原既白的交通项目在第三天终于真正跑起来。
所谓“跑起来”,比他想象中寒酸得多。屏幕上只有十几个节点、几条道路和一批用小点表示的车辆。模型没有精美界面,数据也只覆盖一个很短的时间段,甚至信号灯规则都是先用简化版本。第一遍运行时,车辆很快在一个路口堆成一团,所有人都以为是拥堵自然形成,检查半天才发现是他们把一条单行路方向写反。
第二遍,公交车穿过了一个不存在的连接。
第三遍,模型终于没有明显错误,却顺畅得离谱。
现实里那个区域早高峰明明经常拥堵,模拟中车辆却几乎没有真正积压。
程砚盯着结果看了很久,说了一句:“我们做了一个比现实文明的城市。”
没人笑。
因为大家都已经知道为什么。
数据里没有临时停车。
没有家长送学生。
没有电动车突然进入机动车道。
没有施工车占道。
没有司机看到前面黄灯还想抢一下。
也没有某个路口因为下雨以后大家普遍开得更慢。
模型里的车辆严格遵守规则。
每一个人都知道自己去哪。
这种城市当然顺。
谢以宁把一张早高峰街景截图发到群里。学校门口两侧临停车辆占掉接近半条路,公交车被堵在后面,行人从车缝里穿过去。照片明显来自普通手机,没有任何数据意义上的漂亮结构,却比他们跑了半天的动画更接近问题本身。
原既白盯着那张图。
如果要让模型更真实,最直接办法当然是加行为规则:一定比例车辆临停、换道、减速,某些时段加入行人流,甚至模拟违规行为。他脑子里几乎立刻开始构造。
程砚却说:“先别加。”
原既白问为什么。
“我们连临停有多少都不知道。”
“可以估。”
“怎么估?”
“先设范围。”
程砚没有反对,却问设多大。百分之五?百分之二十?学校放学前十五分钟和早高峰一样吗?雨天又是多少?如果任何一个数字都来自直觉,模型最后也能跑出“像真的”拥堵,可那不代表他们真的理解为什么堵。
几个人讨论了很久,最后决定先不增加复杂行为,而是找能够合法获得的街景、公开交通视频和本地交通公告,做很粗的现场分类。谢以宁提出,如果开学前有人在本地,可以直接去路口看两天。
她自己就在本地。
程砚也在。
两个人约好第二天早上七点去。