大家都知道，在一个平面上，两点之间的最短距离是直线。然而，在错综复杂的城市街道网络中，我们显然不可能总能在出发点和目的地之间选择一条直线行进的。那么，路上的行人，是如何决定要行走的路径的？是选择最短的路径吗？其实，已经有许多研究试图通过严格的实验来对这个问题加以阐明。但是一直以来，我们仍然缺乏一个基于真实的移动数据得出的答案。
最近，麻省理工学院（MIT）的一组研究人员通过对大规模的GPS数据进行统计分析之后，发现了人类在规划路径时的特征。他们的研究结果表明，当出发地和目的地之间的距离增加时，人们所选的路径会越偏离最短路径；另外，当出发地和目的地互换时，人们会选择不同的路径。研究结果发表在了《自然-计算科学》杂志上。Carlo Ratti教授是新研究的作者之一，他在MIT从事城市规划研究。
20年前，当Ratti还是剑桥大学的一名研究生时，他几乎每天都要穿行于学院宿舍和系办公室之间。有一天，他意识在这两个地点之间，他每天走的其实是两条不同的路——去办公室时走一条，回宿舍时走另一条，而且其中一条路线比另一条更高效。这让Ratti陷入了沉思，他意识到自己在适应两条路线的过程中，在来和去时各选了一条。这种“一致的‘来去不一致性’”，引起了热衷于理性思考的年轻的Ratti的兴趣。
到了MIT，Ratti所进行的一类研究就是通过分析由移动设备收集的大量数据，调查人们在城市环境中的行为。几年前，他所在的实验室获得了一组行人的手机GPS信号数据，这些数据来自于他们在一年时间里在波士顿和坎布里奇的行走。Ratti认为，这些数据或许可以帮助解答人们在步行游览城市时的路径选择问题。
在分析了14000多人走过的超过55万条路径后，研究小组发现，行人并没有选择最短的路线，而是倾向于选择最直接地指向目的地的路径，即使这些路径其实更远，但它们在路线开始时与目的地的偏差角度最小。这是一种被称为矢量型导航（vector-based navigation）的行进策略。
在矢量型导航模型中，目标方向是影响路径规划的主要因素，利用这种模型能够在统计上比基于随机效应的距离最小化模型更好地预测人类路径，虽然它不会生成最短路径，但它与最短路径足够接近，而且计算起来非常简单。研究人员建议将由此产生的路径称为“对得最准的路径（pointiest path）”。研究人员发现，这种现象具有很大的普遍性。其实，过去的一些研究来在昆虫、灵长类动物等动物身上也发现过这种行进策略。
另外，它对于有着错综复杂的街道网络的坎布里奇是如此，对有着网格式街道布局的旧金山也是如此。在这两个城市，研究人员还观察到，人们在两个目的地之间往返时倾向于选择不同的路线，就像Ratti在研究生时所做的那样。
研究人员认为，矢量型导航之所以具有普遍性，是因为它比实际计算最短路径需要的脑力更少，因此我们可能已经进化到让大脑将更多的精力投入到其他更紧要的任务上，比如在30000年前为了逃避一只狮子，或者现在为了躲避一辆撞向我们的汽车。这样的结果意味着在步行时，人类的大脑实际上并没有优化到能计算所谓的最短路径。
其实，过去的那些对动物行为和大脑活动进行的研究，尤其是对海马体进行的研究已经表明，大脑的导航策略是基于矢量计算的。这种导航方式与智能手机或GPS设备所使用的计算机算法截然不同，后者可以根据存储在内存中的地图，近乎完美地计算出两点之间的最短路线。但是，在没有这些地图的情况下，动物的大脑不得不想出不同的导航策略。我们不可能把一张详细的、基于距离的地图下载到大脑中。那么，在制定路线时，我们还能怎么做呢？
更自然的事或许是使用我们从经验中更容易获得的信息。根据我们在世界各地移动的经验，以参照点、地标和角度来思考，是一种非常自然的构建地图和导航空间的算法。其实，随着智能手机和便携式电子产品越来越多地将人类和人工智能结合在一起，更好地理解我们大脑使用的计算机制以及它们与机器使用的计算机制之间的关系变得越来越重要。