下载文档原格式
大数据时代通信技术的发展及对策
一、大数据时代通信技术的发展
1、增强传输速率
随着物联网技术的发展，越来越多的设备需要进行连接，这就要求传
输技术有着足够的速率，以满足实时性的需求。
5G技术的出现解决了传
输速率的问题，它可以实现百兆级别的传输速率，大大提高了通信的效率。
2、推动网络覆盖率的扩大
5G技术是基于宽带技术，可以在有限的频谱资源内实现高带宽的覆盖。
力求覆盖更广范围的区域，这就要求技术必须更加高效，目前有很多
技术可以提高覆盖率，比如小基站技术，无线室内网络技术，以及多种网
络互联技术等，都可以为拓展网络覆盖率提供助力。
3、信息安全的提升
随着5G技术的普及，对于信息安全的要求也将提升。
为了确保用户
的数据和隐私安全，5G技术提供了传输层安全性，以及终端设备的安全
加密技术，这些技术都可以有效的确保用户数据的安全。
二、大数据时代通信技术的对策
1、加强技术开发
2、跟进行业发展。
大数据与智能交通优化交通信号控制与路况随着人口的增加和车辆数量的不断增长，城市交通拥堵成为了一个严重的问题。
而传统的交通信号控制方式已经难以满足现代城市的需求。
然而，随着大数据和智能交通的发展，我们可以利用大数据技术来优化交通信号控制与路况，从而有效地缓解交通拥堵问题。
一、大数据在交通信号控制中的应用在传统的交通信号控制中，信号灯的周期往往是固定的，不受道路实际交通流量的影响。
这导致了某些时段交通流量较小的路段，红绿灯依然按照固定的周期工作，造成不必要的等待时间和能源浪费。
然而，利用大数据技术进行交通信号控制可以解决这个问题。
通过在路口安装传感器和摄像头，实时采集道路交通数据，并将这些数据传输到服务器进行处理和分析。
基于这些数据的分析结果，可以动态地调整信号灯的周期，使得道路上各个方向的交通流量能够得到合理的分配和调度。
这种动态调整的方式可以根据实际道路情况，减少交通拥堵，提高道路交通效率。
二、大数据在路况优化中的应用除了优化交通信号控制外，大数据还可以应用在路况优化方面。
通过采集车辆的GPS数据和交通摄像头的实时视频，可以实时了解道路的交通状况，包括道路拥堵情况、车辆行驶速度等。
通过分析这些大数据，可以预测出未来的道路交通状况，包括拥堵的路段、拥堵的时间段等。
基于这些预测结果，可以提前做好道路疏导和交通管理的准备，例如调整道路限行政策、增加交通警力，从而更好地应对交通拥堵的问题。
同时，大数据还可以为驾驶员提供实时的路况信息。
通过将采集的路况数据展示在交通导航软件中，驾驶员可以根据实时的路况信息选择最佳的交通路线，避开拥堵区域，从而节省时间和能源。
三、大数据在智能交通中的应用前景目前，大数据在交通优化方面的应用还仅仅是个开始。
随着技术的不断进步和数据量的不断增加，大数据将在智能交通领域发挥更加重要的作用。
例如，通过结合车辆感知技术和城市交通管理中心的大数据分析，可以实现智能的交通信号控制系统。
这样的系统可以根据实时的车辆和道路信息，智能地调整交通信号的节奏和时长，从而最大程度地提高交通流量，减少交通拥堵。
突发大数据流量网络支撑能力的应对策略文章结合突发大数据流量春节返乡用户行为，分析大数据流量对2G网络容量的影响，探讨提升流量经营网络支撑能力方法。
标签：数据流量；返乡用户；2G/3G网络；分流1 概述由于目前联通3G网络覆盖仍不是很完善，联通WCDMA网络目前完成了市区、县城和部分重点乡镇的3G网络覆盖，广大的乡镇行政村区域仍没有3G 信号，造成了春节返乡期间大量的3G用户驻留在2G网络上，给2G网络容量带来了巨大冲击。
面对如此高速的移动数据流量增长，如何合理承载这些数据量，保证网络各项指标不影响用户数据业务体验和确保最大化流量增长所带来的收益增长是我们面临的紧急问题。
2 面对突发大数据流量2/3G网络支撑能力的应对措施面对春节等重要节日，用户返乡，导致数据流量几何级增涨。
按照目前的建设力度和投资，仅仅依靠无线网的扩容是无法缓解因移动数据流量增长而带来的网络压力的，还需要加强多网协调发展、网络优化和业务分流，合理配置资源，提升2G网络业务性能和承载效率。
针对目前网络的实际情况，为确保2015年春节期间，移动数据流量高速增长下的2G网络质量稳定，我们提出了以下应对措施。
2.1 实施精确化3G网络规划，优先开展高流量负荷区域3G网络覆盖建设根据3G网络的投资建设思路，目前3G基站建设主要是以市区、县城、高速路为主，乡镇覆盖暂时考虑业务发展较好的乡镇，为减少3G流量回落在2G 网络上，我们通过提取3G号码登录在2G网络上的通话次数分析，了解3G用户的分布情况，找出目前3G用户集中且没3G覆盖的区域优先进行3G网络覆盖，有效解决这些区域3G用户占用2G网络资源的问题，降低2G的网络负荷。
2015年春节我们提前实施了返乡工程，解决TOP50热点数据业务区域的容量问题，投放50个3G基站有效吸收34GB流量，有效分流这些区域2G网络69.76%的流量负荷。
2.2 2/3G互操作参数优化，提高3G用户驻留3G网络时间为保防止双模终端业务“倒流”到GSM网络，2/3G互操作参数应尽量使业务流在WCDMA网络，同时使GSM网络下的双模终端尽快重选回WCDMA网络。
大数据技术在智能交通信号灯控制的应用智能交通是当今社会快速发展的一个重要领域，大数据技术正在为智能交通的发展和改进提供强大的支持。
其中，大数据技术在智能交通信号灯控制方面的应用尤为重要。
本文将介绍大数据技术在智能交通信号灯控制中的应用案例，并探讨其对交通安全性和效率的影响。
一、数据采集与分析在智能交通信号灯控制系统中，大数据技术可以用于数据的采集与分析。
通过摄像头、传感器等设备，系统可以实时地获取道路交通状况的数据，如车辆数量、车速等。
这些数据可以被发送到云端进行分析和处理。
通过大数据分析技术，可以对交通流量进行预测、路况进行监测和交通拥堵进行判断，从而更好地调配信号灯的工作模式。
二、优化信号灯配时利用大数据技术，智能交通信号灯控制系统可以根据实时数据对信号灯的配时进行优化。
系统可以分析历史数据，并结合当前的交通状况进行实时调整。
通过优化信号灯的配时，可以有效地提高交通的流畅度，减少交通堵塞和拥堵情况的发生。
同时，大数据技术还能够根据不同时间段的不同交通流量变化情况，合理安排信号灯的绿灯时间，提高交通效率。
三、智能识别与实时反馈大数据技术还可以应用于智能交通信号灯控制中的车辆识别。
通过图像识别算法和大数据分析技术，系统可以对交叉口的车辆进行实时识别和统计。
当检测到交通拥堵或事故等情况时，系统可以立即向交通管理中心报警，并调整信号灯的变化模式，以便及时疏导交通，提高道路安全性。
四、多模态交通互联互通大数据技术还可以实现多模态交通互联互通。
通过数据的采集和分析，智能交通信号灯控制系统可以实现对不同交通模式（如公交、私家车、自行车等）的优化。
系统可以根据交通模式的不同特点调整信号灯的控制策略，提高各种交通模式的通行效率。
同时，大数据技术还能够实现不同交通模式之间的无缝衔接，使各种交通模式更加便捷和高效。
总结：大数据技术在智能交通信号灯控制中的应用为交通管理带来了极大的改善。
通过数据的采集、分析和处理，系统可以更加智能化地调配信号灯的工作模式，并对交通流量进行实时监控和预测。
大数据在智能交通领域的应用实践与挑战应对策略智能交通是指通过应用先进的信息通信技术和大数据分析，实现交通系统智能化、高效化、安全化的一种交通方式。
随着大数据技术的发展和应用，智能交通领域正面临着更多的机遇和挑战。
本文将从应用实践和挑战两个方面，探讨大数据在智能交通领域的应用以及如何应对相关挑战。
一、大数据在智能交通领域的应用实践1. 实时交通状况监测与预测利用大数据技术，可以通过多种方式获取实时交通数据，包括交通摄像头、车载传感器、交通信号灯等。
通过对这些数据的采集和分析，可以实时监测交通状况，并进行交通流预测。
这对于交通管理部门以及司机和乘客来说，都有着重要的意义。
例如，交通管理部门可以根据实时数据进行交通管制和路况优化，司机和乘客可以根据交通预测选择最佳出行路线，从而提高出行效率和减少交通拥堵。
2. 智能交通信号优化大数据技术可以对交通信号数据进行收集和分析，以了解不同道路的交通流情况，并优化交通信号灯的配时方案。
通过根据实时交通流量进行智能信号灯控制，可以实现交通流量调控，减少交通拥堵和交通事故的发生。
同时，基于大数据的信号优化还可以提高能源利用效率，减少环境污染。
3. 实时路径规划与导航利用大数据技术和实时交通数据，可以实现智能路径规划和导航系统。
这样的系统可以根据实时交通状况，为用户提供最佳的出行路径和导航指引。
通过实时更新路况信息以及不同导航选项的比较，用户可以准确地选择最佳路径，避开交通拥堵区域，提高出行效率。
4. 交通违章监测和处理利用大数据技术，可以对交通违章行为进行实时监测和处理。
通过结合交通摄像头和图像识别技术，可以自动检测交通违章行为，如闯红灯、超速等，并自动生成交通违章记录。
这样可以提高交通违法的监督和执法效率，减少交通违章行为的发生，提高交通安全水平。
二、大数据在智能交通领域面临的挑战尽管大数据在智能交通领域的应用带来了很多好处，但同时也面临一些挑战。
以下是几个主要挑战：1. 隐私与安全问题随着交通数据的获取和应用范围的扩大，隐私和安全问题也日益突出。
铁路自动信号控制总结汇报铁路自动信号控制是一种使用先进技术对铁路线路进行信号控制的系统，旨在提高铁路运输的安全性、效率和准确性。
该系统通过自动化的方式监控和控制信号灯、轨道切换器等设备，确保列车能够以安全可靠的方式行驶。
本文将对铁路自动信号控制的原理、优势和应用进行总结和汇报。
一、原理铁路自动信号控制的原理可以简述为：通过将线路分成若干个区段，并在每个区段中设置传感器，以便监测列车的位置。
当列车进入某个区段时，传感器会向控制中心发送信号，控制中心根据接收到的信号状态来判断列车的位置和速度，并通过控制信号灯、道岔等设备来保证列车的安全通行。
二、优势1. 提高安全性：铁路自动信号控制系统可以及时监测列车的位置和速度，并根据实时的情况作出相应的控制操作，确保列车的安全通行。
2. 提高效率：通过自动化的方式，可以减少人为因素对信号控制的影响，从而提高铁路运输的效率和准确性。
3. 降低成本：相比传统的人工信号控制方式，铁路自动信号控制系统能够减少人力资源的使用，降低相关的运营成本。
三、应用铁路自动信号控制系统主要应用于高速铁路、城市轨道交通等大型铁路交通系统中。
在高速铁路中，因列车速度较快，信号处理的速度要求较高，因此自动信号控制系统可以有效地提高列车运行的安全性和准确性。
在城市轨道交通中，自动信号控制系统可以根据交通流量的变化，智能地控制信号灯和道岔，优化列车的运行时间和减少拥堵。
四、发展趋势随着科技的不断进步，铁路自动信号控制系统也会逐渐发展和完善。
未来的发展趋势主要包括以下几个方面：1. 全面数字化：信号控制系统将更多地依赖于数字技术，使用高精度的传感器和计算机系统来实现信号的监测和控制。
2. 智能化：引入人工智能技术，通过学习和适应能力，使系统能够根据列车和乘客的需求作出更加智能的决策。
3. 实时数据分析：利用大数据分析技术，对铁路运行数据进行实时处理和分析，为运营决策提供更加准确的依据。
4. 无人化操作：自动驾驶技术的发展将使铁路列车实现无人化运行，从而使信号控制系统的自动化程度进一步提高。
如何应对大数据时代的信息爆炸在当今社会，随着科技的发展和互联网的普及，我们正处于一个信息爆炸的时代。
每天，我们都会面临大量的信息输入，包括社交媒体、新闻、电子邮件等等。
然而，由于信息量过大，我们很难有效地处理和利用这些信息。
那么，如何应对大数据时代的信息爆炸呢？首先，我们应该学会过滤信息。
在信息爆炸的时代，我们需要学会辨别有价值的信息和无关紧要的信息。
这需要我们具备一定的信息素养和批判性思维能力。
我们应该学会从海量的信息中筛选出对自己有用的内容，并将其整理和归纳。
例如，我们可以利用订阅功能来过滤新闻和博客，选择自己感兴趣的主题进行关注，而忽略那些与自己无关的内容。
其次，我们应该学会管理时间。
信息爆炸带来了一个问题，就是我们很容易陷入信息过载的状态，导致时间被浪费在琐碎的信息上。
因此，我们需要学会合理分配时间，将重要的事情放在优先处理的位置。
我们可以制定一个时间表，将每天的时间划分为不同的任务，确保每个任务都能得到适当的时间和关注。
同时，我们也需要学会拒绝一些不必要的信息，避免被打扰。
此外，我们还可以利用科技工具来应对信息爆炸。
在大数据时代，科技工具可以帮助我们更好地处理和利用信息。
例如，我们可以使用信息收集工具，如RSS 阅读器和书签管理工具，将我们感兴趣的网站和博客收集起来，方便我们随时查看和阅读。
同时，我们还可以利用信息整理工具，如笔记软件和云存储服务，将我们收集到的信息进行整理和存储，方便我们随时查找和回顾。
此外，我们还可以利用人工智能技术来应对信息爆炸。
人工智能技术在大数据时代扮演着重要的角色，可以帮助我们更好地处理和利用信息。
例如，我们可以利用智能推荐系统，根据我们的兴趣和偏好，为我们推荐相关的信息和内容。
同时，我们还可以利用自然语言处理技术，将大量的文本信息进行分析和归纳，提取出有用的信息。
这些人工智能技术可以帮助我们更高效地处理和利用信息，节省时间和精力。
最后，我们还应该注重信息素养的提升。
如何应对大数据时代的信息炸如何应对大数据时代的信息爆炸在当今社会，随着科技的不断进步，大数据时代已经到来。
大数据带来了巨大的信息量，为我们的生活带来了很多便利，但同时也带来了信息爆炸的问题。
面对海量的信息，我们如何应对，使得我们能够有效地利用这些信息，而不被信息所淹没呢？本文将探讨如何应对大数据时代的信息爆炸。
一、筛选信息首要的一步就是学会筛选信息，过滤掉不必要和不可信的信息。
在大数据时代，信息泛滥，我们无法把握所有的信息。
因此，我们需要学会从中筛选出对我们有用的信息。
首先，我们可以从可靠的来源获取信息，如知名媒体、专业网站等，这些渠道的信息更加可信。
其次，我们可以通过了解自己的需求，确定筛选信息的标准，只选择符合标准的信息进行查看和使用。
最后，我们需要保持批判性思维，对于信息进行合理的辨别和评估，区分真假信息。
二、建立信息管理系统为了更好地应对大数据时代的信息爆炸，建立一个有效的信息管理系统至关重要。
信息管理系统可以帮助我们整理、分类、归档和检索信息，提高我们的工作效率和信息利用率。
我们可以使用一些专业的信息管理工具来帮助我们管理信息，如Evernote、OneNote等。
这些工具可以帮助我们将信息按照不同的主题或类别进行分类，便于我们找到和利用所需的信息。
三、学会信息策略信息爆炸时代，我们需要学会制定适合自己的信息策略。
首先，我们需要明确自己的信息需求，有针对性地搜索所需的信息，而不是盲目地浏览和接受所有信息。
其次，我们需要学会合理安排时间，避免过度浪费在无关紧要的信息上。
我们可以制定时间表或者使用时间管理工具，合理分配时间，将更多的时间用于获取真正有价值的信息。
最后，我们需要保持信息更新，及时了解最新的信息动态，以保持自己的竞争力。
四、培养信息素养在面对大数据时代的信息爆炸，培养信息素养显得尤为重要。
信息素养是指掌握和利用信息的能力，包括信息检索、信息评估、信息分析和信息利用等方面的能力。
轨道交通信号控制技术优化与研究随着城市化进程的不断加快，轨道交通在城市交通中扮演着至关重要的角色。
为了保障乘客的安全和顺畅出行，轨道交通信号控制技术的优化与研究显得尤为重要。
本文将探讨轨道交通信号控制技术的优化策略以及未来的研究方向。
一、轨道交通信号控制技术的优化策略1. 信号配时优化：信号配时是轨道交通系统中的关键问题之一。
通过优化信号配时，可以减少列车等待时间和车辆拥堵情况，提高运行效率。
传统的信号配时方法主要基于固定时间间隔，无法适应不同时间段的交通流量变化。
因此，需要引入智能化的信号配时方法，利用交通流量监测和预测技术，动态调整信号灯的配时，以实现最优的流量控制。
2. 信号调度优化：轨道交通系统中的信号调度决定了列车的运行效率和安全性。
传统的调度方法主要是基于固定的运行周期和间隔时间，无法适应交通流量的变化和不确定性。
为了优化信号调度，可以采用基于实时数据的智能调度方法，利用列车之间的通信和传感技术，实时监测列车的位置和速度，进行智能调度，以保证列车的安全运行和最优的运行效率。
3. 信号协调优化：在轨道交通系统中，多个路口的信号灯需要协调工作，以实现整个路网的交通流畅。
传统的信号协调方法通常是基于静态的规划和固定的配时表，无法适应实时交通流量的变化。
因此，需要引入智能化的信号协调方法，利用交通流量监测技术、智能交通控制设备和交通管理系统，实现对多个路口信号灯的实时调整，以提高路网的整体交通效率。
二、轨道交通信号控制技术的研究方向1. 基于大数据的信号控制：随着大数据技术的发展，轨道交通系统可以利用丰富的实时数据进行信号控制优化。
研究可以探索如何将轨道交通系统中的实时数据，包括交通流量、列车运行状态等，与信号控制模型相结合，实现智能化的信号控制策略。
同时，通过分析和挖掘大数据，可以揭示交通流量的规律和趋势，为信号控制提供更科学有效的指导。
2. 基于人工智能的信号控制：人工智能技术如机器学习和深度学习，可以用于轨道交通信号控制的优化和决策。
如何应对通信技术中的数据冲突在通信技术中，数据冲突是一个常见的问题。
数据冲突指的是在传输数据的过程中，多个数据包同时到达目的地，并且需要在目的地进行处理。
如果不加以处理，数据冲突会导致数据丢失、传输延迟增加和网络拥塞等问题。
因此，如何应对通信技术中的数据冲突成为了一个重要的课题。
为了应对通信技术中的数据冲突，我们可以采用碰撞检测和重传机制。
在以太网等多路访问网络中，碰撞检测指的是网络设备在发送数据时，同时监听网络状态，如果出现数据碰撞，设备会停止发送数据并等待一段时间后重新发送。
重传机制则是指在发生数据冲突后，设备会重新发送数据，直到成功接收为止。
这些机制能有效地减少数据冲突带来的影响，并提高数据的传输效率。
合理的数据包大小也可以减少数据冲突的发生。
较小的数据包可以更快地传输和处理，减少数据包冲突的可能性。
因此，合理设置数据包大小，可以有效减少数据冲突的发生，并提高通信效率。
使用冲突域隔离技术也能够有效应对通信技术中的数据冲突。
冲突域指的是在网络传输中，数据包可能发生冲突的范围。
将网络分割成多个冲突域，每个冲突域内的设备互相发送数据，可以避免不同冲突域之间的数据冲突，并提高通信效率。
常见的冲突域隔离技术包括虚拟局域网（VLAN）和子网划分等。
在无线通信中，频谱管理也是应对数据冲突的重要手段。
频谱是有限资源，不同设备之间使用相同频段进行数据传输时容易发生冲突。
因此，合理的频谱管理可以将不同设备分配到不同频段，避免数据冲突，提高通信效率。
频谱管理技术包括频率划分多址（FDMA）和时分多址（TDMA）等。
除了上述措施，还有一些其他的方法可以应对通信技术中的数据冲突。
例如，引入滑动窗口技术可以提高数据传输的可靠性和效率。
滑动窗口技术可以让发送方连续发送多个数据包，而不需要等待对方的确认。
在接收到对方的确认后，发送方根据窗口大小进行发送和确认的操作。
这种方式可以减少等待时间，并提高数据传输的吞吐量。
使用反馈控制机制也可以解决数据冲突问题。
信号控制如何应对大数据冲击
作者：何洋
来源：《中国信息化周报》2018年第30期
一直以来，交通信号配时工作都是交通管理的核心，并且具有较强的专业性。
在互联网大数据的冲击下，以监控、电子警察等为基础的智能交通发展如火如荼，如何借助互联网大数据进一步提升信号优化配时水平，是现阶段亟待解决的问题。
信号配时工作的难点
2017年，武汉市122警情服务中心全年共接到涉灯投诉报警6008起，其中投诉信号灯配时不合理的有1432起，占总报警量的23.83%，仅次于设备故障类报警。
现行的信号灯相关国家标准、行业标准虽然对灯具的规格性能、设置方式以及信号机的结构性能、控制功能等都有详细的要求，但是对信号配时却没有提出具体的指导意见，仅表示“绿信号、红信号持续时间应根据路口实际情况设置”。
由于缺乏可靠的依据来自证合理性，交管部门在应对相关投诉时往往底气不足，只能凭借经验反复尝试优化配时，不仅花费了大量的时间和精力，也无法保证优化效果能够令所有交通参与者都满意。
传统信号配时模式及存在的问题
传统的交通信号配时，要么依靠从业经验丰富的交警来确定配时时长，要么依靠路面车辆检测器如线圈、地磁、视频等方式实时监测采集车流量数据，由信号机通过内部算法自动调整配时时长。
由于交管部门自身并不具备信号机的研发和生产能力，现有的智能化信号机全部依靠政府采购：国内应用较为普遍的，主要有第一代由国外引进的以西门子、泰科等为代表的进口信号机，以及第二代崛起的以海信等为代表的国产信号机。
而作为信号配时核心的算法，也就是信号机所使用的控制系统，不同品牌的信号机不尽相同，算法是否科学，配时是否合理，交管部门无法掌握，更无从考证。
常用的信号控制方式有以下几种。
（一）多时段定周期控制。
多时段定周期控制，是根据路口的历史交通数据将一天24小时分成不同的时间段，为不同的时间段设置相应的信号配时方案。
这种控制方式主要适用于交通流变化较为规律的路口，其优点在于交警可以清楚掌握路口配时情况，且成本较低（可不安装车辆检测器）；缺点是灵活性不够，无法应对交通异常状况。
（二）单点自适应控制。
单点自适应控制是一种初级的智能感应控制方式，需要与车辆检测设备相配合，车流量小的时候信号放行的时间短，车流量大的时候放行的时间延长。
交警只用考虑设置最短绿灯时间和最长绿灯时间即可。
一般来说，这种控制方式可以满足单个路口对放行的基本需求，但是一旦路口各个方向流量都比较大，或者多个路口同时设置单点自适应控制，盲目延长放行时间，效果只会适得其反。
不仅如此，对于方案生成式的信号控制系统，由于每个信号周期中各个方向的配时是根据实时流量自动调整的，只能事后查询甚至不能查询，无法预判周期时长，在进行警保卫活动或开展其他需要民警准确掌握信号灯状态的工作时，会显得较为被动。
（三）区域协调控制。
有别于上述两种“点控制”方式，区域协调控制是一种“面控制”，通过选取关键路口或者关键路段，协调考虑区域内的多个路口的通行情况，以提升整个区域的通行效率为目的，适当且自动地调整多个路口的信号配时。
与多时段定周期控制和单点自适应控制相比，区域协调控制的效果最为理想，是交通信号控制技术未来发展的必然方向，但也是实现难度最大、最不好掌握的技术。
同样的，区域协调控制方式对车辆检测设备要求非常高，方案生成式信号控制系统无法预先判断本周期内的配时时长。
目前国内主流信号机厂商都号称其产品具备区域协调控制的功能，但不同厂商的系统设计、优化算法、检测方式互有差别，孰优孰劣无从判断。
此外值得注意的是，目前不同品牌的信号机在区域协调控制中互不兼容，想做好区域协调，一个区域内必须使用同一品牌的产品，否则区域协调控制效果将无法实现。
也正因为如此，交警部门想要做好智能信号配时工作，现阶段只能完全将宝押在信号机生产厂商身上。
互联网大数据的冲击
同样是2016年，在云栖大会上，阿里巴巴技术委员会主席王坚提出“世界上最遥远的距离，是红绿灯跟交通监控摄像头的距离”，引发了互联网行业和业内人士的广泛讨论。
“互联网+信号灯”的口号一时间被炒得火热，应用案例遍地开花，各大互联网公司都想分信号配时这一杯羹，甚至有互联网企业信誓旦旦的提出要颠覆传统信号控制模式。
然而一年多的时间过去了，“互联网+信号灯”却依然停留在探索阶段，不仅未能取得令人信服的成绩，反而频频受到传统智能交通行业的质疑，认为互联网企业言过其实、夸大宣传，实际的应用前景似乎没有当初描述的那样美好。
传统的智能信号控制模式主要是基于路面车辆检测设备对车流量、占有率等数据的采集，控制效果直接受制于检测设备的完好度。
我国现阶段城市发展较为迅速，各地尤其是大中型城市道路改造频繁，检测设备在线率低、修复成本高、修复周期长、控制效果差等问题在各大城市饱受诟病。
而互联网大数据却正好完美地避开了这些问题，在当前的形势下有其独有的优势。
互联网大数据基于手机信令、浮动车等海量多源数据，对交通的宏观感知显而易见，目前依靠各大互联网平台的导航系统越来越精确就很能说明问题。
但是信号配时属于微观层面，必须精确到秒级，而且互联网数据中的少部分垃圾数据必须准确甄别剔除出去，否则配时效果将无从谈起。
如何同时处理好数据的样本量和精度控制，是互联网大数据与信号配时碰撞的最大难点。
在互联网大数据时代，数据之“大”，确实对我们助益匪浅；但同样也是因为这个“大”，从某种程度上制约了我们的发展。
想要做好信号配时工作，对互联网大数据的过分排斥或者过分神话都是不可取的。
无论是大数据、云计算，或是智能网联都能够很好地解决智能交通体系，但是都必须与实际的交通状况相结合，不能盲目夸大大数据的作用和功能。
笔者认为，现阶段，互联网大数据要真正起到配时优化的作用，还是要通过实现互联网大数据和传统信号控制检测数据的融合，落实在传统信号控制方面。
应当从以下方向入手：首先，从提升互联网大数据的“质”入手，最终使得大数据的“量”真正为我所用。
如上所述，互联网大数据既有样本量巨大、覆盖面广的优点，同时也存在垃圾数据泥沙俱下、鱼龙混杂的缺点。
举个例子，在有高架的信号灯路口，由于道路断面存在重叠，依靠互联网大数据统计车流量时，无法准确判断采集到的流量数据究竟是地面道路上的还是高架桥上的；我们在判断路口情况时，需要先进行数据清洗，设法剔除掉桥上的流量数据。
互联网数据中的行驶速度、停车次数、部分浮动车的轨迹数据等情况，对判断路口拥堵、溢出以及辅助交通分析决策等方面十分有利；与之相比，传统的路面检测器在采集数据的精度和可靠性上具有优势，但受限于地形和成本的限制，覆盖范围较小，样本量不足。
只有将这两种不同特征的数据有机结合起来，扬长避短、取长补短，才能将各自的优势都发挥到极致。
其次，建立行之有效的效果评价反馈机制。
在完成对多源数据的充分清洗、融合，具有了较为理想的样本量后，建立一系列基于传统交通工程专业的路口评价体系，判断路口信号灯是否存在空放、等待时间过长、溢出等具体问题，定期出具相应报告以供交管部门决策参考，并利用评价数据反馈优化信号控制系统，反复迭代，使信号配时管理进一步精细化。
在实际工作中，我们也可借助互联网建立健全与网民的合作交流机制，从而进一步提高数据调整的准确性。
