沿着 匹兹堡东利伯蒂社区（East Liberty neighborhood）四车道的林荫大道（Baum Boulevard）向东行驶，您可能会注意到一些不同寻常之处。这条道路与该区域许多新兴区域的道路一样，穿过汽车修理厂、快餐店、砖砌仓库和停车场，这些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面零售店，包括一家全食超市（Whole Foods）和一家塔吉特（Target）。当您接近东利伯蒂长老会教堂（East Liberty Presbyterian Church）的新哥特式尖塔——这座教堂耸立在时尚餐厅、酒吧和谷歌（Google）办公室之上——您可能会开始意识到，信号灯似乎似乎都在为您亮起。红灯变绿，绿灯则停留足够长的时间让您通过。
在每个交叉路口，都有一个路边控制器柜连接着信号灯，里面是一个手提箱大小的拉丝铬合金盒子。该容器中装着人工智能Surtrac系统的组件，该系统根据城市交通摄像头捕捉到的画面做出决策。Surtrac是“可扩展城市交通控制”（Scalable Urban Traffic Control）的缩写，它是最早收集车流信息并利用这些信息实时调整信号灯的系统之一——即所谓的自适应交通控制。2012年在九个交叉路口安装后，出行时间减少了26%，在红灯前等待的时间减少了40%。
匹兹堡是试用Surtrac技术的首选城市。该系统源自卡内基梅隆大学（Carnegie Mellon University）的交通研究小组Traffic21，疫情前数据显示，当地居民每年平均因交通拥堵损失45小时。德克萨斯农工大学交通研究所（Texas A&M Transportation Institute）2021年《城市交通报告》（Urban Mobility Report）显示，尽管这比美国平均水平少约10小时，但自该组织于1982年开始记录以来，这一数字一直在稳步上升。自1982年以来一直在稳步恶化。
几代工程师在无数城市尝试过各种补救措施，其中大部分涉及重新设计街道。但2011年两位经济学家——当时都在多伦多大学（University of Toronto）的马修·特纳（Matthew Turner）和吉尔斯·杜兰东（Gilles Duranton）——的一项开创性研究发现，每当一个城市区域增加其道路容量时，驾驶量也会随之增加。他们的研究基于“诱导需求”（induced demand）这一概念，并为驾驶员凭直觉就懂的道理提供了确切的数字：即使是再宽的道路也会堵塞。
以汽车为中心的规划决策历史——从过度建造的街道到无处不在的免费停车位——不仅侵蚀了许多社区，还扭曲了我们对城市空间的利用和价值。为了帮助解决这个问题，联邦政府已强制要求城镇将其部分基础设施投资用于“完整街道”（complete streets）项目，这些项目整合了行人、骑行者和公交的需求和安全。市场分析公司Navigant Research表示，到2028年，智能信号系统将成为一个价值38亿美元的全球性业务，这有助于实现这种转变。如果汽车在更少的车道上行驶效率更高，那么市政当局就可以腾出回收的土地。“自适应交通控制正在更有效地利用现有道路和基础设施，”乔治华盛顿大学房地产与城市分析中心（Center for Real Estate and Urban Analysis at George Washington University）名誉教授兼主席克里斯托弗·莱因伯格（Christopher Leinberger）解释说。
Surtrac在争夺交通信号灯市场的份额方面面临来自科技巨头和初创公司的竞争。幸运的是，对于已经使用它的22个城市（包括亚特兰大和新英格兰的几个城镇）来说，它的成本相对较低，安装和维护都很容易，并且可以利用现有的基础设施，如路灯摄像头。每个交叉路口的计算机都是一个独立的节点，它可以处理一系列的调度选项，然后每秒调整信号灯时间，并将见解传递给邻近的信号灯。这种分散式方法使Surtrac成为管理不可预测的城市交通和逐步扩展的理想选择。
它还不完全适合——至少目前还不适合——行人和骑行者。步行或骑自行车的人注意到他们在路口等待的时间更长，而汽车的怠速时间却减少了。这是因为该系统的主要数据收集工具——主要用于车辆的摄像头——反映了对汽车的偏好。这提醒我们，要有效地利用道路，需要更新技术和基础设施（人行道、自行车道、公交系统），以满足步行者、骑行者、乘客和驾驶员的共同需求。
虽然匹兹堡的网络已扩展到包括50个智能交叉路口——并且该市还计划增加更多——但Surtrac的创建者，包括卡内基梅隆大学机器人学研究教授史蒂芬·史密斯（Stephen Smith），一直在对其分析进行重构。他们希望整合来自手机应用程序的行人数据、联网汽车的路线信息、电动自行车和滑板车的GPS定位点以及其他所谓的“多式联运”（multimodal transit）数据。“很早就，我们就开始考虑这些其他的出行方式了，”史密斯说。
伦敦在1868年安装了 世界上第一个交通信号灯，此前英国议会两名议员在威斯敏斯特桥（Westminster Bridge）附近一个特别混乱的交叉路口受伤，一名警察死亡。在1868年。其设计很简单：晚上，煤气灯发出红灯表示停止，绿灯表示通行；白天，挡板补充了昏暗的光线。随着20世纪初汽车开始占领市中心，城市争相寻找保持街道安全的方法。1914年，克利夫兰（Cleveland）推出了第一个电动交通信号灯，1922年，加勒特·摩根（Garrett Morgan）在旧金山（San Francisco）为三向系统申请了专利。几十年来，计时方案变得越来越复杂，但其核心仍然是时钟上的灯。
最后一次重大飞跃发生在20世纪中叶，当时工程师们开始开发自适应交通控制系统。埋在地下的传感器会收集实时交通数据，以帮助确定信号灯的时机。从那时起，此类系统迅速普及，尤其是在欧洲。例如，荷兰人利用地下传感器来管理车流并优先考虑自行车和行人通行。然而，在美国，大多数信号灯仍然采用定时器系统。
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不像大多数美国大城市那样严重，但希尔曼有能力解决这些问题。他的基金向卡内基梅隆大学捐款，要求其研究解决方案——这一任务最终促成了Traffic21，这是一个负责开发新颖交通技术的研究所，并以该市为实验室进行测试。
希尔曼的捐赠恰逢匹兹堡寻求重塑自我的时期。市长卢克·拉文斯塔（Luke Ravenstahl）梦想着将这个后工业时代的钢铁之城带入一个建立在研究和创业精神的新时代。Traffic21的执行董事斯坦·考德威尔（Stan Caldwell）开始寻找切入点。土木工程师们一致认为交通摄像头越来越多：这些工具提供了大量关于人们出行方式的数据，但控制室里的人员缺乏管理或解读这些数据的培训。“他们说，‘我们不知道如何将这些数据转化为信息’，”考德威尔回忆道。
为了避免欧洲先进地下传感器系统的高昂成本，Traffic21迅速将目光投向了仅仅利用普通的交通信号灯能做什么。这项挑战落在了史密斯的身上。在他近30年的卡内基梅隆大学生涯中，他的研究一直专注于利用人工智能解决调度问题，例如管理供应链或自动化对自然灾害的紧急响应。他看到了将这些技能应用于交通领域的潜力。
已有少数研究人员尝试使用人工智能进行信号灯调度。史密斯指出了这些尝试的两个主要问题：一是即使是先进的系统，也往往收集实时数据并每年左右才使用这些数据来改进预设的信号灯时间表——而不是即时调整或进行预测。二是信号灯的复杂性受到限于你可以安装在信号灯中的计算能力的限制。
史密斯在东利伯蒂（East Liberty）的一个红灯前停下时，颇具诗意地想到了答案。他偶然瞥了一眼信号灯，注意到了交通摄像头。“这似乎是一种尝试这项技术的低成本方式，因为检测功能已经存在了，”他说。
如果已经装好了摄像头，史密斯和他的团队只需要开发足够强大且紧凑的数据处理工具，以适应控制停车信号灯的硬件。史密斯开发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——这被称为边缘计算（edge computing）的概念。对于交通信号灯，每个信号灯都可以利用计算机视觉来检测进出交叉路口的车辆，应用调度优化算法来做出信号灯决策，然后与网络中的其他信号灯共享信息。
由于每个节点都处理自己的调度，因此该方法在不可预测的城市环境中具有很强的适应性。“我们希望设计一个系统，它不会只考虑我们预先设定好的一个方向进行优化，”格雷格·巴洛（Greg Barlow）说，他曾是史密斯实验室的博士后，现在是他和史密斯创立的营销Surtrac的公司Rapid Flow的首席技术官。
许多方案都以牺牲其他交通方式（如自行车和行人）为代价来偏向一种交通方式。
2010年，该团队与匹兹堡交通部门联系，合作开发和推出原型，该市帮助他们在东利伯蒂选择了九个交叉路口。硬件的大小约等于一台小型台式电脑，被安置在现有信号灯控制柜的空闲架子上。交通几乎立即就变得更快了。红灯等待时间的减少还使该区域的汽车排放量减少了约21%。在促进该地区改造的非营利组织东利伯蒂发展公司（East Liberty Development）和其他组织的帮助下，该市将试点项目扩大到50个交叉路口。
匹兹堡在2016年美国交通部（US Department of Transportation）价值4000万美元的智慧城市挑战赛（Smart City Challenge）中仅进入决赛，但交通部对其申请印象深刻，承诺拨款1080万美元，用于在六条主要通勤走廊沿线资助互联技术和基础设施改进。匹兹堡现在计划再投资近3000万美元用于连接另外150个交叉路口。现在需要做的是确保其交通愿景超越汽车。
从匹兹堡的Rapid Flow总部， 巴洛调出Surtrac仪表板，并点击代表马萨诸塞州昆西市（Quincy）的一个图标。昆西是一个人口稠密的波士顿郊区，也是该技术最早的采用者之一。小绿点表示该镇路网中安装了Surtrac的交叉路口，每个节点都包含过去一小时内通过该地点车辆的数量和方向以及系统如何调整时机的数据。视频显示了昆西市一个寒冷潮湿的十二月夜晚。当汽车接近信号灯时，软件会用绿色、黄色或红色的框叠加在上面：绿色的表示将通过当前的“通行”信号；红色和黄色的表示Surtrac必须权衡的潜在调度变化。
一团团的框代表了史密斯简化每个交叉路口数据处理需求的方式之一。当车辆接近时，系统会尝试将它们分组，他称之为“队列”（platoons）。这使得Surtrac能够将交通视为不同大小的单位集合，而不是无休止的个体汽车流。人工智能将这些信息与空余道路空间进行权衡，并指示信号灯让每个队列通过，就像邮递员按邮政编码发送邮件一样。
当汽车通过交叉路口后，计算机将它们的数量、速度和方向传递给下游的信号灯。然后，交通信号灯开始处理下一批数据，收集来自邻居的输入，然后重新开始。
对于观看演示的人来说，可以明显看出Surtrac为何在东利伯蒂遇到了问题。自行车倡导者兼匹兹堡首席交通工程师尼克·罗斯（Nick Ross）说，人工智能大脑很有潜力，但也存在盲点。“最初的系统在处理汽车方面做得很好，”他说。“但它存在一些已识别出的自适应系统的固有缺陷。”
罗斯解释说，许多方案都以牺牲其他交通方式（如自行车和行人）为代价来偏向一种交通方式。当史密斯和Rapid Flow准备扩展Surtrac时，他们正在努力缓解这种紧张关系。该系统的智能可以适应每个交叉路口的不同类型的“任务”。“我们处理交叉路口交通的模型同样适用于行人，”他说。“如果有自行车道，我们可以将其视为独立的通道。我们可以将所有这些都纳入优化中。”困难在于开发能够准确捕捉这些多样化出行者情况的方法。
摄像头和雷达可以完成一部分工作，但仍存在盲点。那些已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——他们会停下、改变方向，并且经常逆行。这就是为什么史密斯和他的团队试图利用新的数据源。其结果是Routecast，Surtrac的一个更新版本，它收集来自公共交通GPS、联网汽车以及愿意参与的电动自行车骑行者和使用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计算机共享其路线时，该系统可以处理额外的输入，使所有交通通过网络的速度提高高达35%。2018年，史密斯实验室还为一款名为PedPal的应用程序开发了原型，该应用程序使残疾行人能够与信号灯通信，以确保他们有足够的时间安全地通过交叉路口。
在Traffic21在东利伯蒂推出Surtrac的十年间，竞争性的人工智能信号模型已经进入市场。一家名为NoTraffic的公司（已在亚利桑那州和加利福尼亚州进行过试点项目）安装自己的摄像头并将部分处理任务转移到云端。西门子交通（Siemens Mobility）开发的另一套系统则将机器学习应用于该问题。IBM和伦敦的阿兰·图灵研究所（Alan Turing Institute）也在开发有前景的项目。Rapid Flow可能是这些解决方案中成本效益最高的一种：每个交叉路口20,000美元，而NoTraffic的价格为115,810美元。
这些服务可能还有其他方式来证明其成本的合理性，即提供一种新的街道使用定价方式。各国在不同程度上依赖燃油税来支付道路费用，但汽车队转向电动汽车意味着他们需要寻找新的现金流。“你开车时不会想到要为道路付费，因此你使用它们，因为它们是免费的，”城市规划师莱因伯格说。“一种解决方案是摆脱燃油税，并在每次驾驶时对其进行每英里定价。”因此，一些地区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网约车公司，市政当局可以设定与容纳它们相关的成本相匹配的价格。
与此同时，有助于平衡不同出行方式的技术为更安全的街道提供了途径，即使无法实现像伦敦和布鲁塞尔那样的将汽车排除在某些区域之外的做法。Surtrac在东利伯蒂的工作改善了车流，但并未出现像增加车道那样拥堵的激增。这意味着街道可以变窄，为行人道和自行车基础设施腾出空间，而不会加剧交通拥堵。
然而，官员们如何选择平衡这些优先事项，则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任何时髦的“智慧城市”基础设施一样聪明，但决定我们希望如何塑造未来的城市，则取决于我们自己。
这个故事最初刊登在《科普》杂志 2022 年春季“混乱”特刊上。阅读更多PopSci+故事。
