堵車這件事，催生了一些癥狀，比如常見的“路怒癥”。

它還催生了一種自我保護和緩解情緒的“堵車文化”。 中國社會科學院社會學所副研究員沈杰曾認為，“堵車文化”的出現，凸顯了一種社會情緒。

這種社會情緒關聯著諸多因素，其中包括城市經濟發展、生活方式的變奏等。

在成都，夜里十點的二環路依舊堵得厲害，北京出租車司機則戲言北京的晚高峰已經從以前的下午四點半開始提前到如今的兩點半;而中國絕對多數的一、二線城市，早高峰的時間長度也較五年前延長了一倍。

比“吃了嗎?”更富有時代精神的，恐怕是這句—— “今天你堵了嗎?”

交通擁堵這個 “城市病”，已經成為了影響經濟發展的重要阻礙因素。

中國交通部發表的數據顯示，交通擁堵帶來的經濟損失占城市人口可支配收入的20%，相當于每年國內生產總之(GDP損失5-8%，每年達2500億元人民幣，全國交通擁堵帶來的每日相關處理費達10億元人民幣。

為何堵車？

車多，路窄

截止2017年6月底，全國機動車保有量達到3.04億輛，汽車保有量達2.05億輛，其中23個城市汽車保有量超過200萬輛。盡管國家道路交通建設投資規模一直在快速增長，但依然大大落后于交通運輸的需求增長速度。

很多城市在規劃初期，對車輛保有量評估空間過小，導致后期在發展中，道路條件不能完全支撐出行需求，同時城市建設又在很大程度壓縮出行條件，這些硬件因素成為了當前路堵最重要的原因之一。

剎車是“殺手”

當車流比較飽和時，前方司機變道或者踩一腳剎車，就會立即造成后方車輛依次做出連鎖反應，然后形成一個虛擬的堵車點，這個堵車點會堆積大量車，然后逐漸蔓延到很遠的后方。剎車干擾被持續放大后，形成了交通擁堵。

名古屋大學曾做了一個關于堵車的實驗，很多輛車有間隔地排成一個圈，開始勻速繞圈行駛。最初司機們盡可能勻速并保持和前車適當距離，但隨著時間推移，出現了車距縮短和剎車的狀況，擁堵也就此產生。

論其根本，少部分人對規則的破壞，如加塞、不按指示燈行駛、無故降速等，都在時刻引發城市交通的困局。

值得一提的是，當前“網約車”逐漸成為主流的出行選擇方式時，不熟悉城市道路的外地網約車司機們也在無形中被動地成為了路堵“推手”。

而隨著物聯網技術的興起，智慧交通的應用也承載了政府及開車人對緩解堵車形勢極大的期望，這一片新的逐鹿之地，能解決“堵城”之痛嗎?

“治堵”新曙光？

2017年滴滴宣稱成立智慧交通FT團隊，將與各地政府一起攜手打造智慧交通體系，用大數據賦能城市交通治理。

同期高德也發布相關數據，表示截至2017年12月底，已與國內150個城市達成戰略合作共建設“智慧交通”，而今年的7月26日，高德更是宣布要為中國“堵城”量身定制“高德方案”，重點落地中型城市、大型城市、超大型城市，目標是未來三年，每天服務6億人出行，為社會節約2億小時，讓合作城市的擁堵下降10%—20%。

以下是滴滴、高德等在亮出治堵成績單時，我們看到的數據摘錄。

突發擁堵的時間由20分鐘縮減到5分鐘，

年度擁堵延時時間由252小時下降到238小時

警情響應時間縮短75%，

機動車通過路口的平均延誤時間下降6%、

停車比例降低3%;

真的不堵了嗎？

所謂智慧交通，其本質上利用大數據等手段對交通狀況進行引導、干預，包括了道路交通監控、電子警察、交通信號控制、交通信息采集和誘導、智慧公共交通等，通過收集實時的路網數據，處理成狀態信息，用于車載導航路況的提供及路線的選擇。

單純的大數據干預手段，在偶發性擁堵下，有助于駕駛員選擇新的路徑，避開擁堵，但是，常發性擁堵以及多選擇路徑同時擁堵下，效果不顯著，更多時候，它的作用更傾向于出行參考，以及城市規劃的數據支持。

而大數據和人工智能是目前“智慧交通”的主要應用技術手段，也可能是更好的選擇。

人工智能是利用龐大的城市數據資源，把公路數據化，基礎設施數據化，車輛數據化，對城市的整個交通系統進行全局的即時分析，即建立AI交通感知系統，能夠預知、判斷、協作交通運行，有效調配資源，從而達到“治堵”的目的。

簡而言之，目前包括滴滴、高德等互聯網科技公司的治堵方案，主要圍繞在大數據和人工智能方面的“下功夫”。交通大數據是人工智能的基礎和支撐，基于數據進行算法分析的人工智能離開了交通大數據，再強大的計算能力沒有了原材料也是“空轉”。

兩者匹配，方為“智慧“

城市交通系統的最大特點就是超級融合的一體化，單純地僅使用一種手段都無法從根本緩解這種堵車之殤。只有通過集中的單一平臺運行數據，分析來自城市交通系統全面綜合的大數據和信息庫，最大化利用大數據和人工智能技術，產生可操作性強的治堵方案。

這種互聯性是城市智慧交通的核心所在，對整合規劃、運營和預測分析至關重要。

堵車不科學，但可以科學地不堵車。

(新媒體責編：wb001)