古代人們出門之前只能查查黃歷，宜出行，忌造屋。

到了現代，隨著大數據技術的發展，可以實現這種場景，“半個小時后出發到中關村，請根據當時的路況規劃線路。”這個問題估計會難倒現在所有導航軟件，因為導航目前還沒有預測功能。

但大數據誕生，本身就不是為了總結歸納，而是預測，隨著運算能力提升，可以從預測趨勢，完善到預測實際場景。

近期，浙江省交通運輸廳正在開展一項新的試點：將高速歷史數據、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。結果顯示，預測準確率穩定在91%以上。

這樣看來，交通部的這個試點，已經成為高準確度的“算命大師”。那么，這個原理是怎么實現的呢？

西方一個科幻作家提到過，預測未來有幾種方式，1、統計歷史數據，搜集數字、圖表等原始數據進行分析，然后預測。2、走訪調查實際情況，增加數字、圖表之外的維度，比如針對交通來說，即將開始的演唱會或者車禍，都會造成影響。3、遇到一個從未來穿越而來的人，聽他講述。

既然第三種實現概率太低，那目前只能從第一、第二種來入手了。來看看交通部和阿里云是怎么實現“算命”功能的。

歷史和未來

如果上帝在俯瞰人間，那他可以得到足夠多的信息，進而可以預測出很多行為軌跡。比如說，一個城市每天早上有多少人會在上班的路上。而這些熙熙攘攘的車流，就像蜂群一樣，在沒有引導的情況下，很容易造成堵塞。

浙江省交通信息中心主任韓海航表示，交通部希望通過對未來路況的預測，更好的進行交通引導，用戶也可以做出更優的路線選擇。

換句話說，預測的原理很簡單，就是通過歷史數據軌跡，即時數據呈現，結合突發因素，進而得出對未來一個時間段交通情況的判斷。

但實現起來挺難的，比如說，如何采集到歷史數據。畢竟，沒有數據就無法討論大數據。

此前浙江交通部一直想做這樣的工作，但是受采集技術的制約，實時交通數據的更新時間比較長，有的高達15分鐘。這么長時間延遲的數據適合做歷史分析，但不適合做即時預測。另外，傳統鋪設線圈的方式，硬件投資巨大。

這次合作中，浙江交通部引入新的數據來源，將手機信令數據同道路通行數據進行關聯。而手機在城市道路上，一般每隔500米一個運營商基站，在市郊高速路上大約為2公里。當手機用戶經過基站時，形成的信令數據可以較準確地反映出單位時間內通過該路段的實時路況變化。

比如，檢測到樣本車輛在高速公路上停止行駛，而同路段大部分車輛速度下降，那么就可以判斷這一路段上可能出現事故或擁堵。

從成本投入來說，相比較于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，2至3個月即可完成。

利用這種方式，積累一定歷史維度的交通數據，可以得到一個基本情況，比如一條道路在工作日或者周末正常的車流情況，再結合一個時間段的即時數據進行對比，就可以得出其在正常運行情況還是反常情況的結論，進而進一步人工干預。

這種系統會越用越聰明，因為經過實際應用會沉淀出越來越多的規則。

計算的價值

數據像石油，而挖掘石油的價值需要機器設備（算法和規則），而機器設備要運作就需要能源（計算能力）。

阿里云提供的就是計算能力。在這次與浙江交通部的合作中，阿里云大數據計算服務（ODPS）為項目提供了分析支持，并有多位資深數據科學家參與了聯合研發。

阿里云的閔萬里博士介紹，對于浙江省內近1300公里的高速路段，ODPS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。

換句話說，交通部提供了數據石油，而阿里云提供了計算能力，雙方還需要共同探討如何把石油的價值最大化挖掘出來，即引入分析和算法，最終形成可用的規則。

規則越多，引入的計算因素越多，那需要的計算能力就越強。就像現在電腦上的軟件親民好用，但是如果放到以前的老款電腦里，根本無法跑起來，因為計算能力不夠。

閔萬里提到，路況預測的應用價值很高，但關鍵在準確性，需要“算得準、算得快、算得起”。如果僅僅基于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、上下游事件，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就提出了很高的要求”。

而計算能力恰好是阿里云最擅長的，并且已經經過考驗。比如承載12306火車票春運購買高峰，以及雙十一每秒鐘訂單創建14萬筆，支付達到了每秒8.59萬筆，是6年前的430倍左右。

另外，阿里云在Sort Benchmark排序競賽中，用不到7分鐘（377秒）完成了100TB的數據排序，成為世界冠軍。Sort Benchmark是大數據界的奧運會，每年全球頂尖公司和學術機構都會帶著他們最新的研究成果來參加，以評估他們的研究成果。

近期還聽到一個小道消息，阿里云計算中心的安全級別是戰爭級別，有的服務器安置在深山老林的隱蔽處。即使城市癱瘓，計算能力也還在。

回到預測交通項目，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%。微軟希望在加入更多數據源后，將這一成績提升到90%。

看來，中國在工業時代落后的步伐，有希望在科技領域找補回來。