大家都按导航走，车流为什么挤到更少的路上？
论文名片｜Giuliano Cornacchia、Mirco Nanni、Dino Pedreschi、Luca Pappalardo，The traffic concentration effects of urban navigation services，Nature Communications，2026年7月11日发表（2025年7月17日收稿，2026年6月23日接收）。DOI：10.1038/s41467-026-75254-8。这是一项多城市交通仿真：在仿真里随机指定谁听导航，再比较路网使用和二氧化碳。
早高峰，两辆车要从米兰的同一对起终点出发。四家导航有时几乎贴在一起：图 1a 那一对起终点上，路线平均重叠 47.90%。换一对起终点，它们就散开了，平均重叠只有 13.23%。单次查询可以差很多。可是当一座城市里越来越多的车都改听同一家导航，被用到的路段并没有因此铺得更开。
Cornacchia 等人在佛罗伦萨、米兰和罗马各做了一套早高峰仿真。采用率从 0% 升到 100% 后，至少被一辆车走过一次的路段数相对零采用下降，六家服务里降幅最大的是佛罗伦萨的 14.34%。路上车少时，单车二氧化碳大多随采用率下降；车一多，减排会在某座城市、某一家服务自己的拐点之后变平、变小，罗马的几家服务甚至比完全不听导航排得更多。生态路线也走不出这个集体格局。
先说结论
- 高负荷下，全采用相对零采用，用到的路段数下降 11.80%–14.34%（佛罗伦萨）、3.79%–6.87%（米兰）、9.73%–14.26%（罗马）。大约 25%–50% 采用率之前，路段数先略增，增幅不到 1.1%。
- 低负荷、全采用时，佛罗伦萨总排放比零采用低 2.15%–5%，米兰低 6.64%–11.13%。罗马有的服务低 0.26%–3.69%，谷歌地图、TomTom 最快和必应分别高 2.40%、1.13% 和 1.57%。
- 高负荷下，减排先出现。佛罗伦萨在 70%–80% 采用率附近降得最多，全采用仍比零采用低约 24%–27%。米兰的谷歌和 TomTom 全采用时低 19%–22%；罗马六家服务在各自最优点的平均减排只有 3.29%，其中四家在全采用时排放高于零采用。
- 流量转向高速和主干道。这类路大约只占路网 6%，其上的排放份额从零采用到全采用由 17.61% 升到 36.25%（佛罗伦萨）、9.94% 升到 26.42%（米兰）、26.02% 升到 33.66%（罗马）。居住性道路上的排放份额下降。
- 一张方格路网就能复现后半段。只有一条车流时，路段变少，排放继续降；两条车流在路口交叉后，排放才会停滞。三座城市的路网形状解释不了全部现象。
同一对起终点，四家导航会给出同一条路吗？
实验用了当时能公开调用的六套路线：必应地图（Bing Maps，按含交通状况的行程时间）、谷歌地图（Google Maps）、Mapbox（driving-traffic，偏向降低慢行概率）、TomTom 最快、TomTom 最短，以及 TomTom 生态路线（eco-routing，在时间和油耗之间折中）。实验时 Apple Maps、Waze 和谷歌的生态路线没有可用的公开接口，没有进入比较。
查询被设在请求时刻之后的出发时间，接口因此返回典型交通下的路线，而不是事故、罢工或施工当天的实时路况。返回的轨迹点再用最长公共子序列匹配到仿真路网上。
图 1｜同一对起终点，四家导航重叠多少？
（a）米兰的一对起终点，必应、Mapbox、谷歌和 TomTom 最快大体沿同一组道路，图中平均重叠 47.90%；Mapbox 有一段更靠西的绕行。（b）另一对起终点上四条路线明显分开，平均重叠 13.23%。蓝、橙、绿、红分别是必应、Mapbox、谷歌和 TomTom 最快。这两张图各是一对起终点。图中百分比的分母是该对起终点上各家路线之间的平均重叠；全市 68%–97%、平均 76.4% 的 Jaccard 重叠，是所有行程上服务两两比较的结果。来源：原论文 Fig. 1。
全市尺度上，各家导航路线的 Jaccard 重叠大约在 68%–97%，平均 76.4%。同一公司的 TomTom 三条标准彼此更像；不同公司之间完全相同的路线不超过 50%。仿真器自己的最快路和这些商业路线只重叠 52%–63%，平均 57.2%，完全相同的比例在 28%–39%。所以对照组走的是另一套成本下的路，听导航确实换了一条建议。
听导航的车，和自己选路的车，怎样放进同一座城市？
三座城市的路网来自 OpenStreetMap，并在 SUMO（Simulation of Urban Mobility，一套开源微观交通仿真）里手工改过不到 0.15% 的路段，用来消掉断头和死锁。路网规模和形态不一样：佛罗伦萨 12,303 个交叉口、24,719 条路段，平均曲折度 1.104，路最弯；米兰 31,354 个交叉口、62,738 条路段，平均路段 103.80 米，更短、更规整，曲折度 1.053；罗马 37,483 个交叉口、76,280 条路段，总街道长度 5,852.46 公里，路网更疏、单段更长。意大利的限行区和米兰的低排放区已经写进导航的可选道路里，仿真沿用了这些限制。
出行需求来自保险公司数据公司 OCTO 的一年车载轨迹，样本大约覆盖登记车辆的 2%–5%。原始记录是佛罗伦萨 7,102,351 个点、24,640 辆车，米兰 143,698,720 个点、106,456 辆车，罗马 26,801,872 个点、30,763 辆车。清洗时去掉时速超过 250 公里的点；车辆在 0.2 公里内停留至少 20 分钟算一次停留，用来把轨迹切成行程。只保留历时 5–60 分钟、周三早高峰出发、并且能放进城市范围的行程；穿过城市边界的通勤保留进入点和离开点。工作日早高峰的总流量彼此相关，皮尔逊相关平均为佛罗伦萨 0.780、米兰 0.880、罗马 0.772，所以用周三代表工作日。早高峰按流量最高的一小时确定：佛罗伦萨和罗马是 8–9 时，米兰是 7–8 时。
城市被切成 1 平方公里的方格。清洗后用来生成起讫矩阵的是：佛罗伦萨 5,477 次行程、1,184 辆车、616 条不同流向；米兰 113,323 次行程、15,997 辆车、11,967 条流向；罗马 13,647 次行程、1,965 辆车、1,757 条流向。仿真时按这些流向的频率抽起点和终点方格，再在方格里随机取路段。抽出来的车数远大于轨迹样本：低负荷和高负荷分别是佛罗伦萨 10,000 与 30,000 辆，米兰 30,000 与 65,000 辆，罗马 25,000 与 75,000 辆。高负荷取的是 SUMO“瞬移”次数随车数变陡的肘点，瞬移在这里被当作拥堵已经明显的代理；低负荷取明显更少的车。后文的 10,000–75,000 是放进这一小时仿真的行程数，按起讫频率抽取。轨迹样本中的车辆数仍是上面的 1,184、15,997 和 1,965。
采用率 r 从 0% 到 100%，每步 10%。听导航的车走某一家服务的推荐；其余的车走 SUMO 最快路的扰动版。扰动参数 w = 5 时，每条路段的预期时间会乘上一个从 1 到 5 之间均匀抽取的随机数，用来表示司机并不知道全局最快路。每一种采用率用不同的随机分组重复 10 次。正文图上的竖线是这 10 次的标准差，短到几乎看不见，所以曲线形状主要来自服务和城市，一次分组解释不了。
这里有两条必须一起记住的边界。第一，路线在仿真开始前就定了，导航不会按仿真里新产生的排队改口。第二，听导航的车和不听的车开在同一张路上，对照组会被处理组堵住或让开，组间差别因此偏小。作者把结果看成导航影响的保守估计。
路径多样性（route diversity）数的是至少被一辆车走过一次的路段条数。一条很长、但大家都走的走廊，只贡献它含有的那些路段；很多人各走一条完全不重叠的支路，这个数字才会变大。这个数字只统计被用到的路段。方案条数看服务给出了多少条不同路线，人数看仿真车队。二氧化碳用 SUMO 里的 HBEFA 汽油欧 4 小客车模型，按每个轨迹点的车速和加速度估计。在这套模型里，二氧化碳与油耗、氮氧化物、颗粒物和噪声的皮尔逊相关都高于 0.994，所以正文只报告二氧化碳。相关来自同一套排放公式。人群在路边的实际暴露需要独立测量。
用的人变多之后，走过的路段为什么先多后少？
如果导航无足轻重，用到的路段数应停在零采用那条水平虚线上。高负荷下的图 2a–c 呈现的是先略升、再明显下降，补充说明里用指数函数拟合这条曲线，拟合优度高于线性、二次和三次。低负荷的补图给出同样的形状。
略升发生在大约 25%–50% 以下，相对零采用只有佛罗伦萨 0.15%–1.05%、米兰 0.08%–0.34%、罗马 0.01%–0.41%。过了这个因城市和服务而异的比例，路段数转而下降。全采用相对零采用的降幅是佛罗伦萨 11.80%–14.34%、米兰 3.79%–6.87%、罗马 9.73%–14.26%。区间是六家服务之间的差别；10 次随机分组之间的波动很小。
图 2｜采用率升高后，用到的路段和单车排放怎样变？
（a–c）高负荷下，佛罗伦萨、米兰、罗马的路径多样性对采用率。纵轴是至少被走过一次的路段数，虚线是零采用；插图放大 0%–50%。六条曲线都先略高于虚线，再在后半段掉下去。（d–f）单车二氧化碳，单位是千克。实心点是高负荷，空心点是低负荷，虚线仍是各自的零采用。低负荷大多缓慢下降；高负荷先降，佛罗伦萨在后段走平并略回升，米兰的必应和 Mapbox 后段上翘，罗马的必应、Mapbox 和谷歌会升到虚线以上。方形棕色点是 TomTom 生态路线，其余颜色见底部图例：Bi 必应，GM 谷歌，MB Mapbox，TTF、TTS、ecoTT 分别是 TomTom 最快、最短和生态路线。点是 10 次仿真的平均。来源：原论文 Fig. 2。
把听导航的车和不听的车分开看，两组的路段数都会随本组车辆变多而增加，不听导航的那一组增加得更厉害。按车辆数归一之后，听导航的车用到的路段更少。集中发生在接受推荐的那一组里。
四家服务各占四分之一的混合市场（谷歌、必应、Mapbox、TomTom 最快）仍然让路段数随采用率下降，只是全采用时的跌幅比单用一家更缓，因为各家建议盖住的路段并不完全相同。排放曲线则接近这四家单独曲线的平均。多家导航并存，把集中稍微冲淡，没有把它反过来。
对照组的随机程度改成 w = 3 和 w = 7 后，曲线形状仍在。w 更大时路段数略高，单车排放也略高，因为绕路更多。正文报告的是 w = 5。
排放为什么在车少时下降，车多时又会停住？
低负荷、全采用时，总二氧化碳相对“没有一辆车听导航”的变化写在补充表 S2 里。仿真车数固定，总排放的百分比和单车平均的百分比一致。正数是比零采用更低。
| 城市 | 服务 | 低负荷，全采用 | 高负荷，降幅最大处 | 高负荷，全采用 |
|---|---|---|---|---|
| 佛罗伦萨 | 必应 | +3.57% | +26.83%（80%） | +26.40% |
| 佛罗伦萨 | Mapbox | +3.38% | +27.87%（80%） | +26.56% |
| 佛罗伦萨 | TomTom 生态 | +5.00% | +27.40%（80%） | +26.76% |
| 佛罗伦萨 | TomTom 最快 | +2.15% | +26.49%（70%） | +24.11% |
| 佛罗伦萨 | TomTom 最短 | +4.87% | +27.55%（80%） | +26.75% |
| 佛罗伦萨 | 谷歌 | +3.79% | +27.33%（70%） | +26.01% |
| 米兰 | 必应 | +6.66% | +12.01%（70%） | +9.05% |
| 米兰 | Mapbox | +6.64% | +12.78%（60%） | +11.48% |
| 米兰 | TomTom 生态 | +11.13% | 全采用即最大 | +22.13% |
| 米兰 | TomTom 最快 | +8.73% | 全采用即最大 | +21.05% |
| 米兰 | TomTom 最短 | +10.51% | 全采用即最大 | +22.04% |
| 米兰 | 谷歌 | +8.47% | 全采用即最大 | +19.91% |
| 罗马 | 必应 | −1.57% | +1.57%（20%） | −9.10% |
| 罗马 | Mapbox | +0.26% | +2.14%（40%） | −4.61% |
| 罗马 | TomTom 生态 | +3.69% | +5.20%（70%） | +3.69% |
| 罗马 | TomTom 最快 | −1.13% | +3.70%（40%） | −0.52% |
| 罗马 | TomTom 最短 | +3.09% | +4.91%（60%） | +2.92% |
| 罗马 | 谷歌 | −2.40% | +2.21%（40%） | −2.22% |
低负荷罗马的必应、TomTom 最快和谷歌在表里被标成从未带来减排，全采用分别高出零采用 1.57%、1.13% 和 2.40%。Mapbox 的低负荷最大降幅是 80% 采用时的 0.31%，全采用仍低 0.26%。这就是正文所说的罗马低负荷区间：有的服务降 0.26%–3.69%，三家服务略升。
高负荷把三座城市分开。佛罗伦萨的最大降幅落在 70% 或 80%，全采用仍低 24.11%–26.76%，只是比最低点回升了一点。米兰的谷歌和三套 TomTom 一直降到全采用的 19.91%–22.13%；必应和 Mapbox 在 70% 与 60% 达到约 12%，全采用时回落到 9.05% 和 11.48%。罗马六家服务在各自最优点的降幅平均 3.29%，计算就是表中 1.57%、2.14%、5.20%、3.70%、4.91%、2.21% 的平均。全采用时，必应、Mapbox、谷歌和 TomTom 最快分别比零采用高 9.10%、4.61%、2.22% 和 0.52%；TomTom 生态和最短仍低 3.69% 和 2.92%。
正文把多数服务的环境收益转折放在 60%–80% 采用率之后。对佛罗伦萨，这句话的含义是边际收益减弱，全采用的总排放仍明显低于零采用。对罗马的四家服务，全采用的总排放已经高于零采用。生态路线的点在图 2 里跟着其他服务走：按单车油耗挑选的路，在很多车同时接受之后，系统排放照样会停滞或回升。
少掉的那些车，挤到了哪一类路上？
图 3 只用 TomTom 最快，把零采用和全采用的流量画在同一张路上。线越粗，这条路段上的车越多。
图 3｜全采用之后，车从哪些路段挪到哪些路段？
（a、d、g）佛罗伦萨、米兰、罗马在零采用时的流量，线宽表示车数，下标的路径多样性分别是 15,775、51,967 和 51,763 条路段。（b、e、h）同一服务全采用，三个数字变成 13,853、49,848 和 46,724。（c、f、i）全采用减去零采用：蓝色是车变少，红色是车变多，色标从 −1,000 辆到 +1,000 辆，每张图有 5 公里比例尺。三座城市都出现少数走廊变粗，右列的增幅落在高容量道路上。来源：原论文 Fig. 3。
只看 TomTom 最快，佛罗伦萨少了 1,922 条路段，占零采用 15,775 条的 12.18%；米兰少 2,119 条，占 51,967 条的 4.08%；罗马少 5,039 条，占 51,763 条的 9.73%。9.73% 正是正文罗马区间的下沿，上沿 14.26% 来自其他服务。米兰的百分比最小，是因为它的零采用已经用到 62,738 条路段中的 51,967 条，基数大。佛罗伦萨零采用用到 24,719 条中的 15,775 条，罗马用到 76,280 条中的 51,763 条。
空间上去向也不同。佛罗伦萨把车推向一条零采用时只用得中等的干道，排放随这条走廊变满而下降，然后稳住。罗马把车推向零采用时已经很忙的少数大路，高采用时排放更容易反弹。米兰介于两者之间：几条零采用时较空的大路接住了集中的车流，高采用时排放仍低于起点，降幅小于佛罗伦萨。
高容量道路在补充说明里指高速（motorway）和主干道（trunk）。它们大约只占路网 6%。从 0% 到 100% 采用，排放落在这类路上的份额从 17.61% 升到 36.25%（佛罗伦萨）、9.94% 升到 26.42%（米兰）、26.02% 升到 33.66%（罗马）。份额的分母是该城该采用率下的总二氧化碳。居住性道路、三级道路和生活性街道上的排放份额随采用率下降。这项仿真里，导航把排放从街区小路挪向高速和干道，方向和“导航把车送进安静邻里”的报道相反。作者在讨论里担心的是干道和高速旁边的社区，那里可能承受更多排放、污染和噪声；地价是否下降，论文没有测。
排放在路段之间的不平等用基尼系数概括，0 是完全均匀，1 是极不均匀。正文比较的是 100% 相对 50%：基尼系数上升 0.023（佛罗伦萨）、0.025（米兰）、0.031（罗马）。对应地，总排放里多出 2.04、2.31 和 3.9 个百分点落在污染最高的 20% 路段上。佛罗伦萨和米兰在 50% 时比 0% 和 100% 都更均匀，和前面路段数先略增、再集中的过程一致。补充说明另有一句更强的概括，说各服务的基尼系数随采用率上升；正文给出的可核对差值是相对 50% 采用，佛罗伦萨和米兰的中段更均匀。
路段减少和排放变化，是同一件事吗？
作者接着看高负荷下每一个 10% 采用率台阶。ΔD 是上一档用到的路段数减去这一档，路段变少时它为正。ΔE 是上一档总二氧化碳减去这一档，排放下降时它为正。两者的斯皮尔曼等级相关是佛罗伦萨 −0.958、米兰 −0.882、罗马 −0.899。
图 4｜路段每少一截，排放还降得动吗？
（a–c）TomTom 最快在三座城市的 ΔD 对 ΔE。点从浅到深表示采用率 10% 到 100%，虚线是指数衰减拟合，灰色区域是 ΔD 或 ΔE 为负的地方。浅色点靠近纵轴甚至落在左半边，ΔE 高，对应低采用时路段略增、排放降得多；深色点移向右侧，ΔE 接近 0 或为负。（d–f）六家服务画在一起，形状仍是先陡后平。罗马的深色点更多落到 ΔE 为负的区域，和全采用排放反超零采用一致。来源：原论文 Fig. 4。
读法是：采用率还低时，路段数略增伴随着较大的排放下降；采用率升高后，路段数开始减少，排放仍能降一些；路段再继续减少，排放几乎不再降，有的台阶上排放反而增加。这是仿真曲线上的伴随关系。它说明“更集中”不会自动带来“更减排”，也没有单独证明哪一个路口是因果中介。
换成一张没有真实城市形状的方格路，还会出现吗？
商业接口不能用在虚构路上，所以抽象实验里，听导航被定义成走最快路，其他人仍走扰动最快路。基础路网是 10×10 的双向单车道方格，每段 150 米，限速 50 公里/小时，十字路口不许掉头。车数从 1,000 到 5,000，每 1,000 一档，每种设置重复 10 次。
图 5｜车流不交叉时，路段变少还会拖累排放吗？
（a）所有车从西向东，只有一条起讫流。（b）再加一条南北向车流，两条最快路在格子中心交叉。蓝点是起点，橙点是终点。（c）两条车流时，用到的路段数随采用率先缓后陡地下降。（d）单车二氧化碳先降，后段趋于平缓，图注把平缓归因于共享路口的拥堵。（e）ΔD 对 ΔE 的非线性关系，点的深浅仍是采用率从 10% 到 100%，虚线是指数拟合。来源：原论文 Fig. 5。
只有一条车流时，用到的路段照样随采用率下降，排放却继续下降。最快路没有对向车来抢路口，个体更快的选择一直也是更省排放的选择。两条车流交叉之后，路段数陡降、排放停滞、ΔD 与 ΔE 的非线性，以及接近全采用时排放基尼系数上升，都重新出现。排放停滞在车数不少于 3,000 时更明显。
14×14 的方格、以及各 20 个小的和 20 个大的随机网格，多数仍是路段数下降、排放在高采用率走平。20 个随机网里通常有 3 或 4 个偏离，常见原因是网络被切碎或瓶颈太窄，可选路线本来就少。作者据此认为，集中和减排停滞来自“个体最快路在路口互相占用”，三座意大利城市的具体形状是这种机制得以出现的一个实例。
这些结果能说到哪一步？
仿真回答的是：若这一小时的起讫结构不变、一部分车被指定听从某家导航的典型路线，路网使用和这套欧 4 小客车排放模型会怎样变。它没有观测这三座城市里真实司机当天是否打开了导航，也没有用路边监测验证排放。控制组走带噪声的最快路。轨迹用来生成起讫矩阵；每名司机当天实际选了哪条路，数据里没有这条记录。
导航在开仿真之前就选定，不会因为自己造成的排队而改推荐。作者认为，若真实服务和司机持续互相适应，集中可能更强，因此现有结果可能偏低。这是对反馈的推断。另一面同样成立：真实服务有时会在几条路之间摇摆，那种摇摆没有进入这套固定路线的实验。
主结果对应早高峰那一小时。低负荷仿真另外说明，车少时同一套导航多半在减排。谷歌此前在盐湖城的仿真报告过行程时间约降 6.5%、二氧化碳约降 1.7%；那种单一情景里的收益，和这里“低采用、低负荷有收益，高采用、高负荷可能反转”放在一起，矛盾就小了。
系统最优需要所有人配合，使全路网的总代价最小。这些服务按一次查询给一名司机路线，也不能强制司机服从，实验因此没有实现系统最优。提供每问至多大约三条备选、或者让四家服务同时存在，都只是轻度稀释重叠。
一句话总结
在这三座城市的早高峰仿真里，听导航的人越多，车流越会汇到更少的路段、尤其是高速和干道上；车少时排放大多下降，车多时减排会在各自的采用率拐点之后变弱，有的服务还会比谁都不听导航排得更多。
核心来源
- Nature Communications 论文页，核对题目、作者、2026年7月11日发表日期与正文数字。正文图 1–5 即本文五张图。
- 期刊补充材料：注 1–7、表 S1–S2、图 S1–S20。车数定义、排放百分比、路段重叠、w 的敏感性、四家服务混合，以及方格路网的推广，写在这些注和表里。
- 仿真输出与路网，存档于 Zenodo：10.5281/zenodo.20001710。原始车载轨迹受商业协议限制，不能再分发；导航接口返回的路线同样不公开。仓库提供米兰一份公开轨迹生成起讫矩阵的代码，以及用最快路代替商业导航的原型。
作者介绍
四位作者的单位和分工以论文署名及贡献说明为准。
- Giuliano Cornacchia：意大利国家研究委员会信息科学与技术研究所（ISTI-CNR，比萨）。通讯作者。提出问题，设计并实现仿真，完成全部实验和主要图件，撰写论文。
- Mirco Nanni：ISTI-CNR。参与提出问题。
- Dino Pedreschi：比萨大学计算机科学系。参与提出问题并参与写作。
- Luca Pappalardo：ISTI-CNR，同时任职比萨高等师范学校（Scuola Normale Superiore）。通讯作者。参与提出问题，设计实验和图件，撰写论文并指导研究。
延伸思考
以下是 AI 基于论文结果所作的延伸，不属于原论文结论。
若一座城市只用低负荷或盐湖城那种“大约降 1.7% 二氧化碳”来评价导航，会错过罗马高负荷的拐点。更有信息量的本地测试，是把同一份早高峰起讫固定住，只改两件事：路线在仿真中途按新的车速重算一次，以及采用率停在该城排放最低的那一档，而不是默认推到 100%。佛罗伦萨高负荷下，70%–80% 已经比全采用略好；罗马的必应在 20% 之后继续提高采用率，表里的收益会从 +1.57% 变成 −9.10%。
另一项和政策直接相关的对比是：限制导航进入居住性街道，可能只是在重复这三座城市里已经发生的事，因为居住性道路上的排放份额本来就在下降。尚未回答的是干道两侧的人。可以把“污染最高的 20% 路段上，听导航车辆的通过量不超过某个上限”写进仿真，再看佛罗伦萨那大约 24%–27% 的高负荷减排还剩多少。若减排大部分消失，收益主要就是把车送上这些干道；若减排还在，就说明个体路线本身的速度和加减速仍有独立贡献。
四家服务平分市场只是让路段数少掉得慢一些，排放接近各家的平均。要检验“多几个 App 就能避免集中”，需要让各家的最快走廊真正错开，而不是让它们共享同一批高速。错开之后若排放上升、路段数不再下降，集中就是当前减排的代价；若两者可以同时改善，才谈得上保留路径多样性的导航。
