如今大數據被賦予了神一樣的能量，好像只要是大數據當道就可以解決一切難題。這種想法顯然不對，即便大數據可以幫助我們了解的更多，也不能預測到我們想象中的程度。
智能手機已經很普及，大多數的人們都拿著具有定位功能的手機，而4G網絡又是這樣的覆蓋廣泛，以至于我們每個人的行動時時刻刻都被運營商、互聯網應用提供商所“監控”，這些數據被整合脫敏之后可以成為大數據分析的基本信息來源，從而為交通和出行提供管理上的幫助。
媒體報道，2006年，斯德哥爾摩與IBM合作，在通往市區的18個路段安裝了傳感器和照相機。搭載了感應裝置的汽車在通過該路段時，系統會自動識別該車輛，并對其征收通行費。沒有搭載感應裝置的汽車通過該路段時，系統會自動識別照相機拍攝的車頭照片上的車牌號碼，確認汽車所有者，并對其征收通行費。該系統實施后，斯德哥爾摩市區交通量降低了25%，二氧化碳排放量減少了14%。
我們很多人都樂觀的估計，主要信息足夠，通過大數據分析來實現的智慧交通系統就會幫助我們做出理性的規劃，從而，路路暢通。
理想很美好，可現實卻很殘酷。即便是各部門的大數據應用都起到了作用，國慶節出行的道路卻依然擁堵，且沒有任何改善的跡象。很多人都體會了10月1日各地道路上的堵車盛況，甚至有乘客下車在高速路上開始遛狗。在這一刻，大數據選擇了失靈。
實際上，很多公司通過大數據已經對交通擁堵做出了預測。比如，全國最堵的京藏高速預計從30號到1號下午擁堵超過24小時，十一的返程高峰會出現在長假結束前一天下午3點到長假最后一天的23點。但這些數據都沒有能夠幫到很多人，大多數人還是會一如既往的走上擁堵的道路。
大數據肯定不是萬能的，即便再強，也只是基于現實數據進行的一種分析，可以給我們提供參考，但這種參考的價值卻不應該被無限制的放大。比如，我們可以提前通過大數據分析進行預警，那條道路會擁堵，會擁堵到什么程度，可如果條條大路都是超負荷的，大數據的提前預警作用也就失效了。
大數據可以幫助我們提前規劃路線，避開擁堵的道路，但一旦道路全在擁堵，我們就失去了選擇的機會。在這種情況下，“理性的人”應該選擇呆在家里，這樣就可以讓自己不被堵在路上，也不會造成更大的擁堵，這樣選擇的人多了，道路可能就通暢了。問題是，很多人都這樣想，大家都覺得別人會不出行，結果，群體性理性的選擇帶來了更大的擁堵。還有一種情況是，大家只有這個時候出行，再擠也要去，否則就沒有別的機會可以選擇。
因此，大數據的分析結果在群體性公共知識的面前，一定會變得毫無意義，甚至會起到負面作用。很多人認為，信息不對稱的是導致交通擁堵的重要原因，而在實踐中，信息太對稱，也一樣會導致擁堵。
我們獲得的大數據也并非全面，還有很多人并不使用智能手機的定位功能，一些大數據分析公司無法獲得數據。斯德哥爾摩是通過在公共交通工具上安裝傳感器，分析這些傳感器數據，來掌握道路的擁擠情況，這種方式對城市道路很實用，而對于高速公路來說，目前大數據分析普遍采用的用戶個人的智能手機定位數據并不可靠。
大數據分析也是十分復雜科學的工作，任何的理論或操作上的微小失誤都可能造成分析結果的被錯誤使用。即便獲得了用戶數據，在分析的方法和使用的策略上也存在不足，難以充分發揮大數據的價值，這也造成了分析上的偏差，錯誤的引導會帶來局部更為嚴重的擁堵。
與此同時，大數據在偶發事件面前也無能為力。在國慶節這樣的大車流的情況下，一起偶然發生的交通事故就可以造成蝴蝶效應，由此帶來一個路段的擁堵，然后是整個路段的擁堵，接著會造成更多輻射的路段上的連環擁堵的發生。這種事故是不可預測的，其后果也很難提前預知，而節日的道路變通的余地很小，一旦發生突發事件，交通擁堵的嚴重程度就會超出想象。
實事求是的說，大數據確實可以提升道路管理水平，但大數據卻無法解決信息溝通中的群體錯位決策，也無法解決超出符合的剛性需求到來的道路絕對擁堵，更沒有辦法應對隨時可能出現的隨機性的事故影響。大數據對于節假日期間的交通擁堵問題，絕對是有心無力。
京公網安備 11010502049343號