Google Research opublikował właśnie wyniki największego jak dotąd eksperymentu sprawdzającego, czy nawigacja może realnie odkorkować miasto, nie tylko pojedynczego kierowcę. Odpowiedź brzmi: tak, i to przy zaskakująco małej ingerencji.
Kluczowe fakty:
- Google Research przeprowadził przez sześć miesięcy eksperyment w dziesięciu dużych amerykańskich miastach, modyfikując algorytm Map Google tak, by kierować część kierowców na alternatywne trasy omijające najbardziej zakorkowane odcinki dróg.
- Zmodyfikowaną trasę otrzymało mniej niż 2 procent wszystkich obserwowanych przejazdów, a proponowane objazdy miały zbliżony czas dojazdu i podobny typ drogi co trasa pierwotna.
- Na odcinkach będących bezpośrednim celem interwencji odnotowano średni wzrost prędkości jazdy o około 2 procent, co opisano w pracy naukowej opublikowanej w czasopiśmie Nature Cities.
Przez pół roku inżynierowie z Google Research modyfikowali algorytm Map Google w dziesięciu dużych amerykańskich miastach, kierując część kierowców z wybranych, najbardziej zatłoczonych odcinków dróg na alternatywne trasy o zbliżonym czasie przejazdu. Wyniki opisano w pracy „Urban congestion relief experiments through routing-app interventions”, opublikowanej w czasopiśmie Nature Cities. To pierwsze na taką skalę, rzeczywiste badanie sprawdzające, czy koordynacja tras w skali całego miasta daje mierzalny efekt.
Znajdź dostawcę, partnera lub narzędzie dla swojego biznesu, a jeśli prowadzisz firmę, która w swoim DNA ma AI, skorzystaj z możliwości bezpłatnego dodania swojej firmy.
Jak wyglądał eksperyment
Zespół Nehy Arory i Aboudy’ego Kreidieha wybrał w każdym z dziesięciu miast około stu odcinków dróg z historycznie wysokim poziomem zatorów, powtarzających się wąskich gardeł i dużym natężeniem ruchu w godzinach szczytu. Przez sześć miesięcy stosowano schemat naprzemienny (tzw. switchback), na przemian włączając zmodyfikowany algorytm routingu i pozostawiając wersję standardową, dzień po dniu.
Kluczowy jest tu skala interwencji. W dniach testowych zmieniony routing dotyczył wyłącznie tras, które i tak przechodziły przez wybrane, zakorkowane segmenty. Łącznie zmodyfikowaną trasę otrzymało poniżej 2 procent wszystkich obserwowanych przejazdów.
Google nie wymyślał tu nowych dróg ani nie kazał kierowcom jeździć okrężnie kosztem czasu. System proponował alternatywne trasy tej samej klasy (podobny typ drogi) i zbliżonego czasu dojazdu, po prostu omijające zator.
Wyniki: małe liczby, duży efekt w skali miasta
Do analizy zastosowano hierarchiczny model bayesowski, który pozwala jednocześnie uchwycić efekty na poziomie całego miasta i pojedynczej godziny, dzieląc się informacją między miastami i porami dnia.
Na odcinkach, które były bezpośrednim celem interwencji, prędkość jazdy wzrosła średnio o około 2 procent, a zużycie paliwa spadło o 0,5 do 1 procent. Jeśli spojrzeć szerzej, na wszystkie segmenty dotknięte efektem przekierowania (czyli także te, na które trafił dodatkowy ruch), prędkości poprawiły się średnio o 0,35 procent, a w godzinach szczytu porannego i popołudniowego nawet o 0,5 procent.
Brzmi skromnie, dopóki nie przeliczy się tego na skalę miasta przez rok. Autorzy szacują, że przy takim natężeniu ruchu i takich populacjach miast, jak badane, oszczędności sięgają tysięcy ton ekwiwalentu CO2 rocznie na miasto. Streszczenie opublikowane przez Nature Cities mówi wprost, że rerouting niewielkiej części przejazdów daje realną poprawę prędkości i czasów przejazdu przy jednoczesnym ograniczeniu emisji w dużych amerykańskich miastach.
Najlepiej widać to na przykładzie Atlanty, gdzie badacze pokazali mapę zmian ruchu. Trasy zostały zbiorczo przesunięte z centralnej autostrady przecinającej miasto na bardziej rozproszony zestaw dróg na peryferiach. Zamiast koncentrować ruch na kilku przeciążonych arteriach, system rozłożył go na większą liczbę segmentów, z których każdy przyjął niewielki wzrost obciążenia.
Ten eksperyment pokazuje coś, o czym w branży mówiło się od lat w trybie teoretycznym: że nawigacja indywidualna, optymalizująca trasę dla pojedynczego kierowcy, i nawigacja systemowa, optymalizująca ruch całego miasta, to dwa różne zadania, które można ze sobą pogodzić bez rewolucji w infrastrukturze. Nie chodzi o żadną wielką sztuczną inteligencję zarządzającą miastem, tylko o drobną korektę algorytmu, która działa na już istniejącej bazie użytkowników. Zwraca uwagę fakt, że efekt jest korzystny nie tylko dla osób korzystających z Map Google, ale dla całego ruchu na danym odcinku, także dla tych, którzy tej aplikacji nie mają. To rodzaj efektu ubocznego, którego prywatna firma zwykle nie ma interesu mierzyć, a tu zrobiła to metodycznie i opublikowała w recenzowanym czasopiśmie. Warto natomiast zadać pytanie o granice tego modelu. Co się stanie, gdy skala interwencji wzrośnie z 2 do, powiedzmy, 20 procent przejazdów? Czy efekt będzie się skalował liniowo, czy w pewnym momencie przekierowany ruch zacznie tworzyć nowe zatory na drogach, które miały być odciążeniem? Google na razie testował ostrożnie, małymi krokami, i to prawdopodobnie klucz do tego, że eksperyment się powiódł.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Zielone światła i Green Light: to nie pierwszy taki projekt Google
To nie pierwsza próba Google Research na styku AI i infrastruktury miejskiej. Od kilku lat rozwijany jest równolegle projekt Green Light, który wykorzystuje dane z Map Google do optymalizacji cykli sygnalizacji świetlnej w porozumieniu z władzami miast. Green Light działa dziś w kilkudziesięciu miastach na świecie, w tym w Manchesterze, gdzie według przedstawiciela tamtejszego wydziału transportu system wskazał inżynierom możliwości optymalizacji, o których wcześniej nie wiedzieli, obejmując sygnalizację na 2400 skrzyżowaniach.
Różnica między obydwoma projektami jest jednak fundamentalna. Green Light wymaga współpracy z urzędem miasta i fizycznej zmiany ustawień sygnalizacji. Nowy eksperyment z routingiem nie wymaga niczyjej zgody poza samym Google, bo dotyczy wyłącznie algorytmu nawigacji w telefonie kierowcy.
Kontekst rynkowy
Skala problemu, który Google próbuje rozwiązać, jest ogromna. Amerykański kierowca spędza średnio 2,6 roku życia w samochodzie, a samochody osobowe i dostawcze odpowiadają za około 10 procent globalnej emisji CO2. Mapy Google, Apple Maps i Waze to dziś praktycznie standardowe narzędzie planowania trasy dla setek milionów kierowców na świecie, co oznacza, że nawet niewielka zmiana w logice routingu ma natychmiastowy zasięg globalny, bez potrzeby budowy nowej infrastruktury.
Warto dodać, że naukowcy od dawna ostrzegali przed odwrotnym scenariuszem: że aplikacje nawigacyjne, optymalizując trasy indywidualnie i egoistycznie, mogą w praktyce przenosić korki na osiedlowe uliczki nieprzystosowane do dużego ruchu, pogarszając sytuację mieszkańców tych okolic. Google Research w tym eksperymencie testuje odwrotne podejście, czyli świadomą koordynację ruchu w interesie całej sieci, a nie tylko pojedynczego kierowcy.
Co to oznacza dla polskich miast?
Dla Polski to nie jest abstrakcyjny temat zza oceanu. Najnowszy raport TomTom Traffic Index pokazuje, że Łódź i Lublin znalazły się w światowej czołówce najbardziej zakorkowanych miast, wyprzedzając większość metropolii Azji i Ameryki Południowej. Aż sześć polskich miast trafiło do pierwszej dziesiątki najbardziej zatłoczonych aglomeracji w Europie.
Kilka liczb, które to obrazują:
- Łódź ma wskaźnik zatłoczenia na poziomie 72,8 procent, czwarty najwyższy wynik na świecie
- Lublin zajmuje szóste miejsce globalnie, z zatłoczeniem 70,4 procent
- Poznań rekordzistą w utraconym czasie: mieszkańcy tracą tam rocznie prawie 6 dni tylko przez stanie w korkach w godzinach szczytu
- Wrocław najdłużej pokonuje 10-kilometrowy odcinek w centrum, średnio 30 minut
Co ważne, TomTom odnotował pogorszenie sytuacji we wszystkich badanych polskich miastach względem poprzedniego roku, bez wyjątku. To sugeruje, że polska infrastruktura drogowa nie nadąża za przyrostem liczby aut, a rozwiązania software’owe, takie jak inteligentny routing czy optymalizacja sygnalizacji, mogą być tańszą i szybszą do wdrożenia alternatywą niż budowa nowych dróg. Green Light działa już w Europie, choćby w Manchesterze, więc nie ma przeszkód technicznych, by podobny model dotarł także nad Wisłę, o ile znajdzie się miasto gotowe na współpracę z Google.
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz dodatkowych źródeł, w tym oficjalnego wpisu na blogu badawczym Google Research z dnia 7 lipca 2026 roku, opublikowanego jednocześnie z badaniem w Nature Cities, a także materiałów na temat projektu Green Light dostępnych na stronie research.google. Dane o zatłoczeniu polskich miast pochodzą z raportu TomTom Traffic Index 2026, cytowanego za portalem rp.pl. Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl. Artykuł będzie aktualizowany w miarę pojawiania się nowych informacji o wdrożeniach systemów opartych na network-aware routingu w miastach europejskich.
