中國智能出行大數據

㈠ 專車和網約車有何區別

網約車是網路預約出租汽車的簡稱，也是屬於計程車的一種。

而專車是互聯網約專車平台的一個統稱，是由打車平台、政府共同認證，集用戶叫車、自動派單、司機接送、形成結算。車輛管理功能於一身的網約專車系。

1、用戶規模分析

截至2016年12月，我國網約車用戶為3.92億人，其中網路預約計程車用戶規模為2.25億人，網路預約專車用戶規模為1.68億人。在2014年時，網約車市場曾迎來一次大爆發，用戶規模增長率達559.4%，而隨後用戶規模也保持增長。當時網約車平台的大量補貼讓用戶群體一再擴張，隨著補貼力度的減弱，用戶規模也逐漸降溫趨於平穩。而受網約車新政的影響，2016年的用戶規模有所下滑。

2、出行交易規模

數據顯示，2015年，中國互聯網出行市場規模達681億元人民幣，已進入高速發展階段；預計2018年，市場交易規模將增至2678億元，而後恢復平穩增長，2022年達5036億元人民幣。

3、互聯網出行的滲透率

在巨大的市場誘惑下，各大打車軟體開始從渠道端轉向服務端，通過縱向深化用戶體驗來增強粘性，保障司機和消費者用戶量的穩定增長。《中國智能出行2015大數據報告》指出，目前互聯網出行的主戰場集中在一、二線城市，其滲透率分別為40.1%和17.3%，而三、四線城市仍是一塊等待挖掘的巨大蛋糕。

從各類打車軟體相繼上線到行業洗牌、寡頭顯現，再到監管升級，市場逐漸規范，網約車為公共交通提供良好補充的同時也為用戶提供個性化出行需求，有效節約社會資源。

㈡ 大數據之於智能交通意義重大仍面臨五大難題

大數據之於智能交通意義重大仍面臨五大難題

日前，在2015中國智慧城市國際博覽會上，來自台灣的勤亞科技張及人透露「台灣政府在將近九年前就開始規劃所謂的大的交通數據雲，用數據來管理整個交通出行。比如通知你從A到B大概走多少時間，這個時間給你選擇走西會更快或者更慢一點，通過這種模式來做。」在公共交通部門，張及人稱台灣已經全面做到了公車到站提醒，准確率在96在97%。「這樣大家坐公交時不會浪費時間，能合理地安排自己的出行計劃。」在計程車和商用車方面，「台灣有一個服務廳，可以清楚地告訴調度公司，在某個天氣、時間、路口會有比較多乘客，只要買了這個服務，系統會高速你客人在哪裡，這就是大數據做的應用。

大數據之於智能交通意義重大

智能交通建設和運營的過程中，從視頻監控、卡口電警、路況信息、管控信息、營運信息、GPS定位信息、RFID識別信息等每天產生的數據量可以達到PB級別，並且是指數級的增長。雖然絕大部分數據是「沉睡的數據」，但按照相關規定，需要對數據進行有期限或無期限的保存，這無疑給用戶在存儲成本上帶來壓力，而通過監控攝像機前端智能技術和大數據分析技術的應用，很好地解決了行業用戶的此類問題，給用戶帶來經濟效益，同時也可以將工作人員從紛繁復雜的監控畫面中解放出來。

大數據之於智能交通的意義，可以解決跨越行政區域的限制，實現數據信息的共享，在信息集成優勢和組合效率上，有助於建立綜合性立體的交通信息體系；另外在車輛安全、交通資源配置以及利用大數據的快速性和可預測性能提升交通預測的水平都有極大的幫助。

大數據支撐智能交通發展仍面臨五大難題

隨著移動互聯網、大數據、車聯網等技術越來越多地滲透到交通領域，百姓的出行將越來越高效便捷，同時也有利於管理部門為社會提供更好的公共交通服務。藉助移動互聯網、雲計算、大數據、物聯網等先進技術和理念，將互聯網產業與傳統交通運輸業進行有效滲透與融合，形成具有線上資源合理分配，線下高效優質運行的新業態和新模式。積極用好大數據技術來支撐交通運輸行業科學決策。交通運輸部正在推進開展行業信息資源整合，同時也與互聯網企業開展合作，利用定位大數據和智能化分析技術，成為科學決策的技術支撐。

不過，大數據雖然支撐著智能交通的前行，但其發展道路上難免要歷經磨難，從目前來看主要存在五個問題。

問題一：海量設備管理問題

隨著系統規模擴大，前端設備點位增加，設備故障點也呈幾何級數增長，管理人員僅忙於應付設備故障，無暇他顧。以電子警察系統為例，目前一、二線城市基本都實現了電警設備在重點路口、路段的全覆蓋，建設規模均有上千台攝像機及相應的控制設備，由於各廠商產質量量良莠不齊，前端設備實際完好率不高。設備故障未暴露，或暴露但沒有得到及時維護的現象非常嚴重，給業主造成了大量的投資浪費。

問題二：統一標准和技術規范

國內智能交通系統項目的建設先於行業統一標準的推出。在缺乏標準的條件下，許多地區的智能交通系統自成體系，缺乏應有的銜接和配合，標准互不統一。即便在城市內部，道路上的感測器標准也非常混亂，因為感測器設備生產企業缺乏統一的介面標准。標准和規范的混亂妨礙了交通數據的獲取，從而無法進行交通流的分析和預測。在高速公路收費系統方面，各省或地區內建設的網路一卡通或不停車收費系統，也沒有統一指導和標准，為將來的全國聯網造成了困難。

問題三：系統可靠性與穩定性

智能交通系統復雜度和整合程度越來越高，而系統的健壯性卻沒有同步提高，往往有牽一發而動全身的問題出現。以某地級市為例，智能交通系統由近200台伺服器和2千多台前端設備組成，包括信號控制、交通流量採集、交通誘導、電子警察、卡口等子系統，數據要和省級交管平台、區縣級交管子平台、公安業務集成平台等系統相連。系統具有流程復雜、業務系統眾多、客戶端分散等等一系列特點。業主竭盡全力為了保證業務系統的正常運行，但還是經常出問題。系統及網路結構復雜是一方面，業務系統眾多無法「照顧」過來才是最嚴重的問題。

問題四：數據源的質量

智能交通應用需要高質量的數據源，而目前設備長時間運行的性能得不到保證，數據質量不高限制了智能交通業務高水平的擴展應用。現代化的交通誘導和交通信號控制需要實時准確的交通流量數據以供交通狀態判斷以及短時交通預測使用。而由於目前系統健壯性不足，難以自行判斷數據質量，從而使得交通誘導和信號控制系統不能發揮預期效用，從而影響了整體智能交通系統的投資價值。

問題五：信息安全問題

由於智能交通兼具交通工具帶來的移動特性和通信傳輸所使用的無線通信兩方面的特點，它也就集成了無線網和移動網兩大類型網路的安全問題。然而，當前針對智能交通的研究還只是偏重於其功能的實現，忽略了其信息安全問題。實際上，無論是從信息的收集、信息的傳輸、信息的處理各個環節，智能交通都存在嚴重的信息泄露、偽造、網路攻擊、容忍性等安全問題，亟須受到人們的關注和重視。

結語：未來伴隨著移動互聯網、大數據、車聯網等技術越來越多地滲透到智能交通，將會使我們的出行越來越便捷、高效、舒適。對於管理部門來講，通過智能交通設施大數據分析預測出行規律和趨勢，科學安排各項保障工作，為全社會提供更好的公共交通服務。

以上是小編為大家分享的關於大數據之於智能交通意義重大仍面臨五大難題的相關內容，更多信息可以關注環球青藤分享更多干貨

㈢ 當出行平台遇到人工智慧，將如何改善人類交通系統

我相信，哪怕「下半場」概念的持續走俏，當整個社會的技術基礎設施向人工智慧的底座切換，它被寫入政府工作報告也只是時間問題。要知道，在過去數十年，當科技學術界在向公眾描述未來時，對於「確定趨勢」凝成共識的次數其實屈指可數——且遠未達到今天學界對深度學習這條技術脈絡高度認可的堅定態度。

這種共識當然會向政府等決策層傳遞。就像互聯網時代，不少科技企業完成了對資源配置的重新釋放，在即將大規模落地的人工智慧時代，在對待更復雜的社會問題時，他們也有能力，通過AI為政府和其他社會組織賦能，通過數據的交融，合力將城市向更具智慧的方向演進。

其實誰都知道，世界的復雜度正如「沙堆實驗」一般集聚，傳統人力基於過往經驗，早已顯得疲憊不堪——譬如交通問題，早有人預言，隱匿於城市毛細血管的交通網路，有可能是第一個被擱置在人工智慧底座的社會系統。

在迅猛的城市化發展中，交通是所有人的切膚之痛：在中國，有大約超過50個城市面臨不同程度的擁堵，城市越大擁堵越嚴重，不只中國，交通問題是世界大型城市的共同頑疾，我看到的數據顯示，歐盟境內每年因交通擁堵造成的經濟損失達到了1000億歐元——而也正因如此，在全世界的資本市場，出行領域的點滴創新，從來都會招致他們的敏銳嗅覺。

巨大的公共福祉背後，是頗為堅信的路徑實現。眾所周知，城市交通網路由人，交通工具和管理三個維度構成，且隨時都在變化。

而這也意味著，當數據成為新經濟的底層驅動力，解決交通這樣的復雜社會問題，政府也勢必對人工智慧敞開懷抱。在我看來，通過「人工智慧+社會治理」，用數據為城市「畫像」，才是每天誕生的海量城市數據的最佳歸宿。

具體到交通領域，無論約租車，移動地圖，還是共享單車，實時公交，都將成為智慧城市升級路上的重要一環。

解決人口問題的智能方式

說到城市化，不妨先說一個我今天看到的案例：人口問題。

必須承認，將巨大人口捲入到整個世界經濟的分工體系，是過去三十年中國增長奇跡的最大因素（事實上，愈到未來，中國人口紅利優勢就愈顯著，全世界最發達的高鐵系統就是最好佐證）。而在中國人口問題的另一端，如今社會學家的普遍達成的共識是：自由遷徙實則是解決城市化發展「不公」的最佳方案。

如你所知，在城市化歷史進程的奔流中，你一定經歷過那種看起來就充滿不確定性的人口普查方法，面對頻繁的流動，傳統普查方式人力成本高企且往往並不精確。

其實政府完全可以仰仗更睿智的方式，譬如通過移動地圖，要知道，網路地圖每天響應450億次定位請求，位置服務超720億次，完全可以基於這些累計的定位數據，計算出每個用戶的工作地和居住地（譬如在網路的演算法中，當兩個月在某個位置出現上百次；時間集中在9:00-19:00；連接的wifi固定，基本可以判斷是在工作地），然後通過劃分區域位置邊界，測算出某個區域的人口絕對值。

事實上，如今網路地圖慧眼數據的預測准確率已達85%以上，這意味著，它完全可以為政府機構提供重要的輔助性數據資料。比如網路地圖就依靠人口數據優勢，以城市新流入常駐人口與全國所有城市新流入常駐人口均值比值為指標，發布了城市吸引力報告，2017年第一季度的報告顯示：在人口吸引力排名Top10城市中，長三角、珠三角各佔三席，人口吸引力突出，此外還包含北京、重慶、成都及鄭州。

值得一提的是，網路還以城市擁堵指數和公交站點覆蓋率為指標，同時發布了城市交通運行情況報告。城市擁堵方面，從主要城市擁堵排名Top10數據看，直轄市重慶、北京、上海三大城市入榜，天津是唯一未入榜的直轄市；其他入榜城市均為省會城市，其中哈爾濱以2.138的工作日高峰擁堵指數居榜首。而公交站點方面，在公共交通站點500米人口覆蓋率排名前十的城市中，廣東有深圳、東莞、佛山、廣州四個城市上榜，北京作為北方唯一入選Top10的城市，排名為第七。

可以預見，這種基於真實流動狀態的數據分析勢必將影響決策。

人工智慧+交通的路徑實現

事實上，判別智慧城市的一大標准，即是各個領域決策層——尤其政府決策部門對於數據的駕馭程度。而欣喜的是，作為一次演算法革命，深度學習以一種簡練的網路模型得以解決過往極為復雜的社會難題，譬如交通。下面不妨從打車，公交，單車和地圖等不同維度來拼接成「智慧交通」的全貌。

先說以滴滴為代表的出行平台。從幾年前的「互聯網+打車」到「用積累下來的數據提供更多價值」，滴滴算是移動互聯網時代向人工智慧時代躍遷的極佳樣本。要知道，如今滴滴每日峰值訂單超過2000萬單，每日處理數據超過2000TB，相當於200萬部電影，海量數據包含路況，叫車信息，駕駛行為和車輛數據等多個維度。而無論是供需預測，路徑規劃還是平台派單，都是演算法在起決定作用，畢竟在實時性的要求之下，其中變數已非人力調控可以滿足，就像滴滴研究院院長何曉飛所言：「如果我們能搜集到更多的數據，未來有一天我們甚至能夠知道每一位乘客，每一位司機的意願。如果我們能夠更加准確的甚至預測人的心理，那麼我們可以把整個城市的交通管理的更加有秩序。」

再來看智能出行的基礎：移動地圖。事實上，少有人知的是，人工智慧已滲透進網路地圖的每一項基礎業務，將其變成了一個基於大數據的人工智慧出行平台。

官方數據顯示，如今網路地圖每日提供的位置服務超過720億次，每日導航服務超過2億公里，其自身也從單純解決陌生地認路，演化到如今的智能導航。從出行前的時間預測和不同需求的個性化路線選擇，到出行中精準的實時避堵路線推薦，它都以一種模擬「老司機」思維方式的思路：通過建立交通大腦，記憶數百億次不同用戶的出行旅程，將智慧「反哺」到每一次用戶的具體出行之中。

其實不難發現，所謂新司機和老司機的差別，即是掌握的交通信息渠道和本地駕駛經驗。而基於高性能流式計算，現在的網路地圖可以做到分鍾級別的路況更新，某個地方發生擁堵，不到一分鍾就會被識別。此外，網路還可以精確推算全國路網的動態車流關系，實現未來一小時的路況預測，這種路況預測模型，包括了日期，時間，天氣，路段路況和區域路況等多個維度，並輔之以棋局態勢感知和區域路況態勢感知的神經網路演算法。

頗值一提的是，網路地圖還通過聚合群體智慧，通過數據積累對本地經驗路線了如指掌：通過人工智慧對比用戶路線和規劃路線，找出差異，統計用戶最多走法，如老司機一般得到局部經驗路線，提供更優方案。而「老司機經驗+個性化偏好」的智能化設定，無疑可以充分滿足不同用戶的差異化出行需求。總之，網路交通大腦的智慧源自每一位用戶，而它又以更高智慧回饋給他們。

與政府打造智慧交通網

當然，在移動地圖之外，人工智慧同樣可以用於如今炙手可熱的共享單車身上。

我個人看來，更好地優化車輛配置，是需要共享單車平台共同面對，也是讓交管部門較為疑慮的問題，誠如大數據專家塗子沛所言，共享單車首先要回答一個問題：一座城市究竟需要多少輛公共自行車？「要得到這個答案，必須結合城市人口、公交系統、私家車、道路等各項數據，進行計算。其中最重要的估算手段，是把城市裡每一個人的家庭住址和其工作地點在資料庫層面打通，從而掌握每一個人在城市中最日常的流動，即上班族的『潮汐』特性。」

其實在人工智慧處理交通數據這件事上，相比於共享單車，目前較為成熟的也許是並不惹眼的實時公交領域——要知道，每日至少兩次的高頻應用，讓各種實時公交應用的累積數據並不亞於打車類軟體：就像滴滴讓人們習慣了「掐點」坐車，通過大數據與深度學習，實時公交應用也可以實現公交數據的實時整合，讓用戶能清晰獲取每日賴以出行的公交車信息，如現在走到哪了，是否正在堵車，什麼時候到站，甚至整條線路的實時通行狀況，以此決定什麼時候離開辦公室或者家前去等車比較合適。毫無疑問，這種基於人工智慧的資源匹配，對於城市公共交通出行效率，出行選擇率以及城市承載率都意義深遠，也勢必得到決策部門的重視。

嗯，在人工智慧的加持之下，科技企業與政府數據的共享，無疑是能否促進智慧交通網路的關鍵——要知道，中國各級政府掌握著全社會信息資源的80%，擁有海量且高質量的數據，當它們與科技企業的數據和人工智慧相結合，產生的正向社會效應將難以估量。

就拿交通來說，一座城市每天產生數千萬交通數據，其實交通部門也在尋求與網路這種人工智慧技術完備的企業合作，網路地圖交通雲已與深圳市，成都市，三亞市等13家交警部門，以及江蘇省，遼寧省，四川省和河南省等共10家省市級交通部門開展交通大數據共享及信息聯合發布合作，在道路擁堵分析，出行通勤分析，人群熱力和人口遷徙分析等內容上，通過人工智慧將數據價值最大化。

在我看來，除了前文所述的實時資源匹配，提升日常交通疏導效率，「人工智慧+交通」的更大福祉，是這些數據能夠回饋到城市建設之中，利用數據進行城市線管規劃，交通擁堵成因進行分析，對異常道路進行數據挖掘，並將數據用於交通管理調度及相關決策，輔助宏觀交通規劃。

畢竟，說到底，所謂「智慧城市」的全部秘密，不外乎搭建數據平台，再通過人工智慧的賦能，向公眾提供更好的服務平台——這需要科技企業與政府的充分聯姻，而可以預見的是，當整個社會的公共決策變得越來越復雜，這種聯姻也就越來越重要。

李北辰/文（知名科技自媒體，致力於用文字優雅的文章，為您提供談資與見識）

㈣ 在西安哪個共享單車最流行

摩拜和哈啰吧，這兩個最常見，分布范圍也比較廣。還有少量其他的共享單車，比如青桔，個人覺得青桔顏值高一些。

㈤ 互聯網+交通」 大數據時代下的智能交通

互聯網+交通」：大數據時代下的智能交通
早上十點，張先生准備從位於城南的公司出發去城北的咖啡廳見客戶。出發之前，他打開手機導航APP，選擇了一條車流量最少、交通狀況最好的出行線路。二十分鍾後，張先生順利抵達目的地。令他感到舒心的是，咖啡廳附近新建了停車場，以往他可是因為有急事卻找不到停車位吃了好幾次罰單。和客戶寒暄的過程中，張先生得知客戶這次沒開車，而是選擇了打車軟體，原本40元的車程，他只花了十幾元。
如今，越來越多的人和張先生一樣感受著智能交通帶來的便利。但是他們可能並不知道，經常遇到的攝像頭、電子卡口、電子警察等系統，它們在保障城市安全、維持交通秩序的同時，也在不斷產生大量數據信息，不僅能夠節約時間，也能大大提高交通工具和道路的使用效率，減少能耗。
在「互聯網+」背景下，智能交通大數據技術的應用，不僅將「先知」逐漸變成現實，更建立起車、路、人之間的網路，通過整合信息，最終為人（車內的人和關注車內人的人）提供服務，使得交通更加智能、精細和人性；對管理者而言則大大提高管理者獲取數據的能力，提高他們的決策能力和管理交通的能力。
一、「互聯網+交通」的表現形式
2015年3月5日，李克強總理在政府工作報告中首次提出「互聯網+」行動計劃。互聯網與傳統行業的融合發展將從全流程上改造傳統行業，從而產生新的業態。互聯網與交通的碰撞也形成了「線上資源合理分配、線下高效優質運行」的新格局。
早在2011年底，「互聯網＋交通」已初見端倪。鐵路推出了網路訂購火車票的新舉措，讓百姓利用電腦、手機，通過網路，足不出戶就能買到火車票；民航行動更快，很早就實現了網路訂票，現在通過大數據分析，通過手機APP可實現手機購票值機、查看航班動態等功能；而大力推進高速公路ETC聯網發展，則是公路方面推進網路化的措施。此外，人們平日出行開車也越來越離不開導航系統、打車軟體。
1． 事前預判
我們在生活中，總會有感覺到交通不方便的地方，如飛機晚點、延誤，超級大堵車……如此這些，已經成為我們生活中習以為常的事情。交通永遠不會有發展到最完美的時候，人類會不斷提出新的要求以改善舒適度。
以出行高峰時段的交通擁堵為例，智能交通能夠提高人們出行的計劃性，通過他人的出行數據，預備出行者可以提早知曉不久後的某時段交通預計的流量情況，以此妥善安排自身的出行。其次，智能交通可以提高出行的可靠性，即例如甲要從A地去B地，必經路線的堵車已經無法避免，提高出行可靠性就在於可以通過智能交通的技術手段，根據以往同一時段該路線的交通狀況，預估同樣出行方式下將可能多耗費的時間。再者，智能交通應用在汽車上的自動避讓和制動等功能還可以在一定程度上提高出行的安全性。
總而言之，以智能交通的技術手段提高信息採集強度及採集量，並提高其數據處理水平，繼而把所得信息通過各種不同渠道傳送給每個有需要的人，智能交通正在提高整個交通系統的應變性和個人出行的應變性。
幾年前，海康威視已經布局大數據和雲計算，並在武漢市成立了大數據和雲計算研發中心。目前，海康威視已推出了大數據的初步應用，主要在三個方面：人臉數據的大庫檢索、海量卡口數據的高效檢索分析和案事件數據的分析。
大數據的魅力在於我們可以從數據中找規律，它能使原來的「事後檢索」變成「事前預判」。海康威視大資料庫檢索，可以做到將犯罪分子人臉、作案車輛等特徵圖片放進視頻圖像庫里進行搜索比對，尋找犯罪嫌疑人的蹤跡。
例如，在南方某座特大城市，針對某系列案件，警方運用海康威視的大數據技術，通過大量信息的檢索、比對和分析，發現嫌疑人每次作案前均會到某個地方落腳的規律。當地警方提前在落腳點布防，成功抓獲了准備再次作案的嫌疑人。基於大數據的雲計算搜索，就像網路搜索關鍵詞一樣迅速找到想要的東西，不需要像從前一樣由多名警察一幀一幀盯著事發地點的監控錄像，尋找作案嫌疑人。
大數據還必須做到「秒級響應」，反應遲緩的話，大數據也就失去了價值。海康威視在多個城市的電子卡口系統中應用了大數據技術，在上百億條車輛記錄中快速搜索，幾秒鍾甚至零點幾秒鎖定結果。在此基礎上，可以更好地實現如套牌車輛研判、跟車關聯分析、違法多發時間和地點研判、交通流量分析和交通誘導等應用。
2． 調整更改
在傳統的規劃過程中，設計部門根據對現狀的判斷和經驗的積累，容易對交通項目進行個人意志和團隊意志的主觀操作，更有某些小型設計單位採用閉門造車的方式進行拿來主義的設計，這與規劃的本職形成嚴重對峙，更不符合互聯網+時代下對大數據應用的渴求。
對於城市管理者或是城市交通管理者、公路交通管理者，智能交通是幫助提高其管理的技術手段，大大提高管理者獲取數據的能力，提高他們的決策能力和管理交通的能力。
舉個最簡單的例子，道路的渠化由交通設計院規劃設計，然後施工建設。然而道路及其周邊區域的情況不是一成不變的。隨著城市的發展，道路起初的設計可能無法滿足市民的實際需求。比如城北新建了一個工業園區，那早高峰往北面上班的車會明顯增多，同時晚高峰從城北返城的車會增多。這時之前設計的道路顯然不足以滿足市民的需求，道路再次設計成潮汐車道或者是可變車道均可提升道路的通行能力，滿足市民的需求。但是二者如何選擇，抑或兩個方案一起實施，一直是困擾交通管理者的一件事情。這時，道路上安裝的電子警察、卡口和視頻檢測器所採集的過車信息和車流量數據就可以為道路的渠化提供有用的信息。
再舉個例子，城市交通中，大家最熟悉的是紅綠燈。有些城市的紅綠燈裝有信號控制系統，在所有道路資源都充分使用的條件下，紅綠燈的轉換頻率只能按時間分配，不可能讓路上的車輛變少，然而合理的紅綠燈配時可以讓道路的通行率大大提升。前端信號機配備有車檢板，支持地埋線圈的接入，同時也可以通過視頻檢測器，實現控制區域內車流量、佔有率、車速、排隊長度等交通參數的採集、處理和存儲。交通信號控制系統可根據前端獨立的車輛信息來直接調整對應信號燈的綠信比，也可根據區域整體的車流狀況對信號燈配時方案進行針對性的區域協調。同時這部分交通參數信息也可提供到其他相關聯的交通管理系統使用。比如通過大數據採集分析和交通模擬，進行區域的信號協調控制。
3.分析應用
對交通出行的大數據進行分析總結可以得出不同城市的相互聯系強度、城市流動人口的來源，指導城市對外交通建設；能夠分析出城市交通現象與重要事件之間的關系，有效預防下次突發事件造成的交通壓力；大數據能夠形象地反映居民的出行路徑、偏好，總結出居民的出行習慣從而為第三方服務平台提供參考，加快推進交通運輸由傳統產業向現代服務業轉型升級。
智能交通綜合管控平台存儲了大量的交通數據信息，如何有效充分地利用這些信息將非常重要。通過對平台存儲的數據進行智能研判分析，獲得一些潛在有價值的數據和信息，為交通管理、刑偵稽查提供重要的線索和數據信息。
比如案件刑偵分析時，某些車輛行駛軌跡可能會成為重要線索。平台行車軌跡分析功能可以輸入關注車輛號牌，選定關注的時間段，進行分析。分析結果會以列表的方式呈現在列表中按照時間先後順序顯示該車輛在此時間段內的所有過車信息。如果平台部署了電子地圖模塊。可在電子地圖模塊展現車輛行車軌跡分析結果展示，並在地圖按照車輛行駛的時間和空間順序，在地圖中描繪車輛行駛軌跡。
同時，目前機動車數量的激增，機動車車輛牌照無法憑借肉眼觀察直接判定車輛號牌真偽、套牌與否。出現部分車主為了逃避交通違法處罰，甚至進行其它不法活動時為了躲避刑偵緝查，而使用假牌和套牌的手段。智能交通綜合管控平台使用車牌識別技術，採集經過監測點車輛的信息，如車牌號碼、車身顏色、車輛類型、出現時間，根據創建的套牌分析模型，實時自動完成套牌嫌疑車輛的檢測和報警，可有效打擊使用套牌車輛的行為。
而在治安監控中，外來車輛初次入城信息將會成為外地車輛流竄作案的重要線索。可利用卡口、電子警察對車輛採集進行數據信息，可在指定時間段內，對首次經過指定路口的車輛進行查詢展示，此功能配合城市卡口包圍圈、城際卡口、電子警察採集的數據信息將發揮更大的作用。
現在在很多一二線城市，由於計程車在高峰時期供不應求，催生出了很多非法營運車輛。這些車輛雖然在一定程度內可以方便大眾的出行，但是由於其無監管部門，對於民眾的生命和財產有一定的安全隱患，而此類車輛很難從常規車輛中分辨出來。針對這類情況，可引入車輛積分制度，對符合積分細則的車輛進行積分，例如在本地案件多發地區的車輛進行高積分規則，每抓拍捕獲一次積3分，對相對涉案車輛較少地區的車輛，每次抓拍捕獲積1分。在研判中可按一定時段檢索分值排列靠前的車輛，納入視線，進行重點管控，並從中發現相關線索。積分細則可由相關部門的業務實際應用進行設定，積分細則後期可進行添加和修改，積分實行累加制，不設上限。同時可以對於重點監控區域，如學校、銀行、醫院、廣場、娛樂場所（廣場、KTV等），可以有針對性的對重點區域的卡口/路口某些時段內的車輛進行分析和觀察，分析出這些區域內頻繁出入的車輛、按照次數從高到低排行顯示車輛的詳細抓拍識別信息。對頻繁出入車輛進行關注，從而起到預警作用。
交通管理部門如何保證交通安全、交通秩序是一個重要的任務。在有限警力的條件下如何達到管理交通安全的目標，警力有的放矢的調動安排將非常重要。智能交通綜合管控平台對交通數據進行研判分析，可將違法多發地點按照違法次數從高到低的次序顯示排名靠前的違法多發地點，為交通管理部門的警力調動安排提供參考信息。為了在有限警力的條件下達到管理交通安全的目標，保證警力在最合適的時間出勤。智能交通綜合管控平台對交通數據時間特點進行分析研判，可將違法多發時段分析出來，並按照違法多發時段的違法次數排序，顯示違法多發時間段，為交通管理部門警力調度提供參考。
二、「互聯網+交通」在國內的應用
杭州市建立了「一個中心、三個系統」即交通指揮中心、交通管理信息系統、交通控制系統和交通工程類信息系統。杭州市交警支隊還實行了集中調度指揮和交通信息預報制度，在市區主幹路、主要交叉路口實行分級預警和干預機制，重點解決早晚高峰、節假日重要時段的路面交通問題。
各城市交管部門一直在探索優秀的勤務模式，以最少的警力、最小的行政成本，獲得最好的交通管理效果和最大的社會效益。杭州市通過改變交警的傳統路面巡邏執勤模式，通過交警支隊視頻作戰室、交警大隊分指揮室和交警中隊數字勤務室三級指揮系統的網路巡邏執勤模式，結合路邊重點巡邏，實施「上下聯動」機制，實現「桌面就是路面」，使科技應用直達基層民警，提升了交通管控效能，擴大了路面管理的覆蓋面，加大了路面管理的密度和力度，提高了應對交通擁堵、交通事故等交通突發事件的快速反應能力，減少了道路交通事故和交通違法行為，提高了道路通行能力，緩解了交通擁堵，確保了城市道路交通的安全、暢通、有序。
三、「互聯網+交通」的發展趨勢
首先，要大力發展綠色、便捷、高效、經濟的公共交通。通過智能交通技術手段提高公共交通系統的服務水平，引導城市居民出行方式的轉變。
其次，以智能交通技術提升道路交通管理水平，提高城市道路體系的綜合利用效率。
再次，優化區域交通組織，以先進的交通管理手段如先進的交通信號系統、交通誘導系統、交通違法自動考量系統，減少路口延誤、排隊等候，使得道路通暢、規范停車場管理等關鍵環節。
當前我國城市交通發展處於挑戰和機遇並存的關鍵歷史階段。一方面，隨著城鎮化、機動化的持續快速發展，城市交通擁堵加劇、污染嚴重、事故頻發，面臨嚴峻挑戰；另一方面，我國城市出在老城改造、新城建設的城市大發展時期，是實現生態城市、綠色交通的最佳時機，可以通過「互聯網+交通」的融合發展，通過智能交通實現我國城市綠色交通系統建設的跨越式發展。

㈥ 「大出行」市場百舸爭流，數字技術如何助力行業持續成長

2021年，出行行業頗不平靜，好事者用「混戰」來形容市場的變幻，資本蠢蠢欲動，廠商推陳出新，在經歷監管與合規的審視之後，出行行業迎來了變革中的重塑。

12月29日，在「華為雲&華為終端雲服務 創新峰會2022」的「智慧出行論壇」上，來自出行行業的不同主體齊聚一堂，討論「智慧出行」的演進與改變。

哈啰出行副總裁、研究院院長周錦秀

哈啰出行副總裁、研究院院長周錦秀表示，「哈啰平台通過大數據的演算法可以將車上的空位資源精準的匹配給出行需求的，不僅疏解了早晚高峰的壓力，尤其滿足了公共交通難以覆蓋到的部分出行需求。」

順風車要實現更好的使用體驗，不僅依賴雲計算的底層技術支撐，還需要消費終端的能力支持，雲雲協同就是華為雲在智慧出行市場的秘密武器。

2020年，基於華為雲打造的華為終端雲服務HMS生態，已經發展成為全球第三大移動應用生態，服務170多個國家和地區的近8億用戶，擁有超過270萬開發者。華為終端雲生態在to B市場天然具備強大的吸引力。

同時，通過華為雲和華為終端雲服務在能力和生態等方面深度協同，可以為客戶和夥伴提供統一的服務和體驗，實現to B和to C的全生態融合，如順風車場景一樣，可以全面幫助企業進行生產力效率的提升以及商業的創新。

例如，華為雲和華為終端雲，基於PUSH消息、定位、路況、路徑規劃等，經過技術底座打造供需調度方案，可以有效的將關鍵數據、地圖數據、用戶數據等進行預處理和特徵提取。根據預設模型訓練，提供給車輛調度路徑，甚至可以預測未來時刻車輛的需求。

這一過程華為雲不斷優化，反饋結果並迭代策略，實現網約車平台、租車平台、貨運平台高效的人找車、車找人、貨配車、車找貨等能力。

在華為看來，出行行業已經不再是網約車或者是共享單車等，而是成為一個大出行行業，挑戰和機會並存。除了網約車、共享單車、貨運，也包括停車系統、PaaS化的產品和旅遊平台等，都可以納入到大出行行業里。

華為也在思索，在大出行行業里，如果要打造好數字化的轉型，可以結合什麼樣的生態，助力客戶的商業成功。

雲雲協同一定是華為雲區別於其他供應商的關鍵能力。「雲雲協同不僅僅是華為雲和終端雲的結合，還有華為流程IT雲的融入，如何幫助合作夥伴造好車、賣好車、用好車，尤其是在幫助網約車實現統一的賬號、支付、音頻、視頻，包括搜索、地圖、廣告等各種方面的能力，實現B端和C端的融合，這是我們雲雲協同下一步要思考的問題，幫助大出行行業更加智慧。」張鵬展望智慧出行表示。

在智慧出行行業，「雲雲協同」將構築一個全新生態，賦予出行產業鏈更多的可能與想像。

㈦ 加速布局智慧出行，宇通集團2億美元戰略投資文遠知行

宇通集以2億美元戰略投資文遠知行，此次合作有助於推動自動駕駛這一引起交通產業變革的前沿 科技 研發，推進智能交通和智慧出行相關產業加速成熟，構建高質量發展下便捷順暢的城市交通網路。

近期,宇通集團發布消息,以2億美元戰略投資文遠知行。未來雙方將在技術研發、車輛平台、出行運營等多個關鍵領域開展深度合作，共同推動深化自動駕駛在城市公交、微循環巴士等領域的商業化落地，共同 探索 未來城市多樣化智慧出行。

作為中國車企在智慧出行領域的重大投資，此次合作有助於推動自動駕駛這一引起交通產業變革的前沿 科技 研發，推進智能交通和智慧出行相關產業加速成熟，構建高質量發展下便捷順暢的城市交通網路。

建設交通強國，勇為智慧出行「先行者」

宇通在智能領域的不斷發力，源自人民群眾日益增長的對美好出行的需求，也源自宇通「中國製造」的責任感。

隨著 汽車 與信息通信、人工智慧、大數據、互聯網等各行業的深度融合，智能網聯 汽車 已進入技術快速演進、產業加速布局的新階段，以自動駕駛出行為代表的智慧出行新風尚也在多個城市逐漸走入尋常百姓家。作為當前世界各國 科技 創新和 科技 競爭的制高點，自動駕駛承載著人們對安全、便捷、順暢、靈活出行方式的期待。

發展智能網聯 汽車 不僅是解決 汽車 社會 面臨交通安全、道路擁堵、能源消耗、污染排放等問題的重要手段，也是構建智慧出行服務新型產業生態的核心要素，更是推進交通強國、數字中國、智慧 社會 建設的重要載體，已成為新時代 汽車 產業轉型升級的重要突破口、全球 汽車 產業技術變革的戰略制高點。

目前，包括美、歐、日等在內的 汽車 發達國家和地區都將智能網聯 汽車 作為 汽車 產業未來發展的重要方向，紛紛加快產業布局、制定發展規劃，通過技術研發、示範運行、標准法規、政策支持等綜合措施，加快推動產業化進程。

2016年4月，《國際道路交通公約》無人駕駛修正案在聯合國歐洲經濟委員會順利通過；2018年，美國發布了第三版的自動駕駛系統指南《准備迎接未來交通：自動駕駛 汽車 3.0》，谷歌與特斯拉陸續啟動商業化進程；

而我國自2015年開始，便明確將發展智能網聯 汽車 提升至國家戰略高度;2019年,中共中央、國務院印發了《交通強國建設綱要》,要求大力發展智慧交通,推動大數據、互聯網、人工智慧、區塊鏈、超級計算等新技術與交通行業深度融合。到2035年，基本建成交通強國。2020年2月，國家發改委更是會同11個國家部委聯合發布了《智能 汽車 創新發展戰略》，指明了2025年實現有條件智能 汽車 規模化生產，2035年中國標准智能 汽車 體系全面建成的願景。

在國內外的 汽車 行業,以自動駕駛為代表的「智慧出行」，已然成為「新跑道」，成為工業領域產業破局的重要抓手：

作為國內領先的大型商用車集團，宇通集團成為了智能駕駛領域的全球「先行者」：2015年宇通完成第一代自動駕駛產品研發，並在鄭開大道完成全球首例自動駕駛客車開放道路試運行，2019年3月，宇通5米自動駕駛微循環車在海南博鰲論壇示範運營，2019年5月，鄭州「智慧到5G智能公交」項目落地，宇通5米自動駕駛微循環車在開放道路試運行，2020年6月20日，宇通助力鄭州鄭東新區開通了全長17.4公里的自動駕駛1號線，率先實現自動駕駛公交商業化應用。

目前，宇通自動駕駛車已在宇通工業園、海南博鰲、鄭州智慧島、金融島、天健湖等多地安全運營超過700天，累計接送乘客36萬余次。

宇通在智慧出行領域的提前布局，以及其客車產業的持續領跑，奠定了宇通在自動駕駛領域的領導者地位。本次戰略投資, 不僅進一步增強宇通客車自動駕駛能力，更能發揮雙方先進技術與落地運營的優勢，為客車龍頭更添創新活力，使新技術的應用速度進一步加快, 為產業升級安裝了」加速器」。

跳出「概念化闡釋」，成為產品落地「帶頭人」

在智慧出行領域，市場上的各類概念一直層出不窮，各種藍圖也令人眼花繚亂。而此次雙方剛一攜手，便直接進入產品合作階段，體現出了極強的產業協同特徵。

2017年成立的文遠知行WeRide雖然「年輕」，卻已然是擁有中國領先L4級自動駕駛技術的智能出行公司，也是中國第一家、世界第二家獲准開展無人駕駛路測的企業。自成立以來，文遠知行聚焦與車企、出行平台的戰略協同， 探索 自動駕駛的商業化落地，組建了自動駕駛出行合資公司文遠粵行，率領全國首支落地一線城市的Robotaxi車隊在廣州進行公開運營。2020年6月，文遠知行Robotaxi上線高德打車平台，首次實現了聚合打車平台與自動駕駛出行企業的聯合。

目前，商用車的無人駕駛「場景為王」路徑已初現端倪——Robotaxi、用於彌補司機缺口的無人貨運卡車、提升「最後一公里」效率的派送車、微循環接駁車等應用場景紛紛被挖掘出來，市場預計，伴隨感測器、晶元、人工智慧、雲計算和5G技術的全面發展，無人駕駛行業預計在五年內迎來爆發點。

調研公司美國IHS預測，2035年，無人駕駛 汽車 保有量將達到5400萬輛。其中，中國市場上的份額將達到24%，市場發展潛力巨大。成為文遠知行的戰略投資者之後，宇通集團可顯著增強在自動駕駛巴士在內的多品類產品實力，提高用戶體驗，帶動自動駕駛商用車領域的重大應用示範，加速成為國內乃至世界范圍內的「智慧出行」範本。

宇通集團的此次戰略投資具有非常明確的協同指向：聯合文遠知行，共同站在自動駕駛技術的前沿，提升在智能出行領域的研發效率，加快城市級智慧出行解決方案的商業化進程。

伴隨著這一客車龍頭企業的新布局，以自動駕駛為代表的智慧出行框架愈發明晰，包括智能化道路基礎設施規劃建設、5G V2X、車用高精度時空基準服務、交通大數據、雲控平台在內的各項產業有望在《智能 汽車 創新發展戰略》指導下同步推進，與智能出行相關的產業將迎來巨大的發展新機遇。

㈧ 如何運用交通大數據智慧出行

2015年兩會上，「大數據（big data）」一詞首次寫入政府工作報告。在交通領域，大數據一直被視作緩解交通壓力的技術利器。應用大數據有助於了解城市交通擁堵問題中人的出行規律和原因，實現交通和生活的和諧，提高城市的宜居性，為政府精準管理提供基於數據證據的綜合決策。

隨著手機網路、全球定位系統（global positioning system，GPS）/北斗車載導航、車聯網、交通物聯網的發展，交通要素的人、車、路等的信息都能夠實時採集，城市交通大數據來源日益豐富。在日益成熟的物聯網和雲計算平台技術支持下，通過城市交通大數據的採集、傳輸、存儲、挖掘和分析等，有望實現城市交通一體化，即在一個平台上實現交通行政監管、交通企業運營、交通市民服務的集成和優化。

㈨ 現在的大數據、人工智慧行程在出行領域有什麼應用嗎

有啊，我武漢這塊地方還挺多的，人臉識別也搞了，刷身份證也搞了，現在回武漢有家答威泰科技的公司在做暢行九州包括站內導航技術，未來的應用的話，可能智能語音會接入人工智慧，我相信中國高鐵至少在這些方面肯定會重視的，新四大發明的銘牌我們接了！

㈩ 我國智慧交通發展得怎麼樣了

復工車流擁堵嚴重，智慧城市緩堵保暢

西安作為國內新一線城市，人口數量超1370萬，機動車保有量已達365萬輛，機動車保有量的逐年上升，讓陝A代號的汽車牌照資源面臨枯竭，2020年4月1日，西安正式啟用陝U車牌。人口和機動車的迅速激增，讓西安高峰時段的擁堵指數擠入全國36個大城市中排名前10行列。

西安市公安局交警支隊規劃處稱：「今年春節過後，由於疫情的特殊性，市民乘坐公交每站都要掃碼上車，造成排隊上車擁堵現象嚴重，使得很多上班族放棄乘坐公交，而選擇一人一車或者一人兩車的私家車或網約車，這樣做一方面節省了時間，另一方面也是出於個人安全形度考慮。」

由此導致，復工復產期間，交通流量早晚高峰已超過去年同期水平。值得慶幸的是，去年以來，在西安市委市政府的大力支持下，西安部分區域智能化改造效果已初步顯現。西安交警在智慧城市信息採集系統的協助下，建立快速處警機制。

寬泛科技攜手商湯科技助力AI落地

AI 本應為我們的生活帶來更大的改變，更有「存在感」。寬泛科技作為商湯科技的合作夥伴，已經攜手一起准備將AI落地到各個領域。無論是智慧防疫，還是智慧城市，我們將利用領先的AI技術，結合實際用戶需求，共同為各行業廣大客戶搭建軟硬體一體化智能解決方案。