交通大數據涉及到交通、交管、公交、氣象、環(huán)保、互聯(lián)網(wǎng)、電信運營(yíng)商等方面，融合了大約有86類(lèi)數據源。這里面既有靜態(tài)的交通數據，也有動(dòng)態(tài)的交通數據。在靜動(dòng)態(tài)數據中，我們以交管數據為主，同時(shí)融合其他數據來(lái)解決一些特定場(chǎng)景的問(wèn)題。

　　由于這些數據的數據量大，類(lèi)型多，智能交通系統時(shí)常需面對一些管理缺陷與技術(shù)故障難以區分的問(wèn)題，那基于現在的情況，我們如何去解決? 1975年計算機圖靈獎及1978年諾貝爾經(jīng)濟獎得主西蒙(H.A.Simon)提出了一個(gè)聰明的對策：有限的理性，即把無(wú)限范圍中的非概念、非結構化成分可以延伸成有限時(shí)空中可以操作的柔性的概念、結構化成分處理，這樣就可把非線(xiàn)性、不確定的系統線(xiàn)性化、滿(mǎn)意化處理，進(jìn)而把表面上無(wú)關(guān)之事物相關(guān)在了一起，使復合型智能交通大數據變得更加智慧落地。

　　現實(shí)的研究場(chǎng)景通過(guò)復合型大數據融合構建數據鐵籠，態(tài)勢感知，融合指揮，情指一體，信息閉環(huán)的智慧計算技術(shù)支撐體系，建成實(shí)戰、實(shí)用、實(shí)效，集情報中心，宣傳中心，輿情控制中心，督察中心，指揮中心等五大業(yè)務(wù)中心為一體大數據聯(lián)合作戰智慧指揮中心，從而提升交通管理和治理的能力。

　　具體需要做什么呢?要進(jìn)行全方位的交通態(tài)勢及風(fēng)險感知，即在特定空間和時(shí)間范圍內，對環(huán)境要素的認知理解以及對當前或近期狀態(tài)的預測。態(tài)勢感知分為原始數據、理解任務(wù)目標重要性的融合數據和預估近期將要或可能發(fā)生事件的數據。態(tài)勢感知不僅僅意味著(zhù)數據的共享，還包括從戰略層面做出決策和反饋。

　　智慧指揮中心通過(guò)各種各樣的傳感器感知物質(zhì)世界的運行狀態(tài)，實(shí)時(shí)分析交通智能軟件的數據、信息、知識;通過(guò)大數據平臺實(shí)現異構系統數據的流動(dòng)與知識的分享，通過(guò)控制器、執行器等機械硬件實(shí)現對決策的反饋?lái)憫?。這一閉環(huán)賦能體系被概括為“一硬”(感知和自動(dòng)控制)、“一軟”(交通智慧計算軟件)、“一網(wǎng)”(交通網(wǎng)絡(luò ))、“一平臺” (交通云和大數據智慧賦能服務(wù)平臺)，即“新交通智慧四基”。

　　一個(gè)完整的交通安全態(tài)勢感知體系實(shí)現必須是“平臺+數據+團隊”三位一體:交通安全態(tài)勢感知體系不僅僅是一個(gè)技術(shù)實(shí)現，也不僅僅是軟件和硬件，它是一個(gè)系統工程，體現了各類(lèi)交通設備和系統之間的機機協(xié)同，還包括人機協(xié)同。交通態(tài)勢及風(fēng)險感知平臺是整個(gè)系統運轉的大腦，是數據融合中心、數據分析中心、決策指揮中心;態(tài)勢感知數據源是獲取全面要素信息的抓手和神經(jīng)節點(diǎn);態(tài)勢感知支撐團隊則是系統發(fā)揮實(shí)效的指揮官、決策者和關(guān)鍵保障;三者相互支撐、缺一不可，其本質(zhì)是要打造“態(tài)勢感知-實(shí)時(shí)分析-科學(xué)決策-精準執行”的數據閉環(huán)，構筑數據自動(dòng)流動(dòng)的規則體系。

　　耳聰目明的智慧交通管理大腦一個(gè)是集管理融合、信息融合、功能融合、場(chǎng)景融合、系統融合的指揮體系，其六大方向為：監管，指導，評價(jià)，指揮，培訓，服務(wù);形成了一個(gè)信息領(lǐng)、情況明、看得見(jiàn)、喊得應、調得動(dòng)的閉環(huán)。指揮中心的未來(lái)，應是所有數據都集中到一個(gè)中心，為隊伍管理，交通管理、安全管理，停車(chē)監管、運輸監管、公交管理，以及為出行服務(wù)提供數據和方案支持，同時(shí)與統一集群通訊平臺，統一接警信息平臺，統一視頻匯聚平臺等無(wú)縫對接，優(yōu)化交通管理和治理，更好的服務(wù)人民群眾。

　　最終智慧指揮體系一定是七統一的扁平化智慧，即統一接警、出警、通訊、視頻、策略、信息、角色。如果要用大數據去改造一個(gè)東西，大數據智慧升級的七步法適用于眾多領(lǐng)域:

　　第一，有頂層設計，做頂層設計的目的決定了看數據的視角，各種各樣的技術(shù)也是為了頂層設計服務(wù)。

　　第二，有團隊，即使智慧系統、人機互動(dòng)的系統，也是需要人去做的，機器還做不到。

　　第三，有政策保障，需要資金，需要各種部門(mén)協(xié)調。

　　第四，有數據治理，各種各樣數據都是原始數據狀態(tài)，需要把它們融起來(lái)。

　　第五，有場(chǎng)景嵌入，做大數據的目的要解決特定場(chǎng)景特定問(wèn)題，特定問(wèn)題就要是特定場(chǎng)景。

　　第六，有流程改造，如果過(guò)去的流程不適合于要解決的問(wèn)題，不配合流程，不能形成閉環(huán)，大數據的結果就不會(huì )產(chǎn)生價(jià)值。

　　第七，從上到下解決問(wèn)題，使整個(gè)治理得以提升。

　　復合型智慧指揮中心要形成雙閉環(huán)。

　　第一個(gè)閉環(huán)為警力管理閉環(huán);

　　第二個(gè)閉環(huán)為用戶(hù)閉環(huán)。

　　交通大數據研究中心用互聯(lián)網(wǎng)的想法和手段去對傳統上大家可能想象不到的事情進(jìn)行嘗試。

　　我們針對交通場(chǎng)景建構了一套計算體系，即交通大數據智慧的體系。這里面涵蓋了用戶(hù)、場(chǎng)景、專(zhuān)題、公共、基礎和引擎。在引擎上，我們應用了交通仿真技術(shù)，用于道路指導和道路建設，可以清晰的輔助分析預測交通堵塞的地段和原因。通過(guò)交通仿真、大數據分析、機器學(xué)習、深度學(xué)習等技術(shù)，每個(gè)引擎發(fā)揮著(zhù)特定的效用。

　　在數據基礎平臺上，設計數據中臺，然后進(jìn)行應用創(chuàng )新，就形成了跨界多維交通大數據智慧運營(yíng)體系，既保障了流程機制，又使得運營(yíng)方式得到創(chuàng )新。

　　如何解決交通態(tài)勢信息融合、路網(wǎng)風(fēng)險預警指標、路網(wǎng)事故預測指標、交通知識智能問(wèn)答、駕駛員信用評分、城市交通出行行為、城市交通出行規律、城市信號控制優(yōu)化等系列問(wèn)題?我們進(jìn)行了整個(gè)網(wǎng)絡(luò )體系的架構。如下圖所示。

　　具體的應用場(chǎng)景有哪些呢?核心分為4大類(lèi)，即數據鐵籠 、公路安全、城市暢通和旅游保障。如下圖所示。

　　為了提前預知風(fēng)險，我們做了一些模型指數，包括道路交通路網(wǎng)的量化風(fēng)險預測預警指標和路網(wǎng)風(fēng)險動(dòng)態(tài)量化指標。道路交通路網(wǎng)的量化風(fēng)險預測預警指標，提供量化決策依據，而路網(wǎng)風(fēng)險動(dòng)態(tài)量化指標為交通管理指揮決策提供量化依據。

　　智慧誘導可以精準，及時(shí)的進(jìn)行引流。用戶(hù)上路之后，如果收到一些信息，大部分人認為是無(wú)效的，但是實(shí)際上收到的信息對特定區域和特定人群是很有意義的。這里分為擁堵區域臨近車(chē)流引流和擁堵區域道路流量峰值削減。擁堵區域臨近車(chē)流引流指擁堵區域的車(chē)流量很難瞬時(shí)降低，擁堵中的車(chē)輛也很難做出調整改變，因此在發(fā)送信息的時(shí)候是不會(huì )針對擁堵區域中的車(chē)輛，而是擁堵區域附近20-100公里左右的高速公路上的車(chē)輛，引導不要開(kāi)往擁堵區域，或者繞行到其他高速公路，或者延緩行車(chē)速度，或者停車(chē)等待。而擁堵區域道路流量峰值削減指一定時(shí)間段的總交通量往往是固定的，是客觀(guān)存在的。造成交通癱瘓的并不是總交通量，而是交通峰值。因此我們需要通過(guò)信息發(fā)送引導交通參與者的出行行為來(lái)削減峰值，使得交通流走勢趨于平緩。

　　智慧誘導在2018年春運的實(shí)戰中得到了檢驗，交通事故死亡率再次下降。而態(tài)勢感知，智慧指導還需要更長(cháng)時(shí)間去驗證，交通大數據研究中心從今年開(kāi)始可能到各省會(huì )去做一些相關(guān)性的引導，逐步使所有大數據要形成一個(gè)閉環(huán)的場(chǎng)景。