刚刚从MediaLab回来，参加了一个讲座，主题是“human mobility and land use”，也是大数据的应用吧，将交通数据，手机数据应用于土地开发使用研究。PPT中有大量的模型，只有几个我看得懂，BPR函数，交通密度与服务水平，主讲的人是学计算数学的，应用了一些交通函数。Presentation中大量的曲线图，动画图，听说是用Matlab做的，让我眼花缭乱，好生羡慕。不得不心生惭愧，在博士毕业7年之后，我很难再静得下心来去研究创新性构造一个模型，想想博士论文中做的那个准均衡分配模型，那时候觉得很有乐趣，也很有成就感。听lecture，一方面很羡慕做的细致深入的模型构造，曲线拟合，但另一方面，又很纠结，他们将travel time，delay，交通预测流量调查几百组甚至几千组数据拿来用，有考虑过最底层的数据（流量、占有率、点速度）等的采集和准确性吗？预测模型的精确度？以及手机信令数据的漂移和误差？也许，答案是，当数据成为大数据时，这些误差基本可以忽略不计。

我跟北大的赵教授讲了我的困惑，我们这些搞交通的人，还在潜心研究交通数据采集、流密速模型，行程时间预测，状态表征，服务水平，事件检测、GPS数据、手机信令……,但搞计算数学的可以基本假设这些数据都是可采集，数据是准确额的，模型是现成的，可以在此基础上做大数据挖掘，再挖掘。也许，这就是学科交叉。

昨天上午听了一个关于城市计算的讲座，是微软亚洲研究中心的一个博士来讲的，也是大数据，讲如何对交通数据，手机数据、出租车（GPS）数据的时空分析，建立模型，主要讲了3个应用，1.应用于PM2.5的预测估算（前提是环境监测器太贵，覆盖不够），2.通过出租车的轨迹、聚集程度，研究加油站的选择，3.应用于出租车的sharing信息定制。Presentation比较了北京、上海、深圳等4个城市上千公里路段的数据分析，我当时很困惑，真的有收集到这么大覆盖面的数据吗？是什么样的数据？微观的？还是中宏观？什么样的颗粒度？关于出租车的sharing，演讲者提到是通过app请求，由中心系统计算，再确认信息。我觉得道路交通不确定性太大，实施起来有难度。我曾经设想，出租车有个装置，能够由第一上车者发送愿意sharing的信息（目的地，sharing）在出租车顶棚显示，若路侧候车者能够基本确定与自己路径相同，则可以扬召，票价和打印票据方式可以参照北京模式，让合乘者和驾驶员都收益。也不知道是不是从事交通规划与设计时间较长了，我在处理一个交通问题时，基本原则是复杂问题简单化，因为交通有了人的参与不确定性太大了。

另外，谈谈这次对公交信号优先又有了进一步的认识。之前查阅很多文献，美国用的是“准点优先”的原则，国内有很多也是这么提的，后来考虑到没有时刻表，我提出“基于车头时距均衡的公交信号优先”。到了波士顿终于可以理解，为什么美国要提准点优先了。波士顿的公交线网线路比较简单，市中心的weekday高峰一般10分钟间隔，在郊区，有10分钟，20分钟，甚至在weekends郊县公交1小时一班，所以郊区每个枢纽站基本都有每趟公交车的时刻表，清楚的列出始末站，中间站的时刻表，有的时候等40分钟，50分钟很正常，所以需要时刻表，需要准点，需要候着时间出门。可以看出，准点是有适用性条件的，适合于郊县，大发车间隔的车辆。

在这里其实还有之前参加的交通复杂系统，healthy系统等讲座，给自己的困惑是，每次都会想着怎么put intopractice，这种感觉很纠结，很痛苦。我该怎么做好科研与规划设计的兼顾呢？科研需要开创性的研究，也许在建立模型是时，会给定了很多约束条件，可是，真正做交通规划和设计时，阻碍性因素都要考虑清楚，要落到实处。怎么采数据，怎么用数据，每一步都很重要。告诉自己，高瞻远瞩，脚踏实地。