全國公安交管部門已經在新浪微博開通認證了4300余個賬號，日均發布微博數量超過1.5萬條;公交卡大數據今后可能會抓住城市九成以上的小偷;南京蘇州已經成為全國智能出行發展城市十強城市……近日由公安部交通管理科學研究所、高德地圖等機構聯合主辦的“互聯網+交通出行服務”論壇上，專家介紹說，未來交通大數據的應用將會給百姓帶來更多“不可能”的方便。

　　公交卡信息如何“算出”小偷

　　根據公交卡的大數據，能夠篩選出九成以上的疑似小偷，這是怎么做到的?有參加論壇的專家介紹說，現在我們結合公交車GPS數據、乘客刷卡信息等數據，能夠獲取每輛公交車每個站點停車時間、上下車乘客數量、乘客精細時空軌跡等，可以做“公交車線路、站點、發車頻次優化”、“典型居住區和就業地的通勤出行分析”等分析。

　　A

　　驗證原理：絕大多數乘客乘坐公交車或地鐵出行時，會選擇最優出行方案，要么用時最短，要么換乘次數最少;但有極少數人的乘車路線很奇怪，比如會繞行一大圈或者突然改變乘車路線，沒有什么規律可言，如果某人的異常行為足夠多，那么他有可能是小偷。

　　B

　　研究過程：此前發布的這一成果是一項大學教授做的研究，在一次國際會議上公布過成果。以北京為例，研究人員分析了兩個月約16億次公交卡刷卡數據記錄，共涉及約600萬名乘客。

　　第一步，研究者把北京劃分為居住、工作、教育、購物、娛樂、醫療等多個小功能區塊，建立起包括896條公交路線、近4.5萬個公交車站與18條地鐵路線、320個地鐵站的公共交通網絡數據集，通過數據建模從龐大的公交卡記錄中過濾掉普通乘客。

　　第二步，結合從警方報告和微博上收集到的失竊信息，通過機器學習算法從異常出行信息中挖掘出潛在的小偷。

　　實驗結果：上述方法中被歸為“行為異常”者，之后被確認為小偷的驗證率高達92.7%。可是，如果小偷頻繁換用公交卡呢?據研究此項目的專家表示，就算換卡也有辦法，比如小偷經常團伙活動，這也是一個明顯的特征。

　　C

　　質疑聲音：不過也有人表示，人的活動是十分復雜和偶然的，也許乘客心情不好，或者坐過站回頭、臨時改變行程等等，都有可能出現行為異常，不能都判定為小偷吧。