大数据应用场景之智慧交通

#之智慧交通交通应用应用场景一——交通运输信息化交通运输信息化涉及的具体数据应用场景包括：建公众出行交通服务系统、构建视频分析服务管理系统、构建交通应急指挥服务管理系统等，随着大数据技术渗入到交通运输信息化建设之中，使得交通信息实现集成化管理，特别是城乡一体化建设促使交通运输实现区域全覆盖，要确保交通运输信息化建设适应时代发展的要求，促进交通运输产业健康良性发展。1、应用需求“十三五”期间，交通运输部明确了交通运输体系建设要坚持走信息化发展的道路，并为交通信息化建设指明了方向。按照《国民经济和社会发展第十三个五年规划纲要（草案）》所提出的关于交通建设发展方向，要求交通运输业要打造信息工程，并以信息化示范工程为主要依托，加大力度建设智慧交通，将我国的交通运输构建为综合性体系。根据《规划》中的要求，我国的交通运输体系发展到2020年，要实现全行业信息共享，大幅度地提升信息开放水平，交通领域中的各项事务处理，要着力于提升大数据的应用能力，运用“互联网+”使得交通运输事业不断地取得新突破。2、应用场景（1）构建公众出行交通服务系统在公众出行交通服务系统构建中，应用大数据技术，对道路进行交通流量分析、超时预测、时间识别；对车辆进行特征、运行规律及监管分析；对出行者进行流向、聚焦分析，从而获得静态基础信息，动态交通状况，提供交通决策信息和智能出行分析服务，确保公众出行更加便捷与高效。利用数据挖掘分析，给用户提供真正有价值的数据信息，通过信息服务引导出行者，这样才能让交通最主要的参与者能够通过自主行为改变交通状况。（2）构建视频分析服务管理系统在视频分析服务管理系统构建中，应用大数据技术，包括大数据流程建模、3D动态空间数据分析、动态路径规划、数据融合及预处理等，将视频动态分析和检测技术的功能充分地发挥出来，应用视频动态分析加大交通运输的服务管理力度，发挥对视频流的检测功能，构建检测模型，以实现对道路交通信息的实时监控。视频分析服务管理系统所检测到的信息，包括交通事故以及道路拥堵状况等，都将以视频文件的形式传递给用户。用户接收到信息后，就可以绕开事故发生的路段，还可以有效地规避风险。现行的视频分析服务管理系统还辅助有安全警报系统，当交通量大、事故多或有特殊情况的路段，安全警报系统就会发挥作用，从而提高道路通行的安全系数。3）构建交通应急指挥服务管理系统在交通应急指挥服务管理系统构建中，应用大数据技术，包括城市道路交通状态判别、交通信息提取和查询、海量交通数据快速处理、交通流分配模型等，以便与事件处置各方快速、高效联动，实现及时、准确处置交通事故的目标，为确保道路交通的畅通运行奠定基础。3、商业模式开展toG业务：与地方政府合作，针对大数据挖掘技术在交通信息化建设的应用进行分析，确保各地交通运输信息化建设适应时代发展的要求，促进交通运输产业健康良性发展。开展toB业务：在于地方政府合作基础上，开展toB业务，充分是实现交通大数据与其他行业数据的共享融合，如与保险、金融行业开展合作，实现数据增值、变现，为行业数据应用开拓崭新渠道。应用场景二——智能公交卡智能公交卡涉及的具体数据应用场景主要面向用户、管理者以及企业运营者进行开发，目前智能公交卡并没有像银行卡一样实施联名制，很多城市的票价也只有跟路线长度有关，在进一步设计自动调度、优化、决策智能平台时，也可以随城市发展增添新的元素和改良现有只能公交卡的性能，实现大数据时代下的智慧城市、智能交通。1、应用需求公交IC卡收费系统作为APTS中应用最广泛的子系统之一，每天在运行中产生大量的刷卡交易。每刷一次设备就记录了一次数据，进而形成了庞大的数据库。在智慧城市和智能公共交通的大背景下，国内像北京、上海、广州等大城市均进行了基于智能公交大数据的城市交通系统分析、规划、优化等。利用智能公交数据硏究车辆0D、行人0D、公共交通客流量、公交路线网，是缓解城市交通拥挤，解决城市交通问题的重要手段。2、应用场景整个交通活动的参与者，有出行用户、交通管理者和企业运营者，在建立预测性模型以优化现有公共交通的过程中就必须面向这三个群体来挖掘数据。（1）面向用户出行：人工智能分析模拟用户出行偏好，提供符合用户户型习惯的实时出行意见（个体用户出行诱导）；为实现城市客流管控及导向性，提供各种用户出行诱导的综合便捷服务体系（人群群体诱导）。2）面向交通管理者：以交通线网点＞线＞面的实时办法为理论基础，参考公共交通白皮书研究开发公共交通一体化线网标准模型及实际模型（交通行业线网模拟建立）；结合交通行业相关数据，研究开发公共交通行业综合线网拟合优化及诊断评价决策支持系统（交通行业当前线网优化）；通过一体化公交线网的GIS仿真模拟，通过假设数据输入，实现站点、线网规划重置，变化相关影响模拟运算及假设分析（变化影响智能仿真模拟）。（3）面向企业运营者：面向营运的轨道、公交智能分析辅助决策支持（企业运营优化决策支持）；通过实时运营数据、结合城市公交一体化线路网模型、对于城市突发事件的运营指导提供快速响应的辅助决策支持系统（突发响应方案提供）。3、商业模式开展toG业务：与政府合作，开展只智能公交卡系统建设，有效记录公交乘客收费系统数据，研究车辆、行人运行轨迹、公共交通客流量、公交路线网等，以缓解城市交通拥挤，解决城市交通问题。开展toB业务：与支付宝、微信等支付平台开展合作，开发城市公交智能支付系统；在于政府合作基础之上，利用所收集数据，面向电商、出行企业开展数据交易业务，满足其精准营销需求。应用场景三——出租及网约车运营管理出租及网约车运营管理大数据应用涉及的具体应用场景包括：出租车智能终端应用展现、出租车行业的动态监管、网约车大数据取样分析、出租车及网约车历史离线大数据分析等。本模块最终将体现在城市交通管理系统中，实现城市出租汽车智能终端的管控，能够对网约车进行数据的追踪和订单的实时统计，同时在离线分析模块中，实现对海量定位数据的模式挖掘工作。1、应用需求随着互联网信息技术的发展，为融合发展提供了技术上的可能性，依托“互联网+”及大数据平台提供的支持，经过协调有序的过渡阶段，网约车与出租车融合共生的发展状态必然会出现。应对上述挑战需要政府管控部门通过一整套监管手段的变革，综合的管控手段应该是市场手段、行政手段和技术管控手段的结合。行政管制手段包括，牌照发放及收回、公司准入、司机准入、区域限行时段管制等等。市场协调手段包括，补贴、价格管制、税收标准等等而集成的公共服务平台，则提供强有力的技术管控手段，通过大数据应用计量模型来分析出租车的总量、不同时段的使用率等等，对每一辆出租车进行全程监控以及租车流程控制，不仅可以提高社会整体出租车运行效率和效益，并且能够保障消费者的出行安全。2、应用场景（1）出租车智能终端应用展现实时运行和日常运行信息的智能服务终端，利用GPS/北斗技术、3G/4G无线通信技术于一体的智能“车联网”终端，包括智能服务终端、税控计价器、智能顶灯、摄像头、服务评价器等部分。在海量交通数据的基础上，出租车使用智能终端与云平台相连，能有效节约城市资源，避开拥堵路段，减少碳排放，为绿色出行做出贡献。以智能导航为例，进入导航界面，当进入新区域或者经过重要路口，终端会连接云服务器，根据当前实时得到的城市车辆数据显示重要道路的拥堵情况。与此同时，在客户端的平台上或手机端亦可见相对应的全城路况。该情报面板采集自全城出租车、网约车实时数据，相比较百度地图的数据来源更为直接（因为互联网地图采集自各种手机定位数据），因而显示更为准确，更加有效体现出道路拥堵状况。（2）出租车行业的动态监管按照交通运输部、省厅要求，平台需要将车辆数量及结构分布、运营成本数据、里程利用率、服务满意度等统计数据上传至相关系统，以便于相关管理部门及时、准确掌握全省出租汽车的营运状况，为其制定出租汽车行业的发展规划和计划提供基础支撑。出租车平台依托实时数据流管理系统，将各项统计数据上传到部门平台，可实现：1）出租车运营情况分布统计：通过统计指定某些区域内一段时间内的运营车辆数，从而总结出车辆运营在地理区域上的空间分布规律，为车辆的调度决策提供支持；2）运营效率统计：监管平台通过从司机运营收入、运营成本及收入分段统计对比，载客里程与空驶里程对比，载客时长与空驶时长对比等儿方面统计，来体现出租汽车的平均运营效率，从而对影响运营效率的评价提出相关因素；3）重点区域运营规律分析：监管平台通过统计特定区域内车辆运营的各指标，总结出该区域内的车辆运营规律，从而为重点区域的运力投放等方面提供决策支持；4）车辆运营空间分布特征分析：监管平台通过统计指定某些区域内一段时间内的运营车辆数，从而总结出车辆运营在地理区域上的空间分布规律，为车辆的调度决策提供支持。（3）网约车大数据取样分析系统可实现从网约车平台中对当日网约车实时统计得到数据，不同日期的同时段数据进行对比。由于数据的实时性，任意时间下的营收金额与统计对比情况都能展现在平台上，并能按照不同的公司或不同的业务进行分类显示。根据实时数据，可在地图上任意区域查到所有在区域内的车辆。根据统计数据，运输管理部门可以掌握网约车交通量分布、变化情况，掌握网约车高峰时间段和订单繁密地段。据此可以制定加强网约车管理的措施，以减少交通阻塞和事故，并可以根据交通量的时间和空间分布、变化规律，提高运输效率。（4）出租车及网约车历史离线大数据分析将交通行业在出租车和网约车的历史数据进行挖掘，把同比和环比的数据进行对比分析，最终产生应用，并对最终的交通出行应用进行预测。如经过分析，得出在早高峰时段，使用网约车的需求主要集中在哪几个地铁站附近，因而在地铁站附近打车需求更多，更难以乘坐网约车。而主城区由于地铁网络更加发达，使用网约车的人数较少，但一般市中心作为传统的商业和办公地点，网约车需求非常频繁。这些信息对于公交出行规划新的公交路线也将起到很大帮助。3、商业模式（1）搭建平台：收取服务费用。C2C模式：通过政府授牌，规范个人私家车服务与个人消费者。平台设定收费模式，按比例收取相应佣金。B2C模式：与大型约车企业合作，服务高端市场，实现对于车辆司机、服务流程的严格把控，实现更好的客户体验；O2O模式：线上对线下，服务延展到订餐、订酒店、订门票等二手车交易、汽车金融、“以租代售”模式等诸多领域进行开掘。1.1.4应用场景四——智能高速运营管理智能高速大数据应用涉及的具体应用场景包括：客户服务、运营管理、联合指挥、应急资源调度、预测预警等。本模块在大数据平台上的深入利用机器学习和深度学习，随着物联网建设的推进，数据处理和应用的价值将得到进一步体现。将实现高速公路的数据和更多的行业数据打通进行跨界应用，并应用到实际的场景中。1、应用需求目前，交通拥堵、交通事故、环境污染及能源短缺已成为制约城市交通发展的重要问题，尤其在高速公路交通管理中尤其明显。车辆在高速公路上，本身的动作及设备会产生海量数据，但随着数据量越来越多，查询调用越来越频繁，处理速度变得越来越慢。如何有效利用传统高速公路数据与设备，提高交通运输效率、安全性、整体效益，提高交通科学管理和组织服务水平是管理者迫切需要解决的问题。高速公路大数据由几个大的部分构成：高速收费数据主要应用于收费管理、风险管理、运营优化;监控设备数据主要应用于视频监控、运营管理、指挥调度;交调设备数据主要应用于基础采集、运营管理、指挥调度。交通数据尤其是视频数据和图像数据，在一个省份数万个摄像头下，以TB量级甚至PB量级增长，数据量巨大，亟需在大数据平台支撑下，完成平滑扩容和查询分析等业务应用。2、应用场景（1）客户服务

在ETC用户管理与车辆引导中，需使用算法进行关联分析，提供客户增值服务和精准信息推送，可以根据用户的车辆迁徙路线等分析，进行相关的路线信息推送等。在ETC用户管理与车辆引导中，基于客户历史迁徙路线和商品购买历史，运用高维矩阵分解方法，发现客户购买偏好和潜在需求以及出行规律。当客户通过ETC时，实时拍照识别鉴定客户之后，基于客户车辆历史通过卡口数据，调用训练好在线数据挖掘模型，可以以大数据可视化的方式显示出来客户迁徙路线，并预测出客户未来迁徙线路，进而进行精准的地点线路信息推送。（2（2）营运通过机器学习实现时效分析，提前预警，协同各单位指挥调度；利用数据分析，可以通过高速公路热点视频查看，进行自动推送；建立领导驾驶舱，设定流量排名，为优化运营提供决策依据。增收堵漏。识别偷逃通行费行为，通过分析收费数据，经常性超时行驶的车辆，查找换卡车辆信息；也可通过车牌抓拍系统、截取出入口车牌对比信息，对出入口车牌不一致、重量有较大偏差的，对比经常计重逃费、绿色运输车辆违规加大检查力度，实现增收；通过数据分析可实现对未来收费趋势的预测。营运的分析与预测。通过分析周边区域的经济形势、人口状况、产业结构，年高速公路车流量变化、通行费收入状况、路网结构等，进行车流量预测与分析，结合收费站车流量数据，预判节假日、高峰时间收费站的车流情况，为收费站开道保畅工作提前做好准备。市场营销。针对市场化程度高的运营主体（主要是指高速公路上市公司）,还可以通过数据分析进行市场营销。比如通过Ebay、淘宝、京东等商务平台建立的大数据分析平台可以准确分析用户的购物行为；通过移动运营商提供的用户数分析人流量信息量。（3）联合指挥通过各项数据的汇总和分析，综合呈现各相关数据，形成联合指挥。基于应急资源管理、路网交通协同调度、应急预案管理、处置效果评估、无人机监控等模块，实现交警、消防、路政等多部门联动响应，为各类交通事件条件下的路网协同控制和诱导管理提供可视化管理界面和决策支持。（4）应急资源调度借助大规模数据处理能力，整合传统的应急资源设备与资源，协同建立最优化的调度。应急指挥调度系统可以采取“挂图作战”的形式进行，有效地保证在出现特殊情况时可以采取科学的应急措施，积极、快速、有序地处理各类事件，保障高速公路的正常、安全运行，实现应急指挥、应急资源和应急过程的信息化管理。（5）预测预警扩充传统全面风险管理的数据维度，在交通预警等角度分析，提前告知用户。根据往年节假日各收费站流量统计数据，通过分析算法对本年节假日流量做出预测并进行排名。预测值是否超过对应收费站设定的报警门限，可以根据颜色分级进行预警。根据历史通行数据对车流量进行分析和预测，为节假日高峰时段的安全畅通发出预警、提前采取保畅措施，为高速路网的安全畅通提供保障。3、商业模式（1）高速公路收费系统搭建高速公路收费系统：提供相关密钥解决方案及硬件产品，解决收费漏洞大、管理困难、运营成本高的问题，提高收费系统的安全性和智能化程度。（2）从能耗优化角度设计收费方案利用高速出行路线优化，对不同的收费额度对应的能耗效益进行验证，通过经济杠杆引导节能减排，设计节能减排指标以及相应的优化收费标准。1.1.5应用场景五——片区交通出行现状改善片区交通现状改善涉及的具体数据应用场景包括：片区交通设施分析、片区交通需求分析、片区交通运行分析等，在进行现状分析时，将对抓取的大量数据进行分析，以便找到区内人群的出行特征，发现片区内交通运行存在的问题及其成因。1、应用需求对道路路网密度、公交线网密度、公交站点站点覆盖率等分析时，一般通过常规调查就可得到相对完整的数据。而对职住分布、出行分布等进行分析时，传统调查受制于调查手段的制约，一般仅进行小样本抽查，对片区的交通特征掌握不可避免存在偏差。如何在时间和费用受到约束的条件下做好定量分析工作，形成扎实的基础，是片区交通改善面临的一个关键问题。随着信息社会的深入，快速发展的交通大数据为改善传统交通调查中的不足提供了新的思路。浮动车、手机信令等包含空间位置信息的交通相关大数据样本量大、长时间连续监测，可以弥补传统小样本调查的不足，从而夯实分析基础。2、应用场景1）片区交通设施分析片区交通设施分析一般包括道路线网密度、道路级配、公交线网密度、公交线路重复系数、公交站点覆盖率等。通过资料收集和现状调查，多数指标基本可以获得相对完整的数据，完成分析工作。但对于道路通行能力、道路自由流车速等指标的