京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据之于智能交通意义重大仍面临五大难题
日前,在2015中国智慧城市国际博览会上,来自台湾的勤亚科技张及人透露“台湾政府在将近九年前就开始规划所谓的大的交通数据云,用数据来管理整个交通出行。比如通知你从A到B大概走多少时间,这个时间给你选择走西会更快或者更慢一点,通过这种模式来做。”在公共交通部门,张及人称台湾已经全面做到了公车到站提醒,准确率在96在97%。“这样大家坐公交时不会浪费时间,能合理地安排自己的出行计划。”在出租车和商用车方面,“台湾有一个服务厅,可以清楚地告诉调度公司,在某个天气、时间、路口会有比较多乘客,只要买了这个服务,系统会高速你客人在哪里,这就是大数据做的应用。

大数据之于智能交通意义重大
智能交通建设和运营的过程中,从视频监控、卡口电警、路况信息、管控信息、营运信息、GPS定位信息、RFID识别信息等每天产生的数据量可以达到PB级别,并且是指数级的增长。虽然绝大部分数据是“沉睡的数据”,但按照相关规定,需要对数据进行有期限或无期限的保存,这无疑给用户在存储成本上带来压力,而通过监控摄像机前端智能技术和大数据分析技术的应用,很好地解决了行业用户的此类问题,给用户带来经济效益,同时也可以将工作人员从纷繁复杂的监控画面中解放出来。
大数据之于智能交通的意义,可以解决跨越行政区域的限制,实现数据信息的共享,在信息集成优势和组合效率上,有助于建立综合性立体的交通信息体系;另外在车辆安全、交通资源配置以及利用大数据的快速性和可预测性能提升交通预测的水平都有极大的帮助。
大数据支撑智能交通发展仍面临五大难题
随着移动互联网、大数据、车联网等技术越来越多地渗透到交通领域,百姓的出行将越来越高效便捷,同时也有利于管理部门为社会提供更好的公共交通服务。借助移动互联网、云计算、大数据、物联网等先进技术和理念,将互联网产业与传统交通运输业进行有效渗透与融合,形成具有线上资源合理分配,线下高效优质运行的新业态和新模式。积极用好大数据技术来支撑交通运输行业科学决策。交通运输部正在推进开展行业信息资源整合,同时也与互联网企业开展合作,利用定位大数据和智能化分析技术,成为科学决策的技术支撑。
不过,大数据虽然支撑着智能交通的前行,但其发展道路上难免要历经磨难,从目前来看主要存在五个问题。
问题一:海量设备管理问题
随着系统规模扩大,前端设备点位增加,设备故障点也呈几何级数增长,管理人员仅忙于应付设备故障,无暇他顾。以电子警察系统为例,目前一、二线城市基本都实现了电警设备在重点路口、路段的全覆盖,建设规模均有上千台摄像机及相应的控制设备,由于各厂商产质量量良莠不齐,前端设备实际完好率不高。设备故障未暴露,或暴露但没有得到及时维护的现象非常严重,给业主造成了大量的投资浪费。
问题二:统一标准和技术规范
国内智能交通系统项目的建设先于行业统一标准的推出。在缺乏标准的条件下,许多地区的智能交通系统自成体系,缺乏应有的衔接和配合,标准互不统一。即便在城市内部,道路上的传感器标准也非常混乱,因为传感器设备生产企业缺乏统一的接口标准。标准和规范的混乱妨碍了交通数据的获取,从而无法进行交通流的分析和预测。在高速公路收费系统方面,各省或地区内建设的网络一卡通或不停车收费系统,也没有统一指导和标准,为将来的全国联网造成了困难。
问题三:系统可靠性与稳定性
智能交通系统复杂度和整合程度越来越高,而系统的健壮性却没有同步提高,往往有牵一发而动全身的问题出现。以某地级市为例,智能交通系统由近200台服务器和2千多台前端设备组成,包括信号控制、交通流量采集、交通诱导、电子警察、卡口等子系统,数据要和省级交管平台、区县级交管子平台、公安业务集成平台等系统相连。系统具有流程复杂、业务系统众多、客户端分散等等一系列特点。业主竭尽全力为了保证业务系统的正常运行,但还是经常出问题。系统及网络结构复杂是一方面,业务系统众多无法“照顾”过来才是最严重的问题。
问题四:数据源的质量
智能交通应用需要高质量的数据源,而目前设备长时间运行的性能得不到保证,数据质量不高限制了智能交通业务高水平的扩展应用。现代化的交通诱导和交通信号控制需要实时准确的交通流量数据以供交通状态判断以及短时交通预测使用。而由于目前系统健壮性不足,难以自行判断数据质量,从而使得交通诱导和信号控制系统不能发挥预期效用,从而影响了整体智能交通系统的投资价值。
问题五:信息安全问题
由于智能交通兼具交通工具带来的移动特性和通信传输所使用的无线通信两方面的特点,它也就集成了无线网和移动网两大类型网络的安全问题。然而,当前针对智能交通的研究还只是偏重于其功能的实现,忽略了其信息安全问题。实际上,无论是从信息的收集、信息的传输、信息的处理各个环节,智能交通都存在严重的信息泄露、伪造、网络攻击、容忍性等安全问题,亟须受到人们的关注和重视。
结语:未来伴随着移动互联网、大数据、车联网等技术越来越多地渗透到智能交通,将会使我们的出行越来越便捷、高效、舒适。对于管理部门来讲,通过智能交通设施大数据分析预测出行规律和趋势,科学安排各项保障工作,为全社会提供更好的公共交通服务。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31