人们在城市中生活每天产生大量的数据，有结构化的也有非结构化的，有一些与交通出行密切相关，而有一些又看似与交通出行没有什么关系，这些数据分布在不同的行政管理部门、互联网公司或者传统运营企业。

　　举个例子来说，随着智慧城市建设热潮，很多城市中已经布满了传感设备(交叉口进口道地磁、电子警察、卡口等)，通过地磁可以采集到一定时间间隔交叉口进口道交通流量、速度以及占有率;通过电子警察或卡口可以实时获取经过卡口的车辆车牌号、通过时间以及地点车速，这些数据基本都汇聚在地方交警部门。互联网公司通过为城市居民提供即时通信、导航以及共享服务，可以通过客户终端定位实时获取居民的位置。传统运营企业范围也很广泛，包括了公交公司客运企业、出租车公司、通信运营商等，公交公司和客运企业汇聚了客流数据(IC卡、第三方支付以及零票)、车辆定位数据等，出租车公司汇聚了出租车定位数据、而通信运营商则可以汇聚客户手机MAC地址。上述列举的数据，都可以为城市交通规划、政策制定、设计以及管理提供数据支持。后续笔者会结合自身十几年的理论研究以及交通工程经验，阐述每种数据未来的应用场景及潜在价值。

　　城市交通系统分析是一个复杂巨系统，尤其是在交通供需矛盾日益突出的当下，如何提高整个交通系统效率、提升居民出行品质是对每个交通管理者、研究者、工程师的挑战。交通科学自诞生之日起，就与数据结下不解之缘，这是一门基于统计学的工程科学。

　　互联网公司最早认识到了数据在交通领域的应用价值，也极大推动了云计算、大数据等新一代信息技术在交通领域的应用。高德、滴滴拥堵排名、阿里城市大脑就是互联网公司借助自身的数据资源开展交通领域大数据应用的探索。

　　互联网公司进军传统智能交通行业，一边是互联网公司频频发布基于大数据分析的各种报告，另一边也开始产生了各种质疑的声音。当前城市交通已经有一只脚迈入了大数据时代，而另外一只脚则需要传统交通理论与移动互联数据有效融合进行驱动。拨开当前交通大数据行业的繁华伪装，我们以冷静的眼光去审视，看到当前还存在很多问题，今天就略谈一二：

　　第一、所谓的交通大数据基本还是针对单一数据源开展分析，分析精度有待进一步提高，应用场景有待进一步丰富。大部分的研究集中在基于车载GPS数据以及视频数据提取车辆描述信息、交通流状态信息，研究拥堵的表征指标以及交警执法应用;

　　第二、城市交通传感设备布局并未从交通大数据的视角进行优化分析。城市智能交通系统规划一个重要的任务就是研究城市交通采集设备布局方案，目前，较少有人从城市交通规划与管理智库顶层设计的高度，对检测器的分布进行研究。此外，提高传感设备的适用性以及稳定性，也是有效提高当前数据质量的重要手段。

　　第三、城市交通大数据缺乏统一的数据标准。前面也论述了当前可以用于交通系统分析的数据，这些数据来源不同，要想未来能够将上述数据利用起来，打破数据壁垒，形成城市交通数据池，就需要共同探讨数据共享机制，并制定统一数据标准;此外，形成城市数据池后，城市交通数据治理将是一项复杂而艰巨的任务。

　　第四、大数据时代城市交通理论的创新面临巨大挑战。传统的交通理论基本都是基于统计学，也就是基于样本开展研究，而大数据时代的到来变革了交通理论数据来源，使得数据由抽样变为了全样，数据由有针对性的调查变为从大数据中抽取有用信息。因此，交通需求预测、交通通行能力分析、交通管控等基本理论将产生巨大变革，交通学者们应当既要仰望天空又要脚踏实地，在基础领域研究中投入更多的精力，不应被当前的浮云遮住望眼。

　　城市交通系统理论与大数据技术的融合发展任重而道远，也期望与广大交通工程师以及研究人员共同探讨、共同进步。