交通大數(shù)據(jù)涉及到交通、交管、公交、氣象、環(huán)保、互聯(lián)網(wǎng)、電信運營商等方面，融合了大約有86類數(shù)據(jù)源。這里面既有靜態(tài)的交通數(shù)據(jù)，也有動態(tài)的交通數(shù)據(jù)。在靜動態(tài)數(shù)據(jù)中，我們以交管數(shù)據(jù)為主，同時融合其他數(shù)據(jù)來解決一些特定場景的問題。

　　由于這些數(shù)據(jù)的數(shù)據(jù)量大，類型多，智能交通系統(tǒng)時常需面對一些管理缺陷與技術(shù)故障難以區(qū)分的問題，那基于現(xiàn)在的情況，我們?nèi)绾稳ソ鉀Q? 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)提出了一個聰明的對策：有限的理性，即把無限范圍中的非概念、非結(jié)構(gòu)化成分可以延伸成有限時空中可以操作的柔性的概念、結(jié)構(gòu)化成分處理，這樣就可把非線性、不確定的系統(tǒng)線性化、滿意化處理，進而把表面上無關(guān)之事物相關(guān)在了一起，使復合型智能交通大數(shù)據(jù)變得更加智慧落地。

　　現(xiàn)實的研究場景通過復合型大數(shù)據(jù)融合構(gòu)建數(shù)據(jù)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，建成實戰(zhàn)、實用、實效，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)務中心為一體大數(shù)據(jù)聯(lián)合作戰(zhàn)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?要進行全方位的交通態(tài)勢及風險感知，即在特定空間和時間范圍內(nèi)，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(shù)據(jù)、理解任務目標重要性的融合數(shù)據(jù)和預估近期將要或可能發(fā)生事件的數(shù)據(jù)。態(tài)勢感知不僅僅意味著數(shù)據(jù)的共享，還包括從戰(zhàn)略層面做出決策和反饋。

　　智慧指揮中心通過各種各樣的傳感器感知物質(zhì)世界的運行狀態(tài)，實時分析交通智能軟件的數(shù)據(jù)、信息、知識;通過大數(shù)據(jù)平臺實現(xiàn)異構(gòu)系統(tǒng)數(shù)據(jù)的流動與知識的分享，通過控制器、執(zhí)行器等機械硬件實現(xiàn)對決策的反饋響應。這一閉環(huán)賦能體系被概括為“一硬”(感知和自動控制)、“一軟”(交通智慧計算軟件)、“一網(wǎng)”(交通網(wǎng)絡)、“一平臺” (交通云和大數(shù)據(jù)智慧賦能服務平臺)，即“新交通智慧四基”。

　　一個完整的交通安全態(tài)勢感知體系實現(xiàn)必須是“平臺+數(shù)據(jù)+團隊”三位一體:交通安全態(tài)勢感知體系不僅僅是一個技術(shù)實現(xiàn)，也不僅僅是軟件和硬件，它是一個系統(tǒng)工程，體現(xiàn)了各類交通設備和系統(tǒng)之間的機機協(xié)同，還包括人機協(xié)同。交通態(tài)勢及風險感知平臺是整個系統(tǒng)運轉(zhuǎn)的大腦，是數(shù)據(jù)融合中心、數(shù)據(jù)分析中心、決策指揮中心;態(tài)勢感知數(shù)據(jù)源是獲取全面要素信息的抓手和神經(jīng)節(jié)點;態(tài)勢感知支撐團隊則是系統(tǒng)發(fā)揮實效的指揮官、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-實時分析-科學決策-精準執(zhí)行”的數(shù)據(jù)閉環(huán)，構(gòu)筑數(shù)據(jù)自動流動的規(guī)則體系。

　　耳聰目明的智慧交通管理大腦一個是集管理融合、信息融合、功能融合、場景融合、系統(tǒng)融合的指揮體系，其六大方向為：監(jiān)管，指導，評價，指揮，培訓，服務;形成了一個信息領(lǐng)、情況明、看得見、喊得應、調(diào)得動的閉環(huán)。指揮中心的未來，應是所有數(shù)據(jù)都集中到一個中心，為隊伍管理，交通管理、安全管理，停車監(jiān)管、運輸監(jiān)管、公交管理，以及為出行服務提供數(shù)據(jù)和方案支持，同時與統(tǒng)一集群通訊平臺，統(tǒng)一接警信息平臺，統(tǒng)一視頻匯聚平臺等無縫對接，優(yōu)化交通管理和治理，更好的服務人民群眾。

　　最終智慧指揮體系一定是七統(tǒng)一的扁平化智慧，即統(tǒng)一接警、出警、通訊、視頻、策略、信息、角色。如果要用大數(shù)據(jù)去改造一個東西，大數(shù)據(jù)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(shù)據(jù)的視角，各種各樣的技術(shù)也是為了頂層設計服務。

　　第二，有團隊，即使智慧系統(tǒng)、人機互動的系統(tǒng)，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，需要各種部門協(xié)調(diào)。

　　第四，有數(shù)據(jù)治理，各種各樣數(shù)據(jù)都是原始數(shù)據(jù)狀態(tài)，需要把它們?nèi)谄饋怼?

　　第五，有場景嵌入，做大數(shù)據(jù)的目的要解決特定場景特定問題，特定問題就要是特定場景。

　　第六，有流程改造，如果過去的流程不適合于要解決的問題，不配合流程，不能形成閉環(huán)，大數(shù)據(jù)的結(jié)果就不會產(chǎn)生價值。

　　第七，從上到下解決問題，使整個治理得以提升。

　　復合型智慧指揮中心要形成雙閉環(huán)。

　　第一個閉環(huán)為警力管理閉環(huán);

　　第二個閉環(huán)為用戶閉環(huán)。

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

　　我們針對交通場景建構(gòu)了一套計算體系，即交通大數(shù)據(jù)智慧的體系。這里面涵蓋了用戶、場景、專題、公共、基礎(chǔ)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。通過交通仿真、大數(shù)據(jù)分析、機器學習、深度學習等技術(shù)，每個引擎發(fā)揮著特定的效用。

　　在數(shù)據(jù)基礎(chǔ)平臺上，設計數(shù)據(jù)中臺，然后進行應用創(chuàng)新，就形成了跨界多維交通大數(shù)據(jù)智慧運營體系，既保障了流程機制，又使得運營方式得到創(chuàng)新。

　　如何解決交通態(tài)勢信息融合、路網(wǎng)風險預警指標、路網(wǎng)事故預測指標、交通知識智能問答、駕駛員信用評分、城市交通出行行為、城市交通出行規(guī)律、城市信號控制優(yōu)化等系列問題?我們進行了整個網(wǎng)絡體系的架構(gòu)。如下圖所示。

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

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

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

　　智慧誘導在2018年春運的實戰(zhàn)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時間去驗證，交通大數(shù)據(jù)研究中心從今年開始可能到各省會去做一些相關(guān)性的引導，逐步使所有大數(shù)據(jù)要形成一個閉環(huán)的場景。