上周作者參加了浙江省交通運輸廳舉辦的主題論壇：未來交通創新發展論壇，并做了一個演講，題目是《運營商大數據在智慧交通的應用探索》，下面就此內容做個分享。

（1）對一個行業沒有基本的認識前，不要奢望能從這個行業規模化的變現，這個認知包括一切要素，技術、業務和客情，每個行業都有自己的圈子，盡量融入這個圈子，才有機會展現能力，從而捕捉到一些商機，比如通過參加行業論壇，起碼能了解到大學、企業在這方面最新的進展。

（2）大數據作為創新業務，大家都是摸著石頭過河，別老想著有現成的行業代理人來替你招攬客戶，更何況哪有那么多的代理人，這還是一個非常不成熟的市場，客戶培育也有個過程，大家過得其實比較艱難。

（3）該投的資源必須投，你得skin in the game，特別是對于行業的研究，無論是在銷售、營銷、產品、建模和數據等方面，比如交通規劃行業，你不理解業務，自己的數據和模型就基本不可用，也搞不出什么平臺，同事做了路網擬合的研究后，發現得下真功夫啊。

對于智慧交通，作者覺得運營商是有機會充分利用自己的大數據優勢來為這個行業賦能的，下面就結合這次演講談一談自己粗淺的理解。

1、低成本的實現流量預判及疏導，緩解交通擁堵

目前浙江全省已建成13條國家高速公路和24條省級高速公路，總里程約3800公里，隨著汽車出行的全民普及，高速的管理問題日益凸顯，每逢大的節假日，由于高速流量井噴，超過設計流量數，加之省內高速多隧道、彎道，道路線型復雜，輕微刮擦事故時有發生，容易出現長時間堵車。

每年政府都投入大量經費用于監控攝像頭、車輛監測儀等設施的部署，但是現有的監測設備仍然只能覆蓋一小部分范圍，導致只能掌握部分高速路網的運行狀態，不足以支撐全省高速路網的監測和路網運行狀態的評估。

資源肯定是稀缺的，這里特別要提下共享的概念，共享的核心要義是有能力把閑置的資源利用起來，而不是靠大投入去創造一個所謂的共享商業模式，共享單車顯然不是理想的方式，而像Airbnb這種充分利用閑置的民宿資源來解決出行住宿問題才是真正的共享，這種模式社會的總體成本最低。

而運營商擁有一張無處不在的現存的通信網，基于運營商的現有信令數據就可以做到實時監控車流狀況，從而輔助交通管理部門在時間上削峰填谷，在空間上控密補稀，這個成本顯然是最低的，部署也最快，以下是一個案例：

清明期間，浙江移動的高速治堵大數據平臺輔助衢州移動高速交警支隊調控轄區整體流量，初步實現了轄區流量的“預知、預判、預導”，確保大流量期間轄區流量平穩暢通的目標，這就是一個典型的應用。

2、智能的進行高速異常事件的預警，提升處事效率

據不完全統計，高速公路約有30%的交通事故是由違法停車造成的，根據美國汽車協會（AAA）的一項新研究，疲勞駕駛的事故比預想的要多出8倍，在儀表盤攝像頭記錄下，在超過3500輛汽車中，大約10%的撞車事故是由瞌睡造成的，高速上低速行駛危險程度絕對不亞于超速，這一點在高速公路上表現的尤為明顯，可以說低速行駛是高速上的隱形殺手。

目前在高速違法停車等事故的監測手段上存在一定局限性，比如人工上路巡查受限于警力資源有限，不能全天候覆蓋，視頻監控的監測能力不足，容易受天氣、光線等外界因素影響，且目前的高清攝像頭覆蓋不足等等。

而基于運營商的信令數據可以非常方便的判斷高速用戶，結合速度、位置切換等信息就可以區分出違停、低速等異常事件，從而進行自動預警，交警通過調取對應的攝像頭可以進行確認和處置。

這種預警的難點就在于算法的準確度和覆蓋率，比如要剔除服務區、同路車輛等各種特殊場景，對于信令等數據的質量（如精度）也有一定的要求，諸如浙江移動已有相關成功案例。

3、科學進行交通道路的規劃，實現末雨籌謀

交通規劃中重點是分析交通需求（通常供給是由需求決定的），目前典型理論是四階段分析法，分別是：

（1）交通發生和吸引：預測研究對象內的總的交通量，實際分析按照交通小區的發生量和吸引量進行表征；

（2）交通分布：根據各小區總的發生和吸引量，預測交通量在各個交通小區間的分布，即OD分布（從哪里來，到哪里去）；

（3）交通方式分擔：預測每個交通方式分擔的交通量，是一種選擇模型，用分擔率表征；

（4）交通流分配：根據已經預測出來的OD交通量，根據實際情況按照一定規則分配到路網中的各條道路上，求出各條道路的交通流量。

其中（1）（2）是當前運營商大數據可以的發力點，（3）有一定的挑戰，但無論如何，基于移動大數據全量、連續性的分析，結合城市宏觀態勢和微觀機理進行研究，就可以拋棄傳統人工樣本統計的弊端，基于全量的信令數據進行交通流量預測，從而科學指導交通規劃。

下面是來自知乎的北京市某一天的職住OD信令數據（從居住地網格到工作地網格）可視化分析，通過這張圖，我們可以明顯看到北京市城區有多個中心，如中關村、國貿CBD、西單，還有幾個獨立的小中心，如望京區域、亦莊開發區等。

運營商傳統上是基于信令數據來輔助交通規劃的，由于精度的限制需要高度依賴算法來進行補償，當前浙江移動正在推進以MR數據為核心來進行規劃的嘗試，更好的定位精度可以讓規劃能力上一個臺階。

4、提供城市24小時分析，洞悉城市生態

道路的變化將深刻的影響人們的生活，而大數據為這種變化提供了解釋，比如浙江移動在互聯網大會發布了城市24小時的產品，具體見筆者的文章《我們是如何來設計互聯網大會“城市24小時”這塊數字大屏的？》，其用大數據來洞察城市發展的現狀和居民需求變化，為政務、交通等領域提供更多決策支持.

比如城市24小時洞察發現，杭州地鐵全天客流最高的站點為火車東站站，日客流量超過14萬人，半小時客流峰值超過7000人，其次為客運中心站和城站站，通勤人群工作地受益最多區域是龍翔橋站附近，居住地受益最多區域是余杭高鐵站附近，用大數據似乎能給出更深層的一些東西。

5、聚合時間+空間+用戶三維數據，運營商可以創造智慧交通的賦能平臺

設想一下，運營商其實可以基于自身的數據優勢，通過聚合時間+空間+用戶三維數據，打造出一個城市交通實驗室平臺，將出行OD、出行方式、截面流量等打造成一系列的服務，任何合作伙伴都可以基于這個平臺做應用的二次開發，從而快速的支撐各類規劃應用，同時通過疊加基于移動標簽的人群分析，從而探究用戶出行的深層次原因，這將是智慧交通的巨大升級，下圖是一個框架示意圖。

比如客戶可以任圈選兩塊區域進行OD分析，這將給客戶更大的分析自由度，但要能達到路網擬合等這種分析的能力，則對運營商的建模能力提出了很高的挑戰。

5G對于智慧交通的意義，基于5G的高速、低延時等特點，可以實現真正的路網協同（比如V2X），讓無人駕駛更進一步。

最后是關于運營商大數據賦能智慧交通的三點建議：

首先，需要去做一些端到端的應用，從而更深入的理解交通業務，這是打造一個賦能平臺必須的。

其次，需要進一步提升定位的精度，在交通算法上加強研究，實現路、網、人的精準匹配。

最后，則需要充分的與產業各界進行合作，實現優勢互補，從而快速的釋放運營商的數據價值，創造更高階產能。