莫被过“炫”的可视化效果迷惑，交通大数据是严谨的情报决策过程

本文转载自公众号悠闲老头看交通（ID：ydytrans），原作者杨东援，同济大学原副校长、上海市交通工程学会副理事长、建设部交通工程技术中心副主任。原标题《城市 交通大数据 分析中的“ 情报 决策 ”与“行动决策”》。亿欧智慧城市对文章进行二次编辑，供读者参考。

城市交通对策并非仅凭理念，而是需要根据实际问题而个性化设计，对问题的把握程度是科学决策的前提。正因为如此，在传统的交通规划、交通设计和交通管理中心，都非常强调交通调查、对数据质量的控制，以及对所采集数据的研判。

在交通 大数据 环境下的决策分析过程中，决策者是通过数据分析师的眼睛来看研究对象 ，数据分析师看问题的眼界、角度，以及从数据中提取信息的方法，均不可避免地对决策者认识问题程度和判断的准确性产生巨大的影响。

在交通大数据分析中，数据质量控制及研判具有更加重要的意义 。这是由于大数据并非专门为交通分析“定制”的数据，而是从其他系统中提取的“二手数据”，一定程度上存在精度难以把握、信息模糊等方面的缺陷。这恰恰是大数据分析的特点，如果强求“完美”数据，则会发现无数据可用。因此，在交通大数据分析中更加突出一个从数据中提取可信信息的环节，即我们所谓的“情报决策”环节。

情报决策工作的任务是要确定哪些信息是真实的。由于交通对策将对城市的社会、经济发展产生巨大的影响，且往往具有不可逆性，因此没有经过严谨的情报决策过程，热衷于“炫”可视化技巧和数据处理技术表现，往往会导致信息迷惑。

情报是已经出现、正在出现，或者将要出现的事物的模型。根据情报所包含的信息，模型可能包含或多或少的细节，但不会是客观事物的绝对表现。 而且，在制定城市交通对策过程中，决策者也并不需要对客观事物的绝对表现，而需要与决策问题相适应的抽象。因此，情报决策不仅意味着区分正确情报与虚假情报，而且需要淘汰多余的细节。

交通大数据分析中的情报决策分析与传统交通调查数据的质量控制不同，最为关注的不是精度，而是信度。 由于所获得的绝大部分信息是间接信息，在交通大数据分析情报决策中一方面需要强调的是依据间接证据形成证据链，进而形成科学判断的能力；另一方面需要强调针对不完美数据的信度评估，明确与事实的距离。前者强调多角度、多渠道获取相关信息后，通过专业逻辑进行的判断；后者强调的是每种数据分析必须清晰的说明处理环节和可能产生的误差，大数据分析不怕误差存在（甚至是很大的误差），但是不知道误差程度则导致信息完全无法在决策中使用！

概括来说，交通大数据分析的情报决策过程包含三个基本步骤：

（1）观测数据压缩和信息提炼；

（2）所产生信息的可信度评估；

（3）构建证据链形成决策判断。

基于交通大数据分析的行动决策，并非将依据大数据所产生的情况判断，简单地塞进传统对策框架。如果这样，大数据只能是简化工程师工作环节的“战术工具”，而不可能成为一种具有战略意义的分析范式变革。

大数据所产生的观测能力，首先在于对于研究对象多角度、多层面、连续的分析。 例如，过去通过交通调查获得一天的OD数据，如获至宝地推算未来交通需求。而当我们通过移动通信数据获得了数十天乃至更长时间的“OD”数据，如果只把它通过数学平均变成一张OD表，难道是正确的做法吗？！时间上高维的个体空间移动信息，包含了丰富的信息，例如可能存在的多种OD分布模式，居民空间活动模式等。依据这些信息，我们可以通过横向比较，发现居民活动空间与城市建成环境的关联，可以发现交通弱势群体的空间集聚，可以研判现实中居民受到交通和时间制约后真实的生活质量（通过潜在可达性）等等。

将大数据与城市交通的复杂性联系在一起，所需要进行的行动决策不再是是根据现状预测未来而进行的“线性”对策，而是对研究对象进行追踪基础上不断修正判断，采用“适时响应”对策进行调控的“非线性”控制过程。

由于城市居民具有自主经验积累和适应性能力，其活动和交通行为是一种不断“进化”的过程；提供交通服务的公交企业、运输公司等也在根据社会需求变化等不断调整自身的经营行为；市场发展和技术进步，也使得更多的资本进入城市交通服务领域。

在这一系列变化面前，决策者常常由于信息缺乏而产生决策疑惑，例如

“为什么公众在公交并不拥挤的情况下并没有选择公交”？

“共享单车企业为什么疯狂地在市场前景不明朗的情况下超量投入自行车”？

诸如此类的疑问导致了城市交通对策制定过程中的决策困难。当然这种问题的答案是难以通过“四阶段”模型来推论的，也不是依据数百到数千调查问卷基础上的信息就能够获得的整体态势发展判断。城市交通服务的不完善和不平衡，交通对城市空间格局演化的引导和支持，这类行动决策需要超越基于OD观察模式，形成新的分析理论与方法。

交通大数据分析，必须承担所提取信息的信度分析，以及与数据资源相适应的对策逻辑变革研究的任务。 交通数据分析师并非单纯的数据加工工匠，而是将数据资源转变为决策能力的研究者。决策者在交通大数据面前，需要认真思考如何更好地将数据资源转变为决策能力，进而提升行动效果。

本文已标注来源和出处，版权归原作者所有，如有侵权，请联系我们。