
除了根据已经发生的交通行为得出数据分析报告之外,大数据在智能交通领域还有更多可为,包括无人驾驶汽车、实时交通调控、社会化交通方案、政府大数据调控。
如果让一个人指出自己所在城市的缺点,大都会包括一点:堵车。究竟是北京还是上海更堵车?在过去这很难有确切的答案。最近一份来自地图厂商高德 的《交通报告》回答了这个问题:三季度北京成为最拥堵城市。其次拥堵的 Top10 城市依次为:杭州市、上海市、 福州市、大连市、济南市、沈阳市、温州市、广州市、郑州市,这份报告还深入剖析拥堵原因,为相关部门治理拥堵提供决策参考,不过这只是治堵第一步。
量化拥堵情况和发现拥堵原因
经济高速发展所带来的副作用,除了空气环境更糟糕之外,还有一点则是拥堵的交通,尤其是在一线城市生活的人们想必对此更有感受。不过,过去我们只能从个人感知程度来主观评判哪个城市、哪个路段、哪个时间拥堵更严重。《交通报告》则让拥堵情况可以量化。
这份报告的发布基于超过3亿地图用户每天所上传的大量LBS数据,通过数据挖掘的方式得出报告结果。目前高德支持139个城市的交通情况分析,分析可以从城市、时间、路段多个维度交叉进行,通过关联分析,可以发现APEC限行、暑期开学、天气状况对交通的影响。
比如据报告显示,暑期(7、8 月份),拥堵延时指数平均 2.07,比 6 月份下降 3%,拥堵状况明显缓解;8月天气炎热交通状况最好;9月,学校开学、雾霾天气、临近国庆探亲访友旅游,增多等诸多因素影响,交通压力最为突出,拥堵延时 指数比 8 月份约上涨 8.7%,拥堵严重。
这份报告还分析出不同城市、不同路段和不同时间的拥堵状况,对重点城市进行深入分析和专门报告。
基于报告结果提供治堵建议
这份报告的价值在于,它不只是给出一堆数据,还分析了原因和给出了建议。
对于北京,报告建议针对快速路可采取建议设置较长的缓冲带、关键出入口设置车流诱导、对相邻的入口匝道的车流量进行协调;针对城市道路则可以采取“改善道 路交通组织、疏通道路,治理停车不规范等”措施。除了北京,高德给福州、杭州等城市同样提供了一些治堵建议。相关部门听不听是一回事,但就算没有提建议, 这个 大数据 结果对相关部门还是有非常重要的参考价值的。
为什么这个报告只有地图可以做,而不是政府部门来做呢?收集路网交通数据,大概有以下几个思路:
1、 从车辆收集数据。比如基于OBD接口的设备, 不过由于汽车厂商、OBD设备厂商与政府部门没有形成一致,不是所有车都有OBD设备,也不是所有OBD设备都能同步上传数据,上传的数据还没有开放给政府。因此,这个方式基本不可行。
2、 政府部门主导的车联网。 道路传感器、车辆传感器、道路摄像头组成一张强大的智慧交通系统,对道路、桥梁、停车场等基础交通设施的运行状况实时数据管理。智能交通在欧美日等发达国 家应用已十分广泛,在美国的应用率达到80%以上,给我留下深刻印象的就是旧金山金门大桥是收费的,汽车并不需停车付费刷卡,而是在经过时被拍照分析,过 桥费会被记入车主的收费单。不过中国的智能交通建设还相对落后。
3、 从移动互联网收集数据。 可以说这是一条捷径,因为这几年移动互联网高速发展,智能手机覆盖率已经超过50%了,没两个人就有一个用智能手机——在大城市这个比例又高出许多。智能 手机又都有定位功能,有地图应用。而各个地图都有强大的用户基数,还有加载其地图的导航设备,那地图商对其用户和设备的运动轨迹就基本掌握了,因此才能做 到目前政府部门都做不到的事情。
政府部门建设智慧交通网络,或许可以实现更加精细化、更加智能化和更加专业化的交通管理。不过在这张大网建立起来,参考高德基于用户大数据分析的报告,或许也是可行的。未来高德与政府部门联合进行交通数据分析,高德以顾问的形式参与进来也是有可能的。
除了根据已经发生的交通行为得出数据分析报告之外,大数据在智能交通领域还有更多可为。
1、 无人驾驶汽车: Google无人驾驶汽车虽然尚未上路,不过这给大数据交通提供了一个很好的思路。可以想象未来所有汽车都是无人驾驶汽车时,所有车辆的运行都可以在云端进行调度,物流和车流都是智能化的。这就可以让每条道路都得到最充分的应用,最大程度降低拥堵。
2、 实时交通调控: 如果计算能力上来了,并且已经构建一张强大的实时信息通知网络和交通规则,交通部门就可以根据不断变化的交通数据,实时通知汽车如何选择出行反感、如何避 开高峰时段、故障路段等。现在一些高速公路、停车场已经可以做到这一点了,未来所有道路或许都是智能化可以实时调控的,而不只是现在的“事后治理”。
3、 社会化交通: 这份报告其实已经有一些社会化的影子了,因为其数据是每个用户贡献的。社会化交通还有更多可为,比如WAZE的众包地图思路可以降低采集成本、增强路况实 时性,这部分高德在国内也已经开始实施;再比如基于社会化网络的P2P租车、P2P拼车,则可以最大化利用闲置汽车和道路资源,降低拥堵程度。
4、 大数据规划: 大数据的价值在于它可以预测未来的可能性。政府交通部门如果在规划道路时便运用大数据手段,便可以设计出更合理的交通基础设施、交通管理制度。如果再进一步,城市规划等所有与交通有关联的部门,都可以参考大数据结果进行规划,一起为降低交通拥堵努力。
不过,所有这些方案的基础都离不开这个核心:地图应用以及基于地图应用的大数据。地图应用是在把整个实体空间世界映射到互联网,尤其是交通状况。如果没有地图,交通大数据只是空中楼阁。
大数据交通还有更多施展空间
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01