在开车不堵靠运气的今天，出门做的第一件事，就是打开地图看看实时路况，然后再选择合适的路线。可事实上，十五分钟前还显示着通畅的道路，结果到你通过的时候就堵了起来，真不怪你自带“堵车“体质，只是你没法提前知道十五分钟后的路况如何。
不过大数据可以。为了更好的进行交通引导，给用户提供更优的路线选择，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，来预测未来1小时内的路况。
用手机信号计算实时路况
想要实现路况预测，首先需要了解当下。虽然现在的地图导航已经有实时路况显示，但受采集技术的制约，不仅硬件投资巨大，实时交通数据的更新时间也普遍较长，有的甚至高达15分钟。
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。
浙江省交通信息中心主任韩海航介绍，从成本投入来说，这种方式相比较依靠传统传感器采集高速路况数据，至少可以降低90%的成本。整个建设周期只需要2至3个月。
实现路况预测，算的准是关键
而在数据分析方面，则由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。来自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的计算能力可以在20分钟完成历史数据分析，10秒钟完成实时数据分析。
不过仅仅基于历史平均数据来做简单预测，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”，闵万里介绍道。
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%。而浙江省交通运输厅的项目中，预测准确率已经稳定在91%以上了。
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。
精准预测带来巨大价值
实现路况的精准预测，直接带来的改变便是让司机不用在高峰时期的路口，望着同一个红绿灯来怀疑人生了。
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，还将进一步推送无人驾驶技术的普及和应用。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，进而提前做出路线选择。