用“数据模型”治理交通污染

由国家发展改革委、工业和信息化部，国家互联网信息办公室、贵州省人民政府共同主办的 2017中国国际大数据产业博览会 在贵阳市开幕，此次数博会将继续聚焦大数据的探索与应用，展示大数据最新的技术创新与成就，成为中国最具国际化和产业化的高端专业平台。

随着高度的城镇化发展，机动车数量不断增多，中国每年有将近100万例的死亡与空气污染有关，因此产生的年经济损失达1.4万亿元。5月26日，在大数据时代智慧城市创新发展高峰论坛上，伦敦帝国理工学院助理教授、交通研究员韩科专门对治理城市交通污染提出了建议。

韩科认为，在贵阳这种其他污染比较少的城市，交通带来的PM2.5是一个比较严重的问题。贵阳通过建立交通数据模型，可以实现较高精细的情景分析，达到节能减排的效果。

要建数据模型，数据是关键，那么数据到底能为节能减排做什么呢？

韩科解释，把交通流数据、车速数据、GPS数据和“在手机上怎么打车”这种更加细腻和更加个性化的数据放在一起，能展示出城市交通的全貌，能帮助我把脉城市交通污染问题。当前包括北京在内的很多城市，都是通过GPS数据来算平均速度或者平均流量，再结合两者算排放量， “但实际上，这样的算法并不可靠。”

“在高速公路上车流的速度分布比较均匀，这种简单的模型可以使用。但是在城市中，由于有信号灯和车流量的干预，就不能靠GPS数据算平均速度或者平均流量”，韩科解释，通过建立交通数据模型的方式算排放量更为科学。

但是，交通数据模型并不是凭空建的，而是要结合仿真实验结果建立。 在建立数据模型之前，要先做一个交通仿真的数据模型。交通仿真建模要先从宏观数据开始，得出一个宏观的模型，再细化作出一个微观的数据，最后才作出一个微观的交通仿真模型。

通过微观仿真模型可以很明确知道每一辆车的轨迹数据，它甚至可以让人们了解到每一辆车怎么跑、车与车之间是什么关系、车辆怎么换道、产生尾气排放的时间序列这些信息数据，这样的数据非常准确的，对了解整个城市的排放量帮助很大。

“当然要完全掌握城市的交通污染情况，只建一个微观的交通仿真模型显然是不够的。”韩科说，要掌握城市的交通污染情况，必须根据风向、温度、PM2.5分布情况，建线面污染物扩散的模型，再通过智能信号灯监控到的交通状况，做出来污染物浓度预测。

“做污染物浓度预测必须要有一个实时的监控作为支撑。”韩科说，如果决策者对当下的宏观交通流不了解，又没有一个很好的网络去探索，或者网络参考技术出现问题，没有实时的监控作为支撑，那么非常智能高效的交通信号灯很有可能成为垃圾。而实时的交通网络可以改变现状，这就是为什么要做决策支持系统，为什么有线上功能的原因。

交通决策支持系统是把获取的所有交通数据、天气数据、大气排放数据和控制策略数据放在一起，形成离线查找的表。决策者只要根据交通流，就查阅对应的可行策略。韩科表示，目前他的团队正在做诸如污染物浓度的关联与预测的项目，支持交通建模，降低PM2.5。

重磅福利！【 2017中国互联网+新商业峰会 】， 6月15-16日两天3000人次，携程创始人梁建章，嘉御基金创始人、前阿里巴巴CEO卫哲，分众传媒创始人江南春等嘉宾已确认出席，期待你的参与， 限量钜惠 票 等你拿！