大数据、数据挖掘在交通领域有哪些应用?

还想问下我学习数据挖掘和人工智能这两门课会不会和我专业太偏了?
已邀请:

gus

赞同来自: candy 宝宝

一、交通领域的大数据来源
有数据才有分析,交通领域的数据产量巨大。具体可以分为如下几个方面:
物流和运输公司。这个很好理解,详细讨论需要另开一个问题大数据对物流管理有什么影响?。
公交一卡通。交通局通过数据实时分析一方面可以控制公交车和地铁的发车班次和时间,减少空车率,疏导客流缓解城市道路压力;另一方面也可以进行线路优化。
GPS定位。《道路运输车辆动态监督管理办法》将于今年实施,其中最大亮点就是将所有运输车辆都与GPS卫星连接,国家可以实时监控车辆运行路线。
车联网(Internet of Vehicles)。例如百度刚推出的CarNet、苹果的CarPlay、微软的Windows in the Car等。目前厂商们所推崇的车联网和可穿戴设备一样,都是将物联网与手机APP相结合。
路网监控。目前国家在道路监控上的投入很大,“十二五”高速视频监控点建设 实现京津地区全覆盖,被直播的中国:监控摄像头数量每年增加20%。
电子地图导航应用。将用户出行数据进行分析,从而可以预测不同城市之间的人口迁移情况,或者某个城市内群体出行的态势。例如春运期间的交通调整。

二、交通领域的大数据应用
《车来了》通过分析公交车上GPS定位系统每天的位置和时间数据,结合时刻表预测出每一辆公交车的到站时间。
WNYC开发的Transit Time NYC通过开源行程平台(Github:OpenTripPlanner和MTA )获取的数据将纽约市划分成2930个六边形,模拟出从每一个六边形中点到边缘的时间(地铁和步行,时间是上午九点),最终建模出4290985条虚拟线路。用户只需点击地图或者输入地址就能知道地铁到达每个位置的时间。
实时交通数据采集商INRIX-Traffic的口号是(永不迟到!^^),通过记录每位用户在行驶过程中的实时数据例如行驶车速,所在位置等信息并进行数据汇总分析,而后计算出最佳线路,让用户能够避开拥堵。

图片1.jpg





三、结束语
这个话题需要领域内的人士来详细解答,本文属于抛砖引玉。

如有兴趣建议读一下SAP的分析报告:
《Drivers Avoid Traffic Jams with Big Data and Analytics》

安之若素

赞同来自: candy

交通领域大数据分析和应用的场景会相当多,这里面要注意两点,一个是大数据本身的技术处理平台,一个是数据分析和挖掘算法。具体场景当时写过点内容,如下:

对于公交线路规划和设计是一个大数据潜在的应用场景,传统的公交线路规划往往需要在前期投入大量的人力进行OD调查和数据收集。特别是在公交卡普及后可以看到,对于OD流量数据完全可以从公交一卡通中采集到相关的交通流量和流向数据,包括同一张卡每天的行走路线和换乘次数等详细信息。对于一个上千万人口的大城市而言,每天的流量数据都会相当大,单一分析一天的数据可能没有相关的价值,而分析一个周期的数据趋势变化则会相当有价值。结合交通流量流向数据趋势变化,可以很好的帮助公交部门进行公交运营线路的调整,换乘站的设计等很多内容。这个方法可能很早就有人想到,但是在公交卡没有普及或海量数据处理和计算能力没有跟上的时候确实很难实际落地操作,而现在则是完全可以落地操作的时候了。

从单一的公交流量流向数据动态分析仅仅是一个方面,大数据往往更加强调相关性分析。比如对于在某一个时间段内公交流量和流向数据发生明细的趋势变化的时候,这个趋势变化的究竟和哪些潜在的大事件或其它影响因素的变化存在相关性,如何去分析这些相关性并做出正确的应对。举个简单的例子来说,当市中心区内的房屋租金持续增长的时候一定会影响到交通流的变化,很多人可能会搬离到更远的地方去居住,自然会形成更多的新增公交流量和流向信息。在《大数据时代》里面谈到更多的会关心相关性而不是因果只是一个方面的内容,实际上往往探索因果仍然很重要,就拿尿片和啤酒的例子来说看起来很简单,但是究竟是谁发现了这种相关性才更加重要,发现相关性的过程往往是从果寻因的过程,否则你也很难真正就确定是具备相关性。

其次就智能交通来说,现在的智慧交通应用往往已经能够很方面的进行整个大城市环境下的交通状况监控并发布相应的道路状况信息。在GPS导航中往往也可以实时的看到相应的拥堵路况等信息,而方便驾驶者选择新的路线。但是这仍然是一种事后分析和处理的机制,一个好的智能导航和交通流诱导系统一定是基于大量的实时数据分析为每个车辆给出最好的导航路线,而不是在事后进行处理。对于智能交通中的交通流分配和诱导等模型很复杂,而且面对大量的实时数据采集,根据模型进行实时分分析和计算,给出有价值的结果,这个在原有的信息技术下确实很难解决。随着物联网和车联网,分布式计算,基于大数据的实时流处理等各种技术的不断城市,智能的交通导航和趋势分析预测将逐步成为可能。

还有一个在国外大片中经常能够看到的就是实时的车辆追踪,随着智慧城市的建设,城市里面到处都是摄像头采集数据,当锁定一个车辆后如何根据车辆的特征或车牌号等信息,实时的追踪到车辆的行走路线和位置。这里面往往需要实时的视频数据采集,采集数据的实时分析和比对,给出相应的参考信息和数据。这个个人认为是具有相当大的难度,要知道对于视频流和图像信息的比对和分析往往更加耗费计算资源,需要更长的计算周期,要从城市成千上万个摄像头里面采集数据并进行实时分析完全满足大数据常说的海量数据,异构数据,速度和价值等四个维度的特征。基于车辆能够做到,基于人当然同样也可以做到,希望这类应用能够逐步的出现,至少现在从硬件水平能力和技术基础上已经具备这种大数据应用的能力。

candy

赞同来自:

大数据的应用对于交通管理部门是一种非常好的工具,也会提升管理部门的效率和能力,但大数据方法仅此而已。一卡通信息,打车信息,物联网传感器信息,GPS信息灬都可成为交通大数据,都可被分析,被应用。但仅指望通过大数据直接解决交通拥堵,目前是不行滴。交通拥堵的核心是通行能力与通行需求不匹配,可能是常态化的道路资源不够,也可能是瞬时车流高峰导致的不协调,大数据的交通信息公开会带来交通流量的透明化,而大家同样的选择会导致下一个交通拥堵的出现,景点的热力图也只代表现在,如果大家都得到同样的信息,结果冷点就会很快变成热点。当然,饭店可能是个例外,如果你发布的某个饭店排队人数多,很可能导致的是这个饭店的排队人数更多。refer:大数据不是万能的。

要回复问题请先登录注册