны около 30 лет назад. Они в основном концентрировались на сборе данных, и выпускали обновления карт ежеквартально. В промежутках между выпусками карты и предлагаемые навигаторами маршруты не менялись.
Когда возможности электронной навигации переместились в мобильные приложения, провайдеры систем начали собирать данные по скорости езды и местоположению всех пользователей, разрешавших приложению делиться этой информацией. Изначально провайдеры использовали отслеживание по GPS в качестве исторических данных, позволявших оценивать реалистичную скорость движения по дорогам в разное время суток. Они интегрировали эти оценки с картами, определяя красные, жёлтые и зелёные пути — где красные означали высокую вероятность пробок, а зелёные — непрерывную езду.
С ростом количества исторических записей GPS, а также пропускной способности и покрытия сотовых сетей, разработчики начали делиться информацией о трафике с пользователями почти в реальном времени. Оценки были достаточно точными у более популярных приложений, которые были установлены у большинства водителей в определённом регионе.
А потом, примерно в 2013, Here Technologies, TomTom, Waze и Google вышли за пределы простого информирования о пробках. Они начали предлагать варианты объезда в реальном времени, ставя дорожные условия на данный момент выше характеристик дорожной сети. Это дало пользователям возможность объезжать замедления трафика, а также породило хаос.
Чего не знают мобильные навигаторы: Спортивный матч на местном стадионе A приводит к заторам движения на шоссе, проходящем мимо центра этой вымышленной жилой зоны. Для нашего гипотетического водителя, пытающегося добраться домой с работы, это проблема, поэтому он обращается за помощью к навигатору. Кратчайший, — и, согласно навигатору, скорейший — альтернативный путь (синий), извиваясь, проходит через жилые зоны с тупиками, крутым подъёмом B и разводным мостом C, который может привести к неожиданным задержкам, если вы не знакомы с его графиком разводки. Красный путь прорывается через центр города D и проходит перед начальной школой E; навигатор не знает, что школьники только что отучились и расходятся по домам. К счастью, наш водитель знает эту местность, и он выбирает фиолетовый путь, хотя приложение и говорит, что это не самый быстрый вариант. Незнакомые с местностью водители в поисках скорейшего маршрута к стадиону могут оказаться в хаотичных и даже опасных ситуациях.
На первый взгляд, построение объездов в реальном времени не является проблемой. Города постоянно занимаются этим, меняя сигналы, фазы и длительность работы светофоров или выводя на табло сообщения об объездах. Реальная проблема в том, что мобильные навигаторы не работают в связке с городскими инфраструктурами так, чтобы большая часть трафика двигалась наиболее эффективно.
Во-первых, приложения не учитывают особенности каждого района. Помните о тех пяти классах дорог, и связанных с ними примерных скоростях беспрепятственного проезда? И это практически всё, что приложения знают о дорогах. К примеру, Бакстер-стрит в Лос-Анджелесе — также страдающая от увеличения количества ДТП, происходящего вследствие работы мобильных приложений и подсказываемых ими объездов — чрезвычайно крутая дорога, идущая по пути, которым раньше козы ходили по холмам. Но для приложений эта дорога выглядит как любая другая дорога с низкой максимальной скоростью. Они предполагают, что с обеих её сторон есть место для парковки, а между ними — место для двустороннего движения. Они не учитывают, что её уклон составляет 32%, и что, находясь наверху, вы не видите дорогу впереди вас или едущие навстречу машины. Эта мёртвая зона заставляет водителей неожиданно притормаживать, из-за чего на когда-то тихой жилой улочке теперь постоянно происходят ДТП.
Также алгоритмы могут не брать в расчёт и другие характеристики выбранного ими пути. К примеру, есть ли там дороги с большим количеством пешеходов? Проходят ли они мимо школ? Есть ли там перекрёстки, которые тяжело проехать — к примеру, небольшая улица, пересекающая оживлённую без светофоров?
Недавно я на себе испытал, к чему может привести такое незнание. Я был в пробке на многополосной дороге, когда приложение предложило мне объехать трафик по дорогам в жилых районах. Оно построило мне маршрут, проходящий прямо мимо школы в 8:15 утра. Там стояли регулировщики, пропускающие детей, микроавтобусы, припаркованные в два ряда, там дети выпрыгивали из остановившихся машин, а водителям было трудно разглядеть происходящее из-за яркого утреннего солнца. И я только внёс свою толику в общий хаос.
Кроме всего прочего, эти мобильные навигаторы работают сами по себе. Они исходят из эгоистичной точки зрения, по которой каждый автомобиль соревнуется за наиболее быстрый маршрут к точке назначения. Это может привести к тому, что навигатор будет порождать новые пробки в неожиданных местах.
Рассмотрим автомобили, пересекающие оживлённую улицу без светофоров. Допустим, для машин на второстепенной дороге поставили знак остановки. Вероятно также, что такие знаки стоят на второстепенной дороге на обеих сторонах перекрёстка с оживлённой, и сделано это было, когда трафик на оживлённой улице был не таким плотным, и машинам не приходилось ждать слишком долго для её пересечения. Но добавьте машин в трафик по главной улице, и перерывов, в которые можно проскочить, будет становиться всё меньше, из-за чего очередь машин, ожидающих проезда на второстепенной дороге, начнёт растягиваться и заполнять соседние улицы. Если вы едете по главной дороге, вы быстро доедете до места назначения. Но если вы попали на второстепенную, вам придётся очень долго ждать возможности проехать. И чем больше машин на эти окрестные улицы будут отправлять приложения, как это бывает из-за неожиданных проблем на шоссе, тем больше будет пробок и ДТП.
Усложняет проблему «эгоистичных маршрутов» то, что каждый провайдер навигации — Google, Apple, Waze — работает отдельно. Каждый из них получает данные, идущие на их сервера только от их пользователей, поэтому степень распространения этой системы влияет на её восприятие реальности. Если приложение не очень популярное, система отказывается на использование исторических данных по нужному району, вместо того, чтобы получать правильное представление о существующих заторах. В итоге несколько игроков независимо работают с неидеальной информацией, ожидая, что дорожная сеть с готовностью проглотит всех их пользователей.
Тем временем инженеры городского транспорта заняты управлением трафика при помощи имеющихся в их распоряжении инструментов — измерителей трафика, электронных табло и передач информации по радио, предлагающих маршруты объезда, которые я уже упоминал. Их цель — контролировать пробки, поддерживать сеть дорог в безопасном и эффективном состоянии, соответствующим образом реагировать на ДТП, спортивные матчи и эвакуации в чрезвычайных ситуациях.
Городские инженеры тоже работают в условиях изоляции и с неполной информацией, поскольку не имеют понятия, что будут делать приложения в любой отдельно взятый момент. Сегодняшний город теряет представление о количестве трафика, требующего доступ к дорогам. В краткосрочной перспективе это оборачивается проблемами в безопасности, а в долгосрочной — проблемой с планированием. Эта ситуация не даёт городу информацию, которую он мог бы использовать для разработки улучшенных стратегий по уменьшению трафика — к примеру, побуждая коммерческие предприятия менять расписание рабочих смен, а предприятия, занимающиеся доставкой и грузоперевозками — использовать другие маршруты.
Только для коз? Крутая и узкая Бакстер-стрит в Лос-Анджелесе когда-то была сетью козьих троп, а сейчас для мобильных навигаторов выглядит так же, как любая другая улица в жилом районе
Возможно, вы получили какую-то пользу от одного из таких маршрутов объезда, но маловероятно, что вы выиграете от них в долгосрочной перспективе. Для этого необходимо относиться к системе, как к целому, и, возможно, даже рассматривать общее потребление топлива и выброс загрязнений. Только тогда мы сможем использовать эти алгоритмы перенаправления трафика для пользы всех граждан и нашей окружающей среды.
Тем временем жилые районы и их жители борются с чужаками, использующими их улицы как шоссе. В самом начале проблемы, в районе 2014 года, жители пытались обмануть приложения и вносили в них ложные сообщения о ДТП, пытаясь заставить их поверить в наличие проблем, затрудняющих движение. Потом некоторые жители убедили власти в необходимости установки лежащих полицейских, замедляющих движение и уменьшающих базовую скорость езды по этим улицам.
Город Леония в Нью-Джерси просто закрыл многие улицы для сквозного трафика во время пиковой нагрузки, и стал брать серьёзные штрафы с водителей, не проживающих там. Его примеру последовали соседние города. Непредвиденной проблемой такого решения стало то, что местные предприниматели начали терять клиентуру, которая не может проехать через город в такие часы.
Лос-Анджелес недавно среагировал на проблемы с Бакстер-стрит, и сделал её односторонней, с движением только под гору. Решение всё равно не было идеальным — в результате местным жителям приходится проделывать более длинный путь, зато хаотичность движения уменьшилась.
Прискорбная ситуация с лесными пожарами 2017 года явно продемонстрировала отсутствие слаженной работы мобильных навигаторов и традиционных служб управления трафиком в Лос-Анджелесе. Мобильные приложения перенаправляли людей на улицы, перекрытые властями, прямо в жерло огня. В этом нет вины алгоритмов — просто очень сложно поддерживать актуальную информацию о состоянии дорог, когда события развиваются так быстро. Однако это показывает, что властям города необходим способ сотрудничать, а иногда даже влиять на работу этих приложений. К счастью, в проблемном месте оказался сотрудник полиции, физически перенаправлявший трафик на безопасный путь.
Но всё это временные меры; они уменьшают, но не улучшают мобильность. На самом деле нам необходимо социально оптимальное состояние, в котором среднее время поездки минимизируется повсюду. Инженеры транспорта называют это состояние равновесием оптимума системы; это один из двух принципов равновесия Уордропа. Как нам объединить толпы людей, следующих указаниям приложений, и запланированный поток трафика, который, по крайней мере, движется по направлению к социально оптимизированной системе, используя те механизмы, что у нас уже есть? Начать можно со сбора всех точек зрения на текущее состояние дорожной сети. Однако заставить всех сбрасывать данные в один общий котёл будет непросто. Это напоминает историю Давида и Голиафа — у таких игроков, как Google и Apple есть массивные серверные инфраструктуры, обрабатывающие эти данные, при том, что у многих городов есть лишь ограниченные финансовые возможности для разработки передовых технологий. Не имея возможности вкладываться в новые технологии, города не догоняют крупных технологических провайдерах, и в итоге занимаются лишь регулированием. К примеру, Портленд, Сиэтл и многие другие города понизили максимальную скорость движения на жилых улицах до 30 км/ч.
Есть способы лучше. Мы должны убедить производителей приложений, что если они поделятся информацией друг с другом и с правительствами городов, то алгоритмы построения маршрута смогут воспользоваться гораздо более полной картиной, получая, в том числе, информацию от физической инфраструктуры: расписание работы светофоров, данные со счётчиков автомобилей и камер. Обмен данными улучшит качество их приложений, одновременно помогая службам управления трафиком.
Сначала нам нужно сформировать совместные комитеты из представителей коммерческих компаний, городских инженерных групп, и даже таких транспортных компаний, как Uber и Lyft. Обмен информацией поможет нас понять, как лучше всего уменьшить заторы и управлять нашей мобильностью.
Существует множество проблем, которые необходимо преодолеть до того, как все приложения и инструменты инфраструктуры заработают совместно, одинаково хорошо оптимизируя трафик для всех.
Реальной трудностью с управлением трафика кажется огромные масштабы этой проблемы. Для использования потока данных от пользователей приложений и данных от городских датчиков потребуется создать новый аналитический слой, принимающий ключевую информацию, анонимизирующий её, комбинирующий и выдающий в форме, которую будет легче переварить правительственным системам управления трафиком.
Также нам понадобятся программы-симуляторы, способные использовать все эти данные для моделирования динамики нашей мобильности на масштабе города. Разработка такого ПО — ключевая тема текущих исследований, финансируемых программой министерства энергетики США «Энергоэффективные мобильные системы», которыми занимаются Here Technologies и три национальных лаборатории: имени Лоуренса в Беркли, Аргоннская лаборатория и лаборатория Тихоокеанского Северо-Запада. Я работаю над этой программой в Беркли как приглашённый учёный в составе Инициативы экологически устойчивого транспорта. На сегодня команда под моим руководством, включающая исследователей из трёх этих лабораторий, разработала симуляции для нескольких крупных городов, способные отработать за несколько минут на суперкомпьютерах министерства энергетики. В прошлом такие симуляции работали днями или даже неделями. Полагаю, что данные симуляции породят новые подходы управления заторами, учитывающие множество граней этих проблем.
В одном из наших проектов мы взяли 22 миллиона пар «начальная точка/конечная точка» («перегонов» по терминологии транспортников), и создали симуляцию для региона залива Сан-Франциско, определяющую кратчайшее время в пути для каждого перегона, а также схемы появления пробок на каждом из путей за весь день. Мы добавили алгоритм, перенаправляющий автомобили в тот момент, когда симуляция предполагает скорое образование серьёзного затора. Мы обнаружили, что в часы пик утром перенаправляются порядка 40 000 автомобилей, а в часы пик вечером — порядка 120 000. Естественно, какое-нибудь ДТП на шоссе будет увеличивать эти цифры.
Эта симуляция демонстрирует, как сильно планирование трафика может повлиять на изменение баланса потока трафика, а также что планирование даёт нам данные, которые мы пока не можем получать напрямую. Следующий вопрос — какую часть дорожной сети мы можем использовать, меняя заторы на шоссе на увеличение трафика по дорогам в жилых зонах.
Нашим следующим шагом будет изменение алгоритма с тем, чтобы учитывать ограничения дорог в жилых зонах. Мы, к примеру, знаем, что не стоит перенаправлять трафик в места, где есть школы, в то время, когда школьников привозят туда или забирают, и что мы должны соответствующим образом подправить алгоритмы.
Надеемся, что вскоре мы сможем предоставить эти инструменты в руки государственных служб управления дорожным движением.
Вот, что мы пытаемся сделать с этой технологией для решения описанных проблем. Однако существуют и препятствия не технического толка. К примеру, данные о местоположении машины могут содержать личную информацию, которую не получается передавать анонимно. А текущие бизнес-модели коммерческих компаний могут вызвать у них нежелание делиться ценными данными.
Для решения технических и иных проблем потребуются исследования и союзы между коммерческими и некоммерческими организациями, и только потом мы сможем создать эту кооперативную экосистему. Но чем больше мы узнаём по поводу того, что движет динамикой наших дорог, тем эффективнее будут наши инструменты по управлению трафиком, тем лучше они смогут учитывать проблемы местных жителей, бизнес-цели владельцев парков автомобилей, здоровье и удобство людей.
Уверен, что большинство хорошо информированных людей согласятся на небольшие неудобства для всеобщего блага. Разве не согласились бы вы провести за рулём несколько лишних минут, чтобы пощадить жилые районы и улучшить окружающую среду?
