自动驾驶普及后,为什么通勤时间反而增加了20%?

1968年，德国数学家布雷斯发现了一个现象：增加新的道路有时反而会增加出行者的平均通行时间。这就是著名的布雷斯悖论。

按一般人的理解，自动驾驶当然会缓解拥堵了。因为这些车辆的反应更快、也更守交规，理论上可以将道路通行效率提升2-3倍。但这个计算忽略了一个重要变量，即行为经济学。

来做一道简单的算术题：假设你在北京CBD工作，附近停车场15元/小时，工作8小时需要120元。而你的L4自动驾驶汽车，每百公里电耗成本约6元，即便在拥堵路段慢速行驶，8小时能源成本约3元。加上车辆折旧与损耗，总成本可能不超过30元。理性的经济人会选择什么？当然是让车自己开出去遛弯，一直到下班。

这就是空载现象。2024年加州大学戴维斯分校的研究发现，在旧金山市区，自动驾驶车辆如果预测停车时长超过2.3小时，则选择空载行驶的概率就会超过50%。

那么，如果有60%的私家车具备自动驾驶能力，且城市停车价格维持在高位时，个体成本转嫁行为会导致多数车辆选择在路上跑。技术红利被个体博弈行为抵消，甚至产生负外部性。

为破解这个困局，有人提出收取动态空载税。基于V2X和车联网技术，实时识别空载且无目的地的车辆，对其征收动态税费，税率根据当前路网负荷进行调整。在此规则下，自动驾驶系统的算法目标将从最小化行驶时间转为最小化总成本。

诚然，我们正在进入算法对抗算法的时代。如果税收算法设计得当，它会引导驾驶算法做出对社会有利的选择；如果设计失当，驾驶算法会找到规则的漏洞，进而无法避免地产生新的套利空间。例如算法会引导车辆学会伪装空载，假装有一个遥远的目的地；或者多辆车共享一个停车位，轮流停靠和巡游以规避长时间空载税。

此时，数据主权与隐私成为了新的问题。为了精准决策，城市管理方需要实时知道每辆车的载客状态、目的地和行驶意图。如何在治理效率与个人隐私之间取得平衡，将是自动驾驶时代的核心议题之一。

自动驾驶不是第一个承诺了美好未来却可能带来意外后果的技术，也不会是最后一个。从工业革命引发环境污染，到互联网产生了信息茧房，历史反复告诉我们，技术解决旧问题的同时，往往会创造许多新问题。

布雷斯悖论提醒人们，系统的复杂性往往不在于其智能化程度，而在于它们之间的互动关系。如果聪明都用在了规避成本和转嫁风险上，整体城市交通系统可能变得更愚蠢。因此谈论智慧城市时，不仅要关注传感器密度和算力大小，还要关注规则设计是否科学与合理。

对这个话题，欢迎积极参与下方评论区讨论，提出您的看法与观点。

更多文章：