準確、及時預測路況一直是交通組織工作中的難題，尤其是早晚高峰，即便是官方發布的擁堵指數也會有一定的延時，對行在途中的司機來說，彼時的“通暢”可能已經成了此時的“擁堵”。記者從浙江省交通廳了解到，目前交通廳正在進行一項新的試點——通過阿里云的大數據，來分析預測未來1小時內的路況。

目前在高速公路的試點中，省交通廳把高速公路的歷史數據、實時數據與路網狀況結合，基于阿里云大數據計算能力，預測出未來1小時內的路況。多次的試驗結果顯示，預測準確率穩定在91%以上。

從手機信號看道路通行狀況

阿里云的大數據計算是多位資深數據專家聯合研發的。據介紹，對于浙江省內近1300公里的高速路段，大數據計算可以在20分鐘完成歷史數據分析，10秒鐘完成實時數據分析。

如果要把路況預測放到城區道路中，難度要更大一些。受到采集技術的制約，實時交通數據的更新時間普遍較長，有的高達15分鐘，而且傳統鋪設線圈的方式，硬件投資金額巨大。為此，交通廳引入了一種新的技術，就是把將手機信號數據和道路通行數據進行關聯。

在城市道路上，一般每隔500米設一個運營商基站，在市郊和高速公路上大約2公里設一個運營商基站，當手機用戶經過基站時，手機形成的信號數據可以比較準確地反映出單位時間內通過該路段的實時路況變化。如果檢測到的手機信號在高速公路上停止行駛，而同路段其他大部分手機信號的移動速度都下降，那么就可以判斷這一路段上可能出現事故或擁堵。

浙江省交通信息中心主任韓海航說，從成本投入來說，相比較傳統傳感器采集高速路況數據，這種方式至少可以降低90%的成本，建設周期也大大縮短。通過對未來路況的預測，交通部門可以更好的進行交通引導，司機也可以根據預測，做出最優化的路線選擇。

粗略估計，如果司機能選擇合適的出行方案，可以縮短5%至10%的出行時間，減少2%至10%的汽油消耗。

綜合路網、道路上下游、天氣各要素只為準確性

盡管路況預測的實用價值很高，但準確性一直是各方追求的目標。

阿里云方面的專家說，如果僅僅基于道路通行的歷史平均數據來做簡單預測，那并沒有實際意義。只有分析因素和維度越多，數據越豐富，得出的預測結果才會越準確。

“路網關系、道路上下游的事件，甚至天氣等外部綜合因素都應該加入進來，但當這些海量數據納入到全網路況的時空演變模型后，對云平臺的大數據計算能力提出了很高的要求”。

此前，微軟曾聯合巴西一所大學進行了相似的嘗試，準確率為80%，后來微軟在加入更多數據源后，將這一成績提升到90%。不過，這次嘗試只是在實驗室里面完成，并沒能應用于實際的路網預測。

一旦未來路況的預測可以保持一個極高的準確率，就可以用來支持無人駕駛技術的發展。無人駕駛汽車除了通過各種傳感器對“眼下”的數據進行快速判斷外，還需要了解10分鐘、20分鐘后即將到達的路段狀況，提前做出路線選擇，那么，預測數據就可以為預判提供依據了。