不過，交通大數據只是一系列圖和表，交通工程師也只是參謀，政府才是決策者。大數據與管理如果不能攜手同行，智能也只能在云端打轉。
 

 

　　東方之星客輪在長江湖北監利段傾覆之前，最后形成的航跡監測線路和狀態信息來自一個叫作寶船網的平臺。通過寶船網，東方之星從起航到出事地點都被全程觀測，直到最后的9點31分21秒。

 

　　智能交通發展至今，各地采集的數據浩如煙海，這些數據存在巨大的潛力和價值，亟待處理和挖掘。而隨著大數據時代的到來，智能交通也許真的可以“智能”起來。

 

　　不過，大數據雖然支撐著智能交通的前行，但其發展道路上難免要歷經磨難。

 

 

　　大數據、云計算的發展對交通運輸行業不僅是挑戰，更是對傳統模式的突破。“現在涌現出了滴滴打車、快的以及易到用車，引起一些恐慌，但或許這種恐慌會倒逼一些不合理現象的改變。”同濟大學副校長楊東援告訴記者。

 

　　比如通過滴滴打車平臺可以看到全國各個城市每天的交通情況，包括車輛行駛情況、路網情況以及打車需求情況等。

 

　　“我們運轉時可以很清晰地看出北京24小時內的車輛分布情況。”通常人們認為北京每天早上6點到8點間的高峰路段是三環、四環，但是滴滴、快的打車技術副總裁朱軍介紹，數據顯示機場高速才是高峰路段；下午1點，對出租車司機來說什么地方生意最好？統計顯示是金融街，這里每天有很多人在這一時段趕往機場。“這些收益都依托于大數據平臺。”

 

　　滴滴打車利用大數據平臺更好地分配并合理利用了已有資源，也只能解決部分問題。只有掌握全局，才能控制全局。

 

　　“大數據的出現，終于給城市一個希望。”楊東援表示，大數據可以連續觀測城市交通每天發生的變化，然后再利用這些數據分析交通的問題所在。

 

　　“城市交通不像西醫，出現具體問題就對癥下藥。”楊東援打了個比方，“而是更像中醫，須搭脈問診，刨根問底，才能找到出現癥狀的緣由。”

 

　　楊東援坦言，面對城市“堵病”，政府必須學會“搭脈”，否則將無法開出調理和根治的“藥方”。

 

　　過去，治理交通主要依靠調查手段。例如，上海市5年一次的交通大調查，不僅需要高達八千萬元的費用，還需要花費半年多的時間處理數據，調查結果很難跟上城市變化的節奏。

 

　　“智能交通問題很復雜。”楊東援告訴記者，大數據對于城市交通來說，不僅是變革和機遇，更是富有挑戰性的舞臺。

 

　　深圳這幾年就做了件不簡單的事。它的智能交通建設是打造了海陸空一體化的綜合交通體系，也許深圳的案例更值得借鑒。

 

 

　　深圳市進行改革開放30年，已經在國內率先實現兩大轉型。第一個轉型是由大規模規劃、建設基礎設施，轉向基于大數據環境實現整個城市交通高品質的運行和服務；第二個轉型是由過去歷史靜態離散數據環境，轉移到今天實時動態大數據環境。

 

　　這兩大轉型，對于今天的城市管理和城市服務，特別是站在政府角度如何為整個城市提供決策支持，都起到至關重要的作用。

 

　　“在云計算、大數據環境下，整個城市交通的智能化、信息化建設，應該從城市交通監測、建模、仿真等角度看待。”深圳市交通控制與仿真工程中心主任關志超提出。

 

　　據了解，2011年深圳市成立了交通數據中心。這個中心的職能定位是不僅實現數據中心、分析研究中心、可視化中心和發布中心的功能，同時還兼顧政府職能和相關城市對交通的一些法規和監測模式。

 

　　截至目前，該中心已經獲得1300萬張一卡通數據，包括地鐵每站一分鐘發布一次的客流情況等。

 

　　在大數據時代，想要對整個城市的運行進行管理，不僅要考慮交通問題，還要考慮氣象的影響、交通污染的排放以及整個城市市政道路、管網的建設。

 

　　“所以，深圳一直在構建一體化的模型體系。”關志超表示，面對大數據，如何在城市宏觀層面實現城市、區域、宏觀大模型體系的標定和遷移，確實是當前所要考慮的重點工作。

 

　　關志超告訴記者，人口分布、用地情況以及出行速度分布等一系列模型體系的建立，為城市管理和政府決策提供了數據支撐。他們將羅湖區細分為2864個交通小區，從宏觀、中觀、微觀三個層次建立了系列模型，作為支撐整個城市交通服務和交通問題的分析研究。

 

　　深圳市曾提出構建未來交通實驗室的暢想，在這樣的大推進模式下，由中國綜合交通指揮中心作為未來開放實驗室的數據基礎環境，聯合多家科研機構推進交通未來實驗室的開發，實現交通資源面向城市、面向社會一體化的公益性服務。

 

　　此外，深圳市具有全國最大規模的仿真環境。交通仿真的建立為整個城市軌道交通模型體系的不斷優化，為城市交通指數的監測和服務提供了有效的技術支撐和保障。

 

 

　　大數據仿佛一夜之間風靡全球，既宣告了一個時代的到來，又顯然成了一個時代的標志。

 

　　但“大數據不是定制數據，往往是間接證據”。楊東援表示，間接證據在某些區間里的判斷是成立的，在某些區間里的又肯定不對，無法直接成為決策依據。

 

　　“再者，就是對數據進行清洗和正確的判斷，因為大量的數據經常是錯的。”楊東援舉了個例子：研發機構號稱牌照讀出率為95%～98%，但數據交合后發現，實際上不到6萬輛的上海出租車，被讀出的車輛數卻呈數量級翻倍——原來是“Z”和“2”傻傻分不清。然而，“交通大數據應用的最大困難還不是技術，而是管理者的變革決心。”楊東援坦言，大數據的價值在于讓我們更好地“搭脈”，“幫助我們發現不知道的，而不是驗證已經知道的”。

 

　　從城市交通角度來講，政府如何利用大數據對整個城市交通進行管控，這是一個亟待解決的問題。

 

　　“在非高峰時期，人們為何也不選擇公交出行？一個重要原因就是沒有時刻表。”楊東援坦言，老百姓所謂的公交出行時間，實際上是將無效預留時間也算在內。除了讓公交跑得快以外，能否減少無效預留時間等問題也有待解決。

 

　　據科研人員分析，智能交通的潛在價值還沒有得到有效挖掘，對交通信息的感知和收集有限，對存在于各個管理系統中的海量的數據無法共享運用、有效分析，對交通態勢的研判預測乏力，對公眾的交通信息服務很難滿足需求。這會造成智能交通的效率不高，智能化程度不夠，使得很多先進技術設備發揮不了應有的作用，也造成了大量投入上的資金浪費。

 

　　由此可見，交通大數據只是一系列圖和表，交通工程師也只是參謀，政府才是決策者。大數據與管理如果不能攜手同行，智能也只能在云端打轉。