人工智能算法可以根据城市民众的出行偏好、生活、消费习惯等方式，分析出城市人流、车流的迁移与城市建设及公众资源的数据。基于这些大数据的分析结果，为政府决策部门进行城市规划，特别是为公共交通设施的基础建设提供指导和借鉴。依托人工智能和大数据运算能力，不断提升指挥平台自动轮巡、交通信号自主解析、违法行为精准查缉和应急事件自主处置的能力，通达指挥调度脉络。其中，在提升交通信号自主解析能力方面，根据所得数据及信号控制效果自动发现问题，结合交叉口实际通行条件给出优化方案。在提升违法行为精准查缉能力方面，加大对机动车不礼让行人、不系安全带、开车接打手机等交通违法的精准打击力度，实现对"失驾"人员的精确抓拍，自主生成套牌车预警信息并安排最近民警进行拦截处置。
　　近年来大数据和人工智能技术的蓬勃发展，为智能交通领域带来了许多新机遇，智能化信息处理更成为智能交通系统和智能化城市建设中重要的一环。
　　一、大数据在实际应用中的优势
　　（一）区域交通运行态势判断
　　态势判断是大数据最广泛的应用场景，获取指定时段的区域路网总体运行状态信息，用于初步分析拥堵成因。实时监测路网运行状态，用于态势研判和辅助决策。可回溯的历史数据，用于分析拥堵演进过程。
　　（二）区域出行分布和路径特征
　　基于轨迹大数据，追溯出行路径。追溯拥堵路段的主要交通来源，用于分析拥堵成因。分析片区信号灯控路口的出行链路，用于指导交叉口信号控制策略和子区划分。
　　（三）交叉口全时段指标分析
　　全时段、全天候交叉口历史数据回溯，指导单个路口的信号配时优化方案，对路口的改善方案后评估。
　　总结：大数据应用中的优势就是在定性的态势判断上非常有用，但是在定量的分析上，会暴露一些大数据的精度问题。

　　二、大数据在实际应用中遇到的问题
　　（一）交叉口流量分析遇到的问题
　　目前主要依据轨迹数据反馈的排队长度和延误特征来推算交叉口流量，而这个方式更多的是依靠交叉口现有的路口设施渠化方案，以及现有的配时方案来推算。
　　但是浮动车有一个特点是在某个路段的某个点一天的数据量可能不是特别充足，在分析的时候需要叠加一个月的数据，一个月内路口的某些渠化方案或配时方案或许会发生改变，这样会导致所推算的流量产生误差。
　　因此，在后续改进中，我们也利用了交管部门提供的历史方案和配时数据来修正这个问题。另外一点是轨迹数据无法反应公交车的信息，流量推算无法反馈公交专用车道的流量。
　　（二）路段断面流量分析遇到的问题
　　路段流量分为两类，一种是城市灯控交叉口的流量，这种流量推算目前主要是依据路口的流量，但有一个问题是有些地方两个路口之间还存在非灯控的交叉口流量无法检测。
　　第二种是城市快速路的流量，目前还是基于流量速度模型进行推算，但是无法准确反映带有公交专用道的快速路流量。
　　（三）OD分析遇到的问题
　　轨迹数据来源于APP用户，无法做到全样本数据；样本分布呈现偏态，无法做到简单随机抽样；用地业态对OD样本集中度影响大；因OD样本抽样比例未知，准确扩样难度大。
　　作为用户谈一下我们的感受，没有大数据是万万不能的。因为大数据提供了新的平台、新的方法、新的诊断工具，但是从实践来看，大数据并不是万能的。
　　大数据的这种特征，对定性、判态分析的影响较小，但对定量分析的数据精度影响较大。因此，需配合多种数据修正手段，甚至仍然依靠现场人工复核的方式才能保证精度。
　　三、对未来大数据的期望
　　（一）关于对大数据的改进建议有两点
　　第一是慢行系统治理，是交通治理的重要工作，目前的大数据统计，更关注机动车的运行状态和数据分析，缺少有效的，收集慢行交通大数据的手段。期待大数据在步行、自行车交通上，能够提供更多的数据来源和分析手段。
　　第二是目前大数据对事故数据分析尚有欠缺，期待大数据在事故的识别、判定和统计上，能发挥更大的作用。
　　（二）关于对未来大数据的愿景与期望
　　第一是希望在智慧城市顶层设计框架下，构建交通大数据云端公共平台，实现全样本、全方式的交通大数据。
　　第二是构建规划建设与交通治理决策平台，平台的基础是交通大数据和城市总体规划数据。
　　我们希望构建这个平台能够作为政府决策、多单位协同作业的公共平台，包括公众参与的平台，这样对未来的城市建设有更好的指导。【部分资料来源：北京市政院韩冬：大数据在城市交通治理中的应用，原文链接https://www.iyiou.com/p/101779.html】