二十世紀(jì)六七十年代，美國、歐洲、日本開始了智能交通的研究，智慧交通將依靠云計(jì)算，大數(shù)據(jù)，物聯(lián)網(wǎng)及人工智能等多種信息技術(shù)，實(shí)現(xiàn)對城市軌道交通，公交系統(tǒng)和高速公路的智能化管理。在中國，智慧交通作為“智慧城市”建設(shè)中不可或缺的一部分，有利于交通智能化升級。而智慧交通的發(fā)展正與數(shù)據(jù)息息相關(guān)，對此，北京市政交通一卡通公司數(shù)據(jù)總監(jiān)張翔表示：“基于大數(shù)據(jù)，交通的發(fā)展未來可能會進(jìn)入新的層面”。

智慧交通的五項(xiàng)服務(wù)內(nèi)容

對于傳統(tǒng)交通來說，出行擁擠、安全問題、信息更新不及時等已經(jīng)成為主要關(guān)注的問題。根據(jù)艾媒咨詢數(shù)據(jù)顯示，近五成網(wǎng)民認(rèn)為人流擁擠和信息提醒不準(zhǔn)確是軌道交通的主要問題，并且64.9%的網(wǎng)民在選擇交通工具時主要考慮安全程度問題，考慮搭乘方便的網(wǎng)民占比63.3%。

而智慧交通正是利用云計(jì)算，大數(shù)據(jù)，物聯(lián)網(wǎng)及人工智能等多種信息技術(shù)，實(shí)現(xiàn)對城市軌道交通，公交系統(tǒng)和高速公路的智能化管理。

對此，張翔介紹：“我們主要是利用交通數(shù)據(jù)從五個方面來打造智慧交通服務(wù)?！?/p>

在幫助政府決策層面，以前在交通規(guī)劃層面多是利用經(jīng)驗(yàn)或者通過抽樣成為決策基礎(chǔ)。但是現(xiàn)在通過利用數(shù)據(jù)驅(qū)動從三個維度來實(shí)現(xiàn)決策支撐。第一個維度是決策前的仿真模擬，對未來成果的預(yù)見性能夠增加決策的準(zhǔn)確性;第二個維度是在決策過程中不斷修正，傳統(tǒng)決策過程中的反饋都會有一定的延遲，但是在數(shù)據(jù)系統(tǒng)的幫助下能夠做出實(shí)時監(jiān)測和實(shí)時調(diào)整;第三個維度是事后評估。傳統(tǒng)的事后評估一般都是通過抽樣來統(tǒng)計(jì)，但是會存在一些誤差，現(xiàn)在通過建立數(shù)據(jù)模型，基于全量數(shù)據(jù)做事后評估能夠提高準(zhǔn)備性和可驗(yàn)證性。

其次是通過數(shù)據(jù)來驅(qū)動規(guī)劃，通過抓取不同數(shù)據(jù)來進(jìn)行多元化、多維度融合，以某小區(qū)為例，通過集合小區(qū)內(nèi)時間、空間、交通數(shù)據(jù)，就能輔助該小區(qū)的交通進(jìn)行合理規(guī)劃。

并且還能夠利用數(shù)據(jù)來實(shí)現(xiàn)精準(zhǔn)人群的服務(wù)和識別。以老年人為例，過去如果需要將信息傳遞給老年人是比較麻煩的事情，但是通過老年人出行數(shù)據(jù)的收集和分析，能夠直接通過App和老年人群進(jìn)行互動，這樣對于老年人的服務(wù)就能夠具有針對性。

在和北京工業(yè)大學(xué)合作建立的城市公共交通智能實(shí)驗(yàn)室項(xiàng)目中，基于底層數(shù)據(jù)建設(shè)了四層應(yīng)用，第一層是時間和空間維度，第二層是線路層，能夠精確到城市中的每一條線路分析，第三層是站點(diǎn)分析，能夠抓取城市中每個站點(diǎn)的運(yùn)行情況，第四層則是細(xì)化到個人，實(shí)時抓取個人交通軌跡。通過四層分析能夠優(yōu)化出行方案，規(guī)避交通問題。

此外是城市感知及預(yù)警。利用多元數(shù)據(jù)融合能夠預(yù)測和診斷城市公共交通的實(shí)時情況并做出相應(yīng)安排。以工人體育館為例，我們能夠通過歷年工人體育館開展的大型活動人流情況來預(yù)測一個月以后，工體即將開展的某場活動的情況。例如乘坐地鐵的數(shù)據(jù)、停車場數(shù)據(jù)等，就能夠預(yù)測到一個月后，在工體這片區(qū)域、某個時間段大概會有多少人流，從而來配置安保、疏散專車等等。

實(shí)踐落地最重要的是數(shù)據(jù)治理

在智慧交通的布局中，大數(shù)據(jù)是工具和手段。數(shù)據(jù)采集主要是通過有線和無線采集，當(dāng)數(shù)據(jù)傳輸?shù)胶笈_后，運(yùn)用處理機(jī)制，進(jìn)行業(yè)務(wù)處理，然后在進(jìn)行相應(yīng)的分類，根據(jù)不同的應(yīng)用主題，不同的服務(wù)對象，再建立起計(jì)算模型，從而為決策形成數(shù)據(jù)支撐。

“在落地實(shí)踐中，最重要的是數(shù)據(jù)治理?！睆埾枵J(rèn)為，“數(shù)據(jù)匯聚起來很容易，但是即使能夠匯聚的，也只是存量和靜態(tài)數(shù)據(jù)，動態(tài)數(shù)據(jù)的匯集是非常難的?！?/p>

數(shù)據(jù)治理的概念之分廣泛，如果具象化，則是對于數(shù)據(jù)的處理和應(yīng)用，核心模塊在于數(shù)據(jù)標(biāo)準(zhǔn)、數(shù)據(jù)質(zhì)量、元數(shù)據(jù)、數(shù)據(jù)安全、生命周期數(shù)據(jù)，每個模塊都是十分復(fù)雜的。

數(shù)據(jù)治理是基于專家理論和實(shí)踐，整理出一套相對規(guī)范的、可操作的數(shù)據(jù)治理流程，包括組織架構(gòu)、制度與流程、數(shù)據(jù)資產(chǎn)管理體系等。影響數(shù)據(jù)質(zhì)量的因素主要有四個方面，即信息、流程、技術(shù)和管理，應(yīng)通過治理工作逐步提升質(zhì)量以滿足各類運(yùn)營分析使用要求。

“現(xiàn)在大家也越來越認(rèn)識到數(shù)據(jù)治理的重要性。收集數(shù)據(jù)已經(jīng)不是難點(diǎn)了，相對最短板還在數(shù)據(jù)治理。其中的典型應(yīng)用是標(biāo)簽畫像體系，在預(yù)測維度，我們可以預(yù)測一個非實(shí)名卡用戶一個月之后的某一天會在哪里出現(xiàn)的概率，為政府工作和商業(yè)應(yīng)用提供支撐，我們使用的數(shù)據(jù)源包括一卡通數(shù)據(jù)、政府市政服務(wù)數(shù)據(jù)和外源數(shù)據(jù)，包括信令數(shù)據(jù)、電力數(shù)據(jù)、互聯(lián)網(wǎng)數(shù)據(jù)、垃圾排放數(shù)據(jù)等。”張翔介紹道。

來源：數(shù)據(jù)雜志