第二个就是面向治理，比如交通排放是300万吨，怎么治理？这么监测了明年就变成90万吨吗？不会，这没有很大的联系；
第三个系本地话参数构建问题，我们做了本地话架构、本地化参数，以及巨大投入的本地数据化的维护，你要有交通数据，要有环保数据，像我们因子数据、工况数据，只有达到本地化数据，才有解决你本地问题的这方面的机会，所以我们北京在实践中实际上是非常强调本地化的，我后面会介绍这种要求。
因为现在目前从中国发展水平来看，我们拿一个国外的参数来描述中国，已经没有办法准确描述我们的问题，因为我们跟国外差距实在太大了，这些问题实际上我们做很多探索实践也没有很好解决的问题。
在这方面，北京从2010年开始，我们北京市交通委科技处对外处长在下面，应该是我们交通委科技处做了很多这方面的尝试，当时我们做整体规划，我们希望通过北京信息化方面的优势，以及我们在交通节能减排交叉方面的优势，我们能够真正的去彻底地改变我们现在匮乏数据造成的决层能力的缺失，监管能力的缺失，所以我们把它有一项叫做节能减排分析技术，这是分析技术的架构。这里面我们有挖掘技术、评估技术以及感知技术，这一整套技术的组成，希望能够解决我们前面提到的一些问题。这里面我介绍多维感知技术，大家可能做交通政策和宏观政策的研究发现，其实大数据并不是越多越好，越多越不知道该怎么用，数据质量也没法评估，很模糊，虽然数据很多，但是数据怎么把它分析出来以后跟节能减排相关的能够提炼出来，而且节能减排有一个很重要的问题就是对准确度要求非常高，这是我们采集以前交通的问题实际上是很难解决的。在这里面我们用形象的说法，这个很复杂，但是我们形象说法就是把这些大数据拿来以后做了很多尝试，建立了网状的结构，把所有数据统一到以车辆为单位的范围中去进行加工处理，这样数据由零散变为有意义的。我们把车辆能耗、污染物、运行工况、运行情况，以及人的情况，驾驶员，因为我们要做驾驶行为的治理，把它形成网状结构，而不是形成零散的数据，建立网状数据以后来解决零散数据的问题，这样很多来源的大数据就以这个结构为集中在我们数据库中进行处理，处理以后形成单元，单元整合以后能够准确的描述节能减排的一些特征。
另外我们在北京有一个特点，因为我们是一个系统解决的思路，所以我们还同步的建立了一个我们节能减排的综合实验室，这是在交通部的支持下，我们在这个实验室下做了很多本地测试化实验，特别是刚刚跟深圳交流，实际上北京用的是美国姆斯（音）技术思路，我们在北京进行本地化分析验证，来保证准确性的问题。这种准确性的要求，实际上我们希望把它控制在3%以内，跟我们实验室实测和评估监测出来的结果是3%，只有达到这个结果应该说统计和发展部门才能认可你这个数据，我要是20%、30%的差距，那你就是自说自话，所以在这个过程中准确性要求非常高。所以我们也跟北京市质监局建立合作伙伴关系，解决这方面的问题。
关键技术二是多评估技术，实际上就是介绍我们宏观、中观、微观的需求，北京市建立了交通能耗排放高分辨率仿真技术和多尺度评估技术体系，基于时间维度的宏观核算清单模型来做，它的特点就是准确性特别高，覆盖比较全。第二个就是基于空间维度的中观路网评价模型。第三个是基于实时地交通流的路网动态监测模型，这个跟深圳市比较相似，是监测路网层面实时的区域变化。这个跟静态路网区别，静态路网是做交通预测，而动态层次是描述现状和区域时候的应用，它下一步要跟扩散模型进行整合。
第四个模型是单车监测分析模型，实际上是用微观数据推算实时污染物排放的情况，所以这个主要就是应用美国的姆斯（音）技术，这个技术特点微观层面很好的解决技术层面没办法微观解决污染物排放的问题，所以应用了这个技术来间接地实现感知。
第五个模型这两年也是要求非常高的，它实际上是交通基础设施能耗排放的评估模型，这个模型实际上应用了我们实验室的一些环境监测设备，它实际上是一个浓度模型，要通过我们交通基础设施中的一些交通活动来分析预测交通基础设施内部和周边的污染物浓度，来对交通政策进行支持。这是北京五层次交通污染物排放综合体系。