微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 为什么城市必须缩小行车道为行人腾出空间?

为什么城市必须缩小行车道为行人腾出空间?

2020-10-15 14:33
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2020-10-15 14:33 科技行者

为什么城市必须缩小行车道为行人腾出空间?

闭上眼睛,想象一下城市中的典型街道环境——您的脑海中浮现出了怎样的场景?

对大多数人来说,出现的应该都是无缘熟悉的场景:几条车道,两侧是成排密集停放的汽车。狭窄的人行道被隔离在外,把行人、慢跑者、游客、通勤者、家长、宠物主、市政工人以及摊贩等大多数人类活动挤压在非常有限的空间之内。

过去一百年中,随着尾气、内燃机与数千万平方米停车场的发展变化,城市的面貌也由此塑造而来,并在世界范围内成为统一甚至不容置疑的标准思路。

然而,在新世纪与疫情的双重冲击之下,第三条道的时代已经逐渐来临。这是一种前所未有的公共空间创新使用方式,为我们熟悉的人车二分之外开辟出新的规范。

当然,从表面上看,其中的思路似乎非常简单。只要消除停车场并缩窄车道,我们就能留出必要的空间以容纳轻型、人类尺寸的小型机动车辆,例如电动踏板车。

但事情绝不这么简单,只有深入理解了其中的含义,我们才能真正理解第三条道的重要性,特别是其如何重新定义我们对于城市以及市政公共空间的理解。

第三条道与新的机动通路

首先,第三条道代表着身体活动的自由。世界各地市政部门早已意识到自行车与踏板车(形体与人类相当的载具)在城市中的行驶速度高于汽车及摩托车。它们更轻便、更灵巧、更精简,能够大大缓解城市街道上的普遍交通拥堵。另外,它们也更容易停放,而将体形庞大的笨重车辆与小巧敏捷的车辆明确区分开来,能够显著强化这种优势。在城市考虑建造第三条道时,也相当于将投资用于在城市环境中规模更加紧凑的速度及运行规模,最终有助于提升市民的行动自由能力。

第三条道与经济机遇

第三条道带来的不仅是机动性的提升,同时也能够以多种方式带动当地经济以及小型企业。

微型载具能够便捷地把民众送往当地各商店及餐厅。在最近一次调查中,受访骑手中约有50%表示最近一次骑行找目的地是餐厅或购物中心。此外,有70%的骑手表示他们正是因为有了这种便捷的出行方式才愿意前往商业场所。

与微出行相结合,第三条道还将骑手与就业机会联系起来。微型载具不仅增加了公共交通站点的可及性,同时也在传统上未得到公共交通覆盖的区域提供新的出行选择,以及安全、便捷的出行路线。例如,芝加哥当地的研究人员发现,与纯粹的步行或驾驶相比,电动踏板车能够在30分钟内实现16%的工作场所往来效率提升。在迈阿密,一项类似的研究也发现,微型载具能够在不延长当前通勤时间的前提下,将人们适合选择的工作岗位增加40%。

当然,第三条道对于当地经济最大的影响,其实与道路本身并无关系。相反,其核心意义在于影响市政对于公共空间利用以及公共空间回收的具体思路。从旧金山到马赛,全球无数城市的决策者正在针对COVID-19疫情影响调整街道与人行道的实际用途,以便为餐厅顾客提供充足的用餐空间,同时始终保持适当的社交距离。如今,很多毫无乐趣可言的停车位已经被改造成热门的商业及娱乐中心,市民们也意识到这确实能够给自己带来巨大的感受提升。

第三条道为城市的发展指明了新的方向——换言之,当没有了汽车,城市可能反而会重新焕发出以人和企业为主体的生命力。

第三条道与社会公平

除了效率性与经济性之外,第三条道的最大优势还在于其拥有促进社会公平的内在潜力。

在全世界,特别是在美国,家庭汽车保有量仍然与收入水平紧密相关。一般来说,家庭收入越多,家中拥有一辆或者多辆汽车的可能性就越大。因此,住宅周边就需要更多机动车道与停车场,这会进一步将低收入社群及缺少市政服务的人群排挤出去。

最近在《Transportation Research: Part A》中发表的一项研究发现,电动踏板车不仅拥有更强的交通工具属性,同时也在更广泛的群体中拥有吸引力及可行性。这是个令人振奋的开始,突显出电动踏板车的发展潜力,包括帮助更多人在城市内获得公平的交通资源。而目前缺少的最大前提,就是受到妥善保护且路况良好的第三条道。

因此,以当前的疫情为契机,重新考量传统交通规范并回收宝贵的城市街道空间十分必要。随着汽车主导型城市在可持续性层面的逐渐崩溃,更加公平高效的城市交通必将占领新的高地,而其中的先锋正是这“第三条道”。

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。

  • 香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。

  • 中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。

  • 字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-