京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17