二十世纪六七十年代，美国、欧洲、日本开始了智能交通的研究，智慧交通将依赖云计算，大数据，物联网及人工智能等多种信息技术，构建对城市轨道交通，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，不利于交通智能化升级。

而智慧交通的发展于是以与数据息息相关，回应，北京市政交通一卡通公司数据总监张翔回应：“基于大数据，交通的发展未来可能会转入新的层面”。智慧交通的五项服务内容对于传统交通来说，上下班挤迫、安全性问题、信息改版不及时等早已沦为主要注目的问题。根据艾媒咨询数据表明，将近五成网民指出人流挤迫和信息警告不精确是轨道交通的主要问题，并且64．9％的网民在自由选择交通工具时主要考虑到安全性程度问题，考虑到乘坐便利的网民占到比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，构建对城市轨道交通，公交系统和高速公路的智能化管理。回应，张翔讲解：“我们主要是利用交通数据从五个方面来打造出智慧交通服务。

”在协助政府决策层面，以前在交通规划层面多是利用经验或者通过取样沦为决策基础。但是现在通过利用数据驱动从三个维度来构建决策承托。第一个维度是决策前的建模仿真，对未来成果的预见性需要减少决策的准确性；第二个维度是在决策过程中大大修正，传统决策过程中的对系统都会有一定的延后，但是在数据系统的协助下需要作出动态监测和动态调整；第三个维度是事后评估。

传统的事后评估一般都是通过取样来统计资料，但是不会不存在一些误差，现在通过创建数据模型，基于全量数据行事后评估需要提升打算性和可验证性。其次是通过数据来驱动规划，通过捕捉有所不同数据来展开多元化、多维度融合，以某小区为事例，通过子集小区内时间、空间、交通数据，就能辅助该小区的交通展开合理规划。

并且还需要利用数据来构建精准人群的服务和辨识。以老年人为事例，过去如果必须将信息传送给老年人是较为困难的事情，但是通过老年人上下班数据的搜集和分析，需要必要通过App和老年人群展开对话，这样对于老年人的服务就需要具备针对性。

在和北京工业大学合作创建的城市公共交通智能实验室项目中，基于底层数据建设了四层应用于，第一层是时间和空间维度，第二层是线路层，需要准确到城市中的每一条线路分析，第三层是站点分析，需要捕捉城市中每个站点的运营情况，第四层则是细化到个人，动态捕捉个人交通轨迹。通过四层分析需要优化上下班方案，回避交通问题。此外是城市感官及预警。利用多元数据融合需要预测和临床城市公共交通的动态情况并作出适当决定。

以工人体育馆为事例，我们需要通过历年工人体育馆积极开展的大型活动人流情况来预测一个月以后，工体将要积极开展的某场活动的情况。例如乘坐地铁的数据、停车场数据等，就需要预测到一个月后，在工体这片区域、某个时间段大约不会有多少人流，从而来配备安保、撤离专车等等。

实践中落地最重要的是数据管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收集，当数据传输到后台后，运用处置机制，展开业务处置，然后在展开适当的分类，根据有所不同的应用于主题，有所不同的服务对象，再行创建起计算出来模型，从而为决策构成数据承托。“在落地实践中，最重要的是数据管理。”张翔指出，“数据汇集一起很更容易，但是即使需要汇集的，也只是存量和静态数据，动态数据的汇聚是十分无以的。

”数据管理的概念之分普遍，如果具象化，则是对于数据的处置和应用于，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。数据管理是基于专家理论和实践中，整理出有一套比较规范的、可操作者的数据管理流程，还包括的组织架构、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，不应通过管理工作逐步提高质量以符合各类运营分析用于拒绝。

“现在大家也更加认识到数据管理的重要性。搜集数据早已不是难题了，比较最短板还在数据管理。其中的典型应用于是标签画像体系，在预测维度，我们可以预测一个非发帖卡用户一个月之后的某一天不会在哪里经常出现的概率，为政府工作和商业应用于获取承托，我们用于的数据源还包括一卡通数据、政府市政服务数据和外源数据，还包括信令数据、电力数据、互联网数据、垃圾废气数据等。

”张翔讲解道。

本文来源：米乐-www.marimo-tarou.com