智慧城市智慧交通的大力建设下，海量多源异构的交通数据能提供的信息内容更加丰富，如何利用大数据的理论来指导交通数据分析?或者说有什么比较好的将两者结合的落脚点?
近期成立的深圳市综合交通运行指挥中心囊括深圳全市24个交通信息化系统和海量的交通基础数据，上述问题应该也是其重点的研究方向。
抛砖引玉：
分析案例1：结合公交车GPS数据、乘客刷卡信息等数据，能够获取每辆公交车每个站点停车时间、上下车乘客数量、乘客精细时空轨迹等，再此基础上应该可以做“公交车线路、站点、发车频次优化”、“典型居住区和就业地的通勤出行分析”等分析。
分析案例2：结合RFID、GPS等数据，能够获取车辆精细化时空轨迹信息，能够对行车辆行驶轨迹、路段行程时间可靠性、OD分布(起点-终点)等进行数据分析，应该能替代部分传统交通规划和交通需求分析的内容，理论上应该更加实时可靠。
本人有2年地名规划及数据整理经验，曾经参与深圳市地名普查工作，对深圳市各级政府持有的基础数据较为了解;目前从事高速公路有关数据分析工作，也有粗浅的交通经济、OD调查等方面的理论和实践涉猎。
对该题目的理解大概如下：
1、交通数据来源广泛，颇有大数据之趋势;
2、交通数据分析如何支撑某些优化或决策。
个人认为大数据理论对交通数据分析的指导还在方向性方面，尚无法落实，主要基于以下几个理由：
1、交通数据复杂性，包括路网数据、路名数据、路面情况(坡度、破损度等)、路名突发事件(如车祸、限行等)、天气影响等因素，复杂因素作用下的交通数据是否能够抽丝剥茧提炼其特点并进行数据分析和总结，为一大难题;
2、交通数据分析目标的多样性，以及干扰因素较多：
(1)交通量分析：新路修通后的交通需求具有派生性和诱导性，路线设计时依靠数据支撑不够可靠;
(2)车辆行为分析：需要结合文化元素、经济因素、周边环境等难以量化的指标进行综合考虑，并且未来的行为变化预测也较为复杂，需建模;
(3)基础设施规模：公路及其附属设施的规模确定，在极大程度上还依照交通设计指南等的硬性规定，但是在实践中却常存在指标偏低和过饱和承载现象;于是产生高额的维护成本。
3、出行需求的理性经济假设：
(1)收费公路与免费公路所造成的交通量指引问题(如节假日免费);
(2)新闻媒体宣传导向影响出行(如动车事件)。
