京公网安备 11010802034615号
经营许可证编号:京B2-20210330
交通大数据:大城市交通路在何方
在百度大数据战略会议上,交通运输部科技司司长赵冲久讲解了中国未来的大数据交通战略。众所周知北京的交通一向很糟糕,那么大数据会让这样的大城市交通带向何方?我希望能够从交通大数据的获得,以及对数据的处理上来对其解读,希望国民们都能从一个更宏观层面知道科技与政策的交融的结果,大数据并非玄虚,其实已在我们身边。
一,交通大数据如何获得?
正像赵冲久司长所说的,今后的政策都不再会是拍脑袋决定,而是要根据实实在在的数据来说话,那么交通上的大数据将从以下途径获得。
第一:用户出行的一卡通,以北京为例,交通局有一个终端系统,可以详细的统计出每天进出地铁的人数,每个人在地铁上的行踪都能一清二楚的获得,并且用户使用一卡通做公交车的也是能够统计出来的,但是公交车有个缺点就是有用户可能是不用公交卡出行的,但交通部依然可以根据使用一卡通的人数按一定比例计算出大概的人数。
当然,这里还有一个没有爆发的点NFC的近场支付,如果中国未来可以像日本那样达成全民的NFC支付,那么未来交通部获得的市民出行的数据将更加完善。
第二:运输车辆进行全面监控,目前《道路运输车辆动态监督管理办法》将于今年7月1日起执行,其中最大亮点就是运输车辆的车联网系统,将所有运输车辆都与GPS卫星连接,国家可以实时监控这些运输车辆的路线,这对交通规划是非常好的事情。
第三:车联网,由于车联网的逐渐普及,交通部也能更好的掌握车辆出行的数据,再根据比列进行模拟出大概数据。
第四:路网监控,国家在道路监控上的投入可谓不菲,重庆高速公路视频监控数据每天就达到50T,我们获得了船舶位置数据,航速数据每天就达5500万条,在广州,综合处理服务平台,每日新增城市交通运营数据记录超过12亿,每天数据量达到150到300GB。通过视频监控,交通部能够弥补上其他信息的不足。
第五:与百度的战略合作,这也是百度请交通部来做演讲的原因,百度将自己的地图生态开放给交通部,为其增加数据的渠道来源。百度地图的日请求次数有70亿次(包括手机APP地图,导航等等),拥有大量的用户出行数据,进而诞生了百度迁徙图,而交通部可以根据百度提供的数据来提高数据的可靠性,成为可靠的参考样本,进而做好决策。
此外,还有诸如物流公司的物流信息平台,以及船联网等等可以获取的方式,但不在本次讨论范围。
二,交通大数据的应用是如何?
其实交通部在使用大数据上已经做了很多事情,但是由于数据量的不断增大,自身的分析技术的不足,所以这次与百度共同合作,利用百度对数据的深度分析技术,为政策制定提供更可靠的参考。
当然还有能够帮助交通决策的情况有很多,这里留出最重要的四个部分。
第一:智能公交,这是交通部早已实现的事情,也是交通部最早利用大数据决策的成功案例之一。交通部根据GPS定位技术、3G通信技术、GIS地理信息系统技术等等结合对车辆的监控,实施的公交车智能调度策略,提高了公交车的利用率,同时也在不断减轻城市道路的拥堵负担。
目前智能公交的调度技术已经在绝大多数城市铺展开来,目前中国各个城市都在陆续展开该项目。
第二:用大数据辅助交通规划辅助决策,就公交网络而言,传统的方式需要在投入大量人力进行OD调查和数据收集。而目前的一卡通,则让数据更为全面的展现在决策人员面前,流量数据全部可以精确掌握,同时再利用上车辆拥堵时间,拥堵路段的大数据分析后,公交车的线路调整,增加与减少换乘站的决策就会更加有依据。
第三:对驾驶员评估,交通部与百度技术结合后将通过驾驶员的出行习惯,从路线到行为,为该驾驶员提供一套评估,而此人的评估会被送往交通管理部门以及运输企业等地方,让用人的参考数据更多。并且这些评估也可以为个人提供安全参考意见。
第四:预测群体出行行为,目前百度地图已经做到了可以提前两周预测某个城市的人数大概规模,而将这一成熟的预测算法用于交通后,结合交通部的其他大数据,便可以预测出群体出行的态势,对其可能出行的时间,出行路线,出行方式等等进行预测,从而为城市车辆调度提供决策帮助。
并且再反过来看,这些预测的群体出行行为数据也将为个人出行提供更加精确的服务,帮助个人决策,让个人出行尽量以最短的时间最短的路线抵达目的地。
结语:在我们的不知不觉中,中国已经迅速步入大数据决策的时代,而政府也在利用科技利用大数据对国家进行更科学的建设,而这次政府与百度的合作,可以说是互联网公司有史以来以来与政府政策制定结合的最为紧密的一次。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据技术飞速迭代、数字营销竞争日趋激烈的今天,“精准触达、高效转化、成本可控”已成为企业营销的核心诉求。传统广告投放 ...
2026-04-24在游戏行业竞争白热化的当下,用户流失已成为制约游戏生命周期、影响营收增长的核心痛点。据行业报告显示,2024年移动游戏平均次 ...
2026-04-24 很多业务负责人开会常说“我们要数据驱动”,最后却变成“看哪张报表数据多就用哪个”,往往因为缺乏一套结构性的方法去搭建 ...
2026-04-24在Power BI数据可视化分析中,切片器是连接用户与数据的核心交互工具,其核心价值在于帮助使用者快速筛选目标数据、聚焦分析重点 ...
2026-04-23以数为据,以析促优——数据分析结果指导临床技术改进的实践路径 临床技术是医疗服务的核心载体,其水平直接决定患者诊疗效果、 ...
2026-04-23很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标是所有企业都需要的”“哪些指标是因行业而异的”“北极星指标和 ...
2026-04-23近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16