“無人駕駛車隊”會更對這套算法的胃口。

傳統(tǒng)出租車企業(yè)與移動叫車公司之間本來就不怎么友好的關(guān)系或許會因為一個最新開發(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)，但麻省理工大學做了一個更加宏大的假設：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，會發(fā)生什么?

麻省理工大學計算機與人工智能實驗室(CSAIL)給出了一個有意思的答案：

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現(xiàn)這個目標。

據(jù)科技媒體The Verge報道，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)對其進行了高強度訓練。

這個算法的大致運行模式其實很容易理解：將所有出租車乘用數(shù)據(jù)設置為某個移動打車app收到的乘客需求，進而對所需調(diào)度車輛及路線進行多維度測算。

這個經(jīng)過訓練的計算機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)，滿足整個紐約市的整個乘車需求比我們想象中要容易很多，只需要3000輛提供拼車服務的汽車就夠了。

經(jīng)過百萬數(shù)據(jù)訓練的車輛調(diào)度計算機模型

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最低的成本，便可以享受到最便捷的服務。

譬如，在這個運算模式下，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。當然，在整個乘車過程中，汽車也會隨時停下來接送其他乘客，但耗時并不長，比堵在路上花費的時間要少很多。

此外，這個開發(fā)小組也針對不同車型及數(shù)量給出了若干個選擇方案。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。

實際上，對于這項算法的開發(fā)意義，項目負責人Javier Alonso-Mora的說法與Uber對未來的暢想沒什么本質(zhì)不同：

“只要汽車部署密度達到一定水平，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，為每一輛車增加收入，減少乘客消費支出，進而提高乘客的生活質(zhì)量，是這項算法的終極目標。在這個過程中，你只需要消耗幾分鐘的時間延遲成本，但這與平常泊車浪費的時間基本等同。

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設計的算法

當然，為了防止你認為這是一篇由Uber或Lyft贊助的公關(guān)稿，MIT實驗室也公開了這個開發(fā)項目的投資人——美國海軍研究辦公室與一所跟MIT建立了合作關(guān)系的新加坡機構(gòu)。他們的目的很簡單：共同探索一切有利于提高城市機動性的技術(shù)創(chuàng)新點。

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

當然，職業(yè)司機面對的情況或許會更惡劣一些：

開發(fā)人員表示，如果將這套算法應用在無人駕駛汽車方面將會更加“如魚得水”，因為可以遠程操控的無人車車隊能夠更加“循規(guī)蹈矩”地按照設定路線來滿足我們的用車需求。

根據(jù)項目負責人Javier Alonso-Mora的解釋，這套算法可以為車隊分配最合適的任務與行駛路線，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確率，就需要讓汽車不間斷運行數(shù)個小時，大概只有無人駕駛出租車才能更好地做到這一點。當然，你也可以根據(jù)人類司機的喜好與既有的調(diào)度程序為算法添加約束性條件，但這肯定會降低服務質(zhì)量。”

對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，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準確答案。

其實對于大多喜歡使用叫車app的乘客與汽車共享企業(yè)來說，“共享車隊完全取代出租車”只不過是一個時間上的問題。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入口：

誰的算法更精準，誰能為消費者節(jié)省更多的時間與金錢成本，誰就有機會給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象。

順便提一句，MIT這個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。