20世纪六七十年代，美国、欧洲、日本开始了智能交通的研究，智慧交通将依靠云计算、大数据、物联网及人工智能等多种信息技术，实现对城市轨道交通、公交系统和高速公路的智能化管理。

在中国，智慧交通作为“智慧城市”建设中不可或缺的一部分，有利于交通智能化升级。而智慧交通的发展正与数据息息相关，对此，北京市政交通一卡通公司数据总监张翔表示：“基于大数据，交通的发展未来可能会进入新的层面。”

智慧交通的五项服务内容

对于传统交通来说，出行拥挤、安全问题、信息更新不及时等已经成为公众最关注的问题。根据艾媒咨询数据显示，近五成网民认为人流拥挤和信息提醒不准确是轨道交通的主要问题，并且64.9%的网民在选择交通工具时主要考虑安全程度问题，考虑搭乘方便的网民占比63.3%。

而智慧交通正是利用云计算、大数据、物联网及人工智能等多种信息技术，实现对城市轨道交通、公交系统和高速公路的智能化管理。

对此，张翔介绍道：“我们主要是利用交通数据从五个方面来打造智慧交通服务。”

第一项是帮助政府决策，以前在交通规划层面多是利用经验或者通过抽样成为决策基础。但是现在通过利用数据驱动从三个维度来实现决策支撑：第一个维度是决策前的仿真模拟，对未来成果的预见性能够增加决策的准确性；第二个维度是在决策过程中不断修正，传统决策过程中的反馈都会有一定的延迟，但是在数据系统的帮助下能够做出实时监测和实时调整；第三个维度是事后评估。传统的事后评估一般都是通过抽样来统计，但是会存在一些误差，现在通过建立数据模型，基于全量数据做事后评估能够提高准备性和可验证性。

第二项则是通过数据来驱动规划，通过抓取不同数据来进行多元化、多维度融合，以某小区为例，通过集合小区内时间、空间、交通数据，就能辅助该小区的交通进行合理规划。

第三项是利用数据来实现精准人群的服务和识别。以老年人为例，过去如果需要将信息传递给老年人是比较麻烦的事情，但是通过老年人出行数据的收集和分析，能够直接通过App和老年人群进行互动，这样对于老年人的服务就能够具有针对性。

第四项是和北京工业大学合作建立的城市公共交通智能实验室，基于底层数据建设了四层应用，第一层是时间和空间维度，第二层是线路层，能够精确到城市中的每一条线路分析，第三层是站点分析，能够抓取城市中每个站点的运行情况，第四层则是细化到个人，实时抓取个人交通轨迹。通过四层分析能够优化出行方案，规避交通问题。

第五项是城市感知及预警。利用多元数据融合能够预测和诊断城市公共交通的实时情况并做出相应安排。以工人体育馆为例，我们能够通过历年工人体育馆开展的大型活动人流情况来预测一个月以后，工体即将开展的某场活动情况。例如乘坐地铁的数据、停车场数据等，就能够预测到一个月后，在工体这片区域、某个时间段大概会有多少人流，从而来配置安保、疏散专车等等。

实践落地最重要的是数据治理

在智慧交通的布局中，大数据是工具和手段。数据采集主要是通过有线和无线采集，当数据传输到后台后，运用处理机制进行业务处理，然后再进行相应的分类，根据不同的应用主题、不同的服务对象再建立起计算模型，从而为决策形成数据支撑。

“在落地实践中，最重要的是数据治理。”张翔认为，“数据汇聚起来很容易，但是即使能够汇聚的，也只是存量和静态数据，动态数据的汇集是非常难的。”

数据治理的概念之分广泛，如果具象化，则是对于数据的处理和应用，核心模块在于数据标准、数据质量、元数据、数据安全、生命周期数据，每个模块都是十分复杂的。

数据治理是基于专家理论和实践，整理出一套相对规范的、可操作的数据治理流程，包括组织架构、制度与流程、数据资产管理体系等。影响数据质量的因素主要有四个方面，即信息、流程、技术和管理，应通过治理工作逐步提升质量以满足各类运营分析使用要求。

“现在大家也越来越认识到数据治理的重要性。收集数据已经不是难点了，相对最短板还在数据治理。其中的典型应用是标签画像体系，在预测维度，我们可以预测一个非实名卡用户一个月之后的某一天会在哪里出现的概率，为政府工作和商业应用提供支撑，我们使用的数据源包括一卡通数据、政府市政服务数据和外源数据，包括信令数据、电力数据、互联网数据、垃圾排放数据等。”张翔介绍道，“在可视化表达方面，我们开发了一个变形的和弦图，可以动态展示不同区的人口流动情况。我们还进行了特定区域职住平衡分析，能够展示特定区域在不同时间的交通人口潮汐现象。”

观点

交通运营发展以数据为基础

目前看来，大数据对交通将有很大的支持和促进作用，未来将进入新的层面。原来的传统交通建设通常是基于经验，但是现在基于大数据，能够实现几个效果。第一个是提高工作效率，即缩短决策时间，第二是提高精准度，第三是提高效益，节约开发成本，能够有整套的利用大数据的手段和方法去辅助、支持决策。更进一步地说，我们整个交通的运营发展都是在大数据的架构之上的。大数据作为基础工具来支持交通行业的发展，就像计算机支持所有行业发展一样。可以说，大数据是一种通用型的泛化工具。

大数据是新兴学科，是基于应用和实践的学科，目前更多还处于探索阶段，在垂直行业领域，由实践中产生标准，逐渐生长成为更高层次的标准。每个行业、每个部门的数据都是复杂的，既有物理属性，又有其产生的社会属性和人文属性，缺少共性，需要进一步研究。在不同的环境中实践，就会有对业务的提炼、泛化，最终成为标准，所以大数据终将服务于社会生产和需求的升级。

文 / 江阳俊