在最早的交通研究中，交通分析主要通过埋线圈的方式搜集车流量数据(后来延伸到rfid技术，后话)，这样能完美收集到一条道路上的通行车辆数，但是如果要大规模使用，带来的是巨大的成本，所以，后来另外一个流派就开始使用浮动车(主要是政府项目和实验室项目，使用有偿形势给各种车辆司机安装gps信号仪)来收集道路通行数据，后续研究发现，车辆数据出现两种形态，一种是固定流车辆，如公交，客运车辆，这些车辆路线固定，能探索出交通网络拥堵的地方，另一类是自由流车辆，如自驾车，的士，这些车辆路线自由，能探索出交通网络通畅及大众出行偏好的交通区域。
最终一个流派分支选择用的士数据来进行交通分析(如北京微软研究院，google等)而根据这个自由流车辆的研究分支。这就是交通学术流派的研究发展。
交通研究已经可以通过的士数据得到两个结论，一个是道路网络的交通动态，即拥堵与通畅，另外一个是城市区域的功能分区，没错，通过的士数据可以轻松对城市进行功能区的划分，最后打上标签，就可以轻松定义，这个是住宅区，那个是办公区，这个是商业区，这个区12点车流最旺，那个区周末最多人前往。
但是如果想继续给这些区域赋予人的标签，是几乎做不到的。
所以就有了打车软件的诞生，通过软件，实现了人与车的绑定，就可以轻易知道，哪个年纪的人群喜欢去这个区的问题。
以往的互联网公司掌握了人们的所有线上行为，已经创造了海量的价值，但是如果想要掌握线下行为，在吃(团购，大众点评)穿(淘宝)住行里面，能够突破的，而且最容易产生价值的，就是出行行为，出行行为的掌握，直接带来的，就是基于lbs的线下商家线上精准广告收入，线下商家线上支付收入，完美构成了o2o闭环。同时，根据tx的战略，必然是出行娱乐化，出行游戏化，通过o2o服务提高客户的微信粘性，将客户的微信粘性转化为手游或者是虚拟物品支付的粘性，从而盈利。