杭州网讯  用大数据预测未来哪堵车？这个基于“云”服务的新项目已经在浙江上路了！

    12月2日，浙江省交通运输厅公布了一项新的试点项目：将高速历史数据、实时数据与路网状况结合，基于阿里云大数据平台，预测未来一小时内的路况。

    结果显示，实时路况监测成本下降了90%，未来路况预测准确率在91%以上。

    “通过对未来路况的预测，交通部门可以更好的进行交通引导，用户也可以做出更优的路线选择。”浙江省交通信息中心主任韩海航介绍说。  

    用手机信号计算实时路况

    要想预测未来，首先需要了解当下。实时路况的检测，一直是个难题。由于受采集技术的制约，实时交通数据的更新时间普遍较长，有的高达15分钟。且传统铺设线圈的方式，硬件投资巨大。

    为此，浙江省交通运输厅引入了新的技术：将手机信令数据同道路通行数据进行关联。

    在城市道路上，一般每隔500米一个运营商基站，在市郊高速路上大约为2公里。当手机用户经过基站时，形成的信令数据可以较准确地反映出单位时间内通过该路段的实时路况变化。

    比如，检测到样本车辆在高速公路上停止行驶，而同路段大部分车辆速度下降，那么就可以判断这一路段上可能出现事故或拥堵。

    韩海航介绍，从成本投入来说，相比较于传统传感器采集高速路况数据，这种方式至少可以降低90%的成本。建设周期也大大缩短，2至3个月即可完成。

    可缩短5%至10%出行时间

    粗略估计，驾驶员通过选择合适的出行路线和出行时间，可以缩短5%至10%的出行时间，减少2%至10%的燃油消耗成本。

    对未来路况的预测，也可用于支持无人驾驶技术。无人驾驶汽车除了通过各种传感器对“眼下”的数据进行快速判断外，还需要了解10分钟、20分钟后即将到达的路段状况，提前做出路线选择。

    闵万里表示，路况预测的应用价值很高，但关键在准确性，需要“算得准、算的快、算的起”。如果仅仅基于历史平均数据来做简单预测，那并没有实际意义。只有分析因素和维度越多，数据越丰富，得出的预测结果才会越准确。

    此前，微软曾联合巴西一所大学进行了相似的尝试，准确率为80%。微软希望在加入更多数据源后，将这一成绩提升到90%。

    “路网关系、上下游事件，甚至天气等外部综合因素都应该加入进来。但当这些海量数据纳入到全网路况的时空演变模型后，对云平台的大数据计算能力就提出了很高的要求”。闵万里介绍，在这方面阿里云可是世界冠军。

    据了解，阿里云在Sort Benchmark排序竞赛中，用不到7分钟（377秒）就完成了100TB的数据排序，成为世界冠军。Sort Benchmark被认为是大数据界的奥运会，每年全球顶尖公司和学术机构都会带着他们最新的研究成果来参加，以评估他们的研究成果。