Ray Delahanty demuestra que un 20% más de autos duplica las demoras

Why Traffic Congestion Grows Exponentially, Why It Matters, and What To Do About It // An Explainer — Ray Delahanty | CityNerd

Ray Delahanty | CityNerd

El retraso vehicular crece de forma exponencial porque los excesos de demanda desbordan en cascada los ciclos semafóricos posteriores, lo que invalida la expansión de carriles frente a la tarificación vial.

AI-assisted summary of Why Traffic Congestion Grows Exponentially, Why It Matters, and What To Do About It // An Explainer — original source. Check the original for full context.

Source published:

Key ideas

  • La congestión vehicular no escala de forma lineal: en redes viales saturadas, cada vehículo adicional impone un retraso incrementalmente superior al anterior, llegando a duplicar las demoras promedio con solo un 20% más de tráfico. (6:53)
  • En una intersección semaforizada con capacidad de 6 autos por ciclo de dos minutos, la variabilidad estocástica de las llegadas detona un efecto cascada acumulativo que traslada vehículos rezagados entre ciclos y eleva el retraso promedio de 60 a 72 segundos. (4:20)
  • Un modesto incremento del 6.7% en la demanda (10 autos adicionales por hora) genera un aumento del 12.5% en la demora media, mientras que con un 20% extra de vehículos el retraso por automóvil pasa de 72 a 144 segundos. (6:53)
  • Frente a la ineficaz expansión continua de autopistas e intersecciones masivas, expertos señalan a la tarificación por congestión y a las redes de transporte público segregadas del tráfico como las herramientas de gestión de demanda más viables. (10:51)

Detailed notes

## Background Publicado el 16 de diciembre de 2021 por el canal CityNerd (conducido por Ray Delahanty) en YouTube, este video explora la naturaleza del tráfico en las ciudades contemporáneas. Según la descripción del contenido, el episodio analiza por qué la congestión vehicular escala de forma exponencial en lugar de lineal durante las horas pico, la inestabilidad que esto produce en los tiempos de viaje y la viabilidad de alternativas como el cobro por congestión.

## TL;DR A través de una modelación detallada de una fase semafórica en una intersección urbana, el video demuestra cómo las llegadas estocásticas de vehículos provocan efectos en cascada cuando la demanda rebasa la capacidad física de la infraestructura. Un incremento modesto en el volumen de tráfico genera demoras acumuladas desproporcionadas, duplicando el tiempo de espera por vehículo con apenas un 20% más de autos. Tras evidenciar que cada conductor es parte activa del problema y que los atascos conllevan severos perjuicios ambientales y logísticos, se cuestiona el paradigma de ensanchar autopistas y se plantea la necesidad de implementar alternativas competitivas de transporte masivo y tarifas de congestión.

## Atmosphere & style La entrega combina el rigor analítico de la ingeniería de transporte con un tono irónico, pedagógico y directo. Ray Delahanty guía a la audiencia desde conceptos estadísticos y diagramas técnicos hacia realidades cotidianas de la conducción urbana, desmontando mitos sobre el flujo vial con fría elocuencia y pragmatismo. La experiencia se siente a la vez instructiva y desmitificadora, transitando de una explicación metódica de semáforos hacia una crítica mordaz contra la dependencia del automóvil y el sobredimensionamiento vial.

## Bulletin - [06:53](https://www.youtube.com/watch?v=cHSCmQnGH9Q&t=413s) La congestión vehicular no escala de forma lineal: en redes viales saturadas, cada vehículo adicional impone un retraso incrementalmente superior al anterior, llegando a duplicar las demoras promedio con solo un 20% más de tráfico. - [04:20](https://www.youtube.com/watch?v=cHSCmQnGH9Q&t=260s) En una intersección semaforizada con capacidad de 6 autos por ciclo de dos minutos, la variabilidad estocástica de las llegadas detona un efecto cascada acumulativo que traslada vehículos rezagados entre ciclos y eleva el retraso promedio de 60 a 72 segundos. - [06:53](https://www.youtube.com/watch?v=cHSCmQnGH9Q&t=413s) Un modesto incremento del 6.7% en la demanda (10 autos adicionales por hora) genera un aumento del 12.5% en la demora media, mientras que con un 20% extra de vehículos el retraso por automóvil pasa de 72 a 144 segundos. - [10:51](https://www.youtube.com/watch?v=cHSCmQnGH9Q&t=651s) Frente a la ineficaz expansión continua de autopistas e intersecciones masivas, expertos señalan a la tarificación por congestión y a las redes de transporte público segregadas del tráfico como las herramientas de gestión de demanda más viables.

## Key takeaways - [00:00](https://www.youtube.com/watch?v=cHSCmQnGH9Q&t=0s) Reducir la congestión es una meta fundamental de política urbana debido a su impacto directo en el transporte público colectivo, los servicios de emergencia y la logística comercial. - [01:28](https://www.youtube.com/watch?v=cHSCmQnGH9Q&t=88s) El tráfico real no es predecible ni uniforme, sino que presenta una naturaleza estocástica gobernada por fluctuaciones aleatorias alrededor de la demanda promedio. - [01:28](https://www.youtube.com/watch?v=cHSCmQnGH9Q&t=88s) Con una fase verde protegida de 12 segundos dentro de un ciclo de 120 segundos, la capacidad física del movimiento queda estrictamente limitada a 6 autos por ciclo bajo condiciones estándar de saturación. - [04:20](https://www.youtube.com/watch?v=cHSCmQnGH9Q&t=260s) Cuando en un ciclo determinado arriban más vehículos de los que logran pasar, los conductores excedentes consumen la capacidad de los ciclos posteriores en un efecto cascada perjudicial. - [04:20](https://www.youtube.com/watch?v=cHSCmQnGH9Q&t=260s) En una simulación de 150 autos por hora, 15 vehículos resultan empujados a ciclos suplementarios de 120 segundos, elevando la demora promedio de la intersección a 72 segundos por auto. - [06:53](https://www.youtube.com/watch?v=cHSCmQnGH9Q&t=413s) Sumar solo 10 autos más a la hora (+6.7% de volumen) altera múltiples ciclos consecutivos y dispara el retraso promedio a 81 segundos por automóvil (+12.5%). - [06:53](https://www.youtube.com/watch?v=cHSCmQnGH9Q&t=413s) Con 180 autos por hora (+20% de incremento vehicular respecto a la base), el retraso medio escala hasta los 144 segundos, duplicando con creces la pérdida de tiempo por conductor. - [06:53](https://www.youtube.com/watch?v=cHSCmQnGH9Q&t=413s) En una vía congestionada la responsabilidad es colectiva: no existe una distinción matemática entre el tráfico preexistente y el tráfico nuevo, pues cada conductor presente es parte activa de la congestión. - [10:24](https://www.youtube.com/watch?v=cHSCmQnGH9Q&t=624s) Los modelos teóricos de semáforos representan el mejor escenario posible; en la práctica, las colas desbordadas bloquean carriles continuos y degradan severamente la capacidad física real. - [10:51](https://www.youtube.com/watch?v=cHSCmQnGH9Q&t=651s) La construcción indiscriminada de autopistas e intercambiadores mastodónticos ha demostrado ser incapaz de eliminar las demoras en los periodos de máxima demanda. - [10:51](https://www.youtube.com/watch?v=cHSCmQnGH9Q&t=651s) Implementar alternativas competitivas como carriles exclusivos de autobús (BRT) e infraestructura ciclista permite a la población desplazarse de forma eficiente al margen de los embotellamientos. - [10:51](https://www.youtube.com/watch?v=cHSCmQnGH9Q&t=651s) La tarificación por congestión (congestion pricing) permite regular la demanda en horas punta garantizando fluidez vehicular y proveyendo financiamiento para el transporte sostenible.

## Detailed walkthrough ### [00:00](https://www.youtube.com/watch?v=cHSCmQnGH9Q&t=0s) La naturaleza no lineal de la congestión y su impacto urbano

Ray Delahanty introduce el episodio retomando un concepto mencionado en un video previo: la congestión vehicular dista mucho de comportarse de manera lineal. Cada vehículo incorporado a una red vial no solo genera retrasos adicionales para el resto de los usuarios, sino que cada automóvil sucesivo impone un castigo de tiempo incrementalmente mayor que el vehículo anterior. Pese a que esta dinámica no resulta intuitiva ni suele ser comprendida cabalmente por el público general, posee repercusiones monumentales para las políticas públicas de transporte e infraestructura. Con el estilo analítico característico del canal CityNerd, Delahanty plantea una premisa de partida sin rodeos: “Antes que nada voy a empezar con una afirmación algo controversial, la cual es que la congestión vial es mala y que tratar de reducirla es, de hecho, una digna meta política.”

El problema de la congestión trasciende el malestar individual de quienes conducen solos. Aunque Delahanty confiesa con franqueza que poco le importa la suerte de los vehículos de un solo ocupante, recalca que los autobuses urbanos terminan atrapados en el mismo embotellamiento a menos que cuenten con carriles exclusivos de transporte rápido (BRT). Los costos colaterales del tráfico estancado son sistémicos: un consumo energético desmedido por motores de combustión operando de forma ineficiente, mayor incertidumbre en los tiempos de viaje, demoras críticas para los vehículos de emergencia y un encarecimiento generalizado en la distribución logística de mercancías dentro de la urbe. Para demostrar de forma tangible por qué el retraso escala exponencialmente sin recurrir de inmediato a densas abstracciones matemáticas, Delahanty traslada el análisis a una situación cotidiana y comprensible para cualquier ciudadano: la espera frente a un semáforo.

- El retraso en el tráfico crece exponencialmente con cada vehículo extra incorporado a la red. - La congestión afecta gravemente la puntualidad del transporte público colectivo, elevando además las emisiones contaminantes y el gasto de combustible. - Los servicios de emergencia y el transporte de carga comercial sufren retrasos cuantificables y costosos debido al tráfico saturado.

---

[01:28](https://www.youtube.com/watch?v=cHSCmQnGH9Q&t=88s) Modelando una intersección: capacidad, ciclos y demanda estocástica

Para aterrizar el modelo, se plantea el escenario de una intersección urbana semaforizada común y corriente durante la hora pico vespertina de un día laboral, establecida entre las 4:30 PM y las 5:30 PM. El enfoque se centra en un movimiento específico: el giro protegido a la izquierda en sentido hacia el este, dotado de su propio carril exclusivo de viraje. De acuerdo con la programación semafórica, la fase de luz verde para este movimiento no puede superar los 12 segundos debido a las altas demandas de otros movimientos que también requieren su respectivo derecho de paso. Tomando el estándar de la ingeniería de tráfico —un flujo de saturación promedio de un automóvil cada dos segundos—, la capacidad física del giro queda estrictamente limitada a 6 autos por ciclo de semáforo. En la práctica real esto puede fluctuar: la capacidad merma si los conductores se distraen mirando sus teléfonos móviles, o se incrementa ligeramente si conducen con agresividad extrema, pero 6 vehículos es el parámetro técnico habitual.

Para contrastar el comportamiento del tráfico, Delahanty expone primero un perfil de demanda teórica distribuido en ciclos de 120 segundos. En dicho perfil genérico, la demanda alcanza su punto cúspide a las 5:00 PM con 5 automóviles por ciclo, partiendo y concluyendo la hora en 4.5 autos. Esta variación del 10% entre los márgenes y la cúspide de la hora pico es típica en entornos metropolitanos. No obstante, Delahanty advierte que la realidad dista mucho de una curva suave: “Pero claro, los volúmenes de tráfico observados actuales no son regulares y predecibles como éste, de lo contrario, digamos que el planeamiento de transporte y la ingeniería de tráfico serían mucho más fáciles.”

El tráfico real no es constante ni uniforme; es intrínsecamente estocástico. El número de autos que arriba minuto a minuto responde a un comportamiento aleatorio gobernado por una distribución normal alrededor de la media. Para reflejarlo fielmente, Delahanty aplica una función estocástica a su perfil base, generando una serie de 30 valores aleatorios —uno para cada ciclo de 2 minutos— centrados en la demanda promedio. El resultado simula con precisión la llegada de vehículos en un día ordinario: 150 automóviles a lo largo de la hora (apenas por encima de los 142.5 teóricos esperados), generando valores fraccionarios que se redondean para el conteo vehicular, pero que se reservan para ajustes posteriores.

```mermaid flowchart TD accTitle: Asignación de capacidad semafórica para giro a la izquierda accDescr: Esquema que describe la capacidad del ciclo semafórico frente a la variabilidad de la demanda vehicular aleatoria. subgraph Parametros["Parámetros del semáforo"] CicloTotal["Ciclo completo: 120 segundos"] FaseVerde["Fase verde: 12 segundos máximo"] Saturacion["Flujo de saturación: 1 auto cada 2 s"] Capacidad["Capacidad fija: 6 autos por ciclo"] CicloTotal --> FaseVerde --> Saturacion --> Capacidad end subgraph Llegadas["Naturaleza del tráfico"] DemandaMedia["Demanda promedio: 4.5 a 5.0 autos/ciclo"] Estocastico["Distribución normal aleatoria"] Arribos["Llegadas variables (30 ciclos en la hora)"] DemandaMedia --> Estocastico --> Arribos end Arribos -->|"Supera en ciertos ciclos"| Capacidad ```

- Parámetros del ciclo: 120 segundos en total, con un máximo estricto de 12 segundos de verde para el giro hacia el este. - Capacidad por ciclo: 6 vehículos como estándar técnico bajo flujo de saturación normal. - Perfil teórico base: curva predecible entre 4.5 y 5.0 vehículos por ciclo, totalizando 142.5 vehículos esperados en la hora pico. - Demanda estocástica real modelada: 150 vehículos distribuidos de forma aleatoria en 30 ciclos de dos minutos.

---

[04:20](https://www.youtube.com/watch?v=cHSCmQnGH9Q&t=260s) El escenario base de 150 autos y el efecto cascada del retraso

Al confrontar la llegada aleatoria de 150 vehículos contra la capacidad física de 6 autos por cada intervalo de 120 segundos, la estabilidad del sistema colapsa rápidamente. A lo largo de la hora, se presentan momentos donde arriban 7 u 8 vehículos a la fila; como solo logran cruzar los primeros 6, los conductores excedentes se ven forzados a esperar un ciclo semafórico adicional. Sin embargo, el fenómeno no termina ahí: aquellos autos rezagados ingresan al siguiente intervalo consumiendo el espacio disponible para los coches que arriban en los dos minutos subsiguientes. En palabras de Delahanty al advertir cómo se propaga la ineficiencia: “Justo aquí deberíamos darnos cuenta de que esto es un problema acumulativo.”

Para cuantificar el impacto, Delahanty recurre a la métrica estándar de la ingeniería vial: el retraso promedio por vehículo, base para calcular el Nivel de Servicio (NDS / LOS). Se asume que en condiciones operativas óptimas un vehículo arriba en promedio a la mitad del ciclo rojo, experimentando 60 segundos de retraso ordinario (medio ciclo). Si el volumen global se redujera a 120 vehículos por hora, el retraso se mantendría plano en 60 segundos sin que ningún conductor pierda un ciclo extra. No obstante, con 150 vehículos, 8 autos quedan rezagados en primera instancia y provocan un efecto cascada que desplaza a otros 7 vehículos adicionales. Esto genera un saldo de 15 autos obligados a esperar 120 segundos suplementarios (un total de 180 segundos de demora). El cálculo matemático revela una pérdida acumulada de 10 800 segundos dividida entre 150 vehículos, lo que eleva el retraso promedio general a 72 segundos por automóvil.

```mermaid flowchart LR accTitle: Efecto cascada de saturación en ciclos semafóricos accDescr: Proceso mediante el cual el exceso de demanda en un ciclo desborda la capacidad y traslada la congestión a los ciclos siguientes. subgraph CicloN["Ciclo N"] DemandaN["Llegan 7 u 8 vehículos"] PasanN["Pasan 6 vehículos"] RezagadosN["Quedan 1 o 2 autos rezagados"] DemandaN --> PasanN DemandaN --> RezagadosN end subgraph CicloN1["Ciclo N+1 (+120 s retraso)"] CapacidadReducida["Capacidad efectiva mermada"] RezagadosN -->|"Ocupan espacio"| CapacidadReducida LlegadasN1["Nuevos vehículos entrantes"] --> CapacidadReducida Cascada["Desplazamiento forzado hacia ciclo N+2"] CapacidadReducida --> Cascada end ```

- En el umbral no congestionado (120 autos/hora), ningún vehículo pierde ciclos y el retraso promedio se sitúa en los 60 segundos ideales. - En el escenario de 150 autos/hora, 8 vehículos quedan rezagados directamente por picos de demanda y desplazan a otros 7 vehículos en ciclos subsiguientes (15 afectados en total). - 135 autos sufren el retraso ordinario de 60 segundos, mientras 15 autos sufren 180 segundos (60 base + 120 suplementarios). - Tiempo total acumulado de demora: 10 800 segundos, arrojando un retraso promedio de 72 segundos por vehículo (+20% sobre el tiempo base). - Estado de los ciclos: 8 ciclos operan exactamente a capacidad máxima (6 autos) y 9 operan en sobrecapacidad, dejando a 17 de los 30 ciclos al borde del desbordamiento.

---

[06:53](https://www.youtube.com/watch?v=cHSCmQnGH9Q&t=413s) El efecto dominó: añadiendo autos y la aceleración exponencial del retraso

La fragilidad del sistema se evidencia de forma dramática cuando Delahanty añade apenas 10 vehículos adicionales al modelo, elevando la demanda total a 160 automóviles en la hora (un modesto incremento volumétrico del 6.7%). Diez de los intervalos secundarios pasan a tener un automóvil adicional, lo que detona un destructivo efecto dominó. El caso más crítico ocurre a las 4:40 PM: la llegada de un solo vehículo fuera de capacidad altera de manera consecutiva los 4 ciclos posteriores, imponiendo 120 segundos extras de demora a los conductores en cada uno de esos intervalos. Aunque el volumen total subió apenas 6.7%, el retraso promedio escala de 72 a 81 segundos por auto, lo que representa un aumento desproporcionado del 12.5%. Además, la cantidad de ciclos saturados o sobresaturados salta de 17 a 20 de los 30 existentes, disparando la probabilidad de que cualquier vehículo posterior quede atrapado en un ciclo completo.

A partir de allí, el deterioro se acelera exponencialmente: - A los 170 automóviles (un alza del 13.3% respecto a la base de 150), el retraso promedio trepa a 98 segundos por vehículo (+36.1% de incremento de retraso). - A los 180 automóviles (un alza volumétrica de solo el 20%), el retraso promedio alcanza los 144 segundos por vehículo. En términos prácticos: un modesto aumento del 20% en el tráfico provoca que el retraso por automóvil se duplique exactamente (+100%).

| Escenario de Demanda | Variación de Tráfico vs. Base | Retraso Promedio por Auto | Incremento en Retraso vs. Base | |:--- |:--- |:--- |:--- | | **120 autos** (modo no congestionado) | -20.0% | 60 segundos | -16.7% | | **150 autos** (escenario base congestionado) | Base (0%) | 72 segundos | Base (0%) | | **160 autos** | +6.7% | 81 segundos | +12.5% | | **170 autos** | +13.3% | 98 segundos | +36.1% | | **180 autos** | +20.0% | 144 segundos | +100.0% (se duplica) |

Delahanty aclara que, si bien las cifras porcentuales exactas varían según la semilla de aleatoriedad utilizada, el patrón subyacente de crecimiento exponencial es invariable en cualquier red saturada. Al alcanzar estas demoras extremas, la conducta de los usuarios se transforma de forma inevitable: muchos conductores optan por desviar su ruta para evitar el giro, cambian sus horarios de salida, optan por la bicicleta o el autobús, deciden directamente cancelar el viaje, o comienzan a llamar desesperadamente al departamento de ingeniería vial municipal para quejarse.

Como cierre de este análisis operativo, Delahanty establece dos advertencias conceptuales fundamentales. La primera confronta la mentalidad habitual de los automovilistas frente al tráfico: no existe tal cosa como un «tráfico preexistente inocente» al que se le suma un «tráfico nuevo culpable» de generar los atascos. Cuando una vía opera saturada, la responsabilidad es matemáticamente compartida por todos los usuarios presentes en la red. Delahanty lo sintetiza de manera categórica: “Cómo un conductor percibimos la congestión como algo que nos está pasando pero, la realidad es que tú eres la congestión.” La segunda advertencia subraya que el ejercicio expuesto constituye una simplificación deliberada; en el mundo real, la congestión urbana es considerablemente más caótica. El bloqueo de carriles receptores por retenciones aguas abajo suele impedir que siquiera pasen los 6 autos en verde, o bien las colas masivas de los carriles contiguos bloquean físicamente el acceso al carril exclusivo de giro, colapsando el sistema con mucha mayor severidad.

[10:24](https://www.youtube.com/watch?v=cHSCmQnGH9Q&t=624s) La ineficiencia sistémica y el crecimiento exponencial del tráfico

En condiciones de saturación severa, los problemas físicos del tráfico se agravan más allá de las simples demoras matemáticas del semáforo. Cuando una vía colapsa, ya ni siquiera resulta posible evacuar la cuota teórica de vehículos por ciclo: el carril exclusivo de giro puede desbordarse por completo, bloqueando físicamente el paso de los vehículos que buscan continuar de frente en el carril sin giro, o viceversa. Todos estos bloqueos cruzados y colas desbordadas degradan de forma drástica la capacidad operativa real de la infraestructura, lo que significa que los cálculos teóricos previos en realidad describen el mejor escenario posible.

El expositor subraya que la realidad en la calle suele ser mucho más severa que en las simulaciones de capacidad ideal: “Así que lo que les presenté aquí es más que nada un escenario optimista, así que el punto que espero que se lleven es que no sólo los autos adicionales crean más congestión, sino que cada auto adicional crea más congestión exponencialmente.” Esta dinámica no lineal implica que cada conductor que se suma a una red al borde del colapso no solo experimenta una penalización personal, sino que impone una carga desproporcionadamente mayor sobre todo el colectivo vial.

```mermaid flowchart TD accTitle: Ciclo de ineficiencia por congestión severa accDescr: Diagrama que muestra cómo el sobrellenado de carriles reduce la capacidad y dispara exponencialmente las demoras.

A["Vehículos adicionales"] --> B["Sobrellenado de carriles de giro"] B --> C["Bloqueo del carril continuo"] C --> D["Pérdida de capacidad por ciclo"] D --> E["Crecimiento exponencial de la demora"] E -->|"Retroalimentación"| B ```

[10:51](https://www.youtube.com/watch?v=cHSCmQnGH9Q&t=651s) Posibles soluciones: ampliaciones, alternativas competitivas y tarificación vial

Ante el dilema de una red saturada que perjudica a todos los usuarios, surgen distintas posturas de política pública sobre cómo responder. La respuesta convencional, tradicionalmente adoptada por los administradores de presupuestos y planificadores de transporte en Estados Unidos, consiste en construir carreteras e intersecciones masivas para evitar a toda costa alcanzar el umbral de congestión. Con un tono escéptico frente a este modelo de sobredimensión, el presentador invita al público a comprobar su efectividad cotidiana: “Pueden ir prácticamente a cualquier Estado en los Estados Unidos y ver éste criterio en práctica y decidir por si mismos si de verdad funciona o no.”

Frente a la expansión interminable de carriles, se perfilan otros enfoques orientados a la gestión de la demanda y la diversificación modal:

- **Alternativas de transporte competitivas:** Dotar a las ciudades de opciones de transporte público y movilidad activa que sean abundantes, eficientes e inmunes al tráfico, garantizando que las personas conserven la libertad de prescindir del automóvil particular cuando las vías colapsen. - **Tarificación por congestión (*congestion pricing*):** Cobrar a los usuarios por acceder en coche a la red en momentos pico para asegurar una circulación fluida, predecible y eficiente, utilizando los ingresos generados para financiar directamente el transporte colectivo y las infraestructuras peatonales y ciclistas.

El ponente reconoce con ironía que plantear la tarificación vial suena fácil en teoría pero encierra una enorme complejidad política y social, prometiendo profundizar en el tema en un video posterior antes de cerrar la entrega e invitar a la audiencia a debatir en los comentarios.

## Notable quotes > [06:53](https://www.youtube.com/watch?v=cHSCmQnGH9Q&t=413s) Cómo un conductor percibimos la congestión como algo que nos está pasando pero, la realidad es que tú eres la congestión. — Ray Delahanty

> [10:24](https://www.youtube.com/watch?v=cHSCmQnGH9Q&t=624s) no sólo los autos adicionales crean más congestión, sino que cada auto adicional crea más congestión exponencialmente. — Ray Delahanty

> [00:00](https://www.youtube.com/watch?v=cHSCmQnGH9Q&t=0s) Antes que nada voy a empezar con una afirmación algo controversial, la cual es que la congestión vial es mala y que tratar de reducirla es, de hecho, una digna meta política. — Ray Delahanty

## Mentioned Ray Delahanty, CityNerd, Bus Rapid Transit (BRT), Nivel de Servicio (NDS / LOS), Highway Capacity Manual 2010, Tesla, Estocolmo, Singapur, Londres, Nueva York, Portland

## Video description Traffic congestion explained!

Every city has problems with growing traffic congestion, and everyone who lives in a city is impacted. And not only if you drive. If you take the bus, then your bus gets stuck in the same traffic jams as everyone else (unless your city has built true Bus Rapid Transit!). If you bike or walk, you're breathing in more noxious fumes and particulate matter, from more cars and trucks whose combustion engines are operating more and more inefficiently.

The cities with the most traffic in the US experience the worst congestion at commuting peak hours. In these periods of peak congestion, the delay people experience does not grow linearly with traffic volumes; it actually grows exponentially. Every vehicle you add to the network not only increases delay for everyone else -- it actually adds incrementally more delay that the last vehicle did.

This is why traffic is unstable, travel times are unreliable, and governments spend enormous amount of money trying to fix traffic bottlenecks -- like building ginormous freeways and land-devouring urban interchanges.

This video take a deep dive into the exponential nature of traffic congestion, showing how traffic signals work, how intersection capacity is allocated, what makes traffic so unpredictable, and reviewing some potential solutions. Hint: there is no simple solution to traffic. Building more "innovative" intersections and interchanges probably isn't it, and building Tesla Tunnels likely isn't the answer either. A possible solution? Congestion pricing, long a contentious issue in NYC, but implemented successfully in cities like Stockholm, Singapore, and London.

Other CityNerd vides referenced in this video: - Bike vs Bus vs Car in Portland: https://youtu.be/-7UcvadTgac

Other CityNerd Videos on Traffic and Busy Streets: - Freeway-Heavy Downtowns of the US: https://youtu.be/WYsJx1urS3Y - Freeway-Light Cities of North America: https://youtu.be/5F3lZwG-BWk - The Ginormous Interchanges of the US: https://youtu.be/4rgH0MUaHx8 - The Busiest Streets in North America: https://youtu.be/JE-cyJypmMY

Resources: - Highway Capacity Manual 2010 Signalized Intersection Level of Service summary: https://www.seatacwa.gov/home/showdocument?id=11371

Photo Credits: New York Traffic: Video by Life-Of-Vids from Pixabay New York Traffic (Thumbnail): csr_ch from Pixabay

Music: CityNerd background: Caipirinha in Hawaii by Carmen María and Edu Espinal (YouTube music library)

Twitter: @nerd4cities Instagram: @nerd4cities Contact: nerd4cities@gmail.com

[Source](https://www.youtube.com/watch?v=cHSCmQnGH9Q)

中文简报

Ray Delahanty证实车辆增加20%会导致延误翻倍 车辆延误呈指数级增长，原因是超出需求的车辆会级联波及后续信号灯周期，这使得车道扩建相较于道路拥堵收费显得无效。 通过对城市交叉口信号相位的详细建模，该视频展示了当需求超出基础设施的物理通行能力时，车辆的随机到达是如何引发级联效应的。交通量的适度增长会造成不成比例的累积延误，仅增加20%的车辆就会使每辆车的等待时间翻倍。在证明了每位驾驶员都是问题的积极参与者、且交通拥堵会带来严重的环境和物流损害之后，该内容质疑了扩建高速公路的范式，并提出了实施具有竞争力的大众运输替代方案以及拥堵收费的必要性。 交通拥堵并非线性增长：在饱和的路网中，每增加一辆车所造成的延误都比前一辆更大，交通量仅增加20%就会使平均延误时间翻倍。 (6:53) 在一个两分钟周期通行能力为6辆车的信号灯交叉口，车辆到达的随机波动会触发累积级联效应，将积压车辆推移至后续周期，使平均延误从60秒增加到72秒。 (4:20) 需求小幅增长6.7%（每小时增加10辆车）就会导致平均延误增加12.5%，而车辆若增加20%，单车延误将从72秒飙升至144秒。 (6:53) 面对持续扩建高速公路和大型交叉口的低效做法，专家指出拥堵收费以及脱离常规交通的独立公共交通网络是更可行的需求管理工具。 (10:51)

Reading summary

Ray Delahanty (CityNerd) argumenta que la congestión vehicular escala de forma exponencial debido al comportamiento acumulativo del tráfico saturado, donde incrementos marginales de vehículos imponen penalizaciones de tiempo desproporcionadas sobre toda la red vial. Capacidad semafórica y demanda estocástica (1:28) Delahanty modela una intersección semafórica durante la hora pico vespertina con ciclos de 120 segundos y un carril de giro a la izquierda restringido a una fase verde máxima de 12 segundos. Bajo un flujo de saturación estándar de un vehículo cada dos segundos, la capacidad física del movimiento queda fijada en 6 autos por ciclo. Aunque un perfil de demanda teórica regular oscilaría suavemente entre 4.5 y 5.0 autos por ciclo (142.5 vehículos esperados en la hora), el tráfico real opera de forma estocástica y se rige por una distribución aleatoria. Al simular 150 arribos distribuidos en 30 ciclos de dos minutos, surgen inevitablemente intervalos con 7 u 8 automóviles. Dado que solo cruzan los 6 primeros, los excedentes quedan rezagados y deben esperar un ciclo completo adicional, consumiendo la capacidad reservada para los vehículos que arriban en los minutos posteriores. Efecto dominó y aceleración exponencial del retraso (4:20) En condiciones no congestionadas de 120 autos por hora, ningún conductor pierde un semáforo y la demora promedio se mantiene en el umbral base de 60 segundos (medio ciclo rojo). No obstante, en el escenario modelado de 150 autos, 8 vehículos quedan rezagados directamente y desplazan a otros 7 en ciclos posteriores; estos 15 usuarios sufren 180 segundos de espera total, elevando el retraso promedio global a 72 segundos por automóvil (+20% respecto a la base). El sistema empeora exponencialmente ante incrementos mínimos de volumen: añadir solo 10 autos (160 vehículos en total, un alza del 6.7%) desata efectos dominó que elevan la demora promedio a 81 segundos (+12.5%). Con 170 autos, el retraso escala a 98 segundos (+36.1%), y con 180 autos —un incremento volumétrico de solo el 20%— la demora promedio alcanza los 144 segundos por automóvil, duplicando con exactitud el retraso base. Ineficiencia física y corresponsabilidad del tráfico (10:24) Delahanty advierte que el modelo matemático representa en realidad el mejor escenario posible. En el entorno real, las colas que exceden la longitud de los carriles exclusivos de giro bloquean a los vehículos que pretenden continuar en línea recta, mientras que las retenciones aguas abajo impiden evacuar incluso los 6 autos teóricos en luz verde, degradando drásticamente la capacidad de la infraestructura. Asimismo, el presentador refuta la concepción psicológica del automovilista que distingue entre un tráfico previo «inocente» y un tráfico nuevo «culpable». En una red vial al borde de la saturación, todos los conductores presentes componen y sostienen el colapso operativo: «Tú eres la congestión». Ante demoras extremas, la respuesta de los usuarios suele traducirse en desvíos de ruta, cambios de horario, migración modal o quejas ante las dependencias municipales. Respuestas de política: ampliaciones frente a gestión modal (10:51) Frente a la congestión, la planificación tradicional de transporte en Estados Unidos ha apostado históricamente por sobredimensionar autopistas e intersecciones masivas para evitar rebasar la capacidad, una respuesta cuya eficacia práctica Delahanty pone en duda. Como alternativas a la expansión física continua, plantea ofrecer alternativas de transporte público e infraestructura activa abundantes y segregadas (como carriles exclusivos BRT) que resulten inmunes a los embotellamientos viales. Como segunda opción, señala la tarificación por congestión (congestion pricing), un esquema orientado a cobrar peajes dinámicos en horarios pico para garantizar un flujo vehicular fluido y canalizar los fondos recaudados directamente hacia el transporte colectivo y las redes peatonales y ciclistas, a pesar de las barreras políticas que su implementación conlleva. El modelo demuestra que añadir capacidad vial física resulta ineficiente ante la naturaleza no lineal del retraso vehicular; según Delahanty, gestionar la demanda mediante tarificación vial y dotar a las urbes de transporte público segregado representan vías de política pública más efectivas que el ensanchamiento indefinido de carreteras.

精炼阅读摘要

Ray Delahanty（CityNerd）指出，道路交通拥堵并非线性累积，而是随着车流量逼近饱和呈现非线性的指数级恶化；每一个新加入饱和路网的车辆，都会对整个系统强加远超自身的延误成本。 拥堵的系统性代价与公共政策属性 (0:00) 交通延误并非仅关乎私家车驾驶员的个人舒适度，而是会演化为波及全城的系统性成本。在缺乏专用快速公交车道（BRT）的情况下，公共汽车同样会深陷拥堵，严重破坏公共交通的准点率。此外，车辆停滞不前还会导致内燃机处于低效运转状态，推高能源消耗和排放，并对应急救援车辆的响应时效及城市物流货运成本造成不可忽视的负面影响。Delahanty认为，虽然减少拥堵是一项应当追求的政策目标，但其本质是集体行为的后果：在道路饱和时并不存在所谓‘无辜的既有车流’与‘有罪的新增车流’之分，任何驶入路网的驾驶员本身就构成了拥堵的一部分。 交叉路口模型：随机到达与通行能力刚性 (1:28) 为了直观展现延误的累积机制，Delahanty建立了一个工作日下午高峰时段（4:30 PM至5:30 PM）的受控左转信号灯模型。在总长120秒的信号周期内，受其他方向车流争夺路权的限制，东向专用左转车道的绿灯时间被限制在12秒。按照交通工程界每2秒放行一辆车的饱和流标准，该车道每个周期的物理通行能力被固定为6辆车。在一小时涵盖的30个周期中，理论总通行能力为180辆车。 然而，现实交通流并非平滑曲线，而是具有随机波动的正态分布。当Delahanty将一小时总计150辆车的随机需求输入模型时，尽管整体需求低于180辆的理论上限，但车流在某些特定周期会出现7至8辆的峰值到达。由于单次绿灯仅能放行6辆，多余的车辆被迫滞留并顺延至下一个周期，侵占后续到达车辆的通行配额，从而引发了延误在多个周期之间传递的累积效应。 临界点与连锁反应：微幅增量引发的延误倍增 (6:53) 工程评价通常采用单车平均延误时间作为服务水平（LOS）的衡量指标。在该模型中，若需求保持在非拥堵阈值（120辆/小时），车辆平均等待半个红灯周期即60秒；但在150辆/小时的基准拥堵情景下，因突发峰值造成的8辆滞留车辆在后续周期引发骨牌效应，额外推挤了7辆车，最终导致15辆车被迫等待额外的120秒（累计等待180秒），将全路口车均延误推高至72秒（增幅20%），且30个周期中有17个处于饱和或超饱和状态。 当需求在此基础上继续微量增加时，延误时间呈现剧烈的指数级飞跃：车流量增加6.7%至160辆时，车均延误上升12.5%达到81秒，饱和与超饱和周期升至20个；车流量增加13.3%至170辆时，延误跃升36.1%达98秒；而当车流量仅比基准增加20%至180辆时，平均延误达到144秒，整整翻了一倍（+100%）。Delahanty强调，尽管具体百分比会随随机变量波动，但这种由连锁挤压造成的非线性膨胀在任何趋于饱和的路网中都是必然发生的物理规律。 实际崩溃机制与破局路径的权衡 (10:24) Delahanty补充说明，上述数学模型实际上仅代表了最乐观的情景。在真实城市道路中，过度拥堵会直接摧毁基础设施的理论通行能力：当下游车道回流受阻，绿灯期间可能连6辆车都无法放行；排队过长的转弯车流也可能倒灌并完全堵塞直行车道，导致局部瘫痪蔓延至全路网。 针对此类拥堵困局，交通政策存在截然不同的应对路径。美国传统的规划倾向于不断扩建大规模道路与交叉路口以规避拥堵峰值，但其实际收效在全美各州广受质疑。作为替代方案，政策制定者可转向需求管理与供给分流：一是提供充足、高效且独立于汽车路况的公共交通与主动出行选择，赋予市民避开拥堵的出行自由；二是通过拥堵收费（congestion pricing）在高峰期管理道路准入以维持高效流动，并将收费所得专项用于补贴公共交通和步行、自行车基础设施的建设。 Delahanty总结认为，单凭物理拓宽道路无法从根本上解决由随机需求与非线性机制主导的交通拥堵。虽然拥堵收费与发展独立路权的替代交通方式在理论上能够恢复道路效率并反哺低碳出行，但这些需求侧干预手段往往面临极其复杂的社会与政治阻力，其实施可行性仍有待更深入的政策博弈与公众讨论。

Detailed notes — zh

## Background 该内容由城市规划频道 CityNerd 的创作者 Ray Delahanty 于 2021 年 12 月 16 日发布在 YouTube 平台上。视频简介指出，城市交通拥堵不仅挥霍出行时间、损害多模式交通运行，而且在早晚通勤高峰期，交通延误并非随车流量线性增加，而是呈现出急剧的指数级膨胀；内容旨在通过交通信号与通行能力模型深入拆解其内在机制，并探讨拥堵定价等破局方案。 ## TL;DR 本节目通过一个晚高峰城市信号交叉口的随机到达模型，硬核解析了交通拥堵呈指数级恶化的数理机制。模拟表明，当车流量逼近或超出信号绿灯通行极限时，单车滞留会引发多米诺骨牌式的级联反应，仅增加 6.7% 的车流就会使单车延误激增 12.5%，车流增加 20% 时延误更会直接翻倍。作者指出“每个驾驶员本身就是拥堵的一部分”，且现实中转弯车道外溢或下游回堵会使既有通行能力遭到进一步摧毁；单纯依靠无休止拓宽道路无法根治问题，唯有通过拥堵定价（Congestion Pricing）配合高质量的公交与慢行替代系统，才能真正实现路网的可持续运作。 ## Atmosphere & style 视频兼具城市规划工程师的理性严谨与科普博主的冷幽默，风格硬核、逻辑紧密且极其注重数据推演。Ray Delahanty 凭借清晰的图表、阶梯式递进的模型推导，将晦涩的排队论与随机需求讲得直观生动，语调冷静而充满说服力。在剥茧抽丝揭示“你不是被堵在路上，你自己就是拥堵”这一残酷现实时，既带来强烈的思维颠覆感，又充满对现代城市过度依赖小汽车出行模式的深刻反思与批判锐度。 ## Bulletin - [08:20](https://www.youtube.com/watch?v=cHSCmQnGH9Q&t=500s) 交通延误并非随车流线性上升，而是呈现剧烈的指数级增长：仿真显示车流量仅增加 20% 时，单车平均延误便激增 100%（从 72 秒翻倍至 144 秒）。 - [04:19](https://www.youtube.com/watch?v=cHSCmQnGH9Q&t=259s) 真实交通的随机性（Stochastic）与信号灯固定通行能力相互作用，导致过载车辆顺延并挤占后续周期的通行容量，引发级联式的多米诺骨牌排队效应。 - [10:54](https://www.youtube.com/watch?v=cHSCmQnGH9Q&t=654s) 传统拓宽道路与立交的工程思路在全美实践中被证明无法长久根治拥堵，多模态替代方案与拥堵定价（Congestion Pricing）成为破局的核心路径。 ## Key takeaways - [00:00](https://www.youtube.com/watch?v=cHSCmQnGH9Q&t=0s) 交通拥堵绝非线性增长，每新增一辆车所造成的边际延误都比前一辆车更为严重，致力于减少拥堵应成为明确的公共政策目标。 - [00:00](https://www.youtube.com/watch?v=cHSCmQnGH9Q&t=0s) 拥堵不仅耽误私家车主，还会将地面常规公交一同困死在车流中，同时拖慢急救车辆响应速度并推高城市物流成本。 - [01:31](https://www.youtube.com/watch?v=cHSCmQnGH9Q&t=91s) 真实交通流具有正态分布波动的随机性，即使平均需求低于通行能力，瞬时流量波动也会触发局部过饱和。 - [04:19](https://www.youtube.com/watch?v=cHSCmQnGH9Q&t=259s) 在 150 辆车的基准仿真中，当期滞留的 8 辆车顺延挤占后续周期配额，引发连锁反应致使总计 15 辆车遭受额外周期延误。 - [06:52](https://www.youtube.com/watch?v=cHSCmQnGH9Q&t=412s) 当高峰小时车流从 150 辆微增至 160 辆（+6.7%）时，单车平均延误飙升至 81 秒（+12.5%），延误增长率几近交通量增长率的两倍。 - [08:20](https://www.youtube.com/watch?v=cHSCmQnGH9Q&t=500s) 车流达到 170 辆和 180 辆时系统全面失衡，延误分别激增至 98 秒和 144 秒，呈典型的几何指数级暴增形态。 - [08:20](https://www.youtube.com/watch?v=cHSCmQnGH9Q&t=500s) 在拥挤车流中不存在无辜的受害者，每一位驾驶员不仅在承受拥堵，其自身作为交通量的一部分正是构成拥堵的本体。 - [10:24](https://www.youtube.com/watch?v=cHSCmQnGH9Q&t=624s) 在复杂现实路网中，排队溢出会直接回堵直行车道或阻断入口车道，导致道路系统的既有通行能力被彻底摧毁。 - [10:54](https://www.youtube.com/watch?v=cHSCmQnGH9Q&t=654s) 无休止拓宽道路与修建巨型立交的传统工程模式无法根除拥堵，反而可能诱导更多汽车出行。 - [10:54](https://www.youtube.com/watch?v=cHSCmQnGH9Q&t=654s) 治理拥堵的有效路径包括提供高竞争力的公交与骑行网络，以及通过拥堵定价将收费反哺至可持续出行系统。 ## Detailed walkthrough ### [00:00](https://www.youtube.com/watch?v=cHSCmQnGH9Q&t=0s) 交通拥堵的非线性本质与政策现实 交通拥堵绝非简单的线性增长现象。在交通系统中，每增加一辆车，不仅会为所有其他人带来额外的延误，而且随后驶入的每一辆车所造成的延误增量，都会比前一辆车更为严重。这一机制在日常认知中并不符合直觉，也往往缺乏公众的普遍理解，但它实际上对交通政策的制定具有极为深远的影响。Ray Delahanty 指出，在通常以“十大盘点”为主的 CityNerd 频道中，本期内容将深入探讨城市规划与交通领域的硬核理论。 为了确立讨论的基础，Ray Delahanty 提出了一个在部分人看来或许带有一点争议性的核心观点：交通拥堵不仅是一件彻底的坏事，而且“致力于减少拥堵本身就是一个非常值得追求的政策目标”。拥堵最直接的后果是挥霍公众的时间——尽管单人驾驶汽车的通勤者自身承受了延误，但更大的问题在于，公共交通中的大量巴士同样被困在同一片车流中动弹不得。此外，拥堵急剧消耗能源，带来极大的行程不确定性与时间不可靠性，延误急救车辆的通行，并显著推高城市内部货运物流的成本。随着车流量的增加，这种延误呈指数级膨胀，其背后虽有复杂的数学理论，但完全可以通过人们最熟悉的红绿灯等待场景来进行直观拆解。 - 拥堵对多模式交通的波及：即使是不开车的居民，乘坐巴士也会一同被堵，骑行和步行者则被迫吸入更多低速运转发动机排放的尾气与颗粒物。 - 拥堵对城市运行效率的隐性成本：急救响应时间被拖慢，城市物流配送与货物周转成本全面上升。 --- ### [01:31](https://www.youtube.com/watch?v=cHSCmQnGH9Q&t=91s) 模拟场景构建：信号交叉口的随机需求模型 为了用直观的方式展现指数级拥堵的发生过程，Ray Delahanty 设定了一个典型工作日下午晚高峰（4:30 至 5:30）的城市信号交叉口模型。该路口配有专门的左转车道和受保护的左转相位。由于路口其他方向同样车流繁忙，交通信号机给东向左转相位的绿灯时间被严格限制在最多 12 秒。按照交通工程中标准的饱和流率（Saturation Flow Rate，即每 2 秒通过一辆车）计算，每个周期的左转通行能力恰好为 6 辆车。现实中如果有人低头看手机分心，通过量就会少于 6 辆；如果驾驶员极其激进，可能会略微超出，但 6 辆是标准工程假设。 整个一小时高峰期包含 30 个时长为 120 秒（2 分钟）的信号周期。在此期间，Ray Delahanty 建立了一个基准的需求轮廓：下午 5:00 达到需求峰值（每个 120 秒周期平均 5 辆车），而在该小时的开头和结尾则为每个周期平均 4.5 辆车。这种“峰中之峰”（Peak of the Peak）比高峰小时边缘高出约 10% 的形态，是典型城市环境的标准特征。然而，现实中的交通流绝不是均匀平滑的；如果车辆到达完全平稳且低于 6 辆的通行能力，信号灯将平稳运行，交通规划也将变得异常简单。 真实交通具有极强的随机性（Stochastic）。任意分钟内的交通量不仅是随机波动的，而且通常围绕平均需求呈正态分布。为此，模型在基准需求曲线上应用了正态分布随机函数，生成了 30 个围绕均值波动、代表每个 2 分钟周期的具体数值。在保留原始小数用于后续精密测算的同时，经过四舍五入后的整数序列在一小时内总共产生了 150 辆车，略高于最初预期的 142.5 辆理论均值。 ```mermaid flowchart TD accTitle: 信号交叉口排队与溢出逻辑 accDescr: 展示单个周期内由于车流随机到达超过通行能力而引发的多米诺连锁排队机制 subgraph CycleCapacity ["单个 120 秒周期通行限制"] C["绿灯通行上限: 6 辆车"] end subgraph Arrivals ["车辆实际到达 (正态分布随机波)"] A1["周期内到达 <= 6 辆"] A2["周期内到达 > 6 辆 (过饱和)"] end subgraph Outcomes ["延误与连锁反应"] P["正常放行: 平均延误 60 秒"] Q["当期滞留车辆 (+120 秒)"] F["挤占下一周期通行能力 (级联多米诺效应)"] end A1 --> P A2 --> Q Q --> F F -->|"推挤下一周期的正常到达车辆"| Q ``` --- ### [04:19](https://www.youtube.com/watch?v=cHSCmQnGH9Q&t=259s) 基准场景分析（150辆车）：溢出效应与服务水平恶化 在 150 辆车的基准情景下，系统的通行能力依然是每 120 秒通过 6 辆车。然而，由于随机波动的存在，全小时内共有 8 辆车到达时，其前面已经排了 6 辆车，导致它们无法在当期绿灯通过，被迫在路口多等待一个完整的 120 秒周期。 情况的严重性远不止这 8 辆车本身。每一辆滞留的车辆都会顺延进入下一个周期，从而侵占原本分配给后一个 2 分钟内到达车辆的通行容量。根据下一周期的实际到达量，这种推挤极易形成滚雪球般的连锁级联效应。在这 150 辆车的场景中，正是由于前序滞留车辆的占用，导致后续又有 7 辆原本不该延误的车辆被挤出了所属周期。结果，总计有 15 辆车被迫多等待了整整 120 秒的信号周期。Ray Delahanty 强调，这里揭示了交通延误的核心特质：“就在这里，我们应该意识到这是一个累积性的问题。” 为了客观量化交叉口表现，交通工程界采用“平均车辆延误”作为衡量信号交叉口服务水平（Level of Service, LOS）的核心指标： - **无拥堵状态基准**：假定车辆平均在周期的中点（即第 60 秒）到达，只要能在当期绿灯放行，平均信号延误就是半个周期（60 秒）。若总车流削减到约 120 辆以下，所有周期均不超载，全员无额外等待，路口即可实现最优的 60 秒平均延误。 - **150 辆车基准表现**：在 150 辆车中，135 辆仅需等待基础的 60 秒，而 15 辆车则承受了额外的 120 秒（即单车延误达 180 秒）。总延误时间为 $135 \times 60 + 15 \times 180 = 10,800$ 秒。 - **平均指标与饱和度**：总延误平摊到 150 辆车上，单车平均延误增加到了 72 秒。更为严峻的是，在全部 30 个周期中，有 8 个周期刚好满载（达到 6 辆），9 个周期已经超载（超过 6 辆），这意味着全小时内超过半数的周期（17 个）处于满载或过饱和边缘，后续驶入的新车辆遭遇延误的概率已大幅上升。 --- ### [06:52](https://www.youtube.com/watch?v=cHSCmQnGH9Q&t=412s) 增加车流量：多米诺骨牌效应与指数级延误激增 当系统处于临界状态时，微小的增量会带来极其剧烈的系统崩溃。Ray Delahanty 将未经四舍五入的底层随机分布向上平移，使全小时总车流量增加 10 辆，达到 160 辆车。这 10 辆新增车辆分散落在 30 个周期中的 10 个周期内，彻底引爆了连锁反应。 新增的车辆把排在后面的车一步步推移到后续周期。其中最典型的恶化案例发生在下午 4:40：在该周期新增的一辆车造成了最糟糕的骨牌效应，其产生的拥堵冲击波一路向下游扩散，整整影响了接下来的 4 个信号周期，使得这 4 个周期内的受阻车辆各自平添了 120 秒的周期延误。 数据层面的对比极为鲜明： - **车流量增幅**：从 150 辆增至 160 辆，交通量仅增加了约 6.7%。 - **延误增幅**：平均单车延误从 72 秒飙升至 81 秒，增幅高达 12.5%——延误的增长率几乎达到了交通量增长率的两倍。 - **系统脆弱性**：达到或超过设计通行能力的周期数从先前的 17 个激增至 20 个（占全部周期的三分之二）。每一个新到达的驾驶员面临“进不去当前周期”的概率进一步扩大。 Ray Delahanty 借此向观众互动，希望大家若在硬核交通内容中有所收获，就给 YouTube 算法点赞并订阅频道，随后继续用数据推演拥堵进一步恶化时的灾难性表现。 --- ### [08:20](https://www.youtube.com/watch?v=cHSCmQnGH9Q&t=500s) 指数级恶化、逃避行为与对拥堵的本质反思 当车流进一步微幅上调时，延误时间呈现出彻底的指数级爆发，不再保留任何线性比例关系： - **170 辆车场景**：车流量相较于 150 辆的基准仅增加了 13.3%，但平均车辆延误跳升到 98 秒，延误时间相比最初基准增加了 36 秒（增幅超 36%）。 - **180 辆车场景**：车流量增加了 20%，但单车平均延误直接翻倍，飙升至 144 秒，延误增幅整整达到了 100%。 Ray Delahanty 解释说，尽管具体的延误百分比会因每次生成的随机种子不同而产生细微变化，但曲线的内在几何形态是固定不变的——这就是纯粹的指数级增长。在现实城市中，当平均延误达到这种程度时，排队车流已然无法维持，交通系统将迫使出行者发生行为改变：驾驶员开始绕行居民区以避开该左转道、改乘公共汽车、换骑自行车、错峰出行，或者干脆取消行程；而市政交通工程师的办公室则必定会被愤怒市民的投诉电话打爆。 针对这种拥堵动力学，Ray Delahanty 提出了两点极为深刻的理论与现实反思： 首先，必须纠正一种普遍的心理误区：人们总是倾向于认为有一批“原有的正常交通”，以及另一批“额外跑出来添乱的交通”。但在拥挤的交通流中，没有任何一辆车是无辜的。“如果你处于拥堵状态，那么每一位驾驶员对于过错和后果都负有同等的责任。”正如 Ray Delahanty 所说：“作为一名驾驶员，我们总觉得拥堵是一件发生在我们身上的倒霉事；但现实是，你自己就是拥堵。” 其次，该仿真只是一个极度简化的单点模型，现实中的城市路网更为复杂且相互交织。在过饱和状态下，左转车道的 12 秒通行能力甚至根本无法兑现 6 辆车的理论值——如果下游路段因前方瓶颈发生回堵，接收车道被占满，车辆就根本无法驶入；或者直行车道的过长排队完全挡住了左转车道的入口，使得拥有绿灯的车辆连进入转弯道的机会都没有。现实中的系统崩溃往往比纯数学模型更为迅猛且不可预测。 | 场景（小时车流量） | 相对基准车流增幅 (%) | 单车平均延误 (秒) | 相对基准延误增幅 (%) | 满载/过载周期占比 (满额 30 周期) | |:--- |:--- |:--- |:--- |:--- | | **120 辆** (畅通极限) | -20.0% | 60 秒 | -16.7% | 0 / 30 (0%) | | **150 辆** (基准场景) | 基准 (0.0%) | 72 秒 | 基准 (0.0%) | 17 / 30 (56.7%) | | **160 辆** | +6.7% | 81 秒 | +12.5% | 20 / 30 (66.7%) | | **170 辆** | +13.3% | 98 秒 | +36.1% | 显著恶化 | | **180 辆** | +20.0% | 144 秒 | +100.0% (翻倍) | 全面拥塞 | ### [10:24](https://www.youtube.com/watch?v=cHSCmQnGH9Q&t=624s) 拥堵如何削弱道路效率与指数级增长效应 在交叉口交通流分析中，一旦进入严重拥堵状态，系统的通行效率就会受到全方位打击。例如，当排队空间不足时，信号周期内原本能够消化的车流量（如每周期6辆车）将无法正常进入排队车道；在更糟糕的反向情况下，左转或右转专用车道的积压甚至会外溢并彻底堵塞直行车道。所有这些连锁反应都表明，拥堵环境会直接摧毁道路系统的既有通行能力。Ray Delahanty 强调，之前所展示的模型其实已经是一个极度乐观的假设场景，现实往往更加恶劣。每个新增的出行者不仅会带来额外的延误，其边际影响更是呈非线性暴增的。Ray Delahanty 直言：“Así que el punto que espero que se lleven es que no sólo los autos adicionales crean más congestión, sino que cada auto adicional crea más congestión exponencialmente.” - 转弯车道过饱和会导致排队溢出，直接阻断直行车流的通行。 - 车流阻滞使得预期的排队容量无法充分利用，通行效率显著降低。 - 交通延误并非线性累积，而是随着车流密度逼近临界点呈指数级急剧恶化。 ### [10:54](https://www.youtube.com/watch?v=cHSCmQnGH9Q&t=654s) 传统扩建思维的局限与拥堵定价等破局路径 面对拥堵呈指数级恶化的现实，主管道路政策与公共预算的决策机构往往倾向于一种简单粗暴的工程思路：把道路和交叉口修得尽可能宽大，试图以此永远避开拥堵状态。然而只要走访美国的各个州，就能亲眼见证这种大拆大建的扩建思维，并切身评估它到底有没有奏效。对此，Ray Delahanty 提出了两种截然不同的解决思路：一是大力打造充沛且具有竞争力的高质量替代出行方式（如公共交通和自行车），让公众在道路陷入极度拥堵时拥有转向其他方式的自由；二是推行拥堵定价（Congestion Pricing），通过经济杠杆保障路网畅通，并将资金反哺给可持续出行系统。Ray Delahanty 设想道：“O tal vez, escúchenme, ponerle precio a la congestión, lograr que la gente pague por el privilegio de conducir en una red víal eficiente, confiable y sin congestión, e invertir los fondos en otros medios de tránsito y transporte activo.” 尽管拥堵定价在实操中极为复杂，但他表示未来会制作专属视频进行深入探讨，并邀请观众在评论区留下看法与建议。 ```mermaid flowchart TD accTitle: 应对交通拥堵的两种治理路径 accDescr: 对比传统的大规模道路扩建模式与多模态交通、拥堵定价机制的综合治理方案。 subgraph Traditional["传统扩建模式（不可持续）"] A["道路与交叉口无休止拓宽"] --> B["诱导更多小汽车出行"] B --> C["系统再次陷入重度拥堵"] end subgraph Alternative["综合交通治理路径"] D["建设高竞争力替代方式"] --> E["分流高峰期小汽车出行需求"] F["实施拥堵定价 (Congestion Pricing)"] --> G["收取通行费以保障路网高效运行"] G --> H["资金再投资于公共交通与慢行系统"] H --> D end ``` - **传统思路的误区**：不断扩大车道与立交规模，但在全美范围内的实践证明这并不能长久根治拥堵。 - **提供出行替代方案**：发展高频公交和安全骑行网络，确保在道路拥堵时市民能够自由切换出行方式。 - **拥堵定价机制**：对使用高效顺畅路网的特权收费，利用价格杠杆抑制高峰期车流，并将收缴的资金专项用于改善公共交通和主动出行（骑行与步行）设施。 ## Notable quotes > [08:20](https://www.youtube.com/watch?v=cHSCmQnGH9Q&t=500s) 作为一名驾驶员，我们总觉得拥堵是一件发生在我们身上的倒霉事；但现实是，你自己就是拥堵。 — Ray Delahanty > [08:20](https://www.youtube.com/watch?v=cHSCmQnGH9Q&t=500s) 如果你处于拥堵状态，那么每一位驾驶员对于过错和后果都负有同等的责任。 — Ray Delahanty > [00:00](https://www.youtube.com/watch?v=cHSCmQnGH9Q&t=0s) 致力于减少拥堵本身就是一个非常值得追求的政策目标 — Ray Delahanty ## Mentioned Ray Delahanty, CityNerd, YouTube ## Video description Traffic congestion explained! Every city has problems with growing traffic congestion, and everyone who lives in a city is impacted. And not only if you drive. If you take the bus, then your bus gets stuck in the same traffic jams as everyone else (unless your city has built true Bus Rapid Transit!). If you bike or walk, you're breathing in more noxious fumes and particulate matter, from more cars and trucks whose combustion engines are operating more and more inefficiently. The cities with the most traffic in the US experience the worst congestion at commuting peak hours. In these periods of peak congestion, the delay people experience does not grow linearly with traffic volumes; it actually grows exponentially. Every vehicle you add to the network not only increases delay for everyone else -- it actually adds incrementally more delay that the last vehicle did. This is why traffic is unstable, travel times are unreliable, and governments spend enormous amount of money trying to fix traffic bottlenecks -- like building ginormous freeways and land-devouring urban interchanges. This video take a deep dive into the exponential nature of traffic congestion, showing how traffic signals work, how intersection capacity is allocated, what makes traffic so unpredictable, and reviewing some potential solutions. Hint: there is no simple solution to traffic. Building more "innovative" intersections and interchanges probably isn't it, and building Tesla Tunnels likely isn't the answer either. A possible solution? Congestion pricing, long a contentious issue in NYC, but implemented successfully in cities like Stockholm, Singapore, and London. Other CityNerd vides referenced in this video: - Bike vs Bus vs Car in Portland: https://youtu.be/-7UcvadTgac Other CityNerd Videos on Traffic and Busy Streets: - Freeway-Heavy Downtowns of the US: https://youtu.be/WYsJx1urS3Y - Freeway-Light Cities of North America: https://youtu.be/5F3lZwG-BWk - The Ginormous Interchanges of the US: https://youtu.be/4rgH0MUaHx8 - The Busiest Streets in North America: https://youtu.be/JE-cyJypmMY Resources: - Highway Capacity Manual 2010 Signalized Intersection Level of Service summary: https://www.seatacwa.gov/home/showdocument?id=11371 Photo Credits: New York Traffic: Video by Life-Of-Vids from Pixabay New York Traffic (Thumbnail): csr_ch from Pixabay Music: CityNerd background: Caipirinha in Hawaii by Carmen María and Edu Espinal (YouTube music library) Twitter: @nerd4cities Instagram: @nerd4cities Contact: nerd4cities@gmail.com [Source](https://www.youtube.com/watch?v=cHSCmQnGH9Q)

Source quotes

[8:20] Ray Delahanty: 作为一名驾驶员，我们总觉得拥堵是一件发生在我们身上的倒霉事；但现实是，你自己就是拥堵。 [8:20] Ray Delahanty: 如果你处于拥堵状态，那么每一位驾驶员对于过错和后果都负有同等的责任。 [0:00] Ray Delahanty: 致力于减少拥堵本身就是一个非常值得追求的政策目标

Source quotes

[6:53] Ray Delahanty: Cómo un conductor percibimos la congestión como algo que nos está pasando pero, la realidad es que tú eres la congestión. [10:24] Ray Delahanty: no sólo los autos adicionales crean más congestión, sino que cada auto adicional crea más congestión exponencialmente. [0:00] Ray Delahanty: Antes que nada voy a empezar con una afirmación algo controversial, la cual es que la congestión vial es mala y que tratar de reducirla es, de hecho, una digna meta política.

Original transcript

[0:00] En un video anterior mencioné que [0:02] la congestión viál no es un fenómeno linear. [0:04] Cada auto que añades al sistema [0:06] impone un poco más de retraso a todos [0:09] los demás y cada auto sucesivo [0:12] impone un poco más de retraso que el anterior [0:14] No creo que ésto sea muy intuitivo [0:17] o bién entendido, pero ha tenido o al [0:19] menos debería de tener [0:21] inmensas implicaciones políticas. Así que mi esperanza es que [0:24] al exponerlo todo aquí pueda ayudar a [0:26] esparcir un poco de comprensión. Eso [0:28] es lo que viene. Ésto es CityNerd, contenido [0:30] semanal sobre ciudades y transporte. [0:33] Usualmente es un top 10 pero algunas veces [0:35] abarcamos algo un poco más [0:37] teorético y bienvenidos esta semana. [0:41] Antes que nada voy a empezar con una [0:42] afirmación algo controversial, la cual es [0:45] que la congestión vial es mala y que [0:49] tratar de reducirla es, de hecho, una digna [0:51] meta política. La congestión desperdicia el tiempo [0:54] de la gente y aquí en realidad no me importan [0:56] los autos de un sólo ocupante, pero muchos de los [0:59] buses buses terminan atorados en el mismo tráfico. [1:01] La congestión consume más energía, [1:04] crea poca exactitud e incertidumbre, [1:07] retrasa vehículos de emergencias, significa que [1:10] ahora cuesta más movilizar los bienes a través. [1:12] de la ciudad y tiende a crecer exponencialmente [1:15] conforme añádes más tráfico. Hay [1:17] hay algunos argumentos llenos de teorías matemáticas [1:20] que explican por qué ese es el caso pero [1:23] quería ponerlo en un contexto que es [1:25] más intuitivo y comprensible así que [1:28] voy a dar un ejemplo con el que todos estamos [1:29] familiarizados como lo es esperar [1:31] en una señal. Aún va a haber [1:33] matemáticas en esto pero creo que va a [1:35] ser bastante sencillo así que aquí está el [1:37] escenario es un día típico entre semana [1:39] y estamos en el píco de la tarde el cual [1:42] vamos a llamar las 4:30 - 5:30 PM [1:45] estamos en una típica intersección urbana [1:47] señalizada con un giro protegido a la izquierda [1:49] y carril de giro izquierdo y [1:52] estamos viendo a un movimiento particular [1:54] como lo es el giro izquierdo hacia el este y [1:57] digamos que el programa del semáforo dice [1:58] que el tiempo de luz verde para éste movimiento [2:00] jamás debe de exceder más de 12 [2:02] segundos porque hay muchos otros [2:04] movimientos ocupados que necesitan su turno [2:07] así que son 6 autos asumiendo un flujo de [2:09] saturación típico de un auto cada 2 [2:12] segundos. En realidad eso puede variar [2:15] es menos de 6 si hay gente viendo [2:18] sus teléfonos sin prestarle atención a [2:19] el semáforo o podría ser más si [2:22] los pilotos son super agresivos pero 6 es [2:25] la suposición bastante típica de la [2:27] ingeniería de tráfico. Ahora para ese [2:28] giro hacia el Éste, preparé un perfíl [2:31] más o menos genérico de demanda para la hora. [2:33] Éste no es el que voy a usar para nuestro [2:35] ejemplo del mundo real pero éste perfil [2:37] tiene un pico de demanda de 5 autos [2:40] por cada ciclo de 120 segundos a las 5 PM y luego [2:44] 4.5 autos al principio y al fin de [2:48] la hora. Ésto es bastante típico en un ambiente [2:50] urbano donde el pico del pico [2:52] es algo así como 10 más alto [2:54] que los minutos a la los lados [2:56] de la hora pico. Pero claro, los volúmenes de [2:59] tráfico observados actuales no son regulares [3:01] y predecibles como éste, de lo contrario, [3:04] digamos que el planeamiento de transporte [3:06] y la ingeniería de tráfico serían mucho [3:08] más fáciles. Con el perfíl genérico sólo [3:11] la señal operaría bien porque tendrías [3:13] siempre esta demanda suave que corre [3:16] justo bajo la capacidad pero [3:18] el tráfico no es consistente. Al contrario es [3:21] estocástico. El volumen de tráfico en cualquier [3:23] minuto es aleatorio pero generalmente [3:26] sigue más o menos una distribución normal de [3:29] la demanda promedio así que tomé mi perfíl [3:31] genérico y le apliqué una función [3:34] que genera un número que es aleatorio [3:37] sobre una distribución normal [3:39] para la demanda promedio de cada incrememento [3:43] de 120 segundos para obtener un [3:45] set de 30 números uno para cada ciclo de [3:48] 2 minutos en la señal que son aleatorios pero [3:50] centrados alrededor de ese perfíl genérico. [3:53] Y ésto se empieza a paracer más a lo [3:55] que verías en un día promedio excepto [3:57] que son fracciones así que por supuesto [4:00] vamos a redondear pero también vamos a [4:02] guardar las fracciones en el bolsillo [4:04] porque nos van a ser útiles [4:06] más tarde. Como ven, termino con [4:08] 150 autos durante la hora, lo que es [4:11] un poquito más que los [4:13] 142.5 que yo esperaba pero ya saben [4:17] factores aleatorios y redondeo. Ahora, recuerdan [4:20] la capacidad de éste giro es 6 [4:22] autos por cada 120 segundos así que pueden ver [4:26] que hay 8 autos en el transcurso de la [4:28] hora que llegan a tiempo para el turno [4:30] de la señal a la izquierda pero 6 [4:33] autos ya han llegado antes que ellos [4:35] así que ellos no logran pasar y tienen [4:37] que esperar otro ciclo de 120 segundos. [4:40] Pero de hecho es peor que eso, cada uno [4:42] de los ocho autos pasa al siguiente [4:44] ciclo y le quita un poco de la [4:46] capacidad que se suponía estaría [4:48] disponible para los autos que llegaran [4:51] en los siguientes 2 minutos así que dependiendo [4:53] de cuánta demanda haya para el siguiente [4:56] ciclo, potencialmente tendrías un efecto de [4:58] cascada. Así que para éste primer [5:01] escenario con 150 autos, tenemos [5:04] 7 autos adicionales que fueron desplazados [5:08] así que hay un total de 15 autos [5:10] que tienen que esperar 120 segundos [5:13] adicionales. Justo aquí deberíamos [5:14] darnos cuenta de que esto es un [5:16] problema acumulativo. Tomemos una [5:19] medida de rendimiento. Vamos a medir el [5:21] retraso promedio, la métrica más [5:23] comúnmente usada para medir el rendimiento de [5:26] las intersecciones señalizadas. Es la base del [5:29] "Nivel de Servicio" o "NDS". [5:32] Asumamos algo, digamos que el auto promedio [5:35] aparece a la mitad del ciclo y [5:37] si logra pasar en ese ciclo, [5:39] lo cuál la mayoría logra en éste escenario base, [5:41] esos autos tendrán un promedio de 60 [5:44] segundos de retraso por señal o medio ciclo. [5:47] Así es como todos esperan que la [5:49] intersección funcione. Y mientras que se [5:51] mantengan éstas condiciones de tráfico en el [5:54] modo de congestionamiento, se podría [5:56] continuar añadiendo autos sin ningún retraso promedio [5:58] adicional. Por ejemplo puedo tomar mi [6:01] distribución aleatoria y reducirla [6:04] hasta que ya no haya ninguna congestión. [6:07] Ésto pasa más o menos al llegar a los 120 autos y [6:10] en ese caso el retraso promedio es 60 [6:12] segundos. A nadie le toca esperar un [6:14] ciclo extra. Es lo mejor que podemos lograr [6:16] pero al subir a 150 autos tenemos [6:19] 135 autos que están esperando 60 segundos únicamente [6:23] y tenemos 15 que les toca esperar un promedio de [6:25] 120 segundos adicionales. Lo que es un total de [6:28] 10 800 segundos, divididos en los 150 autos [6:33] eso es 72 segundos por auto en promedio y tomen en cuenta [6:36] que 8 de los 30 ciclos están ocupados [6:38] completamente y 9 están sobre su capacidad [6:42] así que probablemente el próximo auto que aparezca [6:45] va a tener que esperar un ciclo [6:47] adicional. Okay, así es cómo se ve el giro a la [6:49] izquierda cuando empieza a ponerse en [6:51] un estado congestionado. Ahora [6:53] Agreguemos 10 autos. Voy a incrementar mis [6:56] números sin redondear hasta que [6:58] la distribución redondeada [7:00] llegue a los 160. Y así es cómo se ve. [7:03] 10 de mis 32 incrementos secundarios [7:07] tienen un auto adicional. Éstos [7:09] autos empujan otros autos fuera del ciclo [7:11] y deberíamos de en verdad empezar a sentir [7:14] que ésto es un efecto dominó y [7:17] se va a poner peor progresivamente [7:19] cada vez que le añado 10 autos más. Éste [7:21] auto que se aparece a las 4:40 es el peor [7:24] de los casos, impacta los siguientes 4 [7:26] ciclos añadiendo otros 120 segundos de [7:29] retraso por cada vehículo en cada uno de [7:31] los cuatro ciclose siguientes. Al fin de cuentas [7:34] sólo añadí 10 autos. Lo que corresponde a 6.7 segundos [7:37] pero mi retraso promedio pasa de los 72 [7:40] segundos a 81 y ése es un incremento promedio de 12.5 [7:44] también 17 de mis 30 ciclos estaban justo a [7:48] capacidad o más cuando tenía 150 autos [7:51] ahora 20 de los 30 están así. Lo que, de nuevo, [7:55] está incrementando la probabilidad de que [7:57] el próximo auto le toque un ciclo que ya está [8:00] completamente lleno. Voy a pasar por los siguientes [8:01] escenarios adicionales y hablar sobre [8:03] las implicaciones de reglamentos y etc. Pero primero [8:07] si le están sacando valor a éste video [8:09] por favor denle sus respetos al [8:10] algoritmo de youtube y en general si disfrutan [8:13] exploraciones nerd de transporte en [8:16] ciudades, pásen y subsríbance si no lo han [8:18] hecho ya. Se los agradezco mucho. [8:20] Okay, no voy a entrar a fondo en los [8:22] detalles de los escenarios que quedan [8:24] porque es la misma historia y sólo se pone [8:26] más caótica. Pero ésto es lo que pasa. [8:29] A los 170 autos el promedio de retraso es 98 [8:32] segundos así que incrementamos el volúmen de tráfico [8:35] original de 150 por 13.3% pero el retraso [8:39] promedio es de 36 segundos [8:41] Luego a los 180 el retraso promedio es de [8:44] 144 segundos. Osea que al aumentar tu [8:48] volúmen de tráfico por 20% [8:50] le incrementas el retraso promedio por cada auto [8:52] por 100%; lo duplicamos. [8:55] Recuerden que ésta es la misma curva de [8:57] demanda aleatoria con la que empezé sólo la estoy ajustando [8:59] hacia arriba o abajo, el porcentaje preciso [9:01] que estoy mencionando va a cambiar si [9:04] empiezo con un número aleatorio diferente [9:05] inicial pero la historia en sí siempre va [9:08] a ser éste mismo crecimiento [9:10] exponencial y en realidad a éstas alturas [9:13] la genta va a empezar a buscar diferentes rutas [9:15] para evitar éste giro a la izquierda. [9:17] Van a tomar el bus, ir en bicicleta, o ajustar [9:20] su hora de partida o simplemente no salir [9:23] del todo y el ingeniero de tráfico de la ciudad [9:25] definitivamente va a recibir llamadas al respecto. [9:27] Así que un par de notas antes, a pesar de [9:30] la forma en que yo caracterizo aquí [9:32] la dinámica de tráfico no hay tal tráfico [9:35] existente que simplemente esté sin molestar [9:37] a nadie y tráfico adicional que sea el que está [9:40] causando todos los problemas. Si el [9:42] tránsito está en un estado congestionado entonces [9:45] cada conductor es igualmente responsable [9:47] de la culpa y las consecuencias. [9:50] Cómo un conductor percibimos la congestión como [9:52] algo que nos está pasando pero, [9:54] la realidad es que tú eres la congestión. [9:57] Segundo, consideren que éste es un modelo muy [9:58] simplificado y el tráfico urbano es [10:01] dinámico y complejo, y la congestión [10:03] se manifiesta en muchas formas, por ejemplo [10:06] en un estado congestionado, ese ciclo de 12 [10:09] del giro a la izquierda puede que no pueda [10:11] acomodar 6 autos que podrían haber venido [10:14] de otro embotellamiento más adelante [10:16] lo cual bloquea el carril receptor. [10:18] Podrías tener encolamiento excesivo en el [10:21] carril sin giro lo cual bloquea la cola para la izquierda [10:24] y ya no podrías encolar los 6 vehículos por ciclo [10:26] en el revés de los casos, el carril de giro puede [10:28] sobrellenarse y bloquear el carril sin giro. [10:31] Y todas éstas son maneras en las que [10:33] las condiciones congestionadas reducen la [10:36] eficiencia del sistema. Así que lo que les [10:39] presenté aquí es más que nada un [10:41] escenario optimista, así que el punto que espero que [10:43] se lleven es que no sólo los autos adicionales [10:46] crean más congestión, sino que cada auto adicional [10:48] crea más congestión exponencialmente. [10:51] Lo cual es malo para todos así que [10:54] ¿Cuál es la solución? para algunas personas, [10:56] usualmente las personas que están a cargo de la [10:58] política víal y los fondos públicos, tódo esto [11:00] sugiere que en realidad lo que necesitan es [11:03] construir caminos e intersecciones tan grandes como [11:05] sea posible para que nunca lleguemos a un estado [11:07] congestionado. Pueden ir prácticamente a cualquier [11:09] Estado en los Estados Unidos y ver éste criterio [11:11] en práctica y decidir por si mismos si de verdad [11:14] funciona o no. Otra enfoque es [11:17] asegurarse de que las alternativas a conducir [11:19] sean abundantes y competitivas así que [11:22] cuando el tráfico empieze a ponerse hyper [11:24] congestionado la gente tenga la libertad [11:27] de tomar otras decisiones, o tal vez, escúchenme [11:31] ponerle precio a la congestión, lograr que la [11:33] gente pague por el privilegio de conducir en una [11:36] red víal eficiente, confiable y sin congestión, e invertir [11:40] los fondos en otros medios de tránsito y transporte [11:42] activo. Hice que eso suene fácil. [11:44] Hay mucho que discutir allí y probablemente [11:46] lo voy a hacer en un video futuro pero sientanse [11:48] libres de dejarme saber lo que piensan [11:50] sobre el ponerle precio a la congestión en los [11:52] comentario abajo y eso es todo lo que tengo [11:55] por hoy. Sigan mandandome sus [11:57] comentarios y sugerencias. [11:59] Si que hacen éste un mejor canal, gracias por [12:00] venir y volveré con un tema nuevo [12:02] la próxima semana así que los veré entonces!