开放城市街道的未来可能从更智能的交通信号灯开始

沿着鲍姆大道向东行驶，这是一条穿过匹兹堡东自由区的四车道大道，你可能会注意到一些不寻常的东西。这条路和这个新兴地区的许多道路一样，经过汽车商店、快餐店、砖砌仓库和停车场，一直延伸到千篇一律的豪华公寓和闪闪发光的玻璃幕墙零售店，包括 Whole Foods 和 Target。当你靠近东自由长老会教堂的新哥特式尖顶时——它高耸于时尚餐厅、酒吧和谷歌办公室之上——你可能会开始意识到灯光似乎对你有利。红灯变绿，绿灯停留的时间刚好够你通过。

在每个路口，路边的控制柜都连接到信号灯上，里面是一个公文包大小的拉丝铬盒子。盒子里装有人工智能 Surtrac 系统的组件，该系统根据城市交通摄像头监控到的信息做出决策。该系统是可扩展城市交通控制系统的简称，是首批收集车辆流量信息并利用这些信息实时调整灯光的系统之一，即所谓的自适应交通控制系统。2012 年在 9 个路口安装该系统后，行驶时间减少了 26%，红灯等待时间减少了 40%。

匹兹堡是试行 Surtrac 技术的主要候选城市。该系统由卡内基梅隆大学的交通研究小组 Traffic21 开发，疫情前的数据显示，居民每年因交通拥堵平均损失 45 个小时。尽管这比美国标准少了大约 10 个小时，但根据德克萨斯农工大学交通研究所的《2021 年城市交通报告》，自该组织于 1982 年开始记录以来，情况一直在持续恶化。

一代又一代的工程师们在无数城市尝试过补救措施，其中大部分是重新设计街道。但 2011 年，两位经济学家——当时都在多伦多大学任教的马修·特纳和吉尔斯·杜兰顿——进行了一项开创性的研究，发现每当城市地区增加道路容量时，驾驶量也会增加。他们的研究建立在“诱导需求”这一概念的基础上，并用确切的数字来说明驾车者直观地知道的事实：即使是最宽的道路也会拥堵。

从过度建设街道到随处可见的免费停车场，以汽车为中心的规划决策历史不仅破坏了许多社区，也扭曲了我们使用和重视城市空间的方式。为了解决这一问题，联邦政府已要求各城镇将其基础设施投资的一部分用于“完善街道”工作，以兼顾行人、骑自行车者和公共交通的需求和安全。市场分析公司 Navigant Research 表示，到 2028 年，智能信号将成为一项价值 38 亿美元的全球性产业，它可以帮助实现这一改变。如果汽车能够在更少的车道上更高效地行驶，那么市政当局就可以开辟出这些可利用的地盘。“自适应交通控制正在更有效地利用现有的道路和基础设施，”乔治华盛顿大学房地产和城市分析中心名誉教授兼主席 Christopher Leinberger 解释说。

Surtrac 面临着来自科技巨头和初创公司的竞争。幸运的是，对于已经在使用 Surtrac 的 22 个城市（包括亚特兰大和几个新英格兰城镇）来说，它相对便宜，易于安装和维护，并且可以利用现有的基础设施，如路灯摄像头。每个路口的计算机都是自己的节点，可以处理一系列调度选项，然后每秒调整信号时序，同时将洞察传递给邻近的灯。这种分散的方法使 Surtrac 成为调节不可预测的城市交通和逐步扩展的理想选择。

目前，该系统对行人和骑自行车的人而言并不理想。步行或踩踏板的人发现他们在拐角处等待的时间更长，而汽车的空转时间更少。这是因为该系统的数据收集工具（主要是对准车辆的摄像头）反映了对汽车的偏好。这提醒我们，要有效利用道路，就需要为行人、骑自行车的人、乘客和司机提供更新的技术和基础设施（人行道、自行车道、公交）。

虽然匹兹堡网络已经发展到包括 50 个智能交叉路口（而且城市计划还增加更多），但 Surtrac 的创建者（包括卡内基梅隆大学机器人学研究教授斯蒂芬·史密斯）一直在重新设计其分析方法。他们希望整合来自手机应用程序的行人数据、来自联网汽车的路线信息、来自电动自行车和踏板车的 GPS 标记以及其他有关多式联运的数据。“很早以前，我们就开始考虑这些其他的出行方式，”史密斯说。

1868 年，在威斯敏斯特桥附近一个特别混乱的十字路口，两名英国国会议员受伤，一名警察丧生。此后，伦敦安装了世界上第一盏交通信号灯。它的设计很简单：晚上，煤气灯发出红灯停止、绿灯通行的信号；白天，桨叶补充昏暗的光线。20 世纪初，随着汽车开始占领市中心，各大城市纷纷想方设法保障街道安全。1914 年，克利夫兰引入了第一个电子交通信号灯，1922 年，加勒特·摩根在旧金山申请了三位系统的专利。几十年来，计时方案变得越来越复杂，但其核心是时钟上的一盏灯。

上一次重大飞跃发生在 20 世纪中叶，当时工程师开始开发自适应交通控制装置。埋在道路上的传感器将收集实时交通数据，以帮助确定信号时序。从那时起，此类系统便开始普及，尤其是在欧洲。例如，荷兰利用地下传感器来管理交通，并优先考虑自行车和行人的通行。然而，在美国，大多数信号仍采用定时器系统。

2009 年，亿万富翁、实业家亨利·希尔曼 (Henry Hillman) 认为他的家乡匹兹堡可以做得更好。匹兹堡的交通拥堵问题并不像大多数美国大城市那么严重，但希尔曼有办法解决这些问题。他的基金会向卡内基梅隆大学捐款，要求其研究解决方案——这一举措最终促成了 Traffic21 的成立，该机构负责设计新颖的交通技术，并利用匹兹堡作为实验室进行测试。

希尔曼的资助来得正是时候，当时匹兹堡正寻求重塑自我。市长卢克·拉文斯塔尔梦想着带领这座后工业钢铁城进入一个以研究和创业为基础的新时代。Traffic21 的执行董事斯坦·考德威尔开始寻找切入点。土木工程师们一致指出，交通摄像头的泛滥：这些工具提供了大量有关人们如何出行的数据，但坐在控制室里的人没有接受过管理或解读这些数据的培训。考德威尔回忆道：“他们说，‘我们不知道如何将这些数据转化为信息’。”

为了避免欧盟等国的先进地下传感器系统高昂的成本，Traffic21 很快将重点放在了如何利用低强度的交通信号灯。这项挑战落在了史密斯的身上。在卡内基梅隆大学工作的近 30 年里，他的研究主要集中在利用人工智能解决调度问题，例如管理供应链或自动应对自然灾害。他看到了将这些技能应用于交通的潜力。

一些研究人员已经尝试使用人工智能进行信号调度。史密斯指出，这些尝试存在两个主要问题：一是，即使是先进的系统也往往只会每隔一年左右收集实时数据，并用它来优化预设的信号时序安排，而不是即时调整或做出预测。二是，信号的复杂程度受到信号灯所能容纳的计算能力的限制。

史密斯在东自由区被红灯困住时，突然想到了一个颇具诗意的答案。他偶然抬头看了一眼信号灯，注意到了交通摄像头。“这似乎是一种低成本的试验技术的方法，因为检测技术已经存在，”他说。

有了眼睛，史密斯和他的团队只需要开发功能强大且足够紧凑的数据处理工具，以适应控制红绿灯的硬件。史密斯的许多人工智能系统通过将任务分配给“机器人”团队来管理复杂的决策——这一概念被称为边缘计算。有了交通信号灯，每个灯都可以利用计算机视觉来检测接近和离开交叉路口的车辆，应用时间表优化算法来做出信号决策，然后与网络中的其他灯共享该信息。

由于每个节点都处理自己的调度，因此该方法适用于不可预测的城市环境。“我们希望设计一个系统，它不会考虑在我们预先选定的方向上进行优化，”格雷格·巴洛 (Greg Barlow) 说，他曾是史密斯实验室的博士后，现在是 Rapid Flow 的首席技术官，该公司是他和史密斯为推销 Surtrac 而创立的。

2010 年，该团队与匹兹堡交通部门接洽，共同开发和推广原型，该市帮助他们选择了东自由区的 9 个路口。硬件大小与小型台式电脑相当，被塞进现有信号控制柜的空置架子中。几乎立刻，交通就变得更快了。红灯怠速的减少也使该地区的车辆排放量降低了约 21%。在推动该地区改造的非营利组织东自由区发展公司和其他机构的帮助下，该市将试点范围扩大到 50 个路口。

2016 年，匹兹堡只是美国交通部 4000 万美元智慧城市挑战赛的决赛入围者，但交通部对其申请印象深刻，承诺投入 1080 万美元用于资助六条主要通勤走廊沿线的联网技术和基础设施改进。匹兹堡现在计划投资近 3000 万美元连接另外 150 个交叉路口。剩下的就是确保其交通愿景不仅限于汽车。

在匹兹堡的RAPID FLOW 总部，巴洛打开 Surtrac 仪表板，点击一个图标，该图标代表马萨诸塞州昆西市。昆西是波士顿人口密集的郊区，也是最早采用该技术的地区之一。微小的绿点表示该镇网格上配备 Surtrac 的交叉路口，每个节点都保存着过去一小时内经过该地点的车辆数量和方向以及系统如何调整时间等数据。视频显示昆西市在寒冷潮湿的十二月夜晚。当汽车接近信号时，软件会用绿色、黄色或红色方框覆盖它们：绿灯将通过当前的“通行”信号；红灯和黄灯则提示 Surtrac 必须权衡的潜在调度变化。

一排排的方框代表着史密斯简化每个路口数据处理需求的方法之一。当车辆接近时，系统会尝试将它们分组，他称之为“车队”。这使得 Surtrac 能够将交通状况视为各种不同大小的单位，而不是一连串无休止的单独汽车。人工智能会根据空旷的道路空间权衡这些信息，并引导灯光让每个车队通过，就像邮局工作人员根据邮政编码寄出邮件一样。

汽车通过十字路口后，计算机会将其车号、车速和方向传送给下游信号灯。然后，交通信号灯会继续处理下一批数据，收集相邻车辆的输入，然后重新开始。

对于观看演示的人来说，Surtrac 在东自由区遇到问题的原因显而易见。自行车倡导者、匹兹堡首席交通工程师尼克·罗斯 (Nick Ross) 表示，人工智能大脑有潜力，但也有盲点。“最初的系统非常擅长移动汽车，”他说。“但它有一些已发现的自适应系统的固有缺陷。”

罗斯解释说，许多方案都偏向于一种交通方式，而牺牲了自行车和行人等其他交通方式。史密斯和 Rapid Flow 准备扩大 Surtrac 时，他们正在努力缓解这种紧张局面。该系统的智能可以适应每个十字路口不同类型的“工作”。“我们通过十字路口的交通模型同样适用于行人，”他说。“如果有自行车道，我们可以将其视为单独的车道。我们可以将所有这些都纳入优化中。”困难的是开发方法来准确捕捉这些不同旅行者的形象。

摄像头和雷达可以完成部分工作，但盲点仍然存在。现有的电子眼主要关注车辆，而行人的移动不像汽车那样可预测——经常停下来、改变方向和逆行。这就是史密斯和他的团队试图利用新数据源的原因。成果是 Routecast，这是 Surtrac 的更新版本，它收集来自公共交通 GPS、联网汽车、愿意骑行的电动自行车骑手和携带智能手机的行人的输入。在初步测试中，该团队发现，当车辆与 Surtrac 计算机共享路线时，系统可以处理额外的输入，使所有交通在网络中的移动速度提高 35%。2018 年，史密斯的实验室还开发了一款名为 PedPal 的应用程序原型，使残疾行人能够通过信号进行通信，以确保他们有足够的时间安全通过十字路口。

自 Traffic21 在东自由区推出 Surtrac 以来的十年里，竞争对手的 AI 信号模型纷纷涌现。一家名为 NoTraffic 的公司已经在亚利桑那州和加利福尼亚州开展了试点项目，该公司安装了自己的摄像头并将部分处理工作转移到云端。西门子交通开发的另一个系统将机器学习应用于该问题。IBM 和伦敦的艾伦图灵研究所也在努力，取得了有希望的成果。Rapid Flow 可能是这些解决方案中最具成本效益的方案之一：每个交叉路口 20,000 美元，而 NoTraffic 则需要 115,810 美元。

此类服务可能还有其他方式来证明其成本合理，即提供一种新的街道使用定价方式。政府在不同程度上依赖燃油税来支付道路费用，但汽车行业转向电动汽车意味着他们需要找到新的现金流。“你在开车时不会考虑支付道路费用，因此你会使用它们，因为它们是免费的，”城市规划师莱因伯格说。“一个解决方案是摆脱燃油税，并在我们每次开车时按每英里合理定价。”这就是为什么一些地方正在考虑基于人工智能的路边管理系统，以帮助管理有限的路边空间。通过监控使用路边的送货和拼车公司，市政当局可以设定与容纳它们的成本相匹配的价格。

与此同时，帮助平衡相互竞争的出行方式的技术为街道安全提供了一条途径，即使无法像伦敦和布鲁塞尔等城市那样将汽车从某些区域驱逐出去。Surtrac 在东自由区的工作改善了交通流量，而没有像增加车道那样导致拥堵加剧。这意味着街道可以变窄，为行人和自行车基础设施腾出空间，而不会恶化交通状况。

然而，官员们如何平衡这些优先事项，超出了任何人工智能的控制范围。史密斯的机器人交通信号灯可能和几乎所有热闹的“智能城市”基础设施一样聪明，但决定我们如何塑造未来城市取决于我们自己。

这个故事最初刊登在 PopSci 2022 年春季 Messy 期刊上。阅读更多 PopSci+ 故事。