另外如果我们看交通污染量环比对比，8月交通污染物相对比较小，这是我们对比2015年全年的数据，12月这个是交通非常差的一个月。
另外一个是我们最近做的想用“互联网+”吸引眼球的方式我们在高德推动下做的这么一个奇怪的分析，我们分析房价跟我们周边道路排放产生关联关系，其实没有关联关系，我们只不过得到这么一个对比。我们抽取了其中北京相对比较有代表性，一共是六个区域，万柳、望京、崇文门、五道口、马家堡，它是整个交通道路排放跟整个房价产生关系，我们看到有意思的现象，不一定真正有关联关系，这个现象里面如果以望京为例子，对于马家堡区域来说，污染物排放略为提升，房价没有现象。在五道口排放高于望京区域。挽留是既高排放又高房价现象。
这是我们针对快速，在这里面我们根据热力图方式，我们根据过饱和概率方式，寻找他们瓶颈的角度，在这个瓶颈寻找它跟交通管理的方式，我们看到大量快速路的入口，我们看到这是发生主要的瓶颈，这个建议如果从管理角度建议设置较缓冲带，避免车流产生的拥堵造成一系列的拥堵现象和瓶颈现象。另外建议在关键出入口进行诱导，和北京市交管局合作也做了几个方案。另外也是对沿线信号灯的配合，特别是跟我们相关的出入口进行协调有效的配置。
另外针对城市道路进行了详细分析，我们选取了清华在往北上地区域最堵的一个道路，早晚高峰长时间出现拥堵的状态，有几个主要的原因，节是道路交通堵塞和道路停车增加了堵车的现象。
另外我们对整个城市状态进行详细过饱和分析，他们在这个状态分布不同的管理策略之下我们看到交通拥堵的一个分布变化，针对这种常态全时工饱和，我们定义这个词，我们看到二环从早到晚都出现长期拥堵情况，而且是长期过饱和的状态给出了这么一个定义，在这个里面相应部门给出了管理措施，在这个里面不同的政策和过饱和影响是不均匀的，我们看到这张图给出来的对于不同的环路限行政策里面产生不同的敏感性，也就是说未来我们产生政策，更进一步的政策的话，根据区域分析应用不同的收费政策。
最后跟大家分享的是对于交通管理诱导方案给出的分析，这个诱导方案我们分析还是二三四环，内环方向和东西南北各个方向，我们看它从早到晚这几个环路预测它发生的概率是否有相关性，如果某一个环路出现拥堵之后，另外两个环路出现拥堵空间相对比较慢，我们就可以针对诱导。我们看东南西北这四个方向，并不是都有诱导空间，能够产生最大的是西边二三四环，实际上是在不同的时段，它产生的拥堵差别是比较大的。再从下午的三点到六点这个时段，它的过饱和占有率在0.63、0.32、0.19这三个方向可以出不同的诱导方案。
总结一下我们学者也在不断的尝试把我们交通模型，数据挖掘和互联网公司所在应用的一些数据挖掘的模型进行结合，我们希望达到两个目的，一方面能够有效的帮助管理者提升我们的管理水平，另外一方面希望我们能够像互联网企业一样提供给民众更有效的信息服务，提升我们整个城市交通的一个状态。这就是我今天的发言，谢谢！