一個城市的治理，需要全市人口的配合這的確不假，但治理者需要明白的是：盡可能不要加重被治理者的負擔。嚴打闖黃燈是不是一項得體的措施，目前尚未可知，但一項措施的出臺，總是應該讓人們看到一些依據，而不是一句諸如“為了加強道路安全”這樣的空話。

　　今年1月1日開始實施的新《機動車駕駛證申領和使用規定》引起了很大的爭議，爭議問題在于“闖黃燈”要不要被罰以及是不是該罰得如此之重(要扣6分)。微博上到處都有人對這個新規表示不滿，一位經營酒店的人士甚至寫了極長的數據分析文章，稱北京市會為這個新規間接損失60個億。

　　爭論者主要聚焦于如果要嚴格遵守這個新規，會引發大量的追尾事故。這方面有各種數據推斷，亦有人在微博上發帖表示昨日開車上路的確追了前車的尾。但我在這里想問的是：這項引發公眾大量不滿的決策，究竟有多少數據可以支撐？

　　毋庸諱言的是，闖紅燈會引發交通事故，道理在于，一方綠燈時該道路上的車會正常行駛通過，此刻另一方如有車穿越，極有可能會發生碰撞。但黃燈并非如此。一方道路上黃燈閃起，并不意味著另一方道路上綠燈放行。換而言之，闖黃燈會引發交通事故這一說法，僅靠直覺或邏輯推斷，是比較模糊的，需要數據支持。

　　闖黃燈導致司機受罰，并非沒有個案，2012年4月，浙江嘉興曾經就有一個官司和闖黃燈有關——— 被稱為闖黃燈第一案，結果司機敗訴。但到目前為止，很少有見到某某交通事故是因為司機闖黃燈所致(通常新聞里都是寫肇事者闖紅燈)。當然，我承認，新聞里寫成闖紅燈并不代表真正意義上的闖紅燈，有可能真是闖黃燈來著。但問題的關鍵是：有什么數據能證明這一點？

　　發達地區的一線城市，現在路口攝像頭星羅棋布，我查了一下，北京市區就有上千個之多。這些攝像頭都會拍攝路口的交通狀況，形成信息存儲。我們并非沒有條件去收集這些數據，然后依據這些數據來作一個判斷。只是相當多的有關部門，囤積了大量數據但卻從來不用。大數據領域中的領軍人物舍恩伯格在《大數據時代》一書中這樣寫道：“在以前，一旦完成了收集數據的目的之后，數據就會被認為已經沒有用處了。”比如說，在一起交通事故中，警方調取了攝像頭拍攝到的信息后作出判罰，然后，這些信息就被束之高閣形同拋棄，請注意，這是“在以前”，而在今天這個數字時代，政府完全可以不活在“以前”。

　　另外一位大數據研究者凃子沛則在他的著作中提到了著名的犯罪之都紐約是如何利用Com Stat(計算機統計)來降低犯罪率的。一位高中畢業的警察通過記錄地鐵里的過往搶劫案，大致分析出地鐵搶劫案的規律，從而提升未來的伏擊成功率，1990年該方法被推廣到全局。第二年，地鐵搶劫案下降了27%。這位地鐵便衣1993年被提升為警察局第一副局長，利用這種數據統計，1994年紐約市兇殺案就下降了25%，2009年更是創下50年最低紀錄。數據統計和分析工作，有效幫助了城市治理。學界將這種方法命名為“數據驅動的警務管理”。

　　的確，今天路口的攝像頭所拍攝的景象未必是數字化的，需要人工去解讀和歸類至數據庫，但這一點也沒有關系。紐約警察在1994年搞Com Stat的時候，同樣需要工作人員每天通過電話和傳真向全紐約76個警區去收集資料，再統一錄入、加總和分析。但基于這樣的數據所作出的決策，顯然比拍腦袋靠直覺來得更為有效，警力部署也更有針對性。

　　一個城市的治理，需要全市人口的配合這的確不假，但治理者需要明白的是：盡可能不要加重被治理者的負擔。人們讓渡一些權力給政府是為了讓自己活得更沒有負擔，而不是普遍意義上的覺得加重負擔。嚴打闖黃燈是不是一項得體的措施，目前尚未可知，但一項措施的出臺，總是應該讓人們看到一些依據，而不是一句諸如“為了加強道路安全”這樣的空話。紐約警方的做法，并不以提升民眾負擔為前提，反而是加重了施政者的負擔，但卻降低了民眾的負擔，是值得有司學習的。

　　在這個大量行為都可以被記錄被調取被加總分析的數字時代，雖然善惡之爭屢有所聞，但落實到像闖黃燈這種具體個案來看，善用數據多用數據，總是利大于弊的。互聯網商業界所鼓吹的大數據，在我看來，政務上也需要重視。有那么多過往行為數據在，政府是不是需要更懂得一些“大數據說話”的方法？

　　（文章原標題為《“闖黃燈”新規也可以用“大數據”說話》）