人口密集的城市里，每天都会上演“堵城风云”。想要让司机在汇入车流前，变更至一条空闲道路，需要提前对周边路况了如指掌。常规做法之一，就是在每条道路安装摄像头，实时掌控路面的车流密度。这项技术受到地域和成本制约，迟迟未能普及。最近在日本，一种低成本的报堵方法呼之欲出。

伊藤俊雄（ToshioIto）是芝浦工业大学工程和科学系统学院的教授。他研发了一种预测交通拥堵的方式——监控驾车行为，以此判断路况。教授的新点子只需借助车内已有的传感器装置，成本低，不依赖道路基础设施是这项技术的核心竞争力。

这位理工科教授好似一位深谙人类行为学的杂家。他注意到，发生交通拥堵时，车辆会在路上怠速行驶。司机会频繁执行制动等动作，后方的车辆看到前方刹车灯后，也会相继减速。这一系列执行动作有规律可循，因此被教授纳入了评判体系。如果检测到后方跟车速度没有下降，但是道路前方的车内司机却在高频踩踏刹车，那么便可以预测，一场拥堵即将发生。

遵循这个逻辑，预测拥堵，只需要依靠车内传感器，检测司机无意识状态下做出的行为改变。教授例举的三个行为判断参数是：方向盘转动角度，油门踏板被踩下的幅度，还有车辆行驶速度。当然，实际关注的参数并不止这三个。传感器检测这些变化后，通过量化和分析，根据上述原理发现拥堵前奏。

整个项目组制造了一台酷似游戏装置的驾驶模拟器，在学校的一次课程上测试了这项新技术。研究人员模拟了道路闲时、忙时、拥堵等多种路况，由学校的20多名学生组成的体验团参与了测试。最后项目组发现，每个驾车者在车流较少和道路拥堵两种情况下，驾驶行为存在明显差异。

模拟器的外视图和内视图

你也许会问，单独样本的行为差异或许不难分清，但是在不同个体间，软件判断还能准确无误吗？事实上在实验中，教授他们发现不同路况下，高频行为数据的确会因人而异。所以项目设立了一个小组，专门研究更加精准的评判方式。他们依赖于名为“神经网络系统”（NNS）的机器学习，对看似不同的行为数据加工、分类、整理，从而优化整个系统。这样，整套软件依靠分析司机行为，检测路面状态差异的精准率，就提升到了80%。

总结起来，项目组主要靠包含方向盘转动角度，油门踏板被踩下的幅度，车辆行驶速度在内的多种数据预测拥堵，要做的只要开发一款分析司机行为的软件。所以整个技术可以看作是智能交通的低成本解决方案，无需增加路面基础设施或者在车上安装额外的传感器。

另外，这个新方法除了在拥堵提醒方面有所应用，还可以识别因身理和心理导致的驾驶行为异常。开车打盹或者分心可以被传感器接收，由软件向司机发出警告提醒。如果未来与更多主动安全功能连接，遇到突发疾病或失去驾驶掌控能力的状况，车辆都可以紧急制动或切换为自动驾驶功能。

目前，教授正在为这项新技术申请专利，不过他还没有决定何时将这项技术商业化。细细想来，这是一门依靠数据来赚钱的生意。获取这些数据，需要打开汽车线路接口，而这次牢牢把握主动权的正是车企。这时候如果发现教授的另一个身份——大发汽车公司的总经理，你也许就不会感到奇怪了。

回眼国内，教授所使用的几种数据，通过OBD似乎也能获取个八九不离十，所以，如果OBD硬件公司也能够研发出合适的软件算法，预测交通也成为一种可能。