昨天，一则不太起眼的消息却引起了我们的注意：浙江省交通运输厅公布了一项新的试点项目，将高速公路历史数据、实时数据与路网状况结合，基于阿里云大数据平台，预测未来一小时内的路况。结果是，实时路况监测成本下降了 90%，未来路况预测准确率在 91%以上。

　　用手机信号收集数据

　　首先是它获取数据的方式，不是GPS，而是用手机信号。基本原理也很简单，在路上每隔一段距离就有通信基站，手机用户经过基站时，会有「打卡签到」的效果，通过这些数据，就可以比较准确的反映单位时间内该路段的实时路况。

　　按照我们惯常的理解，通过手机进行定位，更多的是依靠精准度更高的 GPS，尤其是当我们使用高德、百度这样的地图 App 时。而使用手机信号定位的优势在于，从数据获取者的角度来看，它不需要用户打开地图 App 就可以获取大体位置，更不用关心用户到底用的是哪款地图 App，只要用户手机有信号，就是一个有效的样本来源。

　　至于精度，手机信号虽然不如GPS定位精准，但是对于实时路况来说，只要能分析出哪个区域的信号密度大，就可以一定程度上预测出路况。

　　当然，这只是路况数据的来源之一，对于城市的交管局来说，还有其他一些方式可以获得路况信息，比如在地下埋的流量线圈，比如监控摄像头，比如出租车上传的信息。不过，类似流量线圈、摄像头这种方式，需要一定的硬件成本投入，地方政府往往不能支撑起这种投入，而且数据更新频率不快。所以，「众包」是现在很多城市交管局会采用的一种方式，比如前一阵高德就联合了不少城市，为他们的交管局提供交通数据信息。一方面，节约成本，另一方面，提升准确度和更新频率。具体到用手机信号这种方式，其实并不需要投入什么，只要有足够的通讯基站，就可以达到一定的效果，是很有性价比的一种解决方案。

　　阿里的智慧交通野心?

　　在浙江的这个案例里，收集来的数据结合某路段的历史数据以及路网状况，会经过阿里云进行实时计算。要达到 91%的准确度，一定离不开强大的云计算能力，在这一点上，恐怕国内能做这件事的不多，而涉及到和政府合作，能胜任就估计更少。这项实验之所以发生在浙江，阿里在其中的作用也显而易见了。

　　阿里的云计算能力有多强?此前，微软曾经联合了巴西一所大学进行了相似的尝试，准确率为 80%，后来微软在加入更多数据源后，将这一成绩提升到 90%。

　　而把云平台和智慧交通相结合，阿里并不是第一次做这样的事。去年 12 月份，他们就和贵阳市合作进行了「智慧交通算法大挑战」。贵阳市的交通数据向参赛选手开放，他们借助基于阿里云计算搭建的「天池」平台进行算法建模，通过模拟控制红绿灯时间，寻找减轻道路拥堵的方法。

　　据阿里巴巴集团的高级算法专家得福所说，「通过对历史交通数据的分析，可以预判出未来各个路口的车流量，进而智能改变红绿灯时间加快车辆通行。」说的再形象一点，比如，在严重拥堵的主干道，可以对沿线红绿灯进行整体控制，然后使车辆一次起步可以连过十几个路口。

　　而要实现这种情景，其实也离不开政府开放给他们的交通数据，刚才提到的微软就是一个例子。不过，这反过来又会考验平台的运算能力。「路网关系、上下游事件，甚至天气等外部综合因素都应该加入进来。但当这些海量数据纳入到全网路况的时空演变模型后，对云平台的大数据计算能力就提出了很高的要求」，阿里的相关负责人这么说。

　　阿里这么热衷于智慧交通的实验，打的是什么主意呢?其实于公来说，做智慧交通是为了提升通行效率，节能减排吧啦吧啦的，于私来说，当很多城市的交通数据全在阿里的云平台上面时，阿里可以做的事情就很多很多了，不管是面向行业还是面向用户，可以想象的空间实在太大。

　　智慧交通绝对是一个好生意。往广义上来说它可以是物联网，往狭义上来说它也可以是车联网。(如果感兴趣，我们可以专门就这个话题开开脑洞)

　　在我们看得见的地方，阿里在用高德地图、阿里汽车事业部来布局车联网、汽车后市场、互联网汽车这些具象领域，而它在智慧交通方面的布局，其实更不应该被忽略。

　　试想一个场景，你的高德地图可以上传实时路况信息，这些路况信息经由阿里的云计算平台进行处理，再向手机端发送未来 20 分钟内你所行驶路线的交通流量预测，然后你根据预测线路再进行导航……至少在这个情境里，阿里已经无处不在了。

　　这真的是比车联网更大的一盘棋。