“無人駕駛車隊(duì)”會(huì)更對(duì)這套算法的胃口。

傳統(tǒng)出租車企業(yè)與移動(dòng)叫車公司之間本來就不怎么友好的關(guān)系或許會(huì)因?yàn)橐粋€(gè)最新開發(fā)成果變得更加劍拔弩張：

紐約市的1.3萬輛汽車完全可以被3000輛來自Uber或Lyft的共享汽車所取代。

用3000輛共享汽車解決百萬乘客需求的算法

“拼車服務(wù)可以解決交通擁堵”已經(jīng)不是什么新鮮的說辭(Uber CEO卡蘭尼克已經(jīng)提了N遍)，但麻省理工大學(xué)做了一個(gè)更加宏大的假設(shè)：如果紐約市的每位乘客都摒棄了傳統(tǒng)的出租車，開始選擇使用Uber或Lyft的拼車服務(wù)，會(huì)發(fā)生什么?

麻省理工大學(xué)計(jì)算機(jī)與人工智能實(shí)驗(yàn)室(CSAIL)給出了一個(gè)有意思的答案：

這座人口超過850萬人的大都市只需要3000輛提供拼車服務(wù)的4人座汽車，就可以滿足全市98%的打車需求，而從目前來看，出租車公司需要派出1.4萬輛出租車才能實(shí)現(xiàn)這個(gè)目標(biāo)。

據(jù)科技媒體The Verge報(bào)道，CSAIL的研究小組開發(fā)了一套基于人工智能的拼車乘用算法，并已經(jīng)使用300萬紐約市出租車乘客數(shù)據(jù)對(duì)其進(jìn)行了高強(qiáng)度訓(xùn)練。

這個(gè)算法的大致運(yùn)行模式其實(shí)很容易理解：將所有出租車乘用數(shù)據(jù)設(shè)置為某個(gè)移動(dòng)打車app收到的乘客需求，進(jìn)而對(duì)所需調(diào)度車輛及路線進(jìn)行多維度測算。

這個(gè)經(jīng)過訓(xùn)練的計(jì)算機(jī)模型按照不同位置的乘車需求“走”完了紐約市所有的乘車路線，它最后發(fā)現(xiàn)，滿足整個(gè)紐約市的整個(gè)乘車需求比我們想象中要容易很多，只需要3000輛提供拼車服務(wù)的汽車就夠了。

經(jīng)過百萬數(shù)據(jù)訓(xùn)練的車輛調(diào)度計(jì)算機(jī)模型

很顯然，這種將乘車效率提升到極致的方式只需要讓乘客花費(fèi)最低的成本，便可以享受到最便捷的服務(wù)。

譬如，在這個(gè)運(yùn)算模式下，不到5分鐘，你就可以打到一輛按照自己指定路線行駛的共享出租車。當(dāng)然，在整個(gè)乘車過程中，汽車也會(huì)隨時(shí)停下來接送其他乘客，但耗時(shí)并不長，比堵在路上花費(fèi)的時(shí)間要少很多。

此外，這個(gè)開發(fā)小組也針對(duì)不同車型及數(shù)量給出了若干個(gè)選擇方案。譬如他們發(fā)現(xiàn)，3000輛雙人座汽車就可以滿足紐約市94%的日常乘用需求;而2000輛雙人座貨車可以解決95%的用戶需求。

實(shí)際上，對(duì)于這項(xiàng)算法的開發(fā)意義，項(xiàng)目負(fù)責(zé)人Javier Alonso-Mora的說法與Uber對(duì)未來的暢想沒什么本質(zhì)不同：

“只要汽車部署密度達(dá)到一定水平，汽車共乘市場的確有潛力大幅降低上路汽車的數(shù)量與用戶的等車時(shí)間。除了避免交通擁堵，也可以拉開車與車之間的距離，從而降低車禍發(fā)生率。”

與此同時(shí)，為每一輛車增加收入，減少乘客消費(fèi)支出，進(jìn)而提高乘客的生活質(zhì)量，是這項(xiàng)算法的終極目標(biāo)。在這個(gè)過程中，你只需要消耗幾分鐘的時(shí)間延遲成本，但這與平常泊車?yán)速M(fèi)的時(shí)間基本等同。

總而言之就是，你只要愿意多花幾分鐘的等車時(shí)間，并愿意與同一輛車上的陌生人聊聊天，就可以幫自己以及成千上萬輛汽車從早上9點(diǎn)擁擠的北京東三環(huán)中解放出來。

專門為無人駕駛共享車隊(duì)設(shè)計(jì)的算法

當(dāng)然，為了防止你認(rèn)為這是一篇由Uber或Lyft贊助的公關(guān)稿，MIT實(shí)驗(yàn)室也公開了這個(gè)開發(fā)項(xiàng)目的投資人——美國海軍研究辦公室與一所跟MIT建立了合作關(guān)系的新加坡機(jī)構(gòu)。他們的目的很簡單：共同探索一切有利于提高城市機(jī)動(dòng)性的技術(shù)創(chuàng)新點(diǎn)。

但不能不提的是，假如這個(gè)計(jì)算機(jī)模型在經(jīng)過大量訓(xùn)練后能夠最終落地，卡蘭尼克曾引起眾多Uber司機(jī)情緒反彈的言論的確會(huì)馬上成為現(xiàn)實(shí)——數(shù)以萬計(jì)的駕駛員注定將被技術(shù)所淘汰。

當(dāng)然，職業(yè)司機(jī)面對(duì)的情況或許會(huì)更惡劣一些：

開發(fā)人員表示，如果將這套算法應(yīng)用在無人駕駛汽車方面將會(huì)更加“如魚得水”，因?yàn)榭梢赃h(yuǎn)程操控的無人車車隊(duì)能夠更加“循規(guī)蹈矩”地按照設(shè)定路線來滿足我們的用車需求。

根據(jù)項(xiàng)目負(fù)責(zé)人Javier Alonso-Mora的解釋，這套算法可以為車隊(duì)分配最合適的任務(wù)與行駛路線，而無人駕駛汽車則能夠讓這套算法得到迅速“成長”：

“如果想大大提升這套算法的準(zhǔn)確率，就需要讓汽車不間斷運(yùn)行數(shù)個(gè)小時(shí)，大概只有無人駕駛出租車才能更好地做到這一點(diǎn)。當(dāng)然，你也可以根據(jù)人類司機(jī)的喜好與既有的調(diào)度程序?yàn)樗惴ㄌ砑蛹s束性條件，但這肯定會(huì)降低服務(wù)質(zhì)量。”

對(duì)于這套聽起來很神奇，但與現(xiàn)有許多打車app功能略有重合的算法，我們最想知道的便是前者的運(yùn)行效果究竟可以比后者“高明”多少。

而MIT給出的說法卻有些模糊：這套算法可以比現(xiàn)有軟件處理更多復(fù)雜的拼車路線與用戶需求，譬如在中途修改行車路線的同時(shí)，也能持續(xù)無間斷地接收拼車訂單。

但效果究竟如何，只有模擬效果不足以說明一切，只有上路測試才能給出一個(gè)準(zhǔn)確答案。

其實(shí)對(duì)于大多喜歡使用叫車app的乘客與汽車共享企業(yè)來說，“共享車隊(duì)完全取代出租車”只不過是一個(gè)時(shí)間上的問題。譬如，目前美國境內(nèi)Uber接到的出行訂單中，有一半都來自于拼車用戶。

但從商業(yè)角度來看，隨著汽車共乘市場已經(jīng)有了越來越明顯的“贏家通吃”趨勢，技術(shù)基礎(chǔ)層可以成為創(chuàng)業(yè)公司嘗試突破的一個(gè)入口：

誰的算法更精準(zhǔn)，誰能為消費(fèi)者節(jié)省更多的時(shí)間與金錢成本，誰就有機(jī)會(huì)給Uber、滴滴以及Lyft們帶來威脅，或者成為他們投資或并購的首選對(duì)象。

順便提一句，MIT這個(gè)算法看來正在尋找買家，不過那些喊著要做“共享生意”的傳統(tǒng)汽車廠商可能不太適合。