京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据对智慧城市交通意义非凡 仍面临五大难题-数据分析师考试
日前,在2015中国智慧城市国际博览会上,来自台湾的科技公司高层透露“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
在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12