浙江用云计算预测路况，准确率超9成

 

       要预测路况，浙江交通部门做的第一步是实现实时交通数据采集。

 

       此前，交通部门是通过铺设线圈传感器的方式采集路况数据，硬件投资巨大，且数据的更新时间较长。

 

       浙江省交通运输厅则引入了新技术，将手机信令数据(在网络中传输着各种信号，其中一部分是打电话的语音、上网的数据包等我们直接需要的，另一部分是我们不直接需要、用来控制电路的，这类信号称为信令)与道路通行数据进行关联。在高速公路上，约2公里就有一个手机运营商基站，手机用户经过基站时，形成的信令数据可以较准确地反映单位时间内该路段的实时路况。

 

        有了实时数据，再结合已知的历史数据和路网数据，就可以建立路网车速的时空演变模型，进而实现对未来车速的预测。

 

       “路网关系、上下游事件，甚至天气等外部因素都应该考虑——这就对云平台的大数据计算能力提出了很高的要求。”阿里云数据专家闵万里表示，阿里云大数据计算服务(ODPS)为该项目提供了分析支持。对近1300公里的高速路段，ODPS可在20分钟完成历史数据分析，10秒钟完成实时数据分析。

 

       此前，微软曾联合巴西一所大学进行类似研究，准确率为80%，是目前全球已公开的最优结果。