Featured image of post 為什麼多修一條路反而讓所有人的通勤時間變長:布雷斯悖論與自私路由的數學

為什麼多修一條路反而讓所有人的通勤時間變長:布雷斯悖論與自私路由的數學

當城市新建一條零延遲的高速捷徑,或者網路工程師增加一條高頻寬光纖鏈路時,直覺告訴我們通行時間理應縮短。然而1968年迪特里希·布雷斯(Dietrich Braess)證明,在自私路由(Selfish Routing)驅動的擁堵網路中,增加道路容量反而會使100%所有用路人的均衡通勤時間嚴格變長。本文深入解析布雷斯四節點菱形網路、沃德羅普(Wardrop)第一與第二原理、貝克曼-羅森塔爾凸勢函數、拉夫加登與塔爾多什關於無秩序代價(Price of Anarchy)上界 4/3 的嚴格證明、科恩與霍洛維茨的彈簧繩索力學實驗,以及首爾清溪川高架橋拆除與庇古擁堵收費的現實應用。

試想一座大都會的交通規劃部門耗資數十億元,在兩條繁忙的通勤主幹道之間新建了一座零延遲的超級跨河大橋。按照日常直覺,道路網的總容量增加了,原有的道路一條也沒有減少,即便有人不喜歡新橋也可以繼續走舊路,因此大家的平均通勤時間必然縮短,至少不可能變差。

然而在1968年,德國數學家迪特里希·布雷斯(Dietrich Braess)在作業研究期刊 Unternehmensforschung 上發表了具有里程碑意義的論文《論交通規劃中的一個悖論》(“Über ein Paradoxon aus der Verkehrsplanung”),徹底粉碎了這一直覺。布雷斯從數學上嚴格證明:當每個駕駛人都出於自身利益最大化(即最小化個人通行時間)而獨立選擇路徑——這種去中心化機制被稱為自私路由(Selfish Routing)——時,向道路網中增加一條零延遲的高速捷徑,反而會導致網路中100%所有駕駛人的均衡通勤時間嚴格變長!這一反直覺現象被稱為布雷斯悖論(Braess’s Paradox)。

更令人震驚的是,布雷斯悖論並非源於駕駛人的資訊不對稱或非理性盲從,而是完全資訊下非合作賽局達到納許均衡(即沃德羅普均衡,Wardrop Equilibrium)時的必然產物。由於無生命的物理系統遵循最小位能原理或最小熱耗散原理,其控制方程在數學上與自私路由的凸勢函數完全同構,因此布雷斯悖論不僅出現在城市交通和網際網路封包路由(OSPF/BGP)中,還直接出現在電網潮流、介觀半導體量子環以及古典力學系統中——正如喬爾·科恩(Joel E. Cohen)與保羅·霍洛維茨(Paul Horowitz)在1991年《自然》(Nature)雜誌上所展示的那樣:在一個由彈簧和繩索懸掛重物的力學網路中,用剪刀剪斷一根繃緊的承重繩,懸掛的重物不僅不會下落,反而會逆著重力向上升起!

本文將從布雷斯1968年論文的四節點菱形網路占優策略分析出發,系統闡述約翰·格倫·沃德羅普(John Glen Wardrop, 1952)的交通分配兩條原理、貝克曼(Beckmann, 1956)與羅森塔爾(Rosenthal, 1973)的凸勢函數(Potential Function)、蒂姆·拉夫加登(Tim Roughgarden)與伊娃·塔爾多什(Éva Tardos, 2002)關於無秩序代價(Price of Anarchy, $\text{PoA}$)上界 $\frac{4}{3}$ 的完整代數證明、彈簧與繩索力學悖論的精確推導,以及首爾清溪川高架高速拆除、紐約時代廣場步行化改造與庇古擁堵稅(Pigouvian Congestion Pricing)的現實奇蹟。


1. 布雷斯1968年論文與四節點菱形網路(4-Node Diamond Network)

1.1 網路拓撲與邊延遲函數(Latency Functions)

假設早尖峰期間有總流量 $F = 4,000\text{ 輛/小時}$(歸一化單位下 $F = 1$)的汽車需要從起點 $S$(Start)駛往終點 $T$(Terminal),途經兩個中間樞紐節點 $A$ 或 $B$。每條有向邊 $e \in E$ 的通行時間(延遲函數)$\ell_e(f_e)$ 取決於該道路上的車流量 $f_e$(輛/小時):

  1. 道路 $S \to A$(狹窄的短橋):道路狹窄,通行時間隨車流量 $f_{SA}$ 線性增長: $$\ell_{SA}(f_{SA}) = \frac{f_{SA}}{100}\text{ (分鐘)}$$ 例如,若有 $2,000$ 輛車通行則耗時 $20$ 分鐘;若全部 $4,000$ 輛車湧入則耗時 $40$ 分鐘。
  2. 道路 $A \to T$(寬闊但繞遠的高速公路):車道極寬,無論多少車輛通行都不會擁堵,通行時間恆定為: $$\ell_{AT}(f_{AT}) = 45\text{ (分鐘)}$$
  3. 道路 $S \to B$(寬闊但繞遠的高速公路):與 $A \to T$ 對稱,通行時間恆定且不受流量影響: $$\ell_{SB}(f_{SB}) = 45\text{ (分鐘)}$$
  4. 道路 $B \to T$(狹窄的短橋):與 $S \to A$ 相同的狹窄橋樑,通行時間隨車流量 $f_{BT}$ 線性增長: $$\ell_{BT}(f_{BT}) = \frac{f_{BT}}{100}\text{ (分鐘)}$$
  flowchart TD
    subgraph Before["狀態1:新建捷徑前(總流量 F = 4,000輛/小時,所有人耗時 65分鐘)"]
        S1["起點 S (4,000輛)"] -->|"S→A: f/100 分鐘 (2,000輛 → 20分鐘)"| A1["樞紐 A"]
        S1 -->|"S→B: 45分鐘 (2,000輛 → 45分鐘)"| B1["樞紐 B"]
        A1 -->|"A→T: 45分鐘 (2,000輛 → 45分鐘)"| T1["終點 T (全員 65分鐘)"]
        B1 -->|"B→T: f/100 分鐘 (2,000輛 → 20分鐘)"| T1
    end

1.2 狀態1:修建新路前的均衡(全員 $65$ 分鐘)

在沒有連接 $A$ 與 $B$ 的橫向道路之前,駕駛人只有兩條路徑可選:

  • 上方路徑 $P_{\text{up}} = (S \to A \to T)$:耗時 $\ell_{\text{up}} = \frac{f_{SA}}{100} + 45$ 分鐘。
  • 下方路徑 $P_{\text{down}} = (S \to B \to T)$:耗時 $\ell_{\text{down}} = 45 + \frac{f_{BT}}{100}$ 分鐘。
$$T_{\text{before}} = \frac{2000}{100} + 45 = 20 + 45 = 65\text{ 分鐘}$$

沒有任何人可以透過單方面改變路線來縮短時間,且這一狀態恰好也是全社會總通行時間最小的社會最優解(Social Optimum)。

1.3 狀態2:開通零延遲超高速捷徑 $A \to B$(全員惡化至 $80$ 分鐘!)

現在,市政當局在樞紐 $A$ 到樞紐 $B$ 之間修建了一條單向超高速通道 $A \to B$,其通行時間為零:$\ell_{AB}(f_{AB}) = 0$ 分鐘。

  flowchart TD
    subgraph After["狀態2:開通零延遲捷徑 A→B (0分鐘) 後(4,000輛車全部湧入Z字形路線,惡化至 80分鐘!)"]
        S2["起點 S (4,000輛)"] ==>|"S→A: f/100 分鐘 (4,000輛湧入 → 40分鐘)"| A2["樞紐 A"]
        S2 -.->|"S→B: 45分鐘 (0輛 — 徹底廢棄)"| B2["樞紐 B"]
        A2 ==>|"新建捷徑 A→B: 0分鐘 (4,000輛 → 0分鐘)"| B2
        A2 -.->|"A→T: 45分鐘 (0輛 — 徹底廢棄)"| T2["終點 T (全員耗時 80分鐘!)"]
        B2 ==>|"B→T: f/100 分鐘 (4,000輛湧入 → 40分鐘)"| T2
    end

這創造出第三條路徑——Z字形折線路徑 $P_{\text{zig}} = (S \to A \to B \to T)$。讓我們用賽局理論的嚴格占優策略(Strictly Dominant Strategy)分析每位駕駛人的決策:

  1. 在起點 $S$ 的抉擇(對比 $S \to A \to B$ 與 $S \to B$): 即便全部 $4,000$ 輛車都湧上窄橋 $S \to A$,通過 $S \to A$ 的最長時間也不過是 $\frac{4000}{100} = 40$ 分鐘。到達 $A$ 後經過 $0$ 分鐘的捷徑 $A \to B$ 即可瞬間抵達 $B$。因此,走 $S \to A \to B$ 到達 $B$ 最多只需 $40$ 分鐘,而走寬闊高速 $S \to B$ 卻恆定需要 $45$ 分鐘!無論其他 $3,999$ 名司機怎麼選,在起點選擇 $S \to A$ 永遠比 $S \to B$ 至少快 $5$ 分鐘(嚴格占優策略)。於是 $100\%$ 的司機都會拋棄 $S \to B$($f_{SB} = 0$),全部駛入 $S \to A$。
  2. 在樞紐 $A$ 的抉擇(對比 $A \to B \to T$ 與 $A \to T$): 當所有 $4,000$ 輛車到達 $A$ 後,直接走高速 $A \to T$ 需要 $45$ 分鐘;而過橋 $A \to B$($0$ 分鐘)再走窄橋 $B \to T$,即便全員 $4,000$ 輛車都擠在 $B \to T$ 上,最多也只需 $0 + \frac{4000}{100} = 40$ 分鐘 $< 45$ 分鐘!因此選擇 $A \to B \to T$ 同樣是嚴格占優策略,高速 $A \to T$ 也被徹底廢棄($f_{AT} = 0$)。
  3. 唯一的納許均衡(全員 $80$ 分鐘的囚徒困境): 最終,全部 $4,000$ 輛車都擠在Z字形路徑 $S \to A \to B \to T$ 上,先後經過兩座滿負荷的窄橋,每個人的通勤時間飆升至: $$T_{\text{after}} = \frac{4000}{100} + 0 + \frac{4000}{100} = 40 + 0 + 40 = 80\text{ 分鐘!}$$ 任何單獨試圖改走舊路 $S \to A \to T$ 或 $S \to B \to T$ 的司機,都將承受 $40 + 45 = 85$ 分鐘的懲罰。因此沒有任何人願意單方面離開,全員被鎖死在 $80$ 分鐘的均衡中,比修路前的 $65$ 分鐘整整多花了 $15$ 分鐘(惡化了 $+23.1\%$)!
對比指標狀態1:新建捷徑前(同時也是社會最優 $f^*$)狀態2:開通零延遲捷徑 $A \to B$ 後(沃德羅普均衡 $f^{\text{EQ}}$)悖論影響與變化
上方路徑 $S \to A \to T$ 流量$2,000\text{ 輛/小時}$($20 + 45 = 65$ 分鐘)$0\text{ 輛/小時}$(若走需 $40 + 45 = 85$ 分鐘)高速公路 $A \to T$ 完全閒置
下方路徑 $S \to B \to T$ 流量$2,000\text{ 輛/小時}$($45 + 20 = 65$ 分鐘)$0\text{ 輛/小時}$(若走需 $45 + 40 = 85$ 分鐘)高速公路 $S \to B$ 完全閒置
Z字形路徑 $S \to A \to B \to T$ 流量不存在$4,000\text{ 輛/小時}$($100\%$ 車輛集中)每輛車重複穿過兩座窄橋
每位司機的通勤時間$65\text{ 分鐘}$$80\text{ 分鐘}$全員嚴格增加 $+15\text{ 分鐘}$($+23.1\%$)
社會總通行成本 $C(f)$$260,000\text{ 車·分}$$320,000\text{ 車·分}$無秩序代價 $\text{PoA} = \frac{80}{65} = \frac{16}{13} \approx 1.231$

2. 沃德羅普兩條原理(1952)與貝克曼-羅森塔爾凸勢函數(1956)

在一般有向網路 $G = (V, E)$ 上,設總交通需求為 $F$,可行路徑流量集合為 $\mathcal{F} = \{f \ge 0 : \sum_{P \in \mathcal{P}} f_P = F\}$,邊流量為 $f_e = \sum_{P \ni e} f_P$,每條邊的延遲函數為單調遞增可微函數 $\ell_e(f_e)$,路徑延遲為 $\ell_P(f) = \sum_{e \in P} \ell_e(f_e)$。

2.1 沃德羅普第一原理(使用者均衡 $f^{\text{EQ}}$)與變分不等式

$$f_P^{\text{EQ}} > 0 \implies \ell_P(f^{\text{EQ}}) \le \ell_{P'}(f^{\text{EQ}}) \quad (\forall P' \in \mathcal{P})$$$$\sum_{e \in E} \ell_e\bigl(f_e^{\text{EQ}}\bigr)\bigl(f_e - f_e^{\text{EQ}}\bigr) \ge 0 \quad (\forall f \in \mathcal{F})$$

2.2 沃德羅普第二原理(社會最優 $f^*$)與庇古擁堵外部性

$$C(f) = \sum_{P \in \mathcal{P}} f_P \ell_P(f) = \sum_{e \in E} f_e \ell_e(f_e)$$$$\tilde{\ell}_e(f_e) = \frac{d}{df_e}\bigl[f_e \ell_e(f_e)\bigr] = \underbrace{\ell_e(f_e)}_{\text{私人成本}} + \underbrace{f_e \ell_e'(f_e)}_{\text{庇古擁堵外部性}}$$

自私的駕駛人只考慮自己的私人通行時間 $\ell_e(f_e)$,而完全無視自己進入道路後使已在道路上的 $f_e$ 輛車產生額外延誤的庇古外部性(Pigouvian Externality)$f_e \ell_e'(f_e)$。正是這一外部性導致了納許均衡與社會最優的背離。

2.3 貝克曼-麥圭爾-溫斯頓凸勢函數(Beckmann Potential Function)

$$\Phi(f) = \sum_{e \in E} \int_0^{f_e} \ell_e(u)\,du$$$$\frac{\partial \Phi(f)}{\partial f_P} = \sum_{e \in P} \frac{\partial}{\partial f_e}\left(\int_0^{f_e} \ell_e(u)\,du\right) = \sum_{e \in P} \ell_e(f_e) = \ell_P(f)$$$$\Phi(f) = \sum_{e \in E}\left(\frac{1}{2}a_e f_e^2 + b_e f_e\right) \quad \text{對比} \quad C(f) = \sum_{e \in E}\left(a_e f_e^2 + b_e f_e\right)$$

自私路由相當於將二次擁堵懲罰項 $a_e f_e^2$ 少算了一半(係數 $\frac{1}{2}$)!


3. 拉夫加登與塔爾多什定理:無秩序代價(Price of Anarchy)上界 $4/3$ 的嚴格證明

$$\text{PoA} = \frac{C(f^{\text{EQ}})}{C(f^*)}$$

在庇古雙鏈路網路(Pigou’s Network, 1920)中,總流量 $F=1$,上鏈路恆定延遲 $\ell_1(x)=1$,下鏈路線性延遲 $\ell_2(x)=x$。均衡時全部流量走下鏈路($f_2^{\text{EQ}}=1$),總成本 $C(f^{\text{EQ}}) = 1$;而社會最優解最小化 $C(x) = (1-x)\cdot 1 + x^2$,在 $x^* = \frac{1}{2}$ 處取得最小值 $C(f^*) = \frac{3}{4}$,故 $\text{PoA} = \frac{1}{3/4} = \frac{4}{3}$。

2002年,蒂姆·拉夫加登(Tim Roughgarden)與伊娃·塔爾多什(Éva Tardos)在 Journal of the ACM 上證明了著名的 $\frac{4}{3}$ 定理:無論網路拓撲多麼複雜,只要延遲函數是線性的,$\text{PoA}$ 絕不會超過 $\frac{4}{3}$!

$$\text{PoA}_{\text{linear}} = \frac{C(f^{\text{EQ}})}{C(f^*)} \le \frac{4}{3}$$

【完整證明】

  1. 應用變分不等式:由沃德羅普均衡的變分不等式,對社會最優流 $f^* \in \mathcal{F}$ 有: $$\sum_{e \in E} \ell_e(f_e^{\text{EQ}})(f_e^* - f_e^{\text{EQ}}) \ge 0 \implies C(f^{\text{EQ}}) = \sum_{e \in E} f_e^{\text{EQ}} \ell_e(f_e^{\text{EQ}}) \le \sum_{e \in E} f_e^* \ell_e(f_e^{\text{EQ}})$$
  2. 單邊配方不等式:對任意邊 $e$,記 $x = f_e^{\text{EQ}} \ge 0, y = f_e^* \ge 0$。展開 $y \ell_e(x)$ 並對 $y$ 配方: $$y \ell_e(x) = y(a_e x + b_e) = y(a_e y + b_e) + a_e(xy - y^2) = y \ell_e(y) + a_e\left[\frac{1}{4}x^2 - \left(y - \frac{x}{2}\right)^2\right] \le y \ell_e(y) + \frac{1}{4}a_e x^2$$ 由於 $b_e x \ge 0$,有 $a_e x^2 \le a_e x^2 + b_e x = x \ell_e(x)$,因此: $$y \ell_e(x) \le y \ell_e(y) + \frac{1}{4} x \ell_e(x)$$
  3. 全網求和:對所有邊 $e \in E$ 求和: $$C(f^{\text{EQ}}) \le \sum_{e \in E} f_e^* \ell_e(f_e^{\text{EQ}}) \le \sum_{e \in E} f_e^* \ell_e(f_e^*) + \frac{1}{4}\sum_{e \in E} f_e^{\text{EQ}} \ell_e(f_e^{\text{EQ}}) = C(f^*) + \frac{1}{4}C(f^{\text{EQ}})$$ 移項即得 $\frac{3}{4}C(f^{\text{EQ}}) \le C(f^*) \implies \text{PoA} \le \frac{4}{3}$。證畢! $\blacksquare$
$$\text{PoA}_d = \frac{(d+1)\sqrt[d]{d+1}}{(d+1)\sqrt[d]{d+1} - d} = \Theta\left(\frac{d}{\ln d}\right)$$

當 $d=4$ 時,$\text{PoA}_4 \approx 2.1505$(即自私路由可使總通行時間惡化至最優解的 $2.15$ 倍以上!)。同時,他們的雙準則定理(Bicriteria Bound)證明了對任意單調連續延遲函數,總有 $C(f^{\text{EQ}}(F)) \le C(f^*(2F))$。


4. 物理與生物網路中的布雷斯悖論:剪斷繩子重物反而上升!

1991年,喬爾·科恩(Joel E. Cohen)與保羅·霍洛維茨(Paul Horowitz)在《自然》(Nature)上展示了著名的彈簧-繩索力學悖論:

  • 用兩根剛度為 $k$、原長為 $L_0$ 的相同彈簧(對應窄橋 $S \to A$ 和 $B \to T$)、兩根長度為 $L_s$ 的不可伸長安全繩(對應恆定時間高速 $S \to B$ 和 $A \to T$),以及一根連接兩彈簧首尾的中央短繩 $A \to B$(長度 $\approx 0$)從天花板懸掛重為 $F = Mg$ 的重物。
  • 剪斷中央短繩前(串聯狀態):兩根彈簧透過中央短繩串聯,每根彈簧承受全部拉力 $F$,伸長 $\frac{F}{k}$。只要安全繩長度 $L_s > L_0 + \frac{F}{k}$,兩側安全繩完全鬆弛。重物懸掛深度為: $$Y_{\text{before}} = 2L_0 + \frac{2F}{k}$$
  • 用剪刀剪斷中央短繩後(並聯狀態):兩側安全繩繃緊,兩根彈簧變為並聯分擔重量,每根彈簧僅承受一半拉力 $\frac{F}{2}$,伸長量減半為 $\frac{F}{2k}$!新的平衡深度為: $$Y_{\text{after}} = L_0 + \frac{F}{2k} + L_s$$
  • 只要選取 $L_0 + \frac{F}{k} < L_s < L_0 + \frac{3F}{2k}$(例如 $L_s = L_0 + \frac{5F}{4k}$),剪斷承重繩後重物的位置變化為: $$\Delta Y = Y_{\text{after}} - Y_{\text{before}} = -\frac{F}{4k} < 0$$ 剪斷繃緊的承重繩,重物反而逆著重力向上升起了 $\frac{F}{4k}$!

這一現象在交流電網(Witthaut & Timme, 2012)(增加高壓輸電線反而誘發環流並導致電網失步停電)、介觀半導體量子環(Pala et al., 2012)以及細胞代謝網路合成拯救(Motter, 2010)中均得到了實驗證實。


5. 城市規劃的真實奇蹟與庇古擁堵收費(Congestion Pricing)

在現實城市中,「封路反而治堵」的逆向布雷斯悖論屢見不鮮:

  1. 德國斯圖加特(1969年):在市中心新建一條道路後全城嚴重擁堵,市政當局被迫將該新路封閉,交通隨即恢復順暢。
  2. 紐約市第42街(1990年)與時代廣場百老匯大道(2009年):百老匯大道斜穿曼哈頓正交網格,恰如布雷斯網路中的對角捷徑 $A \to B$。2009年紐約交通局將時代廣場段的百老匯大道永久改為步行廣場後,中城北向計程車通行時間反而縮短了 $17\%$。
  3. 韓國首爾清溪川高架高速公路拆除工程(2003–2005年):首爾市政府徹底拆除了日均通行量高達 $168,000$ 輛、全長 $5.8$ 公里的雙向六車道清溪川高架橋,恢復了被掩埋的清溪川自然河流。由於消除了高架匝道匯入匯出的核心瓶頸,配合公車專用道改革,首爾市中心的平均車速在高速公路拆除後不僅沒有崩潰,反而顯著提升,同時夏季熱島氣溫下降了 $3.6^\circ\text{C}$。

庇古邊際成本擁堵稅(Marginal Cost Pricing)

$$\tau_e = f_e^* \ell_e'(f_e^*)$$

使駕駛人面對廣義成本 $\hat{\ell}_e(f_e) = \ell_e(f_e) + \tau_e$,此時修正後的貝克曼勢函數梯度在 $f^*$ 處與社會總成本 $C(f)$ 完全一致,從而將無秩序代價完美降至 $\text{PoA} = 1$!這正是新加坡、倫敦、斯德哥爾摩及紐約曼哈頓擁堵收費區的核心數學基石。

comments powered by Disqus