Сила сотрудничества: как Google Maps снижает дорожные заторы

Google Research опубликовал (7 июля 2026 года, авторы, инженеры Neha Arora и Aboudy Kreidieh) результаты исследования «Urban congestion relief experiments through routing-app interventions», вышедшего в журнале Nature Cities. Это первое масштабное реальное исследование того, как навигационные приложения могут разгружать городской трафик не только для отдельного водителя, но и для сети дорог в целом.

Эксперимент прошёл в 10 крупных городах США. Для каждого города по данным об исторических заторах выбрали около 100 проблемных участков дороги с регулярными пробками в часы пик. Алгоритм Google Maps временно меняли так, чтобы он предлагал альтернативные маршруты со схожим временем в пути, но в обход этих выбранных перегруженных участков.

Эксперимент длился шесть месяцев и строился по схеме switchback (crossover): дни с изменённым алгоритмом чередовались с обычными «контрольными» днями, чтобы корректно измерить эффект вмешательства. Важно, что изменения касались не случайных отдельных поездок, а применялись системно ко всем маршрутам, которые в этот день проходили через выбранные участки. При этом альтернативные маршруты получили менее 2% всех отслеженных поездок.

Для анализа данных исследователи использовали иерархическую байесовскую модель, которая одновременно учитывает эффект на уровне всего города и на уровне конкретных часов, а также позволяет городам и периодам времени «делиться» статистической информацией друг с другом.

Результаты оказались статистически значимыми. На самих целевых перегруженных участках медианный прирост скорости движения составил около 2%, а расход топлива снизился на 0,5, 1,0%. Если же учитывать более широкий набор участков, включая те, куда перенаправлялся объезжающий трафик, медианный прирост скорости составил около 0,35%, а в утренние и вечерние часы пик, до 0,5%. В масштабах городов из исследования это означает потенциальную экономию тысяч тонн эквивалента CO2 в год на каждый город.

По данным авторов, соседние (периферийные) дороги, принявшие на себя перенаправленный поток машин, в среднем сохраняли более высокую скорость движения и более низкие выбросы, несмотря на возросшую нагрузку. Выгоду от разгрузки целевых участков получали как пользователи Google Maps, так и водители, не пользующиеся приложением.

Исследование продолжает линию Project Green Light, более раннего проекта Google по оптимизации светофоров с помощью ИИ, и, по словам авторов, закладывает основу для дальнейших экспериментов с координацией трафика: от динамического управления светофорами до более широкой оптимизации транспортных сетей в реальном времени.

Ключевые факты

Google Research и соавторы опубликовали в Nature Cities первое масштабное реальное исследование сетевой оптимизации трафика через навигационное приложение
Эксперимент прошёл в 10 крупных городах США в течение шести месяцев по схеме чередования (switchback): дни с изменённым алгоритмом Google Maps против обычных дней
Алгоритм направлял поездки в обход примерно 100 заранее выбранных перегруженных участков на город, при этом изменённые маршруты получили менее 2% всех поездок
Медианный прирост скорости на целевых участках, около 2%, снижение расхода топлива, 0,5, 1,0%; с учётом всех затронутых участков, прирост скорости около 0,35% (до 0,5% в часы пик)
Эффект оценивается в экономию тысяч тонн CO2-эквивалента в год на город; выгоду получают и пользователи приложения, и водители без него

Почему это важно

Это первая крупная реальная (а не только теоретическая) проверка идеи, что навигационные сервисы могут управлять не только маршрутом одного водителя, но и балансировать нагрузку на дорожную сеть города в целом, по аналогии с тем, как диспетчеры управляют воздушным движением или маршрутизаторы распределяют интернет-трафик. До сих пор такие модели существовали в теории, а масштабной эмпирической проверки не хватало.

Кому это важно

Городским властям и транспортным планировщикам, которые ищут недорогие способы снизить заторы без строительства новой инфраструктуры; операторам навигационных сервисов, заинтересованным в системной, а не только индивидуальной оптимизации маршрутов; жителям городов из эксперимента и потенциально других городов, включая тех, кто не пользуется Google Maps, но выигрывает от разгрузки дорог.

Как это применить

Подход не требует новой инфраструктуры: используется существующий алгоритм Google Maps с точечными правками маршрутизации на заранее выбранных перегруженных участках. Авторы описывают это как экспериментальный «шаблон» (framework) для городов и исследователей, с использованием исторических данных о заторах, схемы чередования treatment/control по дням и иерархической байесовской модели для оценки эффекта. Это открывает путь к дальнейшим экспериментам, включая динамическое управление светофорами и оптимизацию сети в реальном времени.

Можно ли доверять

Работа рецензируема и опубликована в научном журнале Nature Cities, эксперимент охватывал 10 городов на протяжении шести месяцев со строгим статистическим дизайном (переключение treatment/control по дням, иерархическая байесовская модель). Это повышает доверие к результатам по сравнению с разовым пилотом в одном городе, хотя сами авторы, сотрудники Google Research, то есть заинтересованная сторона в успехе собственного продукта.

Риски и подводные камни

Заявленные улучшения скорости (0,35, 2% в зависимости от набора участков) статистически значимы, но абсолютно невелики, это не радикальное решение проблемы заторов, а точечная оптимизация. Эффект зависит от специфики выбранных городов и участков, и его перенос на другие условия (плотность застройки, доля пользователей навигации, тип дорожной сети) не гарантирован. Кроме того, системная перенаправление трафика централизованным алгоритмом одной компании поднимает более широкие вопросы о том, кто и по каким критериям решает, чей маршрут стоит изменить ради общей выгоды сети.

«Мы показываем, что координация даже небольшой доли поездок для рассредоточения трафика может измеримо повысить скорость движения и снизить выбросы для всего города.»

— Neha Arora и Aboudy Kreidieh, инженеры Google Research