發。在交通能源消耗問題上，最困擾研究者的就是由于擁堵、尋找停車位等造成的無效率能源浪費。這些造成無效率的現象大多是由于人們缺乏信息造成的。同樣也是因為缺乏信息，使得長期存在的智能交通調度等管理手段難以實現。

然而隨著智能手機的普及，許多駕駛員使用手機裝載的定位系統確定行車路線。和傳統的定位系統不同，這些通過智能手機定位的信息都傳遞和保存在大數據庫中。這些海量數據不僅能像傳統的交通信息一樣讓人們了解某一個時段一條路上的車流量，還能明晰的標示出這條路上每個時段的每一輛車從何處來、往何處去，并記錄每輛車的停車情況。同時，現有技術也能夠支撐信息的反饋，即可以向車輛駕駛者和乘客發布擁堵預警、擁堵狀況和停車場分布和占用情況等信息。

對于以通勤為主的城市交通而言，這些信息的交互顯得極為重要。在缺乏這些信息時，人們是根據過往經驗進行選擇，這使得人們面臨的隨機性風險很大。而有了這些信息后，人們能更準確的獲取信息優化自己的出行選擇。人們由于對交通流量程度的估計錯誤，或繞遠路、或不得不忍受擁堵，而這都會造成大量的能源浪費。通過機器學習等技術，能夠根據歷史出行信息預測出車每個出行者的出行路徑;這就使擁堵發生的概率和發生在哪個時段等信息提前傳遞給出行者。再配合現在已經被廣泛使用的路徑優化技術，可以實現交通流量智能調度或半調度的夢想。從管理類軟技術而言，由于這些信息的可獲取性和真實性大大提高，針對不同時段、不同路段設定并征收有差別的擁堵費等管理手段也成為可能。

需要特別指出的是，目前研究的前沿已經推進到結合大數據和自動駕駛車輛進行綜合交通調度這一問題上。更重要的是，這些信息有助于了解一個城市在當前的規劃格局下，哪些熱點是造成主要擁堵問題的肇因、停車場的布局是否合理和如何針對不同人群的出行提供個性化信息服務等一系列問題。這使綠色城市規劃不僅僅在于依賴理念，而能扎扎實實的扎根于實證數據。

擺脫了海量數據獲取難、獲取后處理難的雙重困境，人類對自身能源消耗的細節更加了解。而正是在這些細節中，暗藏了大量無效率的能源浪費。大數據的應用正是從細節入手的努力，能夠成就綠色可持續未來的宏大敘事。