
大数据 VS 大拥堵:大数据治理交通
而现在对于这种损耗已经有了相应的解决方案。麦肯锡全球研究院在2013年宣布,通过大数据对现有的基础设施的进一步强化管理和维护,每年就节省将近4000亿美元的支出。通过对交通数据的收集和分析挖掘,来对现有交通设施性能进行改善,提高其利用效率。
下文列举了三个成功案例。
以色列实时识别模式系统
以色列在特拉维夫和本古里安机场之间的13号公路上铺设了一条1英里的快车道,这条车道的收费系统是基于车辆的道路通过时间来收费的。它的工作原理是这样的:采用非常高阶的实时识别模式系统,通过统计在此快车道上的车辆数目或者通过计算两车之间的平均距离来评估道路的拥堵程度,从而可以智能选择在该道路系统能够承受的前提下是否该增加“吞吐量”,而其收费方式也相应会智能化,当道路车流密度越高,收费就越高,车流密度越低,则收费越低。这种智能收费系统通过这种方式,在一定程度上降低了道路的拥堵程度。
巴西优化航空路线利用率
巴西航空交通在过去十年里迅速发展,预计在2030年年客运量将至少增加一倍,旅客人次将达到3.1亿以上。而为了解决空中交通拥堵的问题,巴西引进了一种系统,即利用GPS收集的数据来优化对现有的航空路线的利用效率,来缩短飞机航线。它的工作原理是:改变了飞机在空中排队等候降落地面降落的一般性方法,同时为每一架飞机都设计了唯一的路线。听起来似乎很简单,但是系统工作需要收集大量的数据,并对数据进行快速有效的分析,包括对飞机之间的距离,行驶时间,飞机行驶性能等进行综合性评估,以此来保证飞机能够以最短的路线行驶。最早部署这一系统的巴西利亚国际机场的飞机,每一次降落都将节省7.5分钟和77加仑的燃料,相当于减少22海里的飞行距离。巴西计划将该系统部署到该国最繁忙的十个机场,初步估计这一部署在北美机场的举措将会为巴西带来16%到59%的客流量的增长,当然,还需要考虑机场硬件设施等各类条件。
欧洲铁路公司应用大数据提高交通客流量
欧洲铁路基础设施供应商通常要求运营商为他们提供详细的火车行驶路线,然后供应商开发一个尽力满足每一条路线的时间表系统。而这种系统通常难以保证列车性能和客流量的最佳配置。在德国,绝大多数的货运列车不会如期出发,这一情况不可避免地会导致轨道并发症。最近,一些铁路公司开始利用大数据“工业化”的方法来对铁路交通进行优化。基于对过去铁路客流量以及列车性能的需求分析将铁路轨道分裂成适应不同速度的插槽,能够满足不同性能的列车行驶速度和不同客流量的需要。而实现这些优化则需要有先进的规划技术。例如针对列车的延迟出发可以考虑为其变换适应速度较高的铁路轨道插槽,从而弥补列车出发的一个时间差。通过这种创新,不仅提高了铁路行驶的准确性和可靠性,还带来了交通客流量10%的提升。
尽管出现了一些令人鼓舞的将交通基础设施和大数据信息整合的例子,总体看来,这一方向进展还是缓慢。在机场行业相关的聚会上,经常会有很多人热情讨论亟待使用大数据对跟踪乘客的移动设备而收集的信息来做出相应决策,例如在乘客登机时,通过对排队乘客的步行速度分析,在减少安全队列的基础上通过文本消息的提醒方式对乘客定制一些购物建议。尽管如此,能够将想法付诸行动的机场依然寥寥无几。
为什么基础设施供应商在利用大数据这一领域进展如此缓慢?为了加快这一速度,我们可以做些什么?至于经济可行性这一点,无需考虑,因为投资这一技术所能带来的回报将远远大于投资具有类似提升能力的设备。
在与行业从业者的对话过程中,我们确定了利用大数据来提升对基础设施利用效率的三点障碍。
第一,数据缺乏透明度。交通基础设施的参与者网络非常复杂。例如,一个机场的参与者,涵盖了多个航空公司、地面处理公司、零售商、空中交通管制、海关以及机场运营公司本身。每个企业参与者都能够收集各自领域的数据,但是却不愿意共享。从企业角度来看,这个有时确实是有道理的,就好比没有零售商想放弃商店。但是对乘客数据的分析可能会受益于这里面的每一个企业参与者。例如,分析客流量的变化趋势有助于机场各类资源的优化分配。这不仅可以为机场带来更大的客流量,而且还能提高商店的零售收入。然而,前提是数据能够共享。
第二,信息共享的成本和收益的矛盾。例如,航空公司为了缩短旅程航行时间,自然希望乘客进站时间越短越好,而零售商可能更喜欢乘客逗留,以增加商店的收入。机场更倾向于提高资产利用效率,但也有可能为了在突发事件发生后能够快速恢复的灵活性能的提高而降低资产利用效率。因此,需要共同寻找一个合理的解决方案使得每一个企业参与者都能够获得收益,这个并不容易,需要大家一定程度上的实实在在的相互信任。
第三,监管约束不足。基础设施在很多情况下都是属于垄断行业。因此政府这一角色至关重要,不仅要确保政策公平且划算,还要创造一个允许收集和使用数据并且保证数据的机密性和隐私的监管环境。前提是,竞争方和保护数据方以及政府必须相信数字化是有益于后续的事业发展,这一点至关重要。另外,我们还面临一个相当大的挑战,即确保在阐述如何收集数据、如何使用数据、如何通过对数据的分析来使消费者受益的前提下,解决用户的隐私问题。
上述三点障碍相互依存,必须同时解决。没有透明度,就没有办法建立信任,实现公平共享。没有公平共享和明确的公共利益,监管机构不会参与。没有负责的监管机构参与,企业则不愿共享他们的数据。
让所有参与者在基础设施网络中合作并不容易,首先需要有一个合格的领导者。一般来说,政府在基础设施的参与利益很明显,因此一个办法是由国家或者多国政府出面。另外特权持有者也具有一定的优势,例如机场运营商或者铁路公司。也可以是二者的组合,由政府出面设定目标,建立一个数据使用共享的平台,特权持有者设定机构,来进行数据工作的分析。
利用大数据提升基础设施的利用效率这一工作目前才刚刚开始,并且在逐步推进。要想形成这种趋势,一个比较可行的策略是推行一个试点计划,例如在机场或者火车站对采用大数据分析策略结果进行测试,并且记录下最终收益。但也许最重要的是要能够认识到这些信息是提升基础设施的利用效率的潜在助力。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29