智能交通，是数据采集与管理、识别技术、统计与运算技术结合的产物。在这个智能化系统中，忽视任何一个基本环节，都将导致智能的“不能”。对此，我们需要引起重视。智能交通话题越来越热，但是，我们冷静分析这些年的进展，就会发现，在我国智能交通领域，不少美好愿景提了多年，却一直未能实现，这是为什么?从技术层面看，有三个关键因素，已经越来越成为障碍。　　

　　数据割据与断层需要破题

　　智能交通的基本作用，是通过交通领域全业态数据的立体采集与处理，以支撑更聪明的交通建设、管理、运行决策。这种以数据支撑的科学决策，小到自动驾驶、出行时间管理，大到路网的运能调配、运送方式决策、交通管理绩效评价等。

　　由于交通问题的多样性和社会性，交通类数据的采集和处理本应是社会性的工作，然而，由于行政架构上遍布多部门，地理架构上遍布全国，事实上又形成了数据割据和断层的局面。很多时候，掌握各类数据的各部门，没有自发的愿望，也没有机制去激励其分享这些数据。涉及这类问题比较典型的，如公安系统的事故数据、医疗卫生部门的交通事故医疗救助数据、交通部门的交通设施维修数据。这些原本取之于民的数据并没有统一的开放平台进行交换和融合。这就导致了我们评价道路通行安全条件时，缺少了最重要的数据元素，每年各地该支出的养路资金和安保投入，也就缺少了重要的评价和决策依据。

　　再比如，公路货运的智能化管理问题。动态的吨位数据和车辆行驶数据都在各个运输公司手里，全国缺乏统一的平台进行采集、管理和调度，造成货运信息难匹配，货车空驶多、浪费严重。

　　类似问题，需要在大数据时代背景下，突破行政管辖权属的制约，通过政策乃至立法强行推动所有公共数据的公开;用更微观的手段建立更宏观的视野，更好地发挥中央行政干预优势，缔造全国“一盘棋”的智能交通数据支撑体系。

　　车辆身份识别和动态采集能力需要提升

　　鉴别和采集车辆身份的能力，是实现交通智能化管理的基本立足点。在每一路段上都能直接获取途经车辆可识别的基本信息、掌握车辆的实时通行数据，才能建立车的基本通行统计类数据，从而实现实时监控、定性和定位采集、提前预测、及时预警，完成区域协调、路网流量调配、控制、疏导、收费和安防等任务。所有这些工作的关键，就是“车辆身份”的自动鉴别和采集。这涉及到手段和效率、成本和质量以及分析的思路和运用的方法。

　　对此，我国现行技术还有很多地方需要改善。比如，车辆牌照技术。与发达国家相比，我国当前的车辆牌照制作技术有大约40年的差距，不仅加工工艺差、效率低下、污染严重、仿造门槛低，而且不利于智能化识别，特别是不良视认条件或车辆高速运行状态下，车牌信息采集成功率低，数据质量不可靠。这就严重影响了智能化管理的努力和进步。而近年来出现的高清号牌呈现技术，正在将车辆身份识别技术推向更高境界。伦敦现行的依靠车辆牌照拍摄技术建立的拥堵费征收系统，就是这个技术方向的杰出代表。

　　我国在有效建立车辆身份自动化识别与采集系统之前，大量的智能交通功能无法实质性推进。

　　数据分析能力需要人才支撑

　　在实现了数据共享、车辆身份自动识别效率提升后，我们要做的重点工作就是数据分析。为什么这么说?我们以“交通管理绩效评价”为例，来解释数据分析能力的重要性。

　　现在提起治堵，经常会听到“公交优先”“路口要信号灯控”。这些措施，效果到底如何?城市交通管理的关键是实现居民出行时间的优化，即能够获得稳定和合理的通勤时间。如果因为设置了公交车道，但全社会的通勤时间增加而不是减少了，那就是画蛇添足。如果我们能够有一套可以细化到单车和个人的上路时间统计系统，就可以精确地对“公交车道”的效果进行科学的评价。

　　同理，信号灯控的社会价值，也可以依托这样的系统评价。其基本的思路，就是获得所有车辆的出行轨迹和起始点之间的时间记录数据。如果获得的这些数据几乎没有瑕疵，结论自然就能浮出水面。

　　具备这种数据分析能力后，不仅可以评价交通管理措施的效果，还可以准确地测算出通勤车流对路网的压力点和时间点，进而预测各个路网将在未来某时刻会出现的交通流量，以及进行更精准的流速预告。这种服务能力，要比向社会提供一个全市路网车速的指数，有更现实的服务意义;对调配路网资源也有莫大好处，对及时调整交通控制措施、降低怠速排放、改善空气质量等，也有莫大贡献。

　　要具备这样的数据分析能力，就要培养专业人才梯队。这支队伍不仅要懂计算机和通信技术，还要懂交通，懂统计学和社会学。总之，一支具备综合学科技术素养的高素质队伍才能胜任需要。在这方面，我们的人才培育机制，特别是用人机制，还有很大改善空间。