Navigation services amplify concentration of traffic and emissions in our cities

本文探讨了人工智能与人类互动的生态系统的普及问题，例如助手和推荐系统，引发了对大规模社会行为的担忧。尽管在多种情境下都存在这种现象，但GPS导航服务的集体影响仍不清楚：虽然对用户有益，但如果太多车辆通过同样的几条道路，它们也可能引起混乱。我们的研究采用模拟框架来评估导航服务对道路网络使用和二氧化碳排放的影响。结果显示了一种普遍的加剧一致性的模式：导航服务的采用率增加会导致移动旅行者路线多样性的减少，交通和排放的集中增加在较少的道路上，从而加剧了对选定社区的负面外部性的不平等分布。虽然导航服务的推荐可以在其采用率低时帮助减少二氧化碳排放，但当采用率高且超过某个城市和服务相关的阈值时，这些好处会减少甚至消失。我们用一个非线性函数总结了这些发现，将一致性的边际增加与二氧化碳减少的边际联系起来。我们的模拟方法解决了交通系统复杂性和数据和算法透明度不足所带来的挑战。

本文试图解决GPS导航服务对道路网络使用和二氧化碳排放的影响问题，尤其是导航服务的普及会不会加剧负面影响的分布不均。

本文使用模拟框架评估了导航服务对道路网络使用和二氧化碳排放的影响，并发现了一种普遍的放大一致性的模式，即导航服务的采用率越高，移动旅行者的路线多样性就越小，交通和排放就会集中在更少的道路上，从而加剧了负面外部性的不均分布。

本文提出了一个非线性函数，将一致性的边际增加与二氧化碳排放的边际减少联系起来。研究使用了模拟方法解决了交通系统复杂性和数据和算法透明度不足的挑战。虽然导航服务的推荐可以在采用率低的情况下帮助减少二氧化碳排放，但当采用率高于某个城市和服务相关的阈值时，这些好处会减弱甚至消失。

最近的相关研究包括：1. 'The impact of ride-hailing on vehicle miles traveled'（Uber和Lyft等打车软件对车辆行驶英里数的影响）；2. 'The environmental impacts of Uber'（Uber的环境影响）；3. 'The impact of carsharing on public transit and non-motorized travel: An exploration of North American carsharing survey data'（汽车共享对公共交通和非机动出行的影响）。