大数据如何重塑交通

    在北京市，6万多辆出租车一天就会产生数亿条GPS数据，而在上海市的交通信息中心，每2分钟的GPS数据反馈就达上千万条，全天约有72亿条，形成了100个GB以上的信息量。那么，如何高效地应用这些动、静态的海量交通数据，更好地为公众提供精准的路况信息，营造一个更为安全舒适的出行环境呢？中国智能交通协会理事长吴忠泽认为，大数据技术的海量数据存储和高效计算能力，能够实现交通管理系统跨区域、跨部门的集成和组合，更有效地配置交通资源，从而提升交通运行效率和服务的水平。其次，基于对大数据的预测性分析，通过梳理影响安全运行的各种原因，发现道路运行安全管理的内在规律，将为交通管理决策、规划、运营、服务、以及主动安全防范带来更加有效的支持，以提高交通安全的水平，在一定程度上避免交通事故。

    此外，为应对近年来的大气污染这一突出问题，对交通数据进行可视化分析可以支持交通环境监测体系的建立。例如，我们可以通过建立区域交通排放的检测和预测的模型，共享交通运行与环境的实时数据，建立交通运行与环境信息共享实验系统，从而有效分析、监测交通对于环境的影响。

    当前，在我国与交通相关的部门有十多个，但各部门间的开放互通程度十分有限，造成了交通数据资源条块化的分割和信息碎片化的现象。若要提高交通数据资源的综合利用效率，将交通信息进行有效整合，进而实现交通数据资源的深度挖掘和综合利用，需从政策和技术上来突破阻碍交通数据资源互享互通的壁垒，消除信息分散，内容单一等问题。

    对于智能交通未来的发展趋势，清华大学系统工程研究所的姚丹亚副所长引入了“车路协同”这一概念。所谓“车路协同”，即基于无线通信、传感探测等技术进行车路信息获取，通过车车、车路信息的交互共享，实现车辆和基础设施之间智能协同与配合，达到优化利用系统资源、提高安全、缓解交通拥堵的目标。

    简单来说，每辆车将自身的位置、速度、运行方向、运行企图等数据，会同交通信号灯、实时路况信息一并自动上传到云端，周边的车也可共享这些数据，车主可利用云计算推荐的驾驶方案，提前规划最佳的行驶路线与时间。

    由中国智能交通研究中心、中国汽车技术研究中心牵头，联合了7所科研院校，进行了“车路协同”技术的产品开发与实际道路测试。令搭载了智能传感器的测试车辆与路测设备互联，实现数据共享，进行了模拟湿滑路面车辆限速、避撞紧急制动预警、换道辅助、盲区避让行人强制停车等实验。

    姚丹亚还建议公交、出租车、政府公用车等车辆能够率先搭载互联传感装置，配合路测系统进一步向公众提供信息服务，而后鼓励更多企业用车与私家车自愿装配智能设备，实现大规模数据的汇总分析与深度挖掘，从而带动智能交通产业的发展。