Трафик. Психология поведения на дорогах

Вместо «точечных ударов» по затору можно применить «ковровую бомбардировку». Бывший сотрудник Транспортного управления Нью-Йорка Сэм Шварц (по прозвищу Сэм Затор) утверждает, что, объявляя дни «готовности к пробке» и передавая по радио «страшные» сообщения о положении на дороге, он мог бы «вывести 50–60 тысяч машин из транспортного потока. Принцип Гейзенберга просматривается и в дорожном движении. Вы рассказываете людям, что видите, и получаете нужный результат». Однажды, когда Шварцу нужно было, чтобы ремонтная бригада смогла спокойно поработать над подвесной железной дорогой, Сэм начал рассказывать по радио «страшилки», которые помогли значительно сократить дорожное движение. «Я отпугнул 40% машин, — гордо заявляет он. — Поразительно, как нам это удалось. Иногда, когда вы слышите по радио о том, что движение ужасное, это на самом деле я — как волшебник из страны Оз — вещаю, спрятавшись за ширмой».

Но и тут человеческий фактор играет свою роль. Проблема в том, что вы не сможете предсказать, как себя поведут люди. В одном исследовании участвовали водители, регулярно ездившие по 101-му шоссе в Кремниевой долине. После одной аварии, из-за которой пострадало много машин и образовалась длинная пробка, исследователи опросили водителей. Они выяснили, что только половина автомобилистов слышала об этой аварии, но, даже узнав о ней, они решили поехать на работу в обычное время. Судя по всему, они просто не рассчитывали, что смогут сэкономить время, немного изменив свои планы{55}.

Мы все попадали в такие ситуации. Поеду ли я по этой улице, если буду знать, что впереди произошла авария? Выеду ли в город рано утром в воскресенье, если все остальные сделают то же самое? Перестроюсь ли в правый пустой ряд, если буду знать, что он пустой не просто так, а по какой-то причине? Нам приходится принимать решения, не зная всего этого. Мы полагаемся на опыт. Здесь движение обычно не очень интенсивное, поэтому я останусь тут. По радио объявили, что ожидается снег, значит, вряд ли в торговом центре будет много народу. Опыт подсказывает нам, как действовать.

Это напоминает описанную экономистом Брайаном Артуром известную «задачу El Farol», названную так в честь ресторана в Альбукерке, Нью-Мексико. По сценарию 100 человек хотели бы пойти туда, чтобы послушать живую музыку, но ресторан может вместить не больше 60 человек. Как решить — идти или нет? Если кто-то пойдет, а ресторан окажется переполненным, предпримет ли он новую попытку на следующий вечер, думая, что другие конкуренты уже не захотят испытывать судьбу, — или точно так же подумают все? Артур смоделировал ситуацию и обнаружил, что в среднем в ресторан действительно приходило около 60 человек, но количество посетителей за вечер колебалось на протяжении всех 100 недель исследования. Это свидетельствует о том, что люди стараются адаптировать свое поведение к изменениям вокруг них.

То же происходит и на дороге, даже когда люди обладают определенной информацией{56}. Например, в 2006 году проводился ремонт на автостраде Дэна Райана в Чикаго. В первый день закрытия восьми скоростных полос движение было на удивление неплохим. В новостях сообщили, что машины по объездным дорогам двигались медленнее, чем по шоссе. Можно представить, что произошло на следующий день: все ринулись на шоссе{57}. На третий день интенсивность транспортного потока уменьшилась, хотя с таким же успехом могла и увеличиться.

Что будет, если нам не придется больше угадывать? Мы стоим на пороге революции в области дорожного движения: на рынке появляются навигаторы, на которые в режиме реального времени поступают данные. Это может иметь серьезные последствия. Исследования показали, что эффективность действий водителей на незнакомых дорогах снижается примерно на 25%, а если они будут получать информацию об оптимальном маршруте{58}, протяженность их пути уменьшится в среднем на 2%. Логистические программы помогают сокращать время поездки и выбросы грузовиков, предлагая маршруты без левых поворотов, отнимающих много времени при движении в обе стороны{59}. Но важнее всего то, что каждый водитель точно знает, на каких дорогах есть пробки и каковы альтернативные маршруты. Он не строит предположения, а опирается на точные данные, передаваемые в реальном времени.

Теоретически это повышает эффективность системы. Если впереди на дороге авария, водитель сможет выбрать другой маршрут и сэкономить время. Но на практике все не так просто.