随着城市的迅速发展，人、车、路的矛盾日益突出，交通拥堵、交通污染日益严重，交通事故频繁发生，这些都是各大城市亟待解决的问题。智能化交通管理已成为改善城市交通的关键所在，为此，及时、准确获取交通数据并构建交通数据处理模型是建设智能化交通管理的前提，但随着各种如指挥系统、监控系统、预判系统、识别系统、诱导系统、卡口系统等诸多信息系统的建成、联网，如何处理好、利用好随之而来的海量数据又成为了一个新的难题，目前全国各类道路上安装的视频监控设备有数十万个，再加上电子卡口、RFID等设备，每小时产生的数据量就是天文数字，传统的信息处理技术如数据库技术、数据检索技术等由于自身的局限性对此已有所力不从心，很难在如此庞大的数据量中迅速而准确的找到所需要的数据，而通过大数据技术可以有效解决这一难题。

　　大数据技术特点

　　Big Data“大数据”是继云计算、物联网之后IT行业又一次颠覆性的技术变革，对国家治理模式、对企业的决策、组织和业务流程、以及对个人生活方式都将产生巨大的影响。在信息技术中大数据是一个数据集的集合，这个集合是如此大而复杂，以至于它很难通过现有数据库管理工具来进行处理。

　　随着我国交通监控设备的大规模建设，各类传感器和信息终端已经遍布各地，这些设备每天都为我们交通管理者提供了海量的数据，主要包括4个类型的数据：传感器数据（位置、温度、压力、图像、速度、RFID等信息）；系统数据（日志、设备记录、MIBs等）；服务数据（收费信息、车辆和驾驶员的信息、查处的违法信息，便民服务登记等）；应用数据（生成厂家、能源、交通、性能、兼容性等信息）。交通数据的类型繁多，而且体积巨大。

　　传统交通管理模式和技术的不足

　　社会经济的快速发展促使城市机动车辆的数量大幅增加。城镇化的加速打破了城市道路系统的均衡状态，传统的交通系统难以满足当前复杂的交通需求，交通堵塞成为棘手问题。而传统的交通管理模式及技术的不足之处主要有：

　　行政管理区域方面的限制。行政区域的划分是国家为了有效统治和管理，而将一个国家划分不同行政区域。这个划分在促进各个行政区域自治的同时，也导致各个地方政府追求各自辖区利益的最大化，而对地方政府之间边界区的交通基础设施建设、过境交通线路等漠不关心。而这种限制，是传统信息技术无法解决的。即便各地方政府愿意数据共享，各地所建设的诸多信息系统所采用的不同的通信协议、存储标准、处理流程、交互规范也使得不同系统跨地域间的数据交换成为一个不可能完成的任务。

　　无法发挥信息集成优势和组合效率。我国大部分城市的各类交通运输管理主体分散在不同主管部门，呈现出条块分割的现象。涉及交通的“有关部门”超过10个，每个部门都有自己的信息化系统，但这些数据信息只存在于垂直业务和单一应用中与邻近业务系统缺乏共通联动。这种分散造成交通管理的碎片化，如交通信息分散、信息内容单一等问题。只有建立起综合性立体的交通信息体系，通过将不同范围、不同区域、不同领域的“数据仓库”加以综合构建公共交通信息集成利用模式，发挥整体性交通功能，这样才能发现新价值，带来新机会。例如气象、交通、保险部门的数据结合起来可高效地研究交通领域防灾减灾；IC卡、RFID数据结合抽样调查能更快捷、更精确测得城市交通流分布状况。但是即便能够通过政府主导克服管理体制上的障碍从而形成各主管部门间的合作，传统信息技术在数据处理容量及速度上的局限性也使其无法建立起这样复杂的交通信息体系。

　　无法全面高效的处理现有基础数据、配置交通资源。传统的交通管理主要依靠人工的方式进行规划和管理，难以实现交通的动态化管理，而近年来不断建成的信息系统也仅仅是部分实现了交通动态化管理，但随着建成和联网的信息系统越来越多，所汇集的交通数据越来越庞大，传统的信息处理技术已无法全面、高效、快捷的分析、处理这些数据，技术本身的局限性使其仅能及时处理海量数据中极少的一部分，绝大部分汇集的基础数据只能白白浪费。而没有了数据的全面支撑，现有交通信息系统也就无法完全发挥其效能，无法有效的配置交通资源。譬如目前全国各地交通管理部门已建成的监控镜头，少则数百个，多则数千个，但目前这些监控镜头所发挥的作用基本就是实时监控加上有需要时提取视频人工查找，这仅仅只发挥出视频监控系统极小的一部分作用，更高级的功能如对存储的大量视频记录自动查找、自动比对、自动识别等等功能目前基本都未实现。

　　无法有效实现交通预测。用传统的思维来改善交通拥堵，一般是加大基础设施投入，即加宽道路、增加道路里程来提高交通通行能力，但这种做法又不仅会受到土地资源的限制，而且规划的方案是否能满足远景需要也有待商榷。现在比较通用的方法是在对各个部门的数据进行准确提炼和构建合适的交通预测模型后，通过模拟交通未来运行状态，验证技术方案的可行性。但现有的技术和手段在其处理能力和效率上有天然的局限性，无法同时快速有效的处理过于庞大的基础数据，从而使目前建成的交通预测系统大多流于形式，华而不实。

　　应用大数据技术所带来的改进和提升

　　从各种各样类型的数据中，快速获得有价值信息的能力，就是大数据技术。大数据技术有四个特点：第一，数据体量巨大。从TB级别跃升到PB级别；第二，数据类型繁多。包括视频、图片、地理位置信息、传感器数据等等。第三，价值密度低，应用价值高。以视频为例，连续不间断监控过程中，可能有用的数据仅仅有一两秒。第四，处理速度快，1秒定律。最后这一点也是和传统的数据挖掘技术有着本质的不同。

　　将大数据技术应用到交通管理中后，将对现有的管理模式和技术带来显着的改进和提升。

　　大数据的虚拟性可以解决跨越行政区域的限制

　　交通大数据的虚拟性，有利于其信息跨越区域管理，只要多方共同遵照相关的信息共享原则，就能在已有的行政区域下较好的解决跨域管理问题。

　　可以全面高效的处理现有基础数据、配置交通资源

　　通过对大数据的分析处理可以辅助交通管理制定出较好的统筹与协调解决方案。一方面减少各个交通部门运营的人力和物力，另一方面可有些提升道理交通资源的合理利用。譬如可以根据大数据结果确定多模式公交网络高效配置和客流组织方案，多层次公交主干网络绿波通行控制以及交通信号自适应控制。

　　可以有效实现交通预测，提高交通运行效率

　　大数据技术能促进提高交通运营效率、道路网的通行能力、设施效率和调控交通需求分析。而在实时交通预测领域，大数据的快速信息处理能力对于车辆碰撞、车辆换道、驾驶员行为状态检测等实时预测也有非常高的可靠性。交通的改善所涉及工程量较大，而大数据的大体积特性有助于解决这种困境。例如，根据美国洛杉矶研究所的研究，通过组织优化公交车辆和线路安排，在车辆运营效率增加的情况下减少46的车辆运输就可以提供相同或更好的运输服务。伦敦市利用大数据来减少交通拥堵时间提高运转效率。当车辆即将进入拥堵地段，传感器可告知驾驶员最佳解决方案，这大大减少了行车的经济成本。大数据的实时性，使处于静态闲置的数据被处理和需要利用时，即可被智能化利用，使交通运行的更加合理。大数据技术具有较高预测能力，可降低误报和漏报的概率，随时针对交通的动态性给予实时监控。因此，在驾驶者无法预知交通的拥堵可能性时，大数据亦可帮助用户预先了解。例如，在驾驶者出发前，大数据管理系统会依据前方路线中导致交通拥堵的天气因素判断避开拥堵的备用路线，并通过智能手机告知驾驶者。