【记录对象】：超级步行者公司CEO兼联合创始人

MIT传感城市实验室副主任

Assaf Biderman

艾瑟夫·巴德曼

这里是建筑档案记录现场

我是档案记录人邓林

当我们畅想城市中多式联运，会出现这样的场景——骑电瓶车到地铁站或公交车站，接上公共交通，这是一种高效的出行方式。

现代城市使用的交通工具有足够的智能性去进行自我故障检测和保证安全性。除此之外，选择尺度适合的相应出行工具也是有利于提升城市便利度和环境的很重要的一个思考。

如果是一个包裹，使用一个能够容纳包裹的出行工具就可以，如果是一个人，有适合人的尺度的出行工具就可以。

多系统联运是最优方式

由于人口的不断增长引发的各城市交通需求爆炸式增长可追溯到80年代中叶中期，一直到现在都持续上升，到本世纪中叶，会出现三倍的增长速度。解决交通问题可以高效解决人在城市中的生活、出行的便利性。

但交通问题的重要性仅仅如此吗？答案是否定的。

交通就像城市的血脉，如果交通没法给城市提供支持，小到单个城市生态出现问题，大到全球经济都会放缓，这个问题在全球范围内都非常重要，远超过个人是否以更加有效方式出行的便捷性。针对城市大尺度设计的交通需求，从技术层面部署务实解决方案，帮助解决交通方面问题，是全球各个城市需要紧迫解决的问题。

很多人认为通过自动驾驶来解决问题有助于出行的有效性，解决交通拥堵，但这只是需求再次推高，可能让交通拥堵更加严重，这是技术本身不能解决的问题，需要重新思考交通的连接方式。

如今正常车辆使用需要优化，一辆车的使用率在通勤峰值时候只有1.55个人的占有率，80%空间都是空置。我们曾有一个设想，通过无人驾驶拼车的解决方案，每辆车从一个人变成四到五个人。

针对这一设想，我们曾经做过45个国家中8.5亿辆汽车一年内出行次数调研，如果在上班高峰点，A点到B点采用拼车的单一交通方式，通常来说，一辆车的乘客不能超过两人，除了考虑乘客延迟的因素，还与城市道路的具体情况有关，拼车从家到工作地点的交叉点非常多，如遇拥堵，会浪费很多时间。由此，我们得出结论，单式联运不够完善，多式联运才是最终的解决方案，通过多种方式对于共同道路进行分享。

智能化手段指导交通出行

现在打车效率不高的原因之一就是他们使用算法部署车辆，简单举例，一个人发出打车需求，往往是离他最近的车去接，但这不是利用率最高的，因为可能有车稍远一点，但有另外顺路的拼车乘客，这样一比较，其实第二种方法在降低时间方面使用方面达到最优化。

我们在算法上做了一些工作，把它变成网络化域的问题，不再使用线性算法简单分析每一个出行方式。而是看网络上的域，把每个车看成一个节点，每个出行都是连接点与点之间的距离，在道路网络上来考虑如何优化。

这个解决方案已被证明非常有效，分析层面上完全可以服务于同样的行程数量。按照这个方法在纽约实施，可以减少40%的出租车。保持同样供给，让这些车更好使用道路空间，这是解决方案中的一个组成部分，允许对车辆使用进行最优化。

算法需要从全局角度，不同的出行五、六秒内就能匹配，对车辆分配最优化，计算线性方式不够快，但用网络方式计算，用0.1秒时间就可以求解，部署车辆能够在网络域层面，通过计算机规划，达到完全优化，在世界大多数城市，如纽约、旧金山、新加坡、越南都可以扩展、复制，通过这种思考方式共享资源可以降低车辆使用数量。

小尺寸的交通解决方案

现阶段的经验对于大尺寸交通方式，比如轻轨、高铁、地铁、公交车都比较成熟，小尺寸范围内还没有达到应有效应，比如Uber、滴滴、美团等做法很难真正在财务收支上达到平衡，做脚踏车或自行车很多公司是亏损的。

安全问题也很值得重视，如何解决可扩张化和规模化，不能只看到标准式日常出行中的一环。微出行，需要考虑很多车辆出现故障的情况，这会造成很难维护，因为私人车辆的主人会勤保养和检查，保证刹车正常，轮胎没问题，但共享单车需要运营商把成本内化，自己维护车辆，很容易就出现亏损。如果每辆车都有专人维护和保养肯定不会出现问题，可以通过共享使它得到更好使用。

面对这个看似漏洞的问题，我们的解决方案就是智能车辆，它能够做车主做的事，甚至提前检测出来人类看不到的点，除了安全性相关的制动刹车，某些电子零部件、传感器是否有问题都能检测出来，汽车具备足够智能水平判断是否应该接受维修还是继续服务，运用了人工智能技术，挑战在于成本的约束。

我们公司开发了嵌入式人工智能汽车，系统在整车层面部署，具备很完善的功能，能自主维修，自主检测出问题并进行故障排除。

我们的设计采用最简单的方式保障它的足够可靠运行，通过最简单基础的编程语言设计电脑，直接在零部件层面编码，对部件测试分析能否执行，如果无法执行，就给机器注入数据。我们打造的车几乎没有复杂零件，仅仅需要通过软件检测它的状态，然后自动运行，目前其他汽车上先进的功能都有。

设计更先进 成本更小

汽车制造方式的弊端也会被避免，目前的汽车有大约一两百控制器部署在一辆车上，系统联通，整套部件都是黑盒子，很贵也不足够智能运行。整个范式更改后，车辆不仅智能，还能预测潜在故障，我们设计的一套系统可以在九纳秒以内判断故障，例如，油门卡住或者踏板不好用，电机控制器和蓄电池的状态等都可以预测。

系统的自我监控的功能就3000个标的项进行检测，并进行相应自我保护，如果所有部件都是正常状态就会汇总到上级控制器，如电机、电极控制器、电池系统控制器、灯光制动，一切OK，车辆做出自我决策正常运行，一旦出现问题，车辆自动呼叫售后服务。与现在的汽车出现问题需要打电话叫救援，付费拖运到售后点，花费很多时间和金钱相比，汽车开机运行率更高，安全性也更高。

每一辆车都能够检测，发现问题，就立刻通知运营方排除故障。而且云端运行基本AI单层神经网络能够观察汽车的状态，假如汽车的制动距离发生变化，就能知道车有不正常状况，提醒你不要登车，需要检测和修理刹车。

除此之外，我们把交通规则跟城市地图结合存储在车载地图系统，哪些地方不能停车、哪些地方不能超速一目了然，不需要和云端进行连接。这一设计可以节省时间、提高效率，避免误操作，比如经过限行区域，云端指挥车的行驶速度，指令回来往往已经开进限行区域，再或者固定车位停车，云端指挥停车指令过去，说不定已经过了停车位。地图在车上有完整操作系统，能自我执行限速功率限制，发现规则不允许能立刻调整。

智能车辆对于实时发生事件，包括电机自我校验，油门检测或其他特异危害源，一秒钟可以达到200次连续校验，进一步支持整个一套系统数百万车辆在城市道路运行。多式联运中可能存在安全隐患，随着基础设施改良都能得以解决。有的问题是车辆本身的，包括无法刹车、车辆自燃、电子器件间歇故障，车辆的智能就确保不出现问题，并且提前预测。

设计不光是形式问题，当代设计更多是把最新技术带入解决生活中碰到的各种问题。大数据对当代城市非常有意思，通过小车子可以把大数据分析和每个人最简易出行结合，这对未来是一个决定性改变时刻，研究未来城市多种模式出行，通过技术调试城市出行效率以及减少每个人最低的出行成本和维护的成本。

图片来源于网络