京公网安备 11010802034615号
经营许可证编号:京B2-20210330
随着我国汽车数量逐渐增多,交通拥堵以及环境问题日益严重,智能交通逐渐受到重视。在近日的“第五届中国智能运输大会暨第三届深圳国际智能交通与卫星导航位置服务展览会”上,中兴提出,在建设“智慧城市”的规划中应把“智慧交通”列入其中,并展示了智慧交通控制、是交通运营管理、信息服务,三个方面的设备。此外,腾讯也开始布局智能交通,推出实时公交查询系统。
在中国,车联网已被列为国家“十二五”期间的重点项目。然而,作为新兴发展的行业,智慧交通仍然拥有诸多行业痛症,行业标准缺乏首当其冲。业内人士认为,新行业初期的摸索是一个艰难的过程,市场需要自律和政府引导。
智能交通应用广泛
互联网能让人们实现点对点的信息交流,车联网则能让车与车之间实现对话。智能交通系统经过近多年的发展,逐步从技究开发走向应用。在近日的“第五届中国智能运输大会暨第三届深圳国际智能交通与卫星导航位置服务展览会”上,中兴通讯副总裁胡剑表示,智慧交通就是智慧城市的一个重要组成部分,通讯产品在整个交通应用当中非常广泛,包括很多高速公路的设备,还有城市交通的设备,都需要用通讯,而也这正是通信设备商出身的中兴通讯的优势所在。此外,中兴通讯还在会上展示了三个方面的设备,一是智慧交通控制方案,二是交通运营管理方面,三是信息服务。
中兴早已有所布局,在宁波,中兴通讯还与当地政府合作推出了一种名为“宁波通”的APP应用,拥有出行小秘书、路况查询、停车诱导等近20项功 能,只要将其安装在移动设备上,连接无线移动网络,就可以随时随地享受便捷的交通服务。
实际上,从2010年开始,上汽荣威、吉利汽车、一汽马自达、一汽丰田、上海通用、宝马等企业纷纷与联通展开合作,其中通用onstar、宝马iDrive、丰田G-Book等带有车联网功能的产品已在多款车型上得到广泛应用。
中国联通汽车航空行业总监张然懋表示,由车联网功能引发的市场竞争热在今年或将达到高潮,车联网则将成为智能交通产业发展的主攻方向。业内人士表示,智能交通是一个跨行业的系统体系,包括硬件设备厂商、系统工程厂商、数据收集、分析企业及各产品服务的分销企业,粗略统计约有近3000家企业涉及到该行业中。
智能交通成智慧城市建设关键
智能交通是一个基于现代电子信息技术面向交通运输的服务系统。它的突出特点是以信息的收集、处理、发布、交换、分析、利用为主线,为交通参与者提供多样性的服务。它将先进的信息技术、数据通讯传输技术、电子传感技术、控制技术及计算机技术等有效地集成运用于整个地面交通管理系统而建立的一种在大范围内、全方位发挥作用的,实时、准确、高效的综合交通运输管理系统。
物联网“十二五”规划明确了物联网技术的十二大重点应用领域,包括智能电网、交通运输、物流产业、医疗健康、智能家居、环境与安全检测、精细农牧业、工业与自动控制、金融与服务业、公共安全、国防军事以及智慧城市。物联网的本质是架起了物与物之间的沟通桥梁,它是多网融合时代的必然产物,它将人与人之间的沟通连接扩展到了人与物、物与物之间的沟通连接,智能化、网络化的生活将让人们工作、生活更加便捷和人性化。
首先,在改善交通方面。我国机动车和驾驶人数近年持续快速增长,再加上国内交通道路网变动频繁,全国各地掀起地铁、BRT建设,给各个城市的交通道路带来压力,极易形成交通拥堵现象,因此亟需智能交通应用发挥功力。
其次,在发展技术方面。视频监控、公交调度、定位管理等智能交通应用需要强大的网络支撑能力以及数据分析能力,这需要大数据、云计算等前沿技术发挥作用,同时大数据、云计算等技术通过智能交通应用能充分释放它们的魅力。
再次,在带动产业方面。智能交通应用属于信息产业的重要组成部分,是国家支持的产业。打造契合城市发展、社会公众需要的智能交通应用,以此争取进入各省市的智慧城市、平安城市规划中,对于产业本身有着重要的助推作用,对于与产业相关的市场同样具有辐射作用。
大数据驱动交通智能化
一份来自于MarketsandMarkets的研究报告显示,到2018年,全球大数据市场的年均复合增长率将达到26%,从148.7亿增至463.4亿美元。可以说,我们已经进入大数据时代。而智慧城市是城市信息化向智慧化发展的必经阶段,由城市信息化发展到智慧化,关键是要实现对数字信息的智慧处理。
因此,大数据也是发展智能交通中重要的一环,在当今的技术支持下,大数据的表现成功将人类的想象转化为现实,并逐渐渗透进人们的生活。其意义已不仅仅只是预测结果,改善交通状况。
尽管,交通大数据时代的来临是智能交通发展的必然趋势,但是,在这个进程中我们也将面临前所未有的问题和挑战。一方面,如何从政策和技术上突破交通数据资源互通、共享的壁垒,消除信息分散、内容单一等问题;另一方面,如何实现交通数据资源的综合利用效率,使其能够真正支撑交通系统的运营管理,有效地提高交通运行的效率以及安全水平。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30在CDA(Certified Data Analyst)数据分析师的日常工作中,“无监督分组、挖掘数据内在聚类规律”是高频核心需求——电商场景中 ...
2026-03-30机器学习的本质,是让模型通过对数据的学习,自主挖掘规律、实现预测与决策,而这一过程的核心驱动力,并非单一参数的独立作用, ...
2026-03-27在SQL Server数据库操作中,日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配,还是业务 ...
2026-03-27在CDA(Certified Data Analyst)数据分析师的能力体系与职场实操中,高维数据处理是高频且核心的痛点——随着业务场景的复杂化 ...
2026-03-27在机器学习建模与数据分析实战中,特征维度爆炸、冗余信息干扰、模型泛化能力差是高频痛点。面对用户画像、企业经营、医疗检测、 ...
2026-03-26在这个数据无处不在的时代,数据分析能力已不再是数据从业者的专属技能,而是成为了职场人、管理者、创业者乃至个人发展的核心竞 ...
2026-03-26