二十世紀六七十年代，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算，大數據，物聯網及人工智能等多種信息技術，實現對城市軌道交通，公交系統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。而智慧交通的發展正與數據息息相關，對此，北京市政交通一卡通公司數據總監張翔表示：“基于大數據，交通的發展未來可能會進入新的層面”。

智慧交通的五項服務內容

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

而智慧交通正是利用云計算，大數據，物聯網及人工智能等多種信息技術，實現對城市軌道交通，公交系統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據從五個方面來打造智慧交通服務。”

在幫助政府決策層面，以前在交通規劃層面多是利用經驗或者通過抽樣成為決策基礎。但是現在通過利用數據驅動從三個維度來實現決策支撐。第一個維度是決策前的仿真模擬，對未來成果的預見性能夠增加決策的準確性;第二個維度是在決策過程中不斷修正，傳統決策過程中的反饋都會有一定的延遲，但是在數據系統的幫助下能夠做出實時監測和實時調整;第三個維度是事后評估。傳統的事后評估一般都是通過抽樣來統計，但是會存在一些誤差，現在通過建立數據模型，基于全量數據做事后評估能夠提高準備性和可驗證性。

其次是通過數據來驅動規劃，通過抓取不同數據來進行多元化、多維度融合，以某小區為例，通過集合小區內時間、空間、交通數據，就能輔助該小區的交通進行合理規劃。

并且還能夠利用數據來實現精準人群的服務和識別。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據的收集和分析，能夠直接通過App和老年人群進行互動，這樣對于老年人的服務就能夠具有針對性。

在和北京工業大學合作建立的城市公共交通智能實驗室項目中，基于底層數據建設了四層應用，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，第三層是站點分析，能夠抓取城市中每個站點的運行情況，第四層則是細化到個人，實時抓取個人交通軌跡。通過四層分析能夠優化出行方案，規避交通問題。

此外是城市感知及預警。利用多元數據融合能夠預測和診斷城市公共交通的實時情況并做出相應安排。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。例如乘坐地鐵的數據、停車場數據等，就能夠預測到一個月后，在工體這片區域、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。

實踐落地最重要的是數據治理

在智慧交通的布局中，大數據是工具和手段。數據采集主要是通過有線和無線采集，當數據傳輸到后臺后，運用處理機制，進行業務處理，然后在進行相應的分類，根據不同的應用主題，不同的服務對象，再建立起計算模型，從而為決策形成數據支撐。

“在落地實踐中，最重要的是數據治理。”張翔認為，“數據匯聚起來很容易，但是即使能夠匯聚的，也只是存量和靜態數據，動態數據的匯集是非常難的。”

數據治理的概念之分廣泛，如果具象化，則是對于數據的處理和應用，核心模塊在于數據標準、數據質量、元數據、數據安全、生命周期數據，每個模塊都是十分復雜的。

數據治理是基于專家理論和實踐，整理出一套相對規范的、可操作的數據治理流程，包括組織架構、制度與流程、數據資產管理體系等。影響數據質量的因素主要有四個方面，即信息、流程、技術和管理，應通過治理工作逐步提升質量以滿足各類運營分析使用要求。

“現在大家也越來越認識到數據治理的重要性。收集數據已經不是難點了，相對最短板還在數據治理。其中的典型應用是標簽畫像體系，在預測維度，我們可以預測一個非實名卡用戶一個月之后的某一天會在哪里出現的概率，為政府工作和商業應用提供支撐，我們使用的數據源包括一卡通數據、政府市政服務數據和外源數據，包括信令數據、電力數據、互聯網數據、垃圾排放數據等。”張翔介紹道。

來源：數據雜志