古代人们出门之前只能查查黄历，宜出行，忌造屋。

到了现代，随着大数据技术的发展，可以实现这种场景，“半个小时后出发到中关村，请根据当时的路况规划线路。”这个问题估计会难倒现在所有导航软件，因为导航目前还没有预测功能。

但大数据诞生，本身就不是为了总结归纳，而是预测，随着运算能力提升，可以从预测趋势，完善到预测实际场景。

近期，浙江省交通运输厅正在开展一项新的试点：将高速历史数据、实时数据与路网状况结合，基于阿里云大数据计算能力，预测出未来1小时内的路况。结果显示，预测准确率稳定在91%以上。

这样看来，交通部的这个试点，已经成为高准确度的“算命大师”。那么，这个原理是怎么实现的呢？

西方一个科幻作家提到过，预测未来有几种方式，1、统计历史数据，搜集数字、图表等原始数据进行分析，然后预测。2、走访调查实际情况，增加数字、图表之外的维度，比如针对交通来说，即将开始的演唱会或者车祸，都会造成影响。3、遇到一个从未来穿越而来的人，听他讲述。

既然第三种实现概率太低，那目前只能从第一、第二种来入手了。来看看交通部和阿里云是怎么实现“算命”功能的。

历史和未来

如果上帝在俯瞰人间，那他可以得到足够多的信息，进而可以预测出很多行为轨迹。比如说，一个城市每天早上有多少人会在上班的路上。而这些熙熙攘攘的车流，就像蜂群一样，在没有引导的情况下，很容易造成堵塞。

浙江省交通信息中心主任韩海航表示，交通部希望通过对未来路况的预测，更好的进行交通引导，用户也可以做出更优的路线选择。

换句话说，预测的原理很简单，就是通过历史数据轨迹，即时数据呈现，结合突发因素，进而得出对未来一个时间段交通情况的判断。

但实现起来挺难的，比如说，如何采集到历史数据。毕竟，没有数据就无法讨论大数据。

此前浙江交通部一直想做这样的工作，但是受采集技术的制约，实时交通数据的更新时间比较长，有的高达15分钟。这么长时间延迟的数据适合做历史分析，但不适合做即时预测。另外，传统铺设线圈的方式，硬件投资巨大。

这次合作中，浙江交通部引入新的数据来源，将手机信令数据同道路通行数据进行关联。而手机在城市道路上，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。

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。

利用这种方式，积累一定历史维度的交通数据，可以得到一个基本情况，比如一条道路在工作日或者周末正常的车流情况，再结合一个时间段的即时数据进行对比，就可以得出其在正常运行情况还是反常情况的结论，进而进一步人工干预。

这种系统会越用越聪明，因为经过实际应用会沉淀出越来越多的规则。

计算的价值

数据像石油，而挖掘石油的价值需要机器设备（算法和规则），而机器设备要运作就需要能源（计算能力）。

阿里云提供的就是计算能力。在这次与浙江交通部的合作中，阿里云大数据计算服务（ODPS）为项目提供了分析支持，并有多位资深数据科学家参与了联合研发。

阿里云的闵万里博士介绍，对于浙江省内近1300公里的高速路段，ODPS可以在20分钟完成历史数据分析，10秒钟完成实时数据分析。

换句话说，交通部提供了数据石油，而阿里云提供了计算能力，双方还需要共同探讨如何把石油的价值最大化挖掘出来，即引入分析和算法，最终形成可用的规则。

规则越多，引入的计算因素越多，那需要的计算能力就越强。就像现在电脑上的软件亲民好用，但是如果放到以前的老款电脑里，根本无法跑起来，因为计算能力不够。

闵万里提到，路况预测的应用价值很高，但关键在准确性，需要“算得准、算得快、算得起”。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。

“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”。

而计算能力恰好是阿里云最擅长的，并且已经经过考验。比如承载12306火车票春运购买高峰，以及双十一每秒钟订单创建14万笔，支付达到了每秒8.59万笔，是6年前的430倍左右。

另外，阿里云在Sort Benchmark排序竞赛中，用不到7分钟（377秒）完成了100TB的数据排序，成为世界冠军。Sort Benchmark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。

近期还听到一个小道消息，阿里云计算中心的安全级别是战争级别，有的服务器安置在深山老林的隐蔽处。即使城市瘫痪，计算能力也还在。

回到预测交通项目，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%。

看来，中国在工业时代落后的步伐，有希望在科技领域找补回来。