ควอนตัมบล็อคเชนสามารถทำหน้าที่เหมือนไทม์แมชชีน
การศึกษาใหม่พบว่า “บล็อกเชนควอนตัม” ที่เสนอใหม่อาจนำไปสู่ระบบบล็อกเชนที่ไม่สามารถแฮ็กคอมพิวเตอร์ควอนตัมได้
นักวิจัยกล่าวเสริมว่าบล็อคเชนควอนตัมใหม่นี้สามารถตีความได้ว่ามีอิทธิพลต่ออดีตของตัวเอง ทำให้มีพฤติกรรมเหมือนไทม์แมชชีน
blockchainเป็นชนิดของฐานข้อมูลที่เก็บบันทึกเกี่ยวกับอดีตที่ผ่านมาเช่นประวัติของการทำธุรกรรมทางการเงินหรืออื่น ๆ ที่โหนดในเครือข่ายทุกคนสามารถเห็นด้วยกับและที่ไม่จำเป็นต้องเป็นสถาบันศูนย์กลางการรักษาความถูกต้องอย่างต่อเนื่อง แอปพลิเคชั่นบล็อคเชนที่เป็นที่รู้จักมากที่สุดคือBitcoinแต่บริษัทสตาร์ทอัพ พันธมิตรองค์กร และโครงการวิจัยที่หลากหลายได้สำรวจศักยภาพการใช้งานเทคโนโลยีอื่น ๆ
“คาดว่า10 เปอร์เซ็นต์ของ GDP ทั่วโลกจะถูกเก็บไว้ในเทคโนโลยีบล็อคเชนภายในปี 2570 ” ผู้เขียนนำDel Rajanนักฟิสิกส์เชิงทฤษฎีที่มหาวิทยาลัยวิกตอเรียแห่งเวลลิงตันในนิวซีแลนด์กล่าว
อย่างไรก็ตาม blockchains อาจเผชิญปัญหาจากการใช้เทคโนโลยีขึ้นและมาอื่น: คอมพิวเตอร์ควอนตัม ในขณะที่คอมพิวเตอร์แบบคลาสสิกเปิดหรือปิดทรานซิสเตอร์เพื่อเป็นสัญลักษณ์ของข้อมูลเป็นหนึ่งและศูนย์ คอมพิวเตอร์ควอนตัมใช้บิตควอนตัมหรือqubitsซึ่งเนื่องจากลักษณะเหนือจริงของฟิสิกส์ควอนตัมสามารถอยู่ในสถานะซ้อนทับโดยที่ทั้งสองเป็น 1 และ 0 พร้อมกัน .
การทับซ้อนช่วยให้หนึ่ง qubit ทำการคำนวณสองครั้งในครั้งเดียว และหากสอง qubits เชื่อมโยงกันผ่านเอฟเฟกต์ควอนตัมที่เรียกว่าentanglementพวกมันสามารถช่วยทำการคำนวณ 2^2 หรือสี่รายการพร้อมกันได้ สาม qubits, 2^3 หรือแปดการคำนวณ; และอื่นๆ โดยหลักการแล้ว คอมพิวเตอร์ควอนตัมที่มี 300 qubits สามารถคำนวณได้ในทันทีมากกว่าที่มีอะตอมในจักรวาลที่มองเห็นได้ คอมพิวเตอร์ควอนตัมที่ทรงพลังเพียงพอสามารถทำลายการเข้ารหัสแบบเดิมได้สำเร็จ ซึ่งรวมถึงการป้องกันบล็อคเชนด้วย
ตอนนี้นักวิจัยในนิวซีแลนด์แนะนำว่าบล็อคเชนควอนตัมสามารถต้านทานการพยายามแฮ็คจากคอมพิวเตอร์ควอนตัมได้ ส่วนประกอบทั้งหมดของระบบนี้ได้รับการทดสอบแล้ว
Rajan กล่าวว่า” บล็อกเชนก่อนหน้านี้ที่ทำงานร่วมกับการดำเนินการควอนตัมได้แต่ตัวบล็อกเชนเองไม่เคยเป็นควอนตัม “เรากำลังนำเสนอบล็อคเชนควอนตัมเต็มรูปแบบตัวแรก”
ควอนตัมบล็อกเชนในทางทฤษฎีนั้นอาศัยการพัวพัน เมื่ออนุภาคตั้งแต่ 2 ตัวขึ้นไป เช่น โฟตอนเข้าไปพัวพัน พวกมันสามารถมีอิทธิพลต่อกันและกันได้ไม่ว่าจะห่างกันแค่ไหน ปรากฏการณ์ที่ไอน์สไตน์ขนานนามว่า “การกระทำที่น่าสยดสยองในระยะไกล”
คอมพิวเตอร์ควอนตัมและเทคโนโลยีควอนตัมอื่น ๆ มักจะพึ่งพาการพัวพันในอวกาศ บล็อกเชนควอนตัมใหม่นี้ขึ้นอยู่กับการพัวพันกันในเวลานั่นคือการเชื่อมโยงอนุภาคสองอนุภาคขึ้นไปไม่ว่าจะห่างกันในเวลาใดก็ตาม
บล็อกเชนทั่วไปจะรวบรวมบันทึกเป็นบล็อกของข้อมูล ซึ่งการเข้ารหัสจะเชื่อมโยงตามลำดับเวลา หากแฮ็กเกอร์พยายามยุ่งเกี่ยวกับบล็อกใดบล็อกหนึ่ง การเข้ารหัสได้รับการออกแบบมาเพื่อทำให้บล็อกในอนาคตทั้งหมดเป็นโมฆะหลังจากบล็อกที่ถูกดัดแปลง
ในบล็อกเชนควอนตัม บันทึกในบล็อกจะถูกเข้ารหัสเป็นชุดของโฟตอนที่พันกัน บล็อกเหล่านี้เชื่อมโยงตามลำดับเวลาผ่านการพัวพันในเวลา
เนื่องจากบล็อกที่ประกอบกันเป็นบล็อกเชนควอนตัมถูกถ่ายโอนภายในเครือข่ายคอมพิวเตอร์ควอนตัม โฟตอนที่เข้ารหัสแต่ละบล็อกจะถูกสร้างขึ้นและดูดซับโดยโหนดที่ประกอบกันเป็นเครือข่าย อย่างไรก็ตาม ความพัวพันเชื่อมโยงโฟตอนเหล่านี้ข้ามเวลาแม้แต่โฟตอนที่ไม่เคยมีอยู่ในเวลาเดียวกัน
Rajan กล่าวว่า “บันทึกเกี่ยวกับการทำธุรกรรมที่ผ่านมาจะถูกเข้ารหัสในสถานะควอนตัมที่กระจายไปตามกาลเวลา
ในสถานการณ์นี้ แฮ็กเกอร์ไม่สามารถเข้าไปยุ่งเกี่ยวกับบันทึกการเข้ารหัสโฟตอนในอดีตได้ เนื่องจากโฟตอนเหล่านั้นไม่มีอยู่แล้วในเวลาปัจจุบัน—พวกมันถูกดูดซับไปแล้ว อย่างดีที่สุด แฮ็กเกอร์สามารถพยายามเข้าไปยุ่งเกี่ยวกับโฟตอนล่าสุด บล็อกล่าสุด และการทำเช่นนั้นได้สำเร็จจะทำให้บล็อกนั้นเป็นโมฆะ โดยแจ้งให้ผู้อื่นทราบว่าถูกแฮ็ก Rajan กล่าวว่า “นี่เป็นที่ต้องการมากกว่ากรณีมาตรฐานที่ผู้โจมตีมีความสามารถในการดัดแปลงบล็อกใด ๆ โดยหลักการแล้ว
นักวิจัยกล่าวว่าเมื่อเข้าไปพัวพันกับเวลา การวัดโฟตอนสุดท้ายในบล็อกจะส่งผลต่อโฟตอนแรกของบล็อกนั้นในอดีตก่อนที่จะวัด โดยพื้นฐานแล้ว บันทึกปัจจุบันในบล็อคเชนควอนตัมไม่ได้เชื่อมโยงกับบันทึกในอดีต แต่เป็นบันทึกในอดีตที่ไม่มีอยู่อีกต่อไป Matt Visserผู้เขียนอาวุโสนักฟิสิกส์เชิงทฤษฎีจาก Victoria University of Wellingtonกล่าวว่า “งานนี้ถือได้ว่าเป็นเครื่องย้อนเวลาควอนตัม
อุตสาหกรรมการทำแผนที่ดิจิทัลเป็นอุตสาหกรรมขนาดเล็ก Navteq (ปัจจุบันคือ Here Technologies) และTomTomซึ่งเป็นผู้ผลิตแผนที่ดิจิทัลสองรายแรกสุด เริ่มต้นเมื่อ 30 ปีที่แล้ว พวกเขามุ่งเน้นที่การสร้างชุดข้อมูลเป็นหลัก โดยทั่วไปแล้วจะเผยแพร่แผนที่ที่อัปเดตทุกไตรมาส ระหว่างรุ่นเหล่านี้ แผนที่และเส้นทางที่แนะนำโดยแอปการนำทางจะไม่เปลี่ยนแปลง
เมื่อความสามารถในการนำทางถูกย้ายไปยังแอปบนสมาร์ทโฟน ผู้ให้บริการระบบนำทางเริ่มรวบรวมความเร็วในการเดินทางและตำแหน่งจากผู้ใช้ทั้งหมดที่ยินดีให้แอปแชร์ข้อมูลของตน ในขั้นต้น ผู้ให้บริการระบบใช้การติดตาม GPS เหล่านี้เป็นข้อมูลในอดีตในอัลกอริธึมที่ออกแบบมาเพื่อประเมินความเร็วที่สมจริงบนถนนในช่วงเวลาต่างๆ ของวัน พวกเขารวมการประมาณเหล่านี้เข้ากับแผนที่ โดยระบุเส้นทางสีแดง สีเหลือง และสีเขียว โดยที่สีแดงหมายถึงความแออัด และสีเขียวหมายถึงการไหลที่ไม่จำกัด
เนื่องจากบันทึกทางประวัติศาสตร์ของการติดตาม GPS เหล่านี้เพิ่มขึ้น ความครอบคลุมและแบนด์วิดท์ของเครือข่ายเซลลูลาร์ดีขึ้น นักพัฒนาจึงเริ่มให้ข้อมูลการจราจรแก่ผู้ใช้ในเวลาเกือบเรียลไทม์ ค่าประมาณนั้นค่อนข้างแม่นยำสำหรับแอปยอดนิยมซึ่งมีไดรเวอร์มากที่สุดในภูมิภาคหนึ่งๆ
จากนั้นประมาณปี 2013 Here Technologies, TomTom, Waze และ Google ได้ก้าวไปไกลกว่าแค่การแจ้งปัญหาการจราจรติดขัดข้างหน้า พวกเขาเริ่มเสนอคำแนะนำในการกำหนดเส้นทางใหม่แบบเรียลไทม์ โดยพิจารณาจากสภาพการจราจรในปัจจุบันที่ด้านบนของคุณลักษณะของเครือข่ายถนน นั่นทำให้ผู้ใช้มีโอกาสหลีกเลี่ยงการจราจรที่ติดขัด และนั่นคือจุดเริ่มต้นของความโกลาหล
บนใบหน้าการเปลี่ยนเส้นทางแบบเรียลไทม์ไม่ใช่ปัญหา เมืองต่างๆ ทำตลอดเวลาโดยเปลี่ยนสัญญาณ เฟส และระยะเวลาของสัญญาณไฟจราจร หรือการเตือนทางอ้อมที่กะพริบบนป้าย ปัญหาที่แท้จริงคือแอปการจัดการจราจรไม่ทำงานกับโครงสร้างพื้นฐานในเมืองที่มีอยู่เพื่อย้ายการรับส่งข้อมูลมากที่สุดในวิธีที่มีประสิทธิภาพมากที่สุด
ประการแรก แอพไม่ได้คำนึงถึงลักษณะเฉพาะของพื้นที่ใกล้เคียงที่กำหนด จำถนนทั้งห้าประเภทพร้อมกับความเร็วการไหลอิสระโดยประมาณที่ฉันพูดถึงได้หรือไม่ นั่นคือแทบทุกแอพรู้เกี่ยวกับถนนเอง ตัวอย่างเช่น ถนน Baxter ในลอสแองเจลิส ซึ่งเป็นฉากที่เกิดอุบัติเหตุเพิ่มขึ้นเนื่องจากทางลัดที่เกิดจากแอป เป็นถนนที่สูงชันมากซึ่งตามเส้นทางที่เดิมเป็นเครือข่ายของแพะ แต่สำหรับแอป ถนนเส้นนี้ดูเหมือนถนนที่อยู่อาศัยอื่นๆ ที่มีขีดจำกัดความเร็วต่ำ พวกเขาคิดว่ามันมีที่จอดรถทั้งสองด้านและมีพื้นที่สำหรับสัญจรไปมาระหว่างกัน โดยไม่คำนึงว่ามีคะแนน 32 เปอร์เซ็นต์ และเมื่อคุณอยู่ด้านบนสุด คุณจะไม่เห็นถนนข้างหน้าหรือรถที่กำลังมา จุดบอดนี้ทำให้คนขับหยุดกะทันหัน ทำให้เกิดอุบัติเหตุบนถนนย่านที่ครั้งหนึ่งเคยเงียบสงบแห่งนี้
อัลกอริทึมอาจไม่พิจารณาคุณลักษณะอื่นๆ ของเส้นทางที่เลือก ตัวอย่างเช่น รวมถนนที่มีคนเดินเท้าเยอะหรือไม่? ผ่านโรงเรียนประถมหรือไม่? รวมถึงทางแยกที่ข้ามได้ยาก เช่น ถนนเล็กๆ ข้ามทางสัญจรหลักที่ไม่มีไฟสัญญาณช่วยหรือไม่
ฉันเพิ่งประสบกับสิ่งที่ไร้เหตุผลดังกล่าวสามารถทำให้เกิด ฉันอยู่ในการจราจรคับคั่งบนถนนหลายช่องทางเมื่อมีแอพเสนอให้ออกจากการจราจรโดยส่งฉันไปยังย่านที่อยู่อาศัย มันพาฉันผ่านโรงเรียนประถมตอน 8:15 น. มีด่านตรวจ รถมินิแวนจอดซ้อนคัน เด็กๆ กระโดดลงจากรถ และคนขับรถต้องเผชิญกับแสงแดดยามเช้าที่สดใสซึ่งมองเห็นได้ยากในแสงจ้า ฉันเพิ่มความวุ่นวายเท่านั้น
เหนือปัญหาทั้งหมดเหล่านี้ แอปเปลี่ยนเส้นทางเหล่านี้ทั้งหมดมีให้สำหรับตัวเอง พวกเขาใช้มุมมองที่เห็นแก่ตัวซึ่งยานพาหนะแต่ละคันแข่งขันกันเพื่อเส้นทางที่เร็วที่สุดไปยังจุดหมายปลายทาง สิ่งนี้สามารถนำไปสู่เราเตอร์สร้างการจราจรคับคั่งใหม่ในสถานที่ที่ไม่คาดคิด
พิจารณารถยนต์ที่ข้ามทางสัญจรโดยไม่มีสัญญาณไฟสัญญาณ บางทีรถบนถนนสายเล็กอาจมีป้ายหยุด มีแนวโน้มว่าได้รับการออกแบบให้เป็นจุดแวะพักสองทางเนื่องจากการจราจรบนถนนสายใหญ่มักเบาพอที่การรอที่จะข้ามนั้นสั้นสบาย อย่างไรก็ตาม เพิ่มรถยนต์ไปยังถนนสายที่ใหญ่กว่านั้น และการหยุดรถมีน้อย ทำให้แถวของรถที่รอที่ป้ายหยุดไหลเข้าสู่ถนนใกล้เคียง หากคุณอยู่ในรถบนถนนสายที่ใหญ่กว่า คุณอาจจะกำลังซิปไปยังจุดหมายของคุณ แต่ถ้าคุณอยู่บนถนนที่เล็กกว่า คุณอาจต้องรอเป็นเวลานานกว่าจะข้าม และหากแอพนำรถมาที่ถนนในละแวกนี้มากขึ้นเรื่อยๆ ซึ่งอาจเกิดขึ้นเมื่อทางหลวงในบริเวณใกล้เคียงประสบกับความล่าช้าอย่างผิดปกติ การสำรองข้อมูลจะถูกสร้างขึ้นและโอกาสที่จะเกิดอุบัติเหตุก็เพิ่มขึ้น
ในการรวมปัญหา “การกำหนดเส้นทางที่เห็นแก่ตัว” ผู้ให้บริการแอปพลิเคชันการนำทางแต่ละราย—Google, Apple, Waze (ปัจจุบันเป็นของ Google)—ทำงานแยกกัน ผู้ให้บริการแต่ละรายจะได้รับข้อมูลที่สตรีมไปยังเซิร์ฟเวอร์ของตนจากอุปกรณ์ของผู้ใช้เท่านั้น ซึ่งหมายความว่าการเจาะระบบของแอปจะทำให้ระบบเข้าใจความเป็นจริง หากการรุกของแอปอยู่ในระดับต่ำ ระบบอาจถอยกลับไปใช้ความเร็วการจราจรในอดีตสำหรับพื้นที่นั้น แทนที่จะแสดงข้อมูลที่ดีของความแออัดที่มีอยู่ ดังนั้นเราจึงมีผู้เล่นหลายคนที่ทำงานอย่างอิสระด้วยข้อมูลที่ไม่สมบูรณ์ และคาดหวังว่าเครือข่ายถนนทั้งหมดจะพร้อมใช้งานเพื่อดูดซับผู้ใช้ของพวกเขาในแบบเรียลไทม์
ในขณะเดียวกัน วิศวกรการขนส่งในเมืองกำลังยุ่งอยู่กับการจัดการการจราจรด้วยเครื่องมือที่มีอยู่ เช่น ไฟวัดทางรถ ป้ายข้อความ และวิทยุกระจายเสียง ซึ่งแนะนำการปรับเส้นทางตามเวลาจริงที่ฉันได้กล่าวไว้ก่อนหน้านี้ เป้าหมายของพวกเขาคือการควบคุมความแออัด รักษาเครือข่ายการเดินทางที่ปลอดภัยและมีประสิทธิภาพ และตอบสนองอย่างเหมาะสมต่อสิ่งต่างๆ เช่น อุบัติเหตุ การแข่งขันกีฬา และการอพยพในสถานการณ์ฉุกเฉิน
วิศวกรประจำเมืองกำลังทำงานอย่างโดดเดี่ยวด้วยข้อมูลที่ไม่ครบถ้วน เพราะพวกเขาไม่รู้ว่าแอปจะทำอะไรได้บ้าง เมืองนี้สูญเสียความเข้าใจเกี่ยวกับปริมาณการจราจรที่ต้องใช้การเข้าถึงถนน นั่นคือปัญหาด้านความปลอดภัยในระยะสั้นและปัญหาการวางแผนในระยะยาว: ทำให้เมืองตาบอดกับข้อมูลที่สามารถใช้เพื่อพัฒนากลยุทธ์ในการลดการจราจรติดขัดได้ดีขึ้น ตัวอย่างเช่น การกระตุ้นให้ธุรกิจพิจารณากะการทำงานที่แตกต่างกัน หรือผู้ดำเนินการกองเรือพิจารณาถึงความแตกต่าง เส้นทาง
ดังนั้นเมื่อเร็วๆ นี้คุณอาจได้ประโยชน์จากหนึ่งในทางลัดเหล่านี้ แต่น่าสงสัยว่าคุณกำลังจะชนะเกมที่ยาวนาน ในการทำเช่นนั้นต้องคำนึงถึงระบบโดยรวมและอาจพิจารณาถึงปริมาณการใช้เชื้อเพลิงและการปล่อยมลพิษโดยรวม เมื่อนั้นเราจะสามารถใช้อัลกอริธึมการกำหนดเส้นทางใหม่เหล่านี้เพื่อประโยชน์ของประชาชนทุกคนและสภาพแวดล้อมของเรา
ในระหว่างนี้ ละแวกบ้านและพลเมืองกำลังต่อสู้กับคนแปลกหน้าโดยใช้ถนนเป็นทางผ่าน ในช่วงแรก ๆ ของปัญหา ประมาณปี 2014 ผู้อยู่อาศัยจะพยายามหลอกแอปพลิเคชันให้เชื่อว่ามีอุบัติเหตุที่ทำให้การจราจรติดขัดในละแวกของพวกเขาโดยการบันทึกเหตุการณ์ปลอมลงในแอป จากนั้นย่านใกล้เคียงบางแห่งก็โน้มน้าวให้เมืองของตนติดตั้งระบบป้องกันความเร็ว ทำให้การจราจรช้าลง และทำให้เส้นทางใช้เวลาเดินทางฐานนานขึ้น
เมืองหนึ่งในรัฐนิวเจอร์ซีย์ รัฐเลโอเนีย ปิดถนนหลายสายเพื่อให้การจราจรติดขัดในระหว่างชั่วโมงเดินทาง โดยเรียกเก็บค่าปรับจำนวนมากสำหรับผู้ขับขี่ที่ไม่มีถิ่นที่อยู่ เมืองใกล้เคียงก็ทำตาม และทุกคนต้องเผชิญกับผลที่ไม่คาดคิดจากธุรกิจในท้องถิ่นของพวกเขา ซึ่งขณะนี้สูญเสียลูกค้าที่ไม่สามารถเดินทางผ่านเมืองได้ในช่วงเวลาดังกล่าว
เมื่อเร็วๆ นี้ เมืองลอสแองเจลิสได้ตอบสนองต่อปัญหาบนถนน Baxter ด้วยการปรับโฉมถนนเป็นทางเดียว: ทางลงเขาเท่านั้น มันยังไม่เหมาะ มันหมายถึงการเดินทางที่ยาวนานขึ้นสำหรับผู้อยู่อาศัยที่เข้าและออกจากบ้านของพวกเขา แต่ลดความโกลาหลลง
ปีที่แล้ว สถานการณ์ที่เลวร้ายในลอสแองเจลิสระหว่างไฟป่าปี 2017 แสดงให้เห็นอย่างชัดเจนว่าแอปที่เปลี่ยนเส้นทางและการจัดการจราจรแบบดั้งเดิมขาดความสอดคล้องกัน: แอปดังกล่าวนำคนขับไปยังถนนที่ถูกปิดโดยเมือง จนถึงใจกลางของกองไฟ นี่ไม่ใช่ความผิดของอัลกอริทึม เป็นเรื่องยากอย่างยิ่งที่จะรักษาความเข้าใจที่ทันสมัยเกี่ยวกับถนนในระหว่างเหตุการณ์ที่มีการเคลื่อนไหวอย่างรวดเร็ว แต่มันแสดงให้เห็นว่าเหตุใดเจ้าหน้าที่ของเมืองจึงต้องการวิธีเชื่อมต่อหรือแทนที่แอปเหล่านี้ โชคดีที่เมืองนี้มีเจ้าหน้าที่ตำรวจอยู่ในพื้นที่ ซึ่งสามารถเลี่ยงการจราจรไปยังเส้นทางที่ปลอดภัยกว่าได้
เหล่านี้เป็นเพียงมาตรการหยุดชั่วคราว พวกมันทำหน้าที่ลด ไม่ปรับปรุง ความคล่องตัวโดยรวม สิ่งที่เราต้องการจริงๆ คือสภาวะที่เหมาะสมในสังคม โดยที่เวลาเดินทางโดยเฉลี่ยจะลดลงในทุกๆ ที่ วิศวกรจราจรเรียกระบบสภาวะสมดุลที่เหมาะสมที่สุด ซึ่งเป็นหนึ่งในสองหลักการของ Wardrop แห่งสมดุล เราจะรวมฝูงชนที่ติดตามแอปเข้ากับกระแสข้อมูลทางวิศวกรรมที่อย่างน้อยจะเคลื่อนไปสู่ระบบที่ปรับให้เหมาะกับสังคมโดยใช้กลไกการควบคุมที่เรามีอยู่ได้อย่างไร เราสามารถเริ่มต้นด้วยการรวมมุมมองของทุกคนเกี่ยวกับสถานะเครือข่ายถนนแบบเรียลไทม์ แต่การทำให้ทุกคนเข้าสู่ data pool นั้นไม่ใช่เรื่องง่าย มันเป็นเรื่องของ David และ Goliath ผู้เล่นบางคนเช่น Google และ Apple มีโครงสร้างพื้นฐานดิจิทัลขนาดใหญ่สำหรับการดำเนินงานเหล่านี้ ในขณะที่หลายเมืองมีเงินทุนเพียงเล็กน้อยสำหรับการพัฒนาเทคโนโลยีขั้นสูง หากไม่มีความสามารถในการลงทุนในเทคโนโลยีใหม่ เมืองต่างๆ ก็ไม่สามารถตามผู้ให้บริการเทคโนโลยีรายใหญ่เหล่านี้ได้ และแทนที่จะถอยกลับด้านกฎระเบียบ ตัวอย่างเช่น พอร์ตแลนด์ โอเร ซีแอตเทิล และเมืองอื่นๆ อีกหลายแห่งได้ลดความเร็วจำกัดบนถนนที่อยู่อาศัยเป็น 20 ไมล์ต่อชั่วโมง
มีวิธีที่ดีกว่า เราต้องโน้มน้าวผู้ผลิตแอปว่าหากพวกเขาแบ่งปันข้อมูลระหว่างกันและกับรัฐบาลของเมือง อัลกอริธึมการกำหนดเส้นทางใหม่อาจพิจารณาภาพรวมที่ใหญ่กว่ามาก รวมถึงข้อมูลจากโครงสร้างพื้นฐานทางกายภาพ เช่น ตารางเวลาสำหรับสัญญาณไฟจราจรและเมตร และจำนวนยานพาหนะ เซ็นเซอร์ตรวจจับไฟฟ้าสถิต รวมถึงกล้องและลูปอุปนัย การแบ่งปันข้อมูลนี้จะทำให้แอปของพวกเขาดีขึ้นในขณะเดียวกันก็ให้ความช่วยเหลือแก่นักวางแผนการจราจรในเมือง
เป็นขั้นตอนแรกที่เราควรจะสร้างความร่วมมือภาครัฐและเอกชนในผู้ให้บริการแอปนำทาง, องค์กรวิศวกรรมการจราจรในเมืองและแม้กระทั่งการขนส่ง บริษัท เช่นUberและLyft การแบ่งปันข้อมูลทั้งหมดนี้จะช่วยให้เราทราบวิธีลดความแออัดและจัดการความคล่องตัวได้ดีที่สุด
เรามีอุปสรรคอีกมากมายที่ต้องเอาชนะก่อนที่แอปและเครื่องมือโครงสร้างพื้นฐานทั้งหมดจะทำงานร่วมกันได้ดีพอที่จะปรับกระแสการรับส่งข้อมูลให้เหมาะสมสำหรับทุกคน
ความท้าทายที่แท้จริงในการควบคุมการจราจรคือปัญหาขนาดมหึมา การใช้ข้อมูลจำนวนมากจากผู้ใช้แอปร่วมกับข้อมูลจากเซ็นเซอร์ของเมืองจะต้องใช้ชั้นใหม่ของการวิเคราะห์ข้อมูลที่นำข้อมูลสำคัญมารวมเข้าด้วยกัน ทำให้ไม่เปิดเผยตัวตน และจัดวางไว้ในรูปแบบที่รัฐบาลสามารถย่อยได้ง่ายขึ้น ดำเนินการระบบการจัดการจราจร
นอกจากนี้เรายังต้องพัฒนาซอฟต์แวร์จำลองสถานการณ์ที่สามารถใช้ข้อมูลทั้งหมดนี้เพื่อสร้างแบบจำลองพลวัตของการเคลื่อนไหวของเราในระดับเมือง การพัฒนาซอฟต์แวร์นี้เป็นหัวข้อสำคัญของการวิจัยในปัจจุบันที่ได้รับการสนับสนุนจากโครงการระบบการเคลื่อนย้ายอย่างมีประสิทธิภาพด้านพลังงานของกระทรวงพลังงานสหรัฐฯและเกี่ยวข้องกับHere Technologiesและห้องปฏิบัติการระดับชาติสามแห่ง: Lawrence Berkeley , ArgonneและPacific Northwest. ฉันมีส่วนร่วมกับโครงการวิจัยนี้ผ่านทางห้องปฏิบัติการเบิร์กลีย์ ซึ่งฉันเป็นนักวิทยาศาสตร์รับเชิญในโครงการริเริ่มด้านการขนส่งที่ยั่งยืน จนถึงปัจจุบัน ทีมงานที่ได้รับการสนับสนุนจากโครงการนี้ ซึ่งนำโดยฉันและทีมงานโดยนักวิจัยจากห้องปฏิบัติการทั้งสามแห่ง ได้พัฒนาแบบจำลองสำหรับเมืองใหญ่จำนวนหนึ่งที่สามารถเรียกใช้ซูเปอร์คอมพิวเตอร์ของ DOE ได้ในเวลาเพียงไม่กี่นาที ในอดีต การจำลองดังกล่าวใช้เวลาหลายวันหรือหลายสัปดาห์ ฉันคาดหวังว่าวิธีการใหม่ในการจัดการความแออัดที่อธิบายความซับซ้อนของปัญหาจะเกิดขึ้นจากการจำลองเหล่านี้
ในโครงการหนึ่งของเรา เราได้นำคู่ต้นทางและปลายทาง 22 ล้านคู่—หรือการเดินทางตามที่กำหนดโดยสำนักงานขนส่งแห่งซานฟรานซิสโกเคาน์ตี—และสร้างแบบจำลองสำหรับบริเวณอ่าวซานฟรานซิสโกซึ่งกำหนดเส้นทางเวลาเดินทางที่สั้นที่สุดสำหรับแต่ละรายการ ขาและรูปแบบความแออัดในแต่ละเส้นทางเต็มวัน เราได้เพิ่มอัลกอริธึมที่เปลี่ยนเส้นทางยานพาหนะเมื่อการจำลองคาดว่าจะมีความแออัดมาก เราค้นพบว่าโดยทั่วไปแล้วประมาณ 40,000 คันจะถูกเปลี่ยนเส้นทางต่อชั่วโมงในช่วงเวลาที่มีความแออัดสูงสุดในช่วงเช้า และ 120,000 คันจะถูกเปลี่ยนเส้นทางต่อชั่วโมงในช่วงที่มีการจราจรคับคั่งในช่วงเย็น แน่นอนว่าเหตุการณ์บนทางหลวงจะทำให้ตัวเลขเหล่านี้พุ่งสูงขึ้น
การจำลองนี้แสดงให้เห็นว่านักวางแผนการจราจรสามารถทำได้มากเพียงใดเพื่อปรับสมดุลการไหลของการจราจร และแสดงตัวเลขที่ยังไม่มีให้บริการโดยตรงในขณะนี้ คำถามต่อไปคือจำนวนเครือข่ายถนนที่คุณต้องการใช้ แลกกับความแออัดบนทางหลวงเพื่อเพิ่มการจราจรบนถนนในบริเวณใกล้เคียง
ขั้นตอนต่อไปของเราคือการปรับเปลี่ยนอัลกอริทึมเพื่อพิจารณาข้อจำกัดของพื้นที่ใกล้เคียง ตัวอย่างเช่น เราทราบดีว่าเราไม่ต้องการเปลี่ยนเส้นทางการจราจรไปยังเขตโรงเรียนระหว่างเวลาไปรับและไปรับ และเราควรปรับเปลี่ยนอัลกอริทึมการนำทางอย่างเหมาะสม
เราหวังว่าจะนำเครื่องมือเหล่านี้ไปอยู่ในมือของหน่วยงานขนส่งของรัฐบาลในไม่ช้า