▲城市道路
在预测早晨的交通拥堵时段方面，通过调查人们在深夜的用电情况可能比研究出行时间的资料更为行之有效。通过分析美国德克萨斯州奥斯汀的家庭用电情况，美国卡内基梅隆大学的研究人员能够预测奥斯汀的公路在早上的哪个时段会堵成一锅粥。该研究近日在线发表在Transportation Research Part C期刊上。
由于每一天都不同，人们很难预测交通拥堵何时开始，以及将持续多长时间。实时交通数据亦不能为预测拥堵提供足够的信息，因为司机的出发时间和出行方式各不相同，他们对公路系统的需求不断发生变化。更为严重的是，在早晨的高峰时段，公路交通经常在几分钟就会瘫痪。为了更好地了解车流量，研究人员通过研究奥斯汀的交通系统与电力系统的相互关系，以探索不同城市系统之间的关联，这是智能城市研究中的一个重要概念。
在这项研究中，美国卡内基梅隆大学土木与环境工程学的助理教授Sean Qian和博士研究生Pinchao Zhang创建了一个模型：通过挖掘关于用电时间的数据，并利用人工智能（AI）来预测交通流量。这项研究可能是对交通和能源系统间利用模式的时空关系的首次探索。
在这项开创性的工作中，他们分析了奥斯汀322个匿名家庭79天的日常用电数据。模型通过住户的用电时间和用电量将其分门别类，如早睡早起VS夜猫子。模型通过人工智能了解用户分类特征，以及每个类别与交通拥堵的关系，从而进行预测。这些预测结果比使用实时交通数据的预测要准确得多。住家户改变用电模式时，就能反映出隔天交通拥堵的起始时间。
Sean Qian说：“我们的研究结果表明，早高峰的拥堵时间与特定类型的用电模式明显相关。比如，某种家庭用电模式的情况是用电量从凌晨2点开始增加，但在早上6点前下降。这可能意味着这些住户平时都在6点左右出门上班，这无疑将导致早高峰的提前。”
“这项研究的另一个特点是，它并不需要家庭成员的个人信息。”Sean Qian说，“我们只需要知道人们在什么时候用电及用电量。”这表明，在个人隐私受到保护的情况下，系统效率也可以提高。
这项研究的结果令人信服，但也存在一定的局限性。增加样本量，在更大的时间尺度上收集数据，将有利于提高模型的预测能力。天气和交通事故也会影响交通状况，而目前的模型并未考虑这两种因素。此外，这项研究或许并不能应用于其他城市，因为从能源公司获得用电数据是极为困难的。在这项研究中，山核桃街公司在一个开放平台共享了奥斯汀的电力数据。
该模型在预测交通拥堵的同时，可能更为重要的是，它为配对使用交通和能源系统以预测整体系统如何运作提供了研究例证。梳理人们如何使用不同城市系统的相关性，或可对跨系统需求进行预测和管理。
Sean Qian说：“我们通过能源利用预测了交通状况，反之，你也可以通过车流量提前预测能源利用情况。”Sean Qian正在进行后续研究，探索交通与城市排水系统及社交媒体之间的关系。
编译：灯丝 审稿：三水
责编：南熙
