Anta att du har 10 taxibilar på Manhattan. Vilken del av stadsdelens gator täcker de en vanlig dag?

Innan vi svarar på det, låt oss undersöka varför det skulle vara användbart att veta detta faktum. Städer har många saker som behöver mätas:luftföroreningar, väder, trafikmönster, vägkvalitet, och mer. En del av dessa kan mätas med instrument fästa på byggnader. Men forskare kan också fästa billiga sensorer på taxibilar och fånga mätningar över en större del av en stad.

Så, hur många taxibilar skulle det ta för att täcka en viss mängd mark?

Att få reda på, ett MIT-baserat team av forskare analyserade trafikdata från nio storstäder på tre kontinenter, och framkom med flera nya rön. Några taxibilar kan täcka en förvånansvärt stor mängd mark, men det krävs många fler taxibilar för att täcka en stad mer heltäckande än så. Spännande nog, detta mönster verkar replikera sig själv i storstadsområden runt om i världen.

Mer specifikt:Bara 10 taxibilar täcker vanligtvis en tredjedel av Manhattans gator på en dag. Det tar också cirka 30 taxibilar för att täcka halva Manhattan på en dag. Men eftersom taxibilar tenderar att ha konvergerande rutter, över 1, 000 taxibilar krävs för att täcka 85 procent av Manhattan på en dag.

"Taxibilars avkänningskraft är oväntat stor, " säger Kevin O'Keeffe, en postdoc vid MIT Senseable City Lab och medförfattare till ett nyligen publicerat dokument som beskriver studiens resultat.

Dock, O'Keeffe konstaterar, "Det finns en lag om minskande avkastning" på spel också. "Du får den första tredjedelen av gatorna nästan gratis, med 10 slumpmässiga taxibilar. Men ... sedan blir det gradvis svårare."

Ett liknande numeriskt samband förekommer i Chicago, San Francisco, Wien, Peking, Shanghai, Singpore, och några andra stora globala städer.

"Våra resultat visade att avkänningskraften hos taxibilar i varje stad var väldigt lika, " O'Keeffe observerar. "Vi upprepade analysen, och se, och se, alla kurvor [plotta taxitäckning] hade samma form."

Pappret, "Kvantifiera avkänningskraften hos fordonsflottor, " visas den här veckan i Proceedings of the National Academy of Sciences . Förutom O'Keeffe, vem är motsvarande författare, medförfattarna är Amin Anjomshoaa, en forskare vid Senseable City Lab; Steven Strogatz, en professor i matematik vid Cornell University; Paolo Santi, en forskare vid Senseable City Lab och Institute of Informatics and Telematics of CNR i Pisa, Italien; och Carlo Ratti, chef för Senseable City Lab och professor i praktiken vid MIT:s avdelning för urbana studier och planering (DUSP).

Medlemmar av Senseable City Lab har länge studerat städer baserat på data från sensorer. Genom att göra så, de har observerat att vissa traditionella utplaceringar av sensorer kommer med kompromisser. Sensorer på byggnader, till exempel, kan tillhandahålla konsekventa dagliga data, men deras räckvidd är mycket begränsad.

"De är bra i tiden, men inte utrymme, " säger O'Keeffe om sensorer med fast plats. "Luftburna sensorer har omvända egenskaper. De är bra i rymden men inte tiden. En satellit kan ta ett foto av en hel stad – men bara när den passerar över staden, vilket är ett relativt kort tidsintervall. Vi ställde frågan, "Finns det något som kombinerar styrkorna med de två metoderna, som utforskar denna stad väl i både rum och tid?'"

Att sätta sensorer på fordon är en lösning. Men vilka fordon? Bussar, som har fasta rutter, täcka begränsad mark. Medlemmar av Senseable City Lab har fixat sensorer till sopbilar i Cambridge, Massachusetts, bland annat, men även så, de samlade inte in så mycket data som taxibilar kanske.

Den forskningen hjälpte till att leda till den aktuella studien, som använder data från en mängd olika kommuner och forskningsinsatser från den privata sektorn för att bättre förstå taxitäckningsmönster. Det första stället forskarna studerade var Manhattan, som de delade in i cirka 8, 000 gatusegment, och fick sina första resultat.

Fortfarande, Manhattan har några distinkta egenskaper - ett vanligtvis vanligt gatunät, till exempel – och det fanns ingen garanti för att mätvärdena som den producerade skulle vara liknande på andra platser. Men i stad efter stad, samma fenomen uppstod:Ett litet antal taxibilar kan cirkulera över en tredjedel av en stad på en dag, och ett lite större antal kan nå halva staden, men efter det, det behövs en mycket större flotta.

"Det är ett väldigt starkt resultat och jag är förvånad över att se det, både ur praktisk och teoretisk synvinkel, " säger O'Keeffe.

Den praktiska sidan av studien är att stadsplanerare och beslutsfattare, bland andra, har nu potentiellt en mer konkret uppfattning om investeringen som behövs för vissa nivåer av mobil avkänning, samt omfattningen av de resultat de sannolikt skulle få. En studie av luftföroreningar, till exempel, skulle kunna upprättas med denna typ av uppgifter i åtanke.

"Stadsmiljöavkänning är avgörande för människors hälsa, " säger Ratti. "Tills idag, avkänning har framförallt utförts med ett litet antal fasta och dyra övervakningsstationer. … Dock, ett omfattande ramverk för att förstå kraften i mobil avkänning saknas fortfarande och är motivationen för vår forskning. Resultaten har varit otroligt överraskande, när det gäller hur väl vi kan täcka en stor stad med bara några rörliga sonder."

Som O'Keeffe lätt erkänner, ett praktiskt sätt att konstruera ett mobilavkänningsprojekt kan vara att placera sensorer på taxibilar, distribuera sedan en relativt liten fordonsflotta (som Google gör för kartprojekt) för att nå gator där taxibilar praktiskt taget aldrig vågar sig.

"Du partiskhet, nästan per definition, populära områden, " O'Keeffe säger. "Och du är potentiellt underbetjänade eftersatta områden. Sättet att komma runt det är med en hybrid strategi. [Om] du sätter sensorer på taxibilar, sedan utökar du den med några dedikerade fordon."

För hans del, O'Keeffe, en fysiker av utbildning, tycker att resultatet bådar gott för den fortsatta användningen av mobila sensorer i stadsstudier, över hela jorden.

"Det finns en vetenskap om hur städer fungerar, och vi kan använda det för att göra saker bättre, säger O'Keeffe.

Den här historien återpubliceras med tillstånd av MIT News (web.mit.edu/newsoffice/), en populär webbplats som täcker nyheter om MIT-forskning, innovation och undervisning.