Анализ и оптимизация транспортных систем существенно развиваются за последние десятилетия благодаря повсеместному использованию различных типов датчиков. В частности, наблюдается рост числа исследований в области применения «больших данных» для систем общественного транспорта, отличающегося высокой провозной способностью и экологической устойчивостью, что предоставляет возможность раскрыть внутренний механизм работы, но при этом может повлиять на привычки и предпочтения пассажиров, создать последствия для эксплуатации и планирования системы, а также для принятия управленческих решений [1].Транспортная система состоит из спроса (поведения пассажиров) и предложения (транспортных услуг). Транспортные услуги формируются на основе запросов пассажиров, таких как пункт отправления и назначения поездки, время отправления и выбор маршрута, на которые также циклически влияют расписание и сети общественного транспорта. Теоретически, этот цикл может в конечном итоге достичь равновесия между спросом и предложением. Однако любые непредвиденные факторы могут нарушить эту стабильность, особенно в часы пик, когда спрос на поездки существенно превышает предложение транспортной системы. Таким образом, решение задач по регулированию спроса, совершенствованию операционной деятельности и формированию транспортной политики требует использования «больших данных». Для их дальнейшего применения в транспортных приложениях был выявлен ряд особенностей, как показано на рисунке 1. «Большие данные» в сфере транспортагетерогенностьструктура данныхсистема координатинтерфейс данных необъективностьмножественные источники тестирование на согласованность проверка достоверностисмарт-карты, GPS, сотовая связьвариант исполнения  Рис. 1. Особенности распределения «больших данных» в области городского транспорта В частности, необходимо рассмотреть свойства данных и специфику с этим связанную:1. Гетерогенность: требует предварительной обработки с различными структурами, потерями, системами координат и интерфейсами данных; защиту конфиденциальности пользователей без потери полезной информации. 2. Необъективность: варианты обработки данных, для обеспечения согласованности наблюдений из разных источников; перекрестная проверка скорректированной информации.3.  Множественные источники: интеграция данных из нескольких источников в единую модель для удовлетворения запросов на разных уровнях управления; разработка эффективных и масштабируемых алгоритмов для использования данных и взаимодействия с физической транспортной системой.Исследование приложений, с акцентом на технологии сбора данных, методологии анализа поведения пассажиров, оптимизации операций с учетом характеристик используемых данных является актуальным направлением в связи с накоплением «больших данных» в сфере транспорта.