如何避開20%的擁堵路段呢？

    這就需要對規模化的交通大數據進行多層次的算法加工。

    在高德和北京交通臺合作推出的“路況預判驗證”中，高德交通大數據能夠自動對比所有路段的歷史數據，通過異常的車流數據來預判出某些路段可能發生了交通事件，并在公共交通信息服務平臺上做出標注。

    例如，北京西五環某一路段，利用交通大數據計算出某一時段內的平均車流速度數據應該是20±5公里/小時，而如果某時刻車流速度突然降到5公里/小時，平臺就初步預判此地有交通事件發生，原因可能包括車禍、施工、管制等。

    而北京交通臺則可根據此來號召此正在此路段上行駛的聽眾，在高德地圖客戶端上通過語音、照片等上報現實情況，以幫助相關部門確認此地的道路信息狀態，并迅速更新、提供繞行或其他解決方案。

    今年“五一”后北京交通臺的聽眾就能接收到高德提供的擁堵路段排行、車流時速、擁堵時長等實時交通數據信息——如果你所要前往的路段有幸不在列，就可以選擇躲得遠遠的。

    如何確認一條道路是否有事故，背后涉及的數據和算法量級是規模化的。

    首先，必須要擁有海量的交通出行數據，有大量的交通數據源體系，而且是不同類型的數據，包括來自行業（出租車、物流車等）和公眾兩個層面（眾包）。目前已經覆蓋全國113個城市以及全國高速路網的交通數據。

    之后就是構建交通大數據云體系，對數據進行更細分地管理分析。例如出行軌跡。每一輛車出行都有它自身的軌跡特點，但不是所有的軌跡對于交通都是有意義的，所以要利用算法做相關的軌跡切分和軌跡樣本數據的選取，過濾掉無效的部分。之后基于有效軌跡，可以對交通路網進行很多的運算，建立數據模型。

    包括自由車流時間（不擁堵時的理論行駛時間）的計算，旅行時間（實際行駛時間）的計算以及相關的統計；再基于挖掘推算出來的信息，就可以得到更多維度的分析成果，例如高德每季度推出的交通報告，高級分析模型，以及高德交通信息公共服務平臺提供的“城市堵點排行”、“熱點商圈路況”、“權威交通事件”、“堵點異常監測”等應用。

    經過數據的層層迂回過后，北京交通臺才得以利用交通大數據第一時間獲得擁堵路況和事件信息，播報給聽眾。

 最近流行一個詞叫“路怒癥”，據說“患者”眾多。類似北京這樣的路況，誰會不生氣？滴滴快的、Uber從交通資源共享的角度切入，緩解了一部分交通擁堵的問題，但徹底解決擁堵仍然不僅僅靠多修或少開幾輛車就能解決。
   信息不對稱的問題是緩解交通擁堵的重要核心之一。交通大數據在橫向（數據維度）和縱向（數據質量）有很大的可擴展空間，與前端機構和應用的結合想象空間也很大。例如交警隊更快、更準確地分配警力資源，交通委和城市規劃部門在建設前期的深度分析等。