腾讯地图：深挖无序交通行为背后的规律
用户出行的数据，已经成为各种智能交通服务的基石。比较常见的是实时路况及路况预测，很多城市已经提供了这样的服务。
在实时路况数据的基础上，通过一定的数学模型，可以预测特定时段、特定区域的路况。今年端午节前，我们根据已有的数据进行模拟和运算，做了端午节拥堵的预测，得出来的结果和最后的当时发生情况吻合度很高，大概能够吻合到70%至80%。这表明通过既有数据的积累与分析，对市民的日常交通参考，对管理部门的交通提前疏导，都具有非常大的意义。
其实，这些数据的价值还值得深挖。大规模用户的交通行为和选择的数据，通过精细的分析，可以在各个细分领域产生更大价值。
我们对1800份用户驾驶行为分析后发现，平均下来每一个交通违规行为，都大致会伴随7次超速、5次急刹车，4次急加速或急转弯。这其中的数据就可以反映很多方面的问题。比如对超速来说，是不是有些路段特别容易发生超速?这可能会反映道路设计中的缺陷。另外，也能体现用户的驾驶行为确实有不当之处。有了这样的评估报告，就可以优化路网，适当的引导和教育用户的驾驶行为，这样对整个交通安全和效率均有非常明显的改善。
城市交通里有大量的交通数据，城市道路、高速公路、停车场、地铁和公交车上都有很多摄像头数据，公交地铁的一卡通数据，出租车打车数据，地图导航数据，停车场信息数据等。
这些都是非常宝贵的数据，但大多都处于沉睡状态。如果把地铁内的拥堵信息实时发布给即将乘坐地铁的人，很多人的交通行为将会改变。这些人可以早一点上班或晚一点下班，他自己会做选择。另外，我国高速公路上经常发生大规模的堵车事件，尤其是面临冬季大雾、结冰等突发天气时，高速公路上堵车可能会绵延几公里。如果此时高速公路摄象头可以捕捉到这些信息，通过相应平台及时发布给车主，车主们就能及时调整自己的出行时间和线路。如果信息足够透明、及时，这时候乘客就会产生另外一种有序的交通行为。
这些宝贵的数据信息，当前分散在不同的管理部门和企业中，并进行碎片化，被“严密”保护起来。在未来发展之中，这些数据应该像水电气一样，有一个比较好的市场化定价机制和相应的安全保护模式，在相应的商业模式下，产生广大的社会效益。
中兴通讯：公交线路规划有“据”可依
随着移动互联网技术的不断深入发展，大数据技术的应用，将大大提高公交客流量及客流分布预测的准确性，使公交运力、运量配置更加有效，公交线路规划更加合理。
客流交通起止点调查(又称客流od调查)是公交客流量及客流分布预测的基础调查工作。目前城市客流od调查需要通过居民出行调查获取，按照获取资料的来源，常规调查手段主要包括：居民问卷调查法、调查员随车观测调查法、公交刷卡统计法等。
这些调查方式需要市民积极配合，调查手段存在局限性，不能全面、准确地把握全市居民的出行需求。如人工方式的调查(问卷调查及随车调查)只能做到抽样调查，信息的有效性、时效性也存在偏差，无法反映市民的出行需求。利用公交ic卡的乘客自动计数方式则只能统计到实际发生的乘车行为，无法反映乘客真实的出行意愿。通过大数据技术的应用，可以有效改变这种局面。
目前我国移动电话普及率相对较高，大部分城市已经达到80%以上。利用移动信令数据的大数据挖掘技术可及时获得人流量、人流方向及驻留时间的统计，实现对公交客流全面、准确的把握，可作为城市综合交通体系规划与评价的基础数据，减少城市客流od调查的人力物力的投入，准确度大幅提高。
对移动通信信令数据的大数据挖掘，可以方便地获取od调查所需信息，根据历史人流量分布及人流移动规律规划公交线路，在人流量密集点设置公交站点。
大数据的应用，不仅可以有效提高公交客流量调查的准确度，对于公交线路的设计和规划也起着至关重要的作用。
