这个是非常好的作用，它跟我们大数据技术很好的进行整合以后，能够大大提高交通模型的应用和数据监测的多样性。这个也是强调了特殊性，我们刚刚说了有高真实性的数据，另外就是高辨识度，另外就是比较高的敏感性，主要就是我们传统模型的关键参数甚至很多，比如北京按照车龄淘汰机制，还有输出能耗，污染物排放、碳排放这些综合性的，因为北京面对这方面的压力，所以这是我们模型的特点。第三个就是我们海量数据分析挖掘技术，因为我不本人并不是做大数据，我们只是对大数据团队提出了这方面的要求。这方面要求我们在于实际上有宏观、微观各种动态模型的要求，所以两个最关键，一个数据分析要求，因为数据分析实在太我了，我们要求高时效性，特别是监测层面实时反应微观监测评估结果，微观之间跟各个数据之间相互关联以后，因为有很多综合问题，它要进行综合性的分析，它要具备这方面的能力。
另外就是高扩展性，因为希望带来扩展性的难题很好的解决。所以这三个非常关键的核心技术，多维感知，模型技术，以及分析挖掘技术。
最后我想介绍一下北京的实践，刚开始我们说了2011年开始，就是“十二五”第一年对燃油消耗、能源消耗、污染物排放、碳排放体系，我们增加了这个统计监测体系，把它做一个活的体系，这个体系是一个目标，这个目标目前已经阶段性的取得成果，而这个已经在向京津冀推广，希望在京津冀大的推广来回答排放的问题。这个大数据监测分析是在统计环境中，我们统计监测网是浓度采集，不仅仅是监测它的直接排放，还要监测它的浓度影响。另外还有北京交通减排实验室，以及五层次能耗排放模型，北京市交通委提供很大的支持来构建微观基础发展的基石。
这是我们比较的情况，我说一下北京实践应用。目前北京在高频度编制交通行业能耗清单和排放清单，实现北京市能耗排放长期监测及变化趋势分析。这个很多地方都可以编制，我们北京地方就是统计局官方认可的数据，目前我们在机制上取得了创新，把我们以后交通在统计年鉴中交通能耗排放由我们交通部门自己来统计和分析，这是我觉得通过我们技术创新来推动我们机制创新一个很好的应用。因为这个实际上在跟发改委统计部门在沟通过程中也是交通部门拿出我们比较扎实的数据监测分析，以及我们的比较持续的系统化的解决方案以后，他们才得到相关部门的认可，才能达到统一的共识，这实际上是为我们交通部门减排提供非常好的环境。
在这里有长期监测趋势有利的分析，一些大的交通事件发生过程中对于交通能耗的排放也会看的非常清楚。在历史规定下可以做宏观决策，基于宏观模型和动态模型基础上编制了北京市交通“十三五”规划，我们做了125种情景分析，做了未来方案的组合，对我们污染物排放各种预测，大家可以看到污染物排放减排降低很大，但是提出了一降双控三提升的发展策略及目标，这个以往没有这个监测体系做不到。有了这个监测体系我们交通部门就心里有底了，能够达到什么样的目标，通过努力就可以达到，这个我们是下一步努力配合“十三五”相关层面资源。
前两个层面是宏观性的，第三个层面是政策性的，可以应用多体系监测里面静态的，这个是跟北京交通市发展研究中心合作的，比如说冬奥会和阅兵，实际上可以看到不同区域的节能减排措施，对路网和周边污染物排放的影响，这样可以选择不同强度的车辆限行措施，以及对拥堵车费的减排预测，我们也实施了方案分析，以控制为5.5的要求为分析结果。
另外我们还有一些政策的出台，这里面刚刚我们其实跟深圳同行是有同感的，整个监测体系结果出现，我们有一个很有趣的发现，交通和环保一叠加它的一个领域就是货运，货运大家知道白天上不了路，所以拥堵这个层面并不关注它，但是如果把交通环保关注，那是很重要的压力，50%以上的污染物排放是来自于货运，我们北京市进行先进性政策，基于企业污染物货运污染物排放核算，基于这个精准核算，对于他每吨奖励资金的支持，这个应该说是以往货运行业都不可想象的激励政策，有了我们定量性检测评估以后，说服检测部门拿出这个标准，这是我们非常典型的数据应用改变我们建立数据非常的要求。
另外还有我们外部空间车辆流量通过监测分析以后，依托我们道路尺度的评价核算，还制定和分析京津冀范围内货车调控政策一些效果和一些变化，这是通过政策分析和监测体系中这方面可以有的支撑。