大数据时代，数据已成为新的资产、新的能源，惟愿资产有价值、能源亦可靠。

先取这么个名，其实主要是要说明需要做这么个事情。

从十几年前开始接触大量交通流检测数据开始，就受困于检测数据的质量问题。

最早大规模亲手处理的数据是北京市相关的交通数据，面临的问题就是教科书上指出的数据质量的典型问题：

数据缺失、数据异常等，例如以2分钟间隔上传数据，一天本应为720条，但一个星期或一个月度的数据积累下来，总会少那么一些记录（不同检测器缺失的有多有少）。

或者是虽然有数据记录，但是数据有问题，这类问题一种是非常容易看到的，就是超出正常的数值范围，例如一条车道2分钟通过200辆车，还有一种是在正常范围内，但是实际上是异常数据（其原因可能是正常情况下的错误数据，也可能是异常情况下的真实数据——对这种则需要更深入的探讨），但不论哪种，都对需要数据支撑的工作带来很大的困扰。

此后在工作中又逐步接触了卡口数据、公交卡数据、各类精细化断面检测数据乃至多目标雷达数据等，而在应用这些数据进行计算、研究过程中，往往一个非常重要且耗时的工作就是异常数据的处理。

虽然很多基于大数据研究的论文、报告的结果看起来都是那么的完美，但是实际上是经过了多少道处理流程后才能够实现的计算应该只有当事者心里清楚。

因此，个人经历而言，苦检测数据质量久已。

另一方面，对于一些不需要一直在线实时使用的检测器而言，在不用的时候往往也不知道其状态如何，当然有网络检测等监测手段可以知道某个检测器是否在线？硬件是否正常？但是很少有自动化去监测检测器检测到的数据是否正常等情况，因此，经常会出现突然需要使用检测器数据的时候发现数据质量不佳。

当然原因很多，例如有些需要经常校验的检测器缺乏校验、有些检测器的通信时好时坏而续传功能不佳等，都会导致相应的数据不佳的结果，从而使得需要数据做出贡献的时候却恰好发现设备已经不再正常工作久已。

目前城市或高速在建设智能交通系统的时候，全面的感知体系的建设往往都被作为最重要的部分之一，从规划设计开始就有较大的着墨点在感知体系的建设上，每每看到洋洋洒洒的文档时，就在考虑一个问题，如何确保这些感知系统的数据的质量？

现在回想，其实过去数年在一些场合中谈到过个人的一个想法，对于检测感知系统的数据质量需要开发一个相应的监测系统，即：交通检测数据质量自动监测报警系统。

通过该系统，实时监测上传至中心的数据质量，较为简单的功能是监测一下是不是持续上传。例如每2分钟一条的数据记录是否缺失，较为复杂的功能是实现数据的比对，例如虽然也有数据上传，但是是否是异常数据？

例如一个路口的卡口检测数据，同一条车道有时一天能够上来3000条，有时一天总共只有300条，从数据来看，都是有一条条数据上来，但是明显300条的那天应该是没有上来全部的数据，或者车道被封闭？

但是无论原因如何，有这个系统可以起到实时报警的功能，提醒一下用户有数据异常，该排查排查，该关注关注，而不是等到需要用数据的时候发现数据无法使用。

当然，目前可能有很多建设有类似系统的单位，只是个人认知有限而已。

近10年来，城市交通信号控制成为各路人马所重点关注的领域，一方面促进了我国城市道路交通信号控制体系的不断完善，例如开始有较多的城市重视信号配时优化工作，通过购买服务或自建队伍等不同方式来提升道路交通信号控制的科学性、合理性。

另一方面“自适应控制”、“智能控制”等亦不绝于耳，反映了我们的努力方向和殷切期望。

然而，“九层之台，起于累土”，没有全面、精准、可靠的检测数据的支撑，“自适应控制”、“智能控制”谈何容易。

由于安装在路上的各种检测器总有这样那样的问题，因此，在将众多精力用于开发智能控制的同时亦要重视基础的检测数据的全面、精准与可靠，从而才可以支撑有效的智能化的信号控制的运行。

当然，未来车路协同、自动驾驶全面实施后的数据情况或许会进入一个革命性的新阶段，不在本文探讨范围之内。

大数据时代，数据已成为新的资产、新的能源，惟愿资产有价值、能源亦可靠。