智能交通发展至今，各地采集的数据浩如烟海，这些数据存在巨大的潜力和价值，亟待处理和挖掘。而随着大数据时代的到来，智能交通也许真的可以“智能”起来。

　　不过，交通大数据只是一系列图和表，交通工程师也只是参谋，政府才是决策者。大数据与管理如果不能携手同行，智能也只能在云端打转。

　　东方之星客轮在长江湖北监利段倾覆之前，最后形成的航迹监测线路和状态信息来自一个叫作宝船网的平台。通过宝船网，东方之星从起航到出事地点都被全程观测，直到最后的9点31分21秒。

　　智能交通发展至今，各地采集的数据浩如烟海，这些数据存在巨大的潜力和价值，亟待处理和挖掘。而随着大数据时代的到来，智能交通也许真的可以“智能”起来。

　　不过，大数据虽然支撑着智能交通的前行，但其发展道路上难免要历经磨难。

　　给城市交通一个希望

　　大数据、云计算的发展对交通运输行业不仅是挑战，更是对传统模式的突破。“现在涌现出了滴滴打车、快的以及易到用车，引起一些恐慌，但或许这种恐慌会倒逼一些不合理现象的改变。”同济大学副校长杨东援告诉记者。

　　比如通过滴滴打车平台可以看到全国各个城市每天的交通情况，包括车辆行驶情况、路网情况以及打车需求情况等。

　　“我们运转时可以很清晰地看出北京24小时内的车辆分布情况。”通常人们认为北京每天早上6点到8点间的高峰路段是三环、四环，但是滴滴、快的打车技术副总裁朱军介绍，数据显示机场高速才是高峰路段;下午1点，对出租车司机来说什么地方生意最好?统计显示是金融街，这里每天有很多人在这一时段赶往机场。“这些收益都依托于大数据平台。”

　　滴滴打车利用大数据平台更好地分配并合理利用了已有资源，也只能解决部分问题。只有掌握全局，才能控制全局。

　　“大数据的出现，终于给城市一个希望。”杨东援表示，大数据可以连续观测城市交通每天发生的变化，然后再利用这些数据分析交通的问题所在。

　　“城市交通不像西医，出现具体问题就对症下药。”杨东援打了个比方，“而是更像中医，须搭脉问诊，刨根问底，才能找到出现症状的缘由。”

　　杨东援坦言，面对城市“堵病”，政府必须学会“搭脉”，否则将无法开出调理和根治的“药方”。

　　过去，治理交通主要依靠调查手段。例如，上海市5年一次的交通大调查，不仅需要高达八千万元的费用，还需要花费半年多的时间处理数据，调查结果很难跟上城市变化的节奏。

　　“智能交通问题很复杂。”杨东援告诉记者，大数据对于城市交通来说，不仅是变革和机遇，更是富有挑战性的舞台。

　　深圳这几年就做了件不简单的事。它的智能交通建设是打造了海陆空一体化的综合交通体系，也许深圳的案例更值得借鉴。

　　不断领跑的深圳

　　深圳市进行改革开放30年，已经在国内率先实现两大转型。第一个转型是由大规模规划、建设基础设施，转向基于大数据环境实现整个城市交通高品质的运行和服务;第二个转型是由过去历史静态离散数据环境，转移到今天实时动态大数据环境。

　　这两大转型，对于今天的城市管理和城市服务，特别是站在政府角度如何为整个城市提供决策支持，都起到至关重要的作用。

　　“在云计算、大数据环境下，整个城市交通的智能化、信息化建设，应该从城市交通监测、建模、仿真等角度看待。”深圳市交通控制与仿真工程中心主任关志超提出。

　　据了解，2011年深圳市成立了交通数据中心。这个中心的职能定位是不仅实现数据中心、分析研究中心、可视化中心和发布中心的功能，同时还兼顾政府职能和相关城市对交通的一些法规和监测模式。

　　截至目前，该中心已经获得1300万张一卡通数据，包括地铁每站一分钟发布一次的客流情况等。

　　在大数据时代，想要对整个城市的运行进行管理，不仅要考虑交通问题，还要考虑气象的影响、交通污染的排放以及整个城市市政道路、管网的建设。

　　“所以，深圳一直在构建一体化的模型体系。”关志超表示，面对大数据，如何在城市宏观层面实现城市、区域、宏观大模型体系的标定和迁移，确实是当前所要考虑的重点工作。

　　关志超告诉记者，人口分布、用地情况以及出行速度分布等一系列模型体系的建立，为城市管理和政府决策提供了数据支撑。他们将罗湖区细分为2864个交通小区，从宏观、中观、微观三个层次建立了系列模型，作为支撑整个城市交通服务和交通问题的分析研究。

　　深圳市曾提出构建未来交通实验室的畅想，在这样的大推进模式下，由中国综合交通指挥中心作为未来开放实验室的数据基础环境，联合多家科研机构推进交通未来实验室的开发，实现交通资源面向城市、面向社会一体化的公益性服务。

　　此外，深圳市具有全国最大规模的仿真环境。交通仿真的建立为整个城市轨道交通模型体系的不断优化，为城市交通指数的监测和服务提供了有效的技术支撑和保障。

　　技术创新倒逼管理变革

　　大数据仿佛一夜之间风靡全球，既宣告了一个时代的到来，又显然成了一个时代的标志。

　　但“大数据不是定制数据，往往是间接证据”。杨东援表示，间接证据在某些区间里的判断是成立的，在某些区间里的又肯定不对，无法直接成为决策依据。

　　“再者，就是对数据进行清洗和正确的判断，因为大量的数据经常是错的。”杨东援举了个例子：研发机构号称牌照读出率为95%～98%，但数据交合后发现，实际上不到6万辆的上海出租车，被读出的车辆数却呈数量级翻倍——原来是“Z”和“2”傻傻分不清。然而，“交通大数据应用的最大困难还不是技术，而是管理者的变革决心。”杨东援坦言，大数据的价值在于让我们更好地“搭脉”，“帮助我们发现不知道的，而不是验证已经知道的”。

　　从城市交通角度来讲，政府如何利用大数据对整个城市交通进行管控，这是一个亟待解决的问题。

　　“在非高峰时期，人们为何也不选择公交出行?一个重要原因就是没有时刻表。”杨东援坦言，老百姓所谓的公交出行时间，实际上是将无效预留时间也算在内。除了让公交跑得快以外，能否减少无效预留时间等问题也有待解决。

　　据科研人员分析，智能交通的潜在价值还没有得到有效挖掘，对交通信息的感知和收集有限，对存在于各个管理系统中的海量的数据无法共享运用、有效分析，对交通态势的研判预测乏力，对公众的交通信息服务很难满足需求。这会造成智能交通的效率不高，智能化程度不够，使得很多先进技术设备发挥不了应有的作用，也造成了大量投入上的资金浪费。

　　由此可见，交通大数据只是一系列图和表，交通工程师也只是参谋，政府才是决策者。大数据与管理如果不能携手同行，智能也只能在云端打转。