传统交通大数据应用思维是，数据从抽样调查中获得，模型要努力提升精度，重视机理分析和因果关系。所以这就导致了目前很多城市的交通治理对大数据的应用是进行大量分析、可视化及交通仿真。

大量的数据统计是大数据吗？

要谈城市交通大数据治理，先要了解大数据技术的本质。首先是不追求数据量大，但追求全部数据；其次建立在人偏见的关联分析不可行，大数据相关关系法更准确；最后大数据是通过效率来替代精确性，是全局的次优解，而不是去寻找局部的最优解。

在第五届华南智能交通论坛上，广东电信规划设计院智慧交通行业中心主任傅鹏结合城市交通治理大数据应用现状，对大数据应用进行了深度思考，并介绍了大数据驱动的城市交通治理案例。

以下为傅鹏演讲全文，经赛文交通网编辑拾梦者整理（有删减）

城市交通治理大数据应用现状

从国家层面，粤港澳大湾区未来的定位是代表中国参与全球的城市竞争的代表。所以未来粤港澳大湾区在城市群的竞争中，面临的竞争对手包括东京湾区、纽约湾区、旧金山湾区等，湾区的发展会带来一些新形态，就是城市和城市之间的边界逐渐模糊，城市和城市、组团和组团之间的交通流量，和以前的城市内部交通形态会发生非常大的变化。

粤港澳要成为世界级的湾区，必须首先要让它的交通及管理、服务能力达到世界级水平，毫无疑问有很多问题需要破解。

首先从宏观层面，城市群高度进化会在交通规划方面带来一些新问题。一是部分城市的拥堵点已经逐渐从城市中心转移到了城市边界；二是区域上的拥堵模型发生变化；三是一些重大的交通枢纽出现了严重的交通秩序不足问题；四是多组团之间的通勤交通压力会逐渐增大；五是大园区的发展会出现高度产业聚集，由于大量的产业聚集，当地规划的地铁站通过的线路又非常少，导致轨道交通疏解难度增大。

从局部层面，单点拥堵治理，采取道路扩容、信号调优等方式，缺乏深层次的堵因分析。例如，校园周边停车治标不治本，缺乏对校园周围人流、场所布局等现状的掌握，有效数据支撑不足。

所以，传统城市交通治理模式已经无法适应现代城市群的发展。

各地交委和交警都结合了大量的交通大数据来解决相应问题，如交通大脑、城市交通运行指挥中心等。那么，交通数据应用现状究竟如何？

第一，我们有大量的数据统计，比如说静态交通数据、动态交通数据、高速公路运营企业状况数据、执法数据等，但是可以思考一下，仅仅的数据统计，它是交通大数据吗？

第二，常见于各大城市的交通运行指挥中心，有公交IC卡刷卡数据、浮动车、GPS数据等，包括部署的大量智能交通基础设施，这些数据够准确吗？这些单一的数据，是否能够刻画一个城市的交通运行状态？

第三，交通管理领域部署了大量摄像头，仅仅视频分析或者视频结构化分析，是交通大数据吗？

第四，很多城市的大数据平台主要应用是交通仿真，比如道路规划、道路改扩建等，可能会用一些交通仿真，但是交通仿真场景单一、影响因素多、数据量不够。

如何让大数据更有效地支撑城市交通治理？

我们可以思考几个问题：如何打通交委、交警内外部数据，进行数据共享，构建交通大数据？车牌识别准确率只有75%，如何提升视频数据的准确性？如何找到更好的数据集，替代交通调查，提升OD分析的准确性？如何提升模型的精度，提升训练样本的数据质量，提升仿真的精度？如何用大数据，验证交通管控手段，支撑交通决策？

交通大数据应用思考

大数据是前几年风投热点跟踪的新技术，现在已经逐渐走过了泡沫期，正在向爬升期转型，这代表了各行业对大数据的应用开始冷静。

传统交通大数据应用思维是，数据从抽样调查中获得，模型要努力提升精度，重视机理分析和因果关系。所以这就导致了目前很多城市的交通治理对大数据的应用是进行大量分析、可视化及交通仿真。

但是，大数据的本质是什么？

首先，要全体，不要抽样，只有全体数据才能够找到根本规律！

其次，大数据相关关系法更准确、更快，大数据无法发现因果关系，因为因果关系是要靠人的经验才能判断。

第三，大数据是通过效率来替代精确性，是全局的次优解，而不是去寻找局部的最优解。

从整个智慧城市角度看其他行业对大数据的应用，是通过更广泛的数据积累探索更有价值的应用场景。在交通领域，我们也应该不局限于交通行业内部的数据，而应该融合各领域的数据，支撑线网规划，进行拥堵成因分析、交通枢纽选址、一站式出行需求分析、人流分析等。

然后只有海量数据、跨界的数据，才能够为城市交通治理赋能。同时只有数据融合，才能够进行大数据的商业和运营模式的创新。

数据驱动行业应用创新

如何实现跨行业大数据深度应用？

第一，以MaaS为例，MaaS在中国落地难度很大，因为现有交通行业内部的数据无法了解每个人的出行需求，这样就无法有效的解决供需关系。

我们通过运营商数据在高铁站进行了实践，它能够分析这些人员从哪个城市过来，利用候乘的手段有效解决重大交通枢纽人流聚集问题。所以未来能够真正刻画一个人的行为,包括消费行为、位置行为的数据应用才可以让mass技术在中国有效落地。

第二，我们认为跨行业的数据价值被低估了。

20年以前，国外已经发表了成千上万篇论文研究移动通信数据在交通行业的应用，但是当前交通行业对于移动通讯数据的应用仅停留在对位置数据的应用。实际上，通信行业的大数据是一个金矿，不仅能够刻画人的位置，而且可以刻画出他的消费行为、兴趣爱好、职业特征、出行偏好等。

为什么到目前为止运营商数据没有实现深度应用？

一是数据对资源消耗大；

二是对跨界数据认知能力不足；

三是数据存在严重的混杂性；

四是商业模式需要创新。单一行业数据存储、计算资源消耗大，如何进行商业模式创新，盘活沉睡数据，实现大数据深度跨界应用，实现价值运营？

简单介绍下中国通服的实践案例。

在城市规划领域，利用运营商结合互联网大数据资源及手段，全面准确掌握城市人口及交通出行特征，为城市规划设计提供强有力的决策数据。

在运力匹配方面，基于移动通讯数据，包括互联网导航数据及金融领域的数据，构建重大枢纽人员到城市某一个固定点的出行需求测算，以及其出行方式的评估，帮助实现精细化的运力匹配，有效解决个人出行和交通运载工具之间的供需矛盾。

在路网态势方面，结合视频数据和运营商数据可以进行全量化的交通路网态势感知，分析高速路段上车辆的实时交通速度，交通拥堵状况；分析城市客流密集区域的实时密度分布、客流量及客流等级。

中国通服希望能够成为连接跨界领域数据资产的平台，凭借自身全链条的服务能力，为交通行业贡献融合、共通的交通大数据服务能力。

【傅鹏演讲PPT】，请关注赛文交通网微信公众号（china_7its），后台回复“傅鹏+华南”即可下载。