京公网安备 11010802034615号
经营许可证编号:京B2-20210330
当智能交通遇上大数据(2)_数据分析师
人口分布、用地情况以及出行速度分布等一系列模型体系的建立,为城市管理和政府决策提供了数据支撑。他们将罗湖区细分为2864个交通小区,从宏观、中观、微观三个层次建立了系列模型,作为支撑整个城市交通服务和交通问题的分析研究。
深圳市曾提出构建未来交通实验室的畅想,在这样的大推进模式下,由中国综合交通指挥中心作为未来开放实验室的数据基础环境,联合多家科研机构推进交通未来实验室的开发,实现交通资源面向城市、面向社会一体化的公益性服务。
此外,深圳市具有全国最大规模的仿真环境。交通仿真的建立为整个城市轨道交通模型体系的不断优化,为城市交通指数的监测和服务提供了有效的技术支撑和保障。
技术创新倒逼管理变革
大数据仿佛一夜之间风靡全球,既宣告了一个时代的到来,又显然成了一个时代的标志。
但“大数据不是定制数据,往往是间接证据”。杨东援表示,间接证据在某些区间里的判断是成立的,在某些区间里的又肯定不对,无法直接成为决策依据。
“再者,就是对数据进行清洗和正确的判断,因为大量的数据经常是错的。”杨东援举了个例子:研发机构号称牌照读出率为95%~98%,但数据交合后发现,实际上不到6万辆的上海出租车,被读出的车辆数却呈数量级翻倍——原来是“z”和“2”傻傻分不清。然而,“交通大数据应用的最大困难还不是技术,而是管理者的变革决心。”杨东援坦言,大数据的价值在于让我们更好地“搭脉”,“帮助我们发现不知道的,而不是验证已经知道的”。
从城市交通角度来讲,政府如何利用大数据对整个城市交通进行管控,这是一个亟待解决的问题。
“在非高峰时期,人们为何也不选择公交出行?一个重要原因就是没有时刻表。”杨东援坦言,老百姓所谓的公交出行时间,实际上是将无效预留时间也算在内。除了让公交跑得快以外,能否减少无效预留时间等问题也有待解决。
据科研人员分析,智能交通的潜在价值还没有得到有效挖掘,对交通信息的感知和收集有限,对存在于各个管理系统中的海量的数据无法共享运用、有效分析,对交通态势的研判预测乏力,对公众的交通信息服务很难满足需求。这会造成智能交通的效率不高,智能化程度不够,使得很多先进技术设备发挥不了应有的作用,也造成了大量投入上的资金浪费。
由此可见,交通大数据只是一系列图和表,交通工程师也只是参谋,政府才是决策者。大数据与管理如果不能携手同行,智能也只能在云端打转。
延伸阅读
宝船网公司产品总监杜忠平:
智能航运须放开心态
大数据时代,从简单的数据收集到数据应用都发生了变化,航运也需要充分运用数据,建立高效、快捷的服务平台。
在日前举行的云计算大数据智能交通行业应用论坛上,宝船网公司产品总监杜忠平表示,在大数据环境下,任意港口都会有大量的信息服务运营商,包括船贷、网贷、物流调度等等。
用大数据工具建立第三方服务平台,可以节约资源,提高航运标准、方便货主。
据了解,中远集运曾通过资源整合和优势聚集,提高仓位的利用率、空箱调运和装卸效率等。
“通过数据分析,可以很快检测到上海等港口的航行状况,包括集装箱码头真实的分布。只要输入名称就能搜索到你要找的船。”杜忠平表示,希望在航运领域形成开放和透明的市场环境。
运用大数据进行船舶工业实践,除了技术本身需要进一步突破,更重要的是建立以数据为导向的全新商业模式。
“我们有30万条船的数据可以上传云端对外开放,但如果只是提供简单的查询就不叫创新。”杜忠平提出,“要提前做好所有的数据接口,等待用户访问。”
在大数据时代下,船必须变成“会思考”的智能船舶。船舶智能化已经成为当今船舶制造与航运领域发展的必然趋势。在海洋强国的使命号召下,智能船舶的发展是大势所趋,需要用更大的勇气、更广阔的视角把船舶工业带向更大的市场。
“在航运和物流领域工作,要开放心态,在没有交易之前先共享数据,趁着大数据这个浪潮到达下一个成功的彼岸。”杜忠平最后说。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12