[摘 要]相对于传统的样本统计方法，基于大数据技术对城市交通能耗进行统计，更为客观便捷，对于分析城市交通能耗来源及差异也将更为合理，这对于优化城市交通出行结构，构建绿色低碳的出行方式具有积极的作用，也有利于管理部门制定低能耗、低排放的导向性交通政策。
[关键词]大数据；城市交通能耗；差异分析
[DOI]10.13939/j.cnki.zgsc.2018.04.039
1 引 言
随着社会的快速发展，使信息数量呈几何级数增长（城市级一般在万亿字节以上），“大数据”一词应运而生，一般认为该概念由牛津大学教Viktor Mayer 最早提出。[1]面对庞大的数据，由于受到采集方法、处理能力等制约，过去一般只能采用随机分析法（抽样调查）进行分析处理，即所谓“走捷径”。该方法尽管精确性相对不高，但面对数量大、类型多、价值密度低的庞大数据，却具有较高的效率和较强的经济性，这是与当时的社会经济技术发展水平相适应的。
近年来，随着数据采集手段、处理技术的快速提高，采集处理成本的大幅下降，使得大数据的处理方法得以进入应用领域。大数据的研究对象不再是样本，而是整个完整的数据库，认为庞大、混杂、非精确性的数据，不是因果关系，而是相互关系。将大数据关联与挖掘后，把孤立的数据联系起来，能相对完整描述一个对象。正所谓“数据挖掘的最高境界就是从数据中获取知识，辅助科学决策”。在一些观察者眼中，大数据已成为劳动力和资本之外的第三生产力。
近些年，随着互联网的迅速发展，大数据已经应用于各行各业中，由于云计算的出现又一次推动了大数据的发展。例如，我国已经将大数据应用于交通行业，借助大数据使交通更加智能化，也有利于更好地管理交通秩序，监控交通能耗与排放。
2 大数据在交通领域应用情况综述
随着信息技术的更新，各种传感器、软件应运而生，为数据的采集提供了可靠的物理保障，使得交通行业积累了大量的数据信息，大型存储设备的出现也为海量数据存储提供了可能，云计算的出现使数据的计算更加高效，交通行业的数据特征基本符合大数据的特点。
由于交通规划、研究以及管理的需要，以往每隔5年左右就需要采用抽样的方法进行一次基础性的居民出行交通调查，或独立进行，或结合人口普查一起进行，都需要投入大量的人力、物力、财力，而且得到的数据精确度并不高，而且难以及时更新，已经无法满足城市交通日益提高的精细化规划管理需求，而智慧城市、智能交通的发展对相关交通数据的精确度和时效性提出了更高的要求。对于城市交通来说，大数据是发展的机遇，对于大数据来说，城市交通是发挥作用的机会。
尤其对于城市交通较为重要的评价模型，大数据技术基本可以做到完全真实，预测模型的不确定性也将大幅降低。大数据不仅仅应用在数据的采集处理，其对整个城市交通分析技术体系的影响也是深刻的，从本质上来说，大数据环境下城市交通分析技术所完成的是一种将数据组织成为信息，从信息提炼特征，从特征变化中发现规律，就对策进行追踪评估的信息处理过程。从信息处理角度来看，可以划分为数据采集与质量控制层、特征提取层、规律辨识与分析层和问题导向功能综合层四个层次，以及通过功能衔接和信息传递实现的有机整合。该种大数据环境下基于证据的决策分析技术框架，其主要目标是提升有机融合在城市交通战略、政策、规划、建设、管理和控制等技术环节的战略调控过程的决策效果。[2]
例如，如何落实城市交通的可持续发展理念？也就是说如何在尽量减少生态环境影响和能源消耗的基础上，满足社会经济发展的需要？基于大数据技术，可以运用交通能耗与排放模型，构建交通能耗及排放监测系统，通过热力图、网格图等专题图动态反映燃油量、温室气体、污染物等指标的空间分布，使得高频、动态的量化监测得以实现，能更为准确地评估分析能耗与排放的特征，并通过数据融合进行反馈。这对于传统的静态评估是一种本质的提升。
此外，作为城市大系统的有机组成部分，交通小系统与大系统之间存在明显的相互作用影响，尤其是土地与交通、交通与环境之间。土地开发对交通系统产生本源影响，而交通系统对生态环境的影响（包括能耗、排放、噪声、震动等）也不断增强。因此，针对上述复杂、多元的影响，进行有效的评估就尤为重要，而大数据技术正是承担该项工作的有力手段。例如，在评估“空间—交通—环境”相互作用时，大数据对交通影响评价和交通排放监测提供数据输入与分析平台，该平台不仅可以为交通管理提供决策支持，为规划设计和研究提供分析支持，同时也为居民出行提供信息服务支持。
3 城市交通能耗来源
在我国的统计体系中一般仅对“交通运输仓储及邮电通信业”的能耗进行统计，将居民出行能耗并入“生活消费”或“其他”大类，并不能清晰地反映城市交通能耗的实际情况。实际上，交通运输中的能源消耗与总能耗的比例是非常高的。在加拿大，交通运输系统消耗总燃油的66%，其中绝大部分为汽车运输所消耗；在美国，交通运输系统消耗总燃油的 60%，其中 73% 为汽车运输所消耗。我国
