人們在城市中生活每天產生大量的數據，有結構化的也有非結構化的，有一些與交通出行密切相關，而有一些又看似與交通出行沒有什么關系，這些數據分布在不同的行政管理部門、互聯網公司或者傳統運營企業。

舉個例子來說，隨著智慧城市建設熱潮，很多城市中已經布滿了傳感設備，通過地磁可以采集到一定時間間隔交叉口進口道交通流量、速度以及占有率；通過電子警察或卡口可以實時獲取經過卡口的車輛車牌號、通過時間以及地點車速，這些數據基本都匯聚在地方交警部門。

互聯網公司通過為城市居民提供即時通信、導航以及共享服務，可以通過客戶終端定位實時獲取居民的位置。傳統運營企業范圍也很廣泛，包括了公交公司客運企業、出租車公司、通信運營商等，公交公司和客運企業匯聚了客流數據、車輛定位數據等，出租車公司匯聚了出租車定位數據、而通信運營商則可以匯聚客戶手機MAC地址。上述列舉的數據，都可以為城市交通規劃、政策制定、設計以及管理提供數據支持。

城市交通系統分析是一個復雜巨系統，尤其是在交通供需矛盾日益突出的當下，如何提高整個交通系統效率、提升居民出行品質是對每個交通管理者、研究者、工程師的挑戰。交通科學自誕生之日起，就與數據結下不解之緣，這是一門基于統計學的工程科學。

互聯網公司最早認識到了數據在交通領域的應用價值，也極大推動了云計算、大數據等新一代信息技術在交通領域的應用。高德、滴滴擁堵排名、阿里城市大腦就是互聯網公司借助自身的數據資源開展交通領域大數據應用的探索。

互聯網公司進軍傳統智能交通行業，一邊是互聯網公司頻頻發布基于大數據分析的各種報告，另一邊也開始產生了各種質疑的聲音。當前城市交通已經有一只腳邁入了大數據時代，而另外一只腳則需要傳統交通理論與移動互聯數據有效融合進行驅動。

所謂的交通大數據基本還是針對單一數據源開展分析，分析精度有待進一步提高，應用場景有待進一步豐富。大部分的研究集中在基于車載GPS數據以及視頻數據提取車輛描述信息、交通流狀態信息，研究擁堵的表征指標以及交警執法應用；

城市交通傳感設備布局并未從交通大數據的視角進行優化分析。城市智能交通系統規劃一個重要的任務就是研究城市交通采集設備布局方案，目前，較少有人從城市交通規劃與管理智庫頂層設計的高度，對檢測器的分布進行研究。此外，提高傳感設備的適用性以及穩定性，也是有效提高當前數據質量的重要手段。

城市交通大數據缺乏統一的數據標準。前面也論述了當前可以用于交通系統分析的數據，這些數據來源不同，要想未來能夠將上述數據利用起來，打破數據壁壘，形成城市交通數據池，就需要共同探討數據共享機制，并制定統一數據標準；此外，形成城市數據池后，城市交通數據治理將是一項復雜而艱巨的任務。

大數據時代城市交通理論的創新面臨巨大挑戰。傳統的交通理論基本都是基于統計學，也就是基于樣本開展研究，而大數據時代的到來變革了交通理論數據來源，使得數據由抽樣變為了全樣，數據由有針對性的調查變為從大數據中抽取有用信息。因此，交通需求預測、交通通行能力分析、交通管控等基本理論將產生巨大變革，交通學者們應當既要仰望天空又要腳踏實地，在基礎領域研究中投入更多的精力，不應被當前的浮云遮住望眼。

城市交通系統理論與大數據技術的融合發展任重而道遠，也期望與廣大交通工程師以及研究人員共同探討、共同進步。