京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据VS大拥堵:大数据治理交通
如今交通拥堵随处可见,在公路、空中、铁路交通等发生的一系列拥堵不仅会造成时间的浪费和空气的污染,还会在社会发展的过程中付出高昂的代价。在伦敦、布鲁塞尔,上班族每年至少要浪费50个小时在交通拥堵上,这几乎等同于一周的工作时间。在欧洲,交通拥堵所带来的代价几乎能耗费掉近百分之一的GDP。在美国,仅航班延误这一项就能耗费近60亿美元的经济成本。
尽管出现了以色列实时识别模式系统、巴西优化航空路线利用率、欧洲铁路公司等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,但总体看来,这一方向的进展还是缓慢。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进行分析,在缩减安检队列的基础上以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。
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的利用效率的三点障碍。
1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。
2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。
3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,企业就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,政府在基础设施中的参与利益很明显,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开始的时间并不长,还在逐步推进中。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的结果进行测试,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
在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06在 CDA(Certified Data Analyst)数据分析师的工作中,“可解释性建模” 与 “业务规则提取” 是核心需求 —— 例如 “预测用户 ...
2025-11-06在分类变量关联分析中(如 “吸烟与肺癌的关系”“性别与疾病发病率的关联”),卡方检验 P 值与 OR 值(比值比,Odds Ratio)是 ...
2025-11-05CDA 数据分析师的核心价值,不在于复杂的模型公式,而在于将数据转化为可落地的商业行动。脱离业务场景的分析只是 “纸上谈兵” ...
2025-11-05教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-05教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-04【2025最新版】CDA考试教材:CDA教材一级:商业数据分析(2025)__商业数据分析_cda教材_考试教材 (cdaglobal.com) ...
2025-11-04