改革開放40年以來，中國城市化進程迅速發展，從1978年的20%提升到目前的58.5%。北上廣深城市化進程最快，深圳目前基本達到了100%。城市化進程的迅速發展帶來了基礎設施的趨于穩定。下一階段的城市目標是如何用好這些基礎設施，即如何運用好互聯網產生的大數據來服務好人們的出行。

（圖片源于網絡）

首先，根據城市人群出行變化情況圖，可以看出，大城市的中等收入階層人群正在迅速增加,這帶來了大城市交通出行率的增長，而這部分增長更多是非通勤交通。這說明隨著居民收入水平的提升，非通勤交通增長迅速。但現有的研究對這部分變化的分析遠遠不夠，這導致基礎設施使用缺乏科學合理的指導。由此可見，對區域交通研究薄弱，是近年來我們面臨的一個大問題。早期是因為沒有數據或者只局限在某一個城市。但是現在我們獲得了更多區域級的數據，使得分析區域交通成為可能，特別是區域大型基礎設施的統籌協作，如珠三角地區的五個大型機場、高鐵樞紐和港口如何協同，現在將能得到更好的解答。

第二，在城市核心區，特別像深圳這樣的城市，城市核心區高度集聚，出行方式變化復雜。例如在福田中心區的大量軌道交通建設完畢后，居民的出行習慣發生了較大變化。但近期的交通決策考慮得仍然是如何進行路權調整,協調以小轎車為主的空間，這是嚴重滯后的。另外，CBD中有很多舊改，如深圳海邊保留了一平方公里的空間，但開發量達到600萬。在如此小的空間內聚集這么大的建設，如何處理密集地區的各種交通問題，是非常值得思考的。

第三，我們對出行行為的了解有限。例如北京、上海近幾年公交客運量在持續下降。眾所周知，地鐵的發展轉移了部分公交客運量，但到底是哪部分人群轉移了，我們無從得知。如何在CBD中交通基礎設施有限的情況下，制定相應政策從而吸引該部分人群重新選擇公交，是一個值得思考的問題。其次，雖然深圳公交客運量從每天的600萬人下降到了400萬人，但公交補貼卻60億提高到了80億。如何進行針對性的財政補貼，也是值得思考的問題。根據深圳小汽車使用政策可以看出，收入在6到15萬的家庭里，對提高停車收費比較敏感。如果提高停車收費，該部分人群可能會轉移到公交和地鐵。但有些人群就不敏感，所以需要長期的數據跟蹤才能制定好交通政策。綜上所述，如何從居民出行數據分析個人的出行行為，從而制定更有針對性的政策，是當前研究的重中之重。

隨著智慧交通的發展，未來會產生更多數據，將為數據交通治理帶來更大的可能性。我們在深圳進行的交通治理探索，重點就是數據交通治理。我們希望能夠通過更多的數據，把對城市交通的模擬從傳統靜態的城市模型到多元數據融合的區域模型，再到對整個數據進行全息感知后的新一代數據體系。

早期的空間改善基于規劃，但目前城市治理的核心是基于空間活動。通過大數據，我們對整個地區人和車的活動了解更加清楚，所以空間改善和治理將更具針對性。

首先，是區域協同的例子。我們在選擇新開的國際航線時，使用了系列城市的數據，包括航班數據、旅客分布數據等。過去一年，我們大概開通了20條國際航線。每條航線的開通都進行了各種數據分析，如與深圳產業連接度的數據分析、與深圳客流聯系上的分析、與區域中廣州、香港機場的客流分布的協調分析等。這使得整個區域級航空網絡調整都比以前更有數據依據。

（圖片源于網絡）

第二，是中心區改善的例子。福田中心區面積為40平方公里，從1996年開始建設，20年后基本建成。通過福田中心區的規劃圖，可以看到，中心是一根長軸，建成后為大廣場，兩邊是商業區。但福田中心區建成后，居民活動并未沿著中軸線進行，所以并未達到規劃的目的。這需要我們進行交通評估和改造。

首先，我們進行了福田中心區的交通評估，評估地區的公交可達性。該區域交通最初主要由小汽車構成，后來規劃為公交+軌道交通的主要出現模式。所以首先評估該地區的公交可達性。在軌道二期開通以前，該地區90%的區域公交服務良好。該地區的中軸軌道運行空間表現較強，所以我們]后面的空間設計均圍繞中軸軌道交通進行，包括高差設計、信號燈設計和座椅設計等。根據數據分析，我們的第一想法是在該地區進行無障礙設施改造。該地區4平方公里內全為無高差，即所有街道斷面的機動車和非機動車道均在同一水平線上，且均為共享車道。由于該地區步行量較大，以軌道交通+步行為主，故最初存在大量無障礙設施，但是步行的舒適度不好。因此，我們通過壓縮機動車道，增加了11萬平米的步行活動空間。相當于壓縮了四分之一天安門廣場的面積，來增加該地區的步行活動空間。除了步行的高差和寬度問題，我們還考慮了很多的安全改善措施。首先是限速。在該地區的核心廣場區域是10公里限速，外圍是20公里限速，再外圍是30公里限速。

其次是識別車流與人流的沖突點，給車輛和人群做提醒。同時，我們根據該地區人群活動規律進行了一些小空間改善。如布設大量的風雨連廊，隔離日曬；設置可供休息的座椅，提高行人舒適度；設置自行車道，減少共享單車占用步行道。該地區大量的公交需求為長距離的快線需求，但我們最初提供的是短距離的出行，所以通過數據分析來改善公交結構以更好地運行公交的運營。

最后，是利用數據進行政策監管的例子。例如，根據交通運行指數和停車收費指數的關系，交通運行指數提高，意味著應該增加停車收費，來調節擁堵情況。網約車對道路的沖擊情況，也是我們長期在評估的一個問題。網約車吸引了大量地鐵與公交客流，但增加了道路的周轉量。因此，我們需要提出相應政策限流。同時，對于外地車，根據政策要求，9點半之前不允許上主干道。10點鐘以后，路網的外地車比例占到40%。因此，我們需要根據數據制定有針對性的措施，來調節深圳小汽車的使用情況。

希望有更多的互聯網+數據，帶動交通的空間治理，讓數據驅動交通治理，讓我們的出行更美好！