發(fā)。在交通能源消耗問題上，最困擾研究者的就是由于擁堵、尋找停車位等造成的無效率能源浪費。這些造成無效率的現(xiàn)象大多是由于人們?nèi)狈π畔⒃斐傻摹Ｍ瑯右彩且驗槿狈π畔?，使得長期存在的智能交通調(diào)度等管理手段難以實現(xiàn)。

然而隨著智能手機的普及，許多駕駛員使用手機裝載的定位系統(tǒng)確定行車路線。和傳統(tǒng)的定位系統(tǒng)不同，這些通過智能手機定位的信息都傳遞和保存在大數(shù)據(jù)庫中。這些海量數(shù)據(jù)不僅能像傳統(tǒng)的交通信息一樣讓人們了解某一個時段一條路上的車流量，還能明晰的標示出這條路上每個時段的每一輛車從何處來、往何處去，并記錄每輛車的停車情況。同時，現(xiàn)有技術(shù)也能夠支撐信息的反饋，即可以向車輛駕駛者和乘客發(fā)布擁堵預警、擁堵狀況和停車場分布和占用情況等信息。

對于以通勤為主的城市交通而言，這些信息的交互顯得極為重要。在缺乏這些信息時，人們是根據(jù)過往經(jīng)驗進行選擇，這使得人們面臨的隨機性風險很大。而有了這些信息后，人們能更準確的獲取信息優(yōu)化自己的出行選擇。人們由于對交通流量程度的估計錯誤，或繞遠路、或不得不忍受擁堵，而這都會造成大量的能源浪費。通過機器學習等技術(shù)，能夠根據(jù)歷史出行信息預測出車每個出行者的出行路徑;這就使擁堵發(fā)生的概率和發(fā)生在哪個時段等信息提前傳遞給出行者。再配合現(xiàn)在已經(jīng)被廣泛使用的路徑優(yōu)化技術(shù)，可以實現(xiàn)交通流量智能調(diào)度或半調(diào)度的夢想。從管理類軟技術(shù)而言，由于這些信息的可獲取性和真實性大大提高，針對不同時段、不同路段設(shè)定并征收有差別的擁堵費等管理手段也成為可能。

需要特別指出的是，目前研究的前沿已經(jīng)推進到結(jié)合大數(shù)據(jù)和自動駕駛車輛進行綜合交通調(diào)度這一問題上。更重要的是，這些信息有助于了解一個城市在當前的規(guī)劃格局下，哪些熱點是造成主要擁堵問題的肇因、停車場的布局是否合理和如何針對不同人群的出行提供個性化信息服務(wù)等一系列問題。這使綠色城市規(guī)劃不僅僅在于依賴理念，而能扎扎實實的扎根于實證數(shù)據(jù)。

擺脫了海量數(shù)據(jù)獲取難、獲取后處理難的雙重困境，人類對自身能源消耗的細節(jié)更加了解。而正是在這些細節(jié)中，暗藏了大量無效率的能源浪費。大數(shù)據(jù)的應(yīng)用正是從細節(jié)入手的努力，能夠成就綠色可持續(xù)未來的宏大敘事。