2026 年 10 月 12 日
作者：Prakash Gawas, Camille Pinçon
尽管我们对城市交通运行的理解达到了前所未有的高度，但将这些认知转化为更顺畅、清洁且公平出行体验的过程依然充满挑战。阻碍可持续流动性的主要因素并非技术瓶颈，而是政治与组织层面的障碍。
当前，应用程序能够实时追踪公交车辆，传感器可以统计汽车和行人流量，数据驱动的分析技术甚至有望让公共交通网络根据需求动态调整服务频率。然而，实际的城市穿行往往仍令人沮丧：车辆故障频发、交通拥堵严重，以及停放的送货车阻碍公交车道和自行车道等现象屡见不鲜。
要在不增加排放量或加剧接入不平等的前提下改善城市流动性，关键在于更高效地利用现有数据，而非单纯依赖基础设施扩建。目前的一个显著共识是：移动数据的潜力尚未被充分挖掘。只有当数据具备可共享性、代表性以及可操作性时，它才能真正改变我们的生活方式。
如何让数据成为推动可持续交通运输的核心动力？这一问题由来自魁北克两家研究机构（GERAD 和 CIRRELT）以及加拿大运营研究协会（CORS）的交通与运营研究人员，联合魁北克移动利益相关者共同探讨。
数据缺失的现实盲区
首要前提是数据必须真实反映现实情况。多伦多的研究表明，基于常规数据计算出的最佳配送路线常被司机忽略；而当建议以易于理解的方式呈现时，司机的遵循度则显著提高。
若建议需贴合现实，就必须依赖准确描述人们实际出行方式的数据。可持续流动性更多取决于数据的质量与共享机制，而非票价整合等预期创新。用户、运营商与公共机构之间缺乏信息流通，构成了可持续流动的核心挑战。
魁北克的流动性利益相关者已开始行动。例如，大都会区域交通管理局（ARTM）正筹备建立类似伦敦模式的开放数据中心。
在伦敦，德勤分析显示，其交通开放数据政策每年创造高达 1.3 亿英镑的价值。这种开放性带来了更多的交通出行量，用户通过实时行程规划应用节省时间，并催生了超过 600 个基于这些数据的应用程序。超过 40% 的伦敦人使用这些应用，而这一切无需额外的公共投资。
然而，私营部门遵循不同的逻辑：一旦平台追求市场主导地位，囤积数据便成为竞争优势，进而扼杀整个生态系统。覆盖全球 1,000 多个城市的多模态出行应用 Transit 对此深有体会：许多公共交通机构希望开放数据，却面临私营企业的阻挠。
目前，三大主要挑战阻碍了数据共享：缺乏共同标准、用户代表性不足，以及匿名化处理导致的信息丢失。
数据标准的“语言”差异
第一个挑战具有实操性：移动数据的收集与格式化通常缺乏统一标准。这导致不同运营商的数据集互不兼容，即便需要交叉引用，信息仍处于孤立状态。
蒙特利尔的停车规则便是典型案例：各市区管理规则各异，使得全市范围内的标准化难以实现。
没有共同标准，即便是高质量数据也难以发挥效用：在一个网络上训练的算法无法直接应用于另一个网络，运营商层面的决策也无法在整个系统中实现优化。
互操作性——即系统间交换和使用数据的能力——对于数据驱动工具在城市范围内产生真正效益至关重要。
此外，由于数据收集常外包给私人公司，运输机构并不总是拥有自身产生的数据。若缺乏共享数据库及利益相关者协议，每个实体只能在各自孤岛中进行优化，整个系统的潜在收益将无法实现。
数据中的代表性缺失
第二个挑战在于代表性。系统设计往往针对一个并不存在的“普通”用户。而在用于设计这些数据集中，服务最差的人群往往是最不被代表的。这不仅是统计问题，更是因为这类用户最依赖公共交通。更全面调查有助于提升他们的可见度。
这正是区域交通运输局（ARTM）试图解决的问题：确定供需差距扩大的区域，特别是在弱势群体集中的地方。更具代表性的数据有助于识别那些因服务不足迫使低收入家庭购车地区，通过调整频率或路线即可消除这种需求。
因此，改善服务的前提是了解人们实际的出行方式及其需求。
隐私保护与实用性的平衡
第三个挑战涉及隐私与实用性。为保护用户，数据经过匿名化处理，但随意的匿名化会剔除使数据有价值的信息。
例如，若无法将电动巴士的能耗与驾驶方式关联，就难以确定更高效的驾驶模式。保护用户隐私与提供优质服务有时呈对立关系。
多项研究表明，为了定制服务，了解用户个人资料和偏好至关重要。
以总部位于蒙特利尔的共享汽车公司 Communauto为例，研究显示，若该服务消失，大量会员将购买私家车，直接增加道路上的私人车辆数量。只有当用户同意分享旅行数据时，Communauto的环境效益才能被量化。
电动汽车充电站同样如此：司机之间存在巨大差异，若网络假设所有用户行为一致，会导致某些地区过载，而其他地区闲置。
算法并非唯一障碍
上述三个障碍有一个共同点：均非技术性难题。随着电子商务蓬勃发展，预计到 2030 年，全球配送车辆数量可能增长超过 60%。
数字技术并非阻碍发展的原因。激励机制、标准体系、信任基础以及政治意愿决定了更好的工具能否造就更好的城市。虽然研究进展迅速，但实施层面的运营差距仍在扩大。弥合这一距离需要的不仅是算法，更是治理。
