Летом и осенью 2011 года Левандовски часто спрашивал меня, во сколько я оцениваю весь рынок беспилотных автомобилей. Тогда я не знал о бонусном плане Chauffeur. Тем более я не знал, что у Левандовски самая большая доля и что она привязана к оценке рынком проекта самоуправляемого автомобиля, как только он будет выделен из Google в самостоятельную компанию. Тем не менее я мог дать Левандовски сведения, способные в значительной степени удовлетворить его любопытство, поскольку в прошлом я руководил исследовательским проектом, посвященным четырем предпосылкам революции в транспортной системе Америки и оказываемому ими действию.
DARPA, Университет Карнеги – Меллона, Стэнфорд и Google продемонстрировали, что самоуправляемые автомобили возможны. Концепт GM EN-V, звезда Всемирной выставки в Шанхае, подчеркнул достоинства транспортного средства, созданного в расчете на самый распространенный тип поездки, по сравнению с заведомо избыточным, рассчитанным на поездку любого типа. Zipcar, Lyft и Uber убивали в сознании американцев идею об обязательном владении автомобилем, в котором ты едешь. А Tesla превращала электрокар в массовый продукт. Каждая из этих тенденций сама по себе означала существенное улучшение в сложившейся за 130 лет транспортной системе на основе автомобиля. Но меня больше интересовало, на что они способны вместе. Я чувствовал, что наступает эпоха нового транспорта. И я верил, что эта эпоха обещает бо´льшую мобильность и безопасность для большего числа людей за меньшую цену и при меньшем воздействии на окружающую среду, и мне хотелось составить более ясное представление о последствиях такого сочетания факторов. Какое именно будущее принесут нам эти тенденции? И говоря о вещах, более интересных инженерам Google, участвующих в бонусном плане Chauffeur, сколько именно в экономическом выражении может стоить образовавшийся в результате революции рынок транспортных услуг?
Джефф Сакс дал мне возможность составить об этом представление. Джефф принадлежит к узкому кругу экономистов-знаменитостей. Он давно занимает пост директора в Институте Земли Колумбийского университета, ищущего новые способы обеспечить самодостаточное развитие человечества. Его книга 2005 года «Конец бедности» стала бестселлером. Мне известна репутация Джеффа, и я стал следить за его выступлениями с 2008 года, когда он выступил с авторской колонкой, где отстаивал неочевидный на первый взгляд тезис, что углубление финансового кризиса 2008 года открывало новые возможности для Детройта, который мог открыть новую эру технологического лидерства США в мировом автомобилестроении. Я разделял его точку зрения.
После избрания Обамы на президентский пост Сакс был назначен его советником по автомобильной промышленности, и он приезжал в Детройт, чтобы лучше узнать положение дел в GM. В начале 2009 года мы вместе провели полдня за обсуждением потенциала автомобиля нового типа. Было очевидно, что нас объединяет общее представление о будущем транспорта и желание превратить это представление в реальность как можно скорее.
Сакс связался со мной после моего ухода из GM осенью 2009 года. Он предложил мне возглавить новую инициативу его института, которую он назвал «Программой экологически безопасного транспорта».
Сакс был мне очень симпатичен, и с 2010 года я приступил к работе в Институте Земли.
Имея возможность проводить исследования по проблеме самодостаточного транспорта в Институте Земли и не будучи связан никакими обязательствами по отношению к GM, я решил, что имею полное право выбрать в качестве темы влияние перехода к транспорту нового типа – автономного, разделяемого, электрического и учитывающего нужды конкретнтых потребителей – на общий уровень транспортных расходов в Америке. Чтобы дать старт моим исследованиям, Джефф помог мне получить достаточное финансирование от шести компаний. (Это были автопроизводители General Motors и Volvo, телекоммуникационные фирмы Ericsson и Verizon, электрическая компания Florida Power & Light и девелопер Kitson & Partners.) Я взял на работу великолепного руководителя программ Бонни Скарборо, инженера, работавшую до того в Национальной инженерной академии, а также нескольких лаборантов. Также мне удалось уговорить присоединиться к нам моего хорошего друга и коллегу Билла Джордана.
Билл – один из лучших в мире специалистов по математическому моделированию. Я пригласил его на работу в исследовательское направление GM в начале 80-х годов, когда он закончил работу над кандидатской диссертацией по гражданскому строительству в Корнеллском университете. Мы быстро подружились и вместе работали над многими трудными и интересными проектами, направленными на улучшение операционных показателей или же продуктов GM. В каждом из них требовались наши знания в математике и статистике. Билл ушел из GM в один день со мной и продолжил профессиональную деятельность в качестве консультанта. Когда я объяснил ему, чем занимаюсь в Колумбийском университете и почему нуждаюсь в его помощи, он согласился немедленно.
Наша работа началась с регулярных встреч на заднем дворе моего дома во Франклин-Виллидж, на северо-запад от Детройта. Одним из первых предпринятых нами действий была оценка суммарных затрат американцев на владение автомобилем. В целом по стране частные водители проезжают 5 трлн км в год, и обходится этот пробег в чудовищную сумму. Американская автомобильная ассоциация ежегодно оценивает затраты на владение и пользование автомобилем. Их расчет включает амортизацию автомобиля, топливо, страховку, техобслуживание и финансовые операции (например, платежи по кредиту или лизингу). Часть затрат зависит от пробега (например, топливо и амортизация), а часть – от возраста машины (например, страховка и финансовые операции).
В 2011 году Ассоциация оценила средние расходы приблизительно в 0,37 долл. на километр, не считая парковки. Если добавить расходы на парковку, составляющие примерно 0,03 долл. на километр (величина сильно зависит от того, где человек живет и где паркуется), то суммарные затраты составят 40 центов на километр. Таким образом, владение и пользование автомобилями обходится американцам в 2 трлн долл. в год (5 трлн км по 0,40 долл. за километр).
Мы также должны принять во внимание цену времени, которое мы тратим на управление автомобилем. Несмотря на все старания экономистов определить цену времени в дороге, ее величина остается в высшей степени спорной. Мы с Биллом приняли за оценку величину, просто полученную от деления средней почасовой ставки американского рабочего на среднее расстояние, пройденное за час. В 2011 году средняя почасовая зарплата составляла 24 долл. (43 000 долл. заработка в год, деленные на 1800 отработанных часов), а средняя скорость в американских городах варьировалась от 40 до 50 км в час (в этом показателе учитывается время, проведенное в пробках и на светофорах). В результате оказывается, что время стоит приблизительно 0,53 долл. на км (24 долл. разделить на 45 км в час). Добавьте сюда средние затраты на владение и пользование автомобилем, 0,40 долл. на километр, и получится, что в сумме иметь машину и ездить на ней обходится 93 цента на километр.
Таким образом, американцы в общей сложности тратят 4,6 трлн долл. в год за рулем своих автомобилей (5 трлн км на 0,93 долл. за километр). Это чудовищно большие деньги – больше ежегодного бюджета Соединенных Штатов, равного 4 трлн долл.! Мы с Биллом были уверены, что транспортная революция значительно сократит эту сумму.
Вот как мы представляли себе новую систему: если человеку нужно попасть куда-нибудь – скажем, в продовольственный магазин в нескольких километрах от дома, – он при помощи смартфона вызывает беспилотный электрический автомобиль. Запрос будет обработан компьютером-диспетчером, который назначит на него конкретный автомобиль из располагаемого парка. Затем автомобиль сам направляется к месту посадки пассажира. Тот занимает свое место в салоне, и они отправляются в продовольственный магазин, где пассажир выходит. Автомобиль самостоятельно направляется к месту, где его ждет следующий пассажир. Или в гараж, где его помоют и заправят. Затем он будет ждать следующего вызова.
Чему равно разумное время ожидания вызванной машины? Сколько машин должно быть в парке, чтобы обеспечить это время? Сколько составит холостой пробег и пробег с пассажиром в день? Как наилучшим образом назначать автомобили на заказы? На такого типа вопросы мы с Биллом должны были дать ответ, чтобы оценить емкость рынка для услуги такого типа.
Наша работа требовала довольно сложной математики, но меня и Билла это не беспокоило. Подобные задачи мы часто вместе решали в GM. Нам нравились такие задачи.
В сравнении с личным автомобилем, простаивающим большую часть времени, наш сервис обеспечит гораздо большую загрузку машин. Вместо того чтобы стоять на парковке, они будут возить пассажиров. Но для этого они должны следовать пустыми к месту посадки следующего пассажира. Большой холостой пробег большого количества самоуправляемых такси может существенно увеличить стоимость услуги. Насколько велик должен быть парк, чтобы при заказе всегда минимум одна машина оказывалась бы рядом? Наша математическая модель должна была найти оптимальное решение в условиях ограничений на время ожидания, на загруженность парка и холостой пробег. Нам также следовало учесть случайность места посадки и высадки и наличие утреннего и вечернего часа пик. Недостаточно привезти пассажира по назначению за приемлемое время в среднем. Необходимо было гарантированно исключить долгое ожидание в пробке, неприятное для любого пассажира.
Мы начали со сбора исходных данных. Расстояние, покрываемое автомобилем за типичную поездку. Количество времени на поездку. Разумеется, эти показатели меняются в зависимости от того, для какого города они берутся. Кроме того, нужно было выбрать одно конкретное место таким образом, чтобы наши расчеты соответствовали жизни реальных людей. В конце концов, мы построили модели для нескольких мест, выбранных так, чтобы они представляли все условия, в которых живет население США. Первым городом был Энн-Арбор, потому что нам он казался типичным маленьким американским городом, похожим на тысячи других по стране. Дополнительным преимуществом была его близость к тем местам в Мичигане, где жили я и Билл. Мы также провели расчеты для Манхэттена как для самого густонаселенного городского района в Соединенных Штатах. Насколько, спрашивали мы себя, транспортная революция способна сократить расходы жителей таких мест?
Энн-Арбор, штат Мичиган, насчитывает 285 000 человек населения, и именно там расположен Мичиганский университет. Помимо своей должности в Колумбийском университете, весной 2010 года я получил пост профессора инженерно-технической практики в Мичиганском университете и потому хорошо знал эти места. По случайному совпадению, именно в Энн-Арбор основатель Google Ларри Пейдж впервые задумался о необходимости революции в транспорте.
Транспортная система Энн-Арбор раздражала меня примерно так же, как и в свое время Пейджа. Мой офис находился в Северном кампусе, а лекции я часто читал в Центральном, приблизительно в 4 км оттуда. Я обычно приезжал в Центральный кампус на машине, чтобы после лекций сразу отправиться домой. Самым сложным было найти место для парковки. Сотрудники Мичиганского университета могли приобрести за 800 долл. в год специальное разрешение, дающее возможность оставлять машину в подземных гаражах определенных зданий или на парковках с ограниченным доступом в черте города. Несмотря на то что у меня такое разрешение было, я обычно выезжал из офиса за 45 минут до лекции, чтобы не опоздать. Я закладывал 10 минут на то, чтобы проехать 4 км, 20 минут на поиск парковки (часто мне приходилось, скрестив пальцы, проезжать 8 уровней подземного гаража) и 10 минут – чтобы быстрым шагом дойти до аудитории. Подобный опыт только усиливал мое желание разрушить эту неэффективную систему.
Чтобы оценить последствия внедрения службы автономных такси в Энн-Арбор, мы с Биллом сделали несколько предположений. Мы ведь пытались найти условия, при которых эта служба окажется удобнее личного автомобиля. Итак, как быстро должен один из этих общедоступных самоуправляемых автомобилей прибыть на вызов? Примерно через столько же времени, сколько нужно, чтобы найти ключи, спуститься в гараж, завести двигатель и выехать со двора. Услуга будет удобной, посчитали мы, если автомобиль прибудет на вызов за две минуты – довольно жесткое требование, из которого следует высокая себестоимость сервиса.
Тогда мы предположили, что оператору известно местоположение всех его автомобилей и время, оставшееся каждому из них до конца поездки, – сейчас именно так обстоит дело в компаниях Uber и Lyft. Мы также предположили, что оператор может оценить, сколько времени понадобится каждому автомобилю, чтобы приехать на вызов нового клиента. Дальше мы предположили, что оператор будет непрерывно информировать своих клиентов о местоположении автомобилей и вероятном времени прибытия. (Uber и Lyft уже несколько лет предоставляют своим клиентам такую услугу, и некоторые из нас стали воспринимать ее как нечто само собой разумеющееся. Однако в 2011 году, когда мы только продумывали нашу модель, подобные идеи не просто казались революционными – они ими и были.)
Мы пользовались и другими, более произвольными предположениями, чтобы упростить расчеты. Например, мы приняли область, обслуживаемую парком самоуправляемых такси, за квадрат. Мы договорились, что начальные и конечные точки маршрутов распределены равномерно – что, разумеется, неверно для многих американских городов, где утренний трафик в основном движется с окраин в центр, а вечером наблюдается обратная картина. Мы исходили из того, что автомобили случайно распределены по району обслуживания, что было упрощением, поскольку не учитывало парковки и гаражи, которые наверняка будут там присутствовать. Предположения подобного рода часто закладываются в модель на начальном этапе, чтобы понять общую картину. Мы знали, что впоследствии сможем смягчить их при помощи моделирования и анализа чувствительности модели.
Билл строил математические модели, затем применял их к простому городскому району (не Энн-Арбор, а обобщенного города). На тот момент мы просто тестировали программное обеспечение. Даже результаты, показанные нашими первыми, грубыми моделями, потрясли нас. «Такого не может быть, – говорил я Биллу, склонившись над столом у себя на заднем дворе. – Нужно посчитать еще раз». И во второй раз наша модель давала столь же невероятный ответ. То же самое повторялось в третий. Каждый раз, дважды и трижды перепроверив нашу работу, мы в результате получали, что придуманная нами система беспилотных такси сможет быстро откликаться на заказы, причем в среднем – менее чем за две минуты. Холостой пробег оказывался небольшим, не больше 5 % от пробега с пассажиром. Это означало высокий процент использования парка – в промежуток между 6:00 и 20:00 автомобили свыше 75 % времени проводили на заказах. Интереснее всего, что подобные результаты обеспечивались при количестве машин, равном всего 15 % от населения.
Хорошо, подумал я, может, мы и в самом деле что-то нашли. Но что, если мы используем реальные данные для Энн-Арбор? Сколько общедоступных автомобилей нам понадобится, чтобы обеспечить время ожидания не более двух минут? Согласно государственным статистическим данным, в 2009 году в Энн-Арбор было 200 000 автомобилей в личном пользовании, выполнявших 740 000 поездок в день. Между 6:00 и 20:00 машина использовалась примерно 8 % времени, то есть примерно 67 минут в день.
Мы сосредоточились на 120 000 автомобилей с суточным пробегом меньше 110 км – мы предположили, что именно их владельцы предпочтут переключиться на самоуправляемые такси для поездок внутри Энн-Арбор. На эти автомобили приходилось 528 000 поездок в день. В среднем один автомобиль совершал 4,4 поездки в день, транспортируя 1,4 пассажира на расстояние 9,3 км.
Для расчета объема парка, нужного для обслуживания всех этих поездок внутри Энн-Арбор, мы воспользовались математическими моделями, разработанными для систем массового обслуживания, то есть таких, где люди или предметы образуют очередь в ожидании обслуживания. (Примерами систем массового обслуживания могут служить перекрестки на шоссе и кассы в супермакетах.) Мы нашли, что при помощи очень небольшого числа машин можно добиться времени ожидания меньше одной минуты. Для обслуживания основных маршрутов внутри Энн-Арбор при средней загрузке дорог требуется 13 000 автомобилей. Обеспечить практически мгновенный доступ к услуге такси даже в час пик можно при помощи всего 18 000 машин.
Получив результаты работы компьютера, я был потрясен. Я просто не мог им поверить. Цифры согласовывались с нашими математическими моделями. 18 000 машин соответствовали 15 % общего количества автомобилей в Энн-Арбор и его окрестностях.
Разве можно обслужить транспортные потребности Энн-Арбор при помощи такого скромного парка? Для ответа нужно обратить внимание на плотность населения и количество поездок, предпринимаемых одним человеком в день. Оказалось, что в любой возможный момент поступления заказа на поездку с большой вероятностью в ближайшей окрестности вызова завершается другая. Таким образом, холостой пробег автомобиля и время между поездками оказываются небольшими. Добавив в парк резерв в 5000 машин на случай часа пик или непредвиденных всплесков спроса, мы получаем примерно 16 свободных автомобилей на квадратный километр в любой момент времени. Будучи автономными, они могут самостоятельно перемещаться в стратегически важные точки города, чтобы потом быстро добираться до клиентов.