1.感觉数据作用仍被持续夸大。非常同意之前于老师的观点，决定数据价值的不只是体量，而是类型，单一的定位或轨迹数据能决定控制效果的可能是车联控制时代，不是现在。同时互联网数据应该算宏观或中观层面的数据，对配时实质关联的可能只是周期级别，而信号优化，依据不只是需求，还有路口复杂的环境因素，如车道可行的饱和流率、秩序影响、瓶颈状况等，这些才是决定绿信比、相位差的关键因素；而现在的互联网数据，只是在现状环境和交通规律下的分配结果而已，如果说它就可以作为路网各节点的优化输入而生成方案不免过于草率了（当然也可以说还有各种现实环境的约束取值，只是很可能这套有效的约束机制比数据本身价值更大）。

2.个人认为实时优化控制的标签意义不大，用于体现数据的价值更不妥。基于互联网数据做实时优化，算自适应控制的范畴，毕竟是基于需求而优化，而且短时更新方案；但是我们好像忘了，当前的信号优化治堵，效果关键不是实时优化做得不好，而是在当前逐渐饱和交通环境下，基于交通需求和时空资源盈余的自适应控制发挥作用已非常有限甚至没有。当前交通优化治堵的普遍通病，各个城市最棘手的管控难点，往往都是饱和交通下的复杂瓶颈路段和上下游控制难以平衡的问题，或者夹杂秩序、畸形地理、复杂非机、路网结构等等问题。这种通病下，基于流量需求而优化本身就药不对症，不管是多牛多大的交通需求数据。基于路网瓶颈通行能力实现各信号节点流量平衡的控制思路可能才是正解，这个层面上说，饱和路网条件及路网通行能力的量化、微观环境影响、预警信息（如异常溢出）等因素，可能才是最重要的优化输入或关键影响，宏观交通需求肯定不是主角，不管数据来源是地磁、微波、还是海量浮动车数据。

个人觉得还是应该合理肯定和适度宣传现阶段互联网数据的作用。宏观的路况类数据在路网通行能力的总体定性分析，路网瓶颈路段分析，中观层面的控制策略制定和评估对比控制方案等方面应有较大意义，这也使交通优化技术服务的内容更丰富和控制技术的变得不断精细，但不会因为数据牛逼而跳过交通规律、城市复杂的路网环境和传统交通组织和控制方法，特别造成现在因为有了海量的数据就可以直接生成精准解决问题的方案这一舆论假象，至少，现在还只是理念，期望而已，还不是可推广的成果。

只是实践中的一些感性认识，可能对互联网数据认识不全面，望专家老师批评指正～