英国阿斯顿大学(Aston University)的研究人员研发了一项新技术，可以将在大城镇和大城市内运营的商用车车队的排放量减少一半，以更好地实现清洁空气目标。该项技术模仿了蚂蚁分享知识的方式，可扩展应用于现实世界中，如优化繁忙城市中的行车路线。
该款软件由阿斯顿大学工程与物理科学系的计算机科学家研发和测试，并在Think Beyond Data项目框架下进行，该项目还得到了欧洲区域发展基金(ERDF)的部分资助。该款软件采用了一种称为“路线优化”(route optimisation)的方法，以智能方式引导同一公司的车队在一个城市或城镇周围行驶，可将车辆的排放量减少一半，同时还可节省时间和燃料成本。
研究人员根据蚂蚁觅食的方式建立了计算机建模算法，为车队车辆安排任务，并优化行进路线。该软件可安装在笔记本电脑上，然后，车队运营商可以根据日常需求，利用该系统优化车队路线。
优化商用车车队路线非常重要，可以促进城镇朝着更清洁空气的目标迈进，并提供建立清洁空气区(Clean Air Zones)的替代措施。此外，由于疫情导致全球对送货上门的需求空前高涨，商用车送货的数量激增，也导致道路上车辆数量增加。据零售技术新闻教育平台Essentialretail.com网站所说，英国皇家邮政(The Royal Mail)报告称，45%的英国成年人收到的包裹数量增加了，而英国广播公司(BBC)报道称，在封城期间，英国两个月内运送了350万箱蔬菜。
该研究团队采用了一种称为“元启发式技术”(meta-heuristic technology)的方法，模仿了蚁群解决问题的方式，并根据蚁群现有的行为进行改进。例如，每只蚂蚁都会记录下自己找到的最佳解决方案，并将其传递给其他蚂蚁。然后，此种“最佳实践”方法就会渗透到整个蚁群中，以一种可与计算机算法媲美的方式更新其知识储备。
然后，研究人员通过减少自身所做的决策的数量，创造了更加智能的蚂蚁算法，以进一步研发该项技术，从而解决城市车队的路线问题。
此种路线优化技术在伯明翰几家车队公司进行了测试，以帮助最大限度地减少车辆在道路上的运行时间。例如，一家伯明翰公司在客户的设施中执行外部维护任务，每天都会花费大量时间在城市道路网络中穿梭，从而因车辆排放导致该地区空气污染水平升高，且加剧了交通拥堵。
在6周时间内，研究人员对该维修公司的45辆车和437项工作进行了测试。他们发现，与公司最初花在路上的时间相比，新技术可节省50%以上的时间，从而让该家维修公司在节省燃料成本、提高利润率的同时，还将汽车尾气排放量减少了一半。
在伯明翰接受测试的车队中，科学家们可让每辆车每天减少4.25公斤的二氧化碳排放量，同时每辆车每天还可减少98克的有害排放，如一氧化二氮。
研究人员发现，该新系统对于为实现英国政府清洁空气战略而建立清洁空气区的城市极为有利，英国政府清洁空气战略的目标是到2030年减少46%的颗粒物排放。
在空气污染对全球公众健康影响日益加剧之际，这一点意义重大。世界卫生组织(WHO)最近指出，大城市空气中危险微小颗粒物的水平急剧上升，而此类微小颗粒物会让一些年轻人和老年人患上呼吸疾病，而且也与心血管疾病发病率的增加有关。
现在，研究人员正寻求通过测试不同类型的车队，如大型货车或重型货车以及大型车队车辆等，以进一步推广该技术。该团队还在与其他公司接洽，为该技术寻找测试平台。