یک الگوریتم جدید در برنامه‌ی شبیه‌ساز نشان داده که امکان کاهش ترافیک‌های سنگین وجود دارد؛ حتی اگر تنها ۱۰ درصد از خودروها از مسیرهای راهنمای خود پیروی کنند.
با وجود تفاوت در سیاست‌ها و اولویت‌های فردی، چیزی که بسیاری از افراد با آن اتفاق نظر دارند، چگونگی فرار از ترافیک سنگین جاده‌ای است. افرادی که نظر مشابهی با ایلان ماسک دارند، کسانی هستند که به دنبال حالتی بهتر از حمل‌ونقل شهری از طریق ایده‌ی هایپرلوپ می‌گردند. هرچند ممکن است راه‌حل دیگری نیز برای آن یافت شود. تنها باید تا ۳۰ سال آینده منتظر ماند و همه‌گیر شدن خودروهای خودران در خیابان‌ها را مشاهده کرد.
آمارها نشان می‌دهند آمریکایی‌ها در سال ۲۰۱۴ در مجموع ۶.۹ میلیارد ساعت در ترافیک گذرانده‌اند. این رقم به ازای هر نفر ۴۲۲ ساعت در سال می‌شود که تقریباً معادل نشستن دو روز کامل در خودرو است. افزون بر این، سازمان ایمنی ترافیک بزرگراه‌های آمریکا گزارش می‌دهد که در سال ۲۰۱۵ بیش از ۶ میلیون تصادف جاده‌ای اتفاق افتاده است. باید گفت شمار تصادفات جاده‌ای این کشور از سال ۲۰۰۶ به بعد سالانه ۵ درصد رشد داشته است. هزینه‌ی رویدادهای مرتبط با ترافیک در کشورهای توسعه‌یافته در هرسال بیش از ۲۲۰۰ میلیارد دلار است. هرچند تحقیقات جدید در زمینه‌ی هوش مصنوعی نوید می‌دهند که ترافیک جاده‌ای دیگر به صفحات تاریخ خواهد پیوست.
سمفونی خودروهای خودران
دانشمندان حوزه‌ی کامپیوتر در دانشگاه فناوری نانیانگ سنگاپور در حال توسعه الگوریتمی هستند که ترافیک را از طریق مسیریابی هوشمند کاهش می‌دهد. این برنامه بر پایه‌ی فرضیه‌ی شکست است که براساس آن در یک ترافیک سنگین جاده‌ای، هر احتمالی نظیر تصادف دور از ذهن نیست. کار این برنامه کاهش احتمال وقوع شکست در ترافیک است.
این تیم پس از آزمایش الگوریتم خود در دستگاه‌های شبیه‌ساز و تحلیل بیشتر همراه با شرکت بی‌ام‌و، اطمینان دارد که الگوریتم آن در بهبود ترافیک شهری مؤثر است؛ حتی اگر تنها ۱۰ درصد از خودروهای حاضر در یک شبکه بر اساس برنامه‌ی مسیریابی خود حرکت کنند.
باوجود تولید الگوریتم‌های مشابه در سال‌های آینده، احتمالاً شاهد روزی خواهیم بود که تصادفات جاده‌ای به تاریخ پیوسته‌اند.
نوادگان ما ممکن است روزی به نحوه‌ی رانندگی، سطح امنیت خودروها و بی‌مبالاتی ما در هنگام مواجهه با یک صحنه‌ی خطرناک رانندگی، به چشم تعجب نگاه کنند.