随着自动驾驶汽车的崛起，未来城市的交通出行方式将发生极大变化。特别是，传统的私家车出行将向共享交通出行偏移。共享交通是一种由车辆运营商按需提供交通服务的出行方式，这对于减轻城市交通压力和减少温室气体排放能起到帮助作用。但若要让共享交通得到更大发展，我们需要精确且高效的算法来有效地将个人与车辆进行匹配，才得以应对在大城市中经常出现的成千上万次的出行需求。
然而，一个尚未解决的基本问题是，给定特定水平的个人出行需求，我们要如何制定出最优的车队数量和运作方案。由麻省理工学院的可感知城市实验室主任Carlo Ratti带领的小组，将这一问题称之为“最少车队问题”，并为其提供了一个有效的计算解决方案。他们的结果发表于5月23日的《自然》杂志。
与在路边发现乘客的传统出租车不同，新算法会根据交通状况以及乘客的上车和下车地点为他们分配车辆。
我们用集合Τ来代表在一定时间间隔内的一部分城市出行需求。每个行程Ti∈Τ被定义为一个元组（tpi, tdi, lpi, ldi），其中tpi表示期望的上车时间，lpi表示上车位置，tdi表示下车时间，ldi表示下车位置。最小车队问题的定义是：“假定在每个上车位置lpi或在上车时间tpi之前都有一辆可用的车辆，找到能为集合Τ中的所有行程服务所需的最少车辆数量。”
Ratti说：“我们之所以研究这个问题，是因为共享交通已是大势所趋。而且随着向自动驾驶的过渡，这一势头或许会越来越猛。如果对出行的需求由共享交通提供，那么就有一个基本问题：我们需要多少辆车来满足一个城市的出行需求，比如纽约市？”
在此之前，研究人员试图借用“旅行推销员问题”的变形来思考这个问题。但到目前为止，我们已经知道即便是在强大的计算机的帮助下，要找到旅行推销员问题的最佳解决方案也是极困难的。据研究员Paolo Santi所述，对于车队管理而言，优秀解决方案的提供受到车队规模这一因素的严重限制，这意味着只有当某个车队只拥有几十辆车时，才能计算出最好的方案。
然而，这显然不足以满足像纽约这类大城市的要求。Santi说：“假如我们要用已优化过的车队来替换纽约当前的出租车系统，就必须找出最好的方式，来应对目前由约13,500辆出租车提供的每天平均50万次的出行需求。”
而为了解决这一问题，研究人员用的是一种被称为“车辆共享网络”的模型。该算法用图形来表示出租车车队的可共享性，它是一个由节点（圆圈）和边（节点间的连线）组成的数学抽象模型。在模型中，节点表示的是不同的行程，而两个节点间的连线则表示这两个特定行程可由单个车辆完成。通过这种图形，这一算法可以找到最佳的车辆共享方案。
这一跨机构的研究团队对纽约在一年时间里的1.5亿次出租车行程数据集进行了测试。他们用曼哈顿的真实道路网络、和从租车行程数据集导出的基于GPS的估算来计算行程时间。他们发现，与目前的出租车系统相比，若以接近最优的解决方案来实施，则可以将所需的车队规模减少30%。
Ratti说，随着网络化、自动驾驶汽车的普及，这一解决方案在未来几年会变得更具意义。“如果我们将曼哈顿看作是一个整体，理论上我们可以用大约14万辆汽车来满足它的出行需求，这一数字约是目前的一半。这意味着在将来，解决城市的交通问题不一定要靠更多的基础建设，而是更多的智能。换句话说：越来越多的硅、越来越少的沥青。”
伦敦大学学院高级空间分析中心的规划教授Michael Batty说，研究人员证明，通过将集中调度系统中的车队规模最小化，可以使城市中的交通流动变得更加高效。“在针对纽约的数据上，他们做出了非常不错的结果，这意味着他们的算法或许可被用于其他大型城市中的运输和旅行系统。”
现在，研究人员计划展开进一步的测试工作，以探索城市中所需的最少停车位数量。