由于交通数据获取能力的极大提高，业内与业外人士均热衷于在交通系统大数据上做节能减排的文章。值得注意的是，大数据最需要的是专业化的解读，而不是海量数据本身，这就需要交通专家或从事交通节能减排的专家与数据分析专家紧密配合，正确开拓交通系统大数据在节能减排领域的应用。

         首先，要强调方法正确。上海机动车交通排放模型的建立与应用，就突出了交通与环保合作使用交通模型的益处，对同行有启示作用的是：

         1. 强调合作共建的必要性：从道路细化、参数细化、模型验证、预测预判等方面实现跨专业合作，满足模型输入和响应精度；

         2. 正确设计输入输出：基于区域或路段（宏观），基于路段（中观），基于单车（微观）把交通部门的六种数据作为输入，环保部门四种情景作为输出；

         3. 交通模型和信息化数据结合：每天三个交通峰、产生三个不同交通流量，运用不同点位的流量车速信息数据将交通流划分成24小时细分数据。在建模、验模和输入输出情景设计方法正确的基础上，完成了上海市排放清单的时空分布，针对上海市全网7.2万条路段，7种车型，4种主要污染物，分别给出二维浓度场模拟结果，这是制定节能减排方案的重要依据。

         许多城市在提出城市交通决策和节能减排方案之前，缺少的就是把已有数据进行系统化整理，并且进行多种情景的模拟，为各种决策提供大数据专业化解读的技术支撑。公众十分期待这种有针对性的解读。例如，北京市最近新划定的公交专用道，本意是突出公交优先，减少拥堵，但百姓的感觉是增加一条公交专用道造成交通大拥堵，评判这一决策优劣的唯一办法，是进行交通流模拟，把增加公交专用道提高运力的情景用数据向百姓交代明白。同样，对于北京空气重度污染期间城市居民出行及道路交通运行特征分析时，在剖析单双号限行政策时，也应把重型车辆和私家车排放总量的比率和对空气质量的贡献率说清楚，以便明确控制重点，实行有区别的限行政策，让以人为本的理念融汇在公交优先、限行政策中。在绿色、低碳、循环发展的总目标下，交通节能减排方案的难点就在于让百姓接受，自觉执行。这就需要科学决策手段，特别是基于大数据的数学模型。

         最后，要突出效益评估。由于交通系统节能减排方法涉及企业和千家万户，社会责任和公众权益兼有，交通畅行和空气质量都要保障，这就需要对决策方案进行环境、社会、经济效益综合评估。

         例如，有人提出北京应征收拥堵费，以减少车辆出行，可以为减少雾霾做贡献，属于节能减排措施。但伦敦的先例证明，拥堵费对排放的影响不明显：根据伦敦交通局的调查，在征收拥堵费以后，尽管污染物有所下降，但主要应归功于汽车排放控制水平的提高。北京征收拥堵费是否应以改善拥堵为主，不对征收拥堵费添加更多的目标和责任？如何对这一政策确定主要取向，就应依靠效益评估的量化结论。

         又如实行征收拥堵费效益评估需要建立验证数据收集系统，对公众有个交代，也是推行一项新政策必要的保障措施。伦敦在征收拥堵费以后，由伦敦交通局每年对进入拥堵费区域的车流量、车速、公交乘坐和运行情况、进入区域的车型、交通信号灯，道路条件等各类信息进行分析和调查，确定各路段的拥堵改变情况。伦敦的案例，表明大数据显身手的机会需要发现和挖掘。

         再如，解决一个城市的交通拥堵是个大系统工程，需要顶层设计，要通过城市交通系统的已有数据分析：重要拥堵区的路网、路口设计是否合理；公交线路、快行线路等公共交通路权分配是否优化；出租车、私家车的运行调度是否体现绿色低碳；车船税等税收政策是否鼓励车辆小型化、新能源化；停车位的修建和停车费的加收是否会影响百姓正常生活。凡此等等，都需要通过效益分析确定统筹协调路线图和可供选择的方案，提交决策者因地制宜的决策。

         利用交通系统大数据制定节能减排方案一定不要陷入数据收集和统计分析的机械操作中，最为重要的是大数据需要专业化处理的新方法，以及使用新方法获得决策后的效益评估，真正抓好入口更新和出口把关两件事。