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。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师 出品 作者:李诗怡 1. 销售漏斗阶段判断 题目:销售漏斗模型中,通过广告、社交媒体等方式触达品牌信息(如浏览品 ...
2026-09-07在Python数据分析中,Pandas库的DataFrame是最核心、最常用的结构化数据表对象,类似于Excel的二维表格,具备规整的行列结构、字 ...
2026-09-07在数据分析、经营复盘、业绩预测与经济统计工作中,平均增速(平均增长率)是衡量数据长期变化趋势、业务发展快慢的核心指标。不 ...
2026-09-07 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-09-07随着大数据技术的快速发展,商业竞争逐步从传统的经验式经营转变为数据驱动的精细化运营。海量的用户行为数据、交易数据、运营数 ...
2026-09-04CDA数据分析师 出品 作者:李诗怡 1. 波士顿矩阵(BCG Matrix) 定义: BCG于1970年提出的业务组合分析工具,以"市场增长率"(纵 ...
2026-09-04 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-09-04数据透视表是Excel与Power BI中最核心的数据分析工具,具备快速汇总、维度拆分、动态筛选的能力,可高效完成数据归类与统计展示 ...
2026-09-03在Power BI数据分析可视化场景中,堆积柱状图+折线图是最常用的复合图表组合。堆积柱状图适合展示各细分维度当期数值、结构占比 ...
2026-09-03 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-09-03CDA数据分析师 出品 作者:李诗怡 一、8个核心数据清洗函数 1. TRIM:一键清除多余空格(最常用) 作用:仅保留文本中"单词/字 ...
2026-09-02数据分析的核心并非单纯操作工具、整理报表或绘制图表,而是依靠科学的思维逻辑挖掘数据价值、解释业务现象、指导经营决策。在完 ...
2026-09-02在社会经济、产业研究、区域治理与大数据实证分析中,面板数据是最具研究价值的数据类型。面板数据同时包含截面维度与时间维度信 ...
2026-09-02 很多数据分析师能熟练计算均值、标准差,但当被问到“如何用一张图让业务方3秒内看懂核心结论”“面对不同数据类型该怎么选 ...
2026-09-02在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31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 ...
2026-08-31