大數據在交通運輸領域的應用

❶ 大數據在智慧交通中起了哪些作用

總的說來所謂智慧交通的核心就是大數據、人工智慧和物聯網，大數據來專源於多種多樣的感測器、攝像頭屬甚至人工採集，大數據為人工智慧提供原材料，為控制物聯網設備提供決策依據，總的來說大數據為智慧交通在如下幾方面起到作用，
感知——對整個城市交通狀況，如車輛信息、道路信息等形成多維度感知
優化——交通信號優化、公交線路優化等等
控制——匝道控制、特殊重點車輛管理
調度——根據車流量進行智能調整，應對突發事件
服務——交通信息實時發布，便民服務

❷ 大數據在物流領域的應用

1、掌握企業關鍵信息

傳統的數據分析模式已經不能適應現代物流企業的發展，物流管理必須以大數據技術為支撐，對物流運行過程中每一個節點的信息進行整合，再通過謹此孝數據中心對數據進行分析處理，轉化為對物流管理有價值的信息，從而掌握物流的運作模式和運作中的數據信息。

4、優化物流配送途徑

在物流管理中運用大數據技術，可以根據顧客的不同要求為他們的貨物制定最優的運輸配送路線。例如，根據貨物特點選擇合理的運輸方案和最優的運輸路線等。物流企業在進行配送的過程中會自動產生大量的數據，可以根據這些數據迅速分析得出最優的運輸交通方式和路線，分析交通事故的多發路段，及時做出預警，從而對物流配送的全過程進行精準的分析，提高物流配送工作的智扒氏能化水平，提高物流管理的信息化水平。

5、預測物流市場

傳統物流企業使用調查問卷的方式了解客戶需求，耗費了大量的人力、財力、物力，而且周期較長，由於信息的滯後性導致管理者做出錯誤的判斷。大數據技術能夠有效幫助物流企業及時了解客戶的需求變動，收集真實有效的數據對市場變化進行預測，有助於物流企業及時根據市場變化調整策略。

6、構建「智慧物流」

大數據技術對「智慧物流」的應用意義主要體現在兩個方面。首先，基於目前移動端和互聯網物流信息基礎技術的大力發展，物流服務行業可以設計搭建物流公共信息服務平台，推出物流雲數據服務，為我國現代物流行業大數據技術的快速發展祥稿應用提供重要的技術保障。其次，以大數據技術為依託的智慧物流產業具備貨物信息相互聯通的優勢，確保物流配送時效，提高物流企業配送效率。

❸ 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。

❹ 大數據對交通行業有什麼作用

第一，為用戶提供服務內容越來越精準。有賴於基於大數據的交通路網動態分析，為用戶提供了出行的實時方案選擇。

第二，交通通行效率越來越高。這也有賴於各種各樣的互聯網感知器，對復雜天氣、事故、各種突發事件的實時分析，使得交通管理部門掌握了更多的交通狀況，及時做出反應。

第三，現場人工執法越來越少。有賴於基於大數據的行為分析，交通執法的事情都變成一個事後的非現場的執法。

第四，交通服務自動化程度越來越高。移動支付和各種自動化設備的應用，自助服務和無感服務普遍應用。

第五，交通主管部門的決策越來越科學。政府對重大政策的制定和推出越來越依賴於對交通行為的分析，最典型的就是廣州限外地牌照這件事情，專業機構通過數據分析發現廣州道路擁堵的症結。

❺ 互聯網 大數據在智能交通上有哪些應用

之前有看過一篇有關商業智能在公交領域的文章，主要體現在公交的智能化信息管內理方面
具體的應用容如下：
(1)應用功能不能實現完全自動化。
(2)網路負載大，應用開發和維護繁瑣。
(3)由於系統存在功能不足，需要大量人手進行分析報表工作。
(4)系統本身的技術架構己經落後，不能滿足用戶不斷提出的對數據應用的要求。
(5)近十年累積的改動和擴展，使到系統過於龐大，介面很多，多種技術和平台混合使用，應用和維護成本高。
(6)信息系統間共享數據的需求客觀存在，但由於各系統的開發時間、開發工具、部門要求以及在資料庫的選擇等不同原因，分布在網路中的不同系統中的數據相互獨立，無法實現真正的信息資源共享。
(7)每個信息系統都有私有的資料庫，對於同一事物，可能在不同的系統中被賦予不同的意義，帶來語義混亂。不同系統中存儲格式存在差異，這些在綜合處理時都會帶來很大的麻煩同時，跨系統調用數據也會嚴重影響性能。
這是有關FineBI的應用，具體的你可以查一下

❻ 大數據和智慧交通有哪些應用的案例

智能交通成抄為改善城市交襲通的關鍵所在。為此，及時、准確獲取交通數據並構建交通數據處理模型是建設智能交通的前提，而這一難題可以通過大數據技術得到解決。

智能交通整體框架主要包括物理感知層、軟體應用平台及分析預測及優化管理的應用。其中物理感知層主要是對交通狀況和交通數據的感知採集;軟體應用平台是將各感知終端的信息進行整合、轉換處理，以支撐分析預警與優化管理的應用系統建設;分析預測及優化管理應用主要包括交通規劃、交通監控、智能誘導、智能停車等應用系統。

系統利用先進的視頻監控、智能識別和信息技術手段，增加可管理空間、時間和范圍，不斷提升管理廣度、深度和精細度。整個系統由信息綜合應用平台、信號控制系統、視頻監控系統、智能卡口系統、電子警察系統、信息採集系統、信息發布系統等組成。以達到四方面的目標：提高通行能力、減少交通事故、打擊違章事件、出行信息服務。
在各城市建設智慧交通的過程中，將產生越來越多的視頻監控、卡口電警、路況信息、管控信息、營運信息、GPS定位信息、RFID識別信息等數據，每天產生的數據量可以達到PB級別，並且呈現指數級增長。

❼ 大數據和智慧交通有哪些應用的案例

大數據方面的應用案例

在醫療方面，紐約的mountsinai醫院利用數千名患者的數據、歷年匯報的流感爆發數據等數據與病毒的變異過程做交叉比對。通過這種工作，科學家和醫生可以預測病毒如何傳播，以及對抗這些病毒的最佳途徑；甚至有可能使用預測分析來判斷病毒的傳播方式，然後採取行動來限制這一傳播。據說這家醫院有望在未來阻止流感的發生。

在交通方面，浙江某城市與英特爾合作，安裝了1000個數字監控設備，100個智能監測點系統，超過300個檢查點的電子警察，和500多個視頻監控系統。通過更有效地監測交通和擁堵數據，改善交通流量，減少道路交通事故。

在廢物處理方面， 英國曼徹斯特垃圾處理局有一套系統，能夠利用數據使得產生的垃圾被盡可能多的再次利用。通過對來自不同地區的卡車進出加工廠時進行稱重，能夠了解每個地區所產生的垃圾數量。這些數據幫助當局出台了相應的政策，鼓勵那些特定的社區更好的垃圾回收和垃圾減量。

在建築方面， 住房慈善機構hact從400,000座住房中持續不斷地收集數據，並進行了各種數據分析。通過數據來發現設計、建造、布局中存在的潛在問題，進而在建造新的樓宇時優化相關的參數，避免這些問題，改進政府保障房的的維修，規劃空間合理使用。

智能應用服務，Google提供的大數據分析智能應用包括客戶情緒分析、交易風險（欺詐分析）、產品推薦、消息路由、診斷、客戶流失預測、法律文案分類、電子郵件內容過濾、政治傾向預測、物種鑒定等多個方面。據稱，大數據已經給Google每天帶來2300萬美元的收入。例如，一些典型應用如下：

（1）基於Map Rece，Google的傳統應用包括數據存儲、數據分析、日誌分析、搜索質量以及其他數據分析應用。

（2）基於Dremel系統， Google推出其強大的數據分析軟體和服務 — BigQuery，它也是Google自己使用的互聯網檢索服務的一部分。Google已經開始銷售在線數據分析服務，試圖與市場上類似亞馬遜網路服務(Amazon Web Services)這樣的企業雲計算服務競爭。這個服務，能幫助企業用戶在數秒內完成萬億位元組的掃描。

（3）基於搜索統計演算法，Google推出搜索引擎的輸寫糾錯、統計型機器翻譯等服務。

（4）Google的趨勢圖應用。通過用戶對於搜索詞的關注度，很快的理解社會上的熱點是什麼。對廣告主來說，它的商業價值就是很快的知道現在用戶在關心什麼，他們應該在什麼地方投入一個廣告。據此，Google公司也開發了一些大數據產品，如「Brand Lift in Adwords」、「Active GRP」等，以幫助廣告客戶分析和評估其廣告活動的效率。

（5）Google Instant。輸入關鍵詞的過程，Google
Instant 會邊打邊預測可能的搜索結果。

谷歌的大數據平台架構仍在演進中，追去的目標是更大數據集、更快、更准確的分析和計算。這將進一步引領大數據技術發展的方向。

在競選方面，直到2012年，奧巴馬的數據團隊對數以千萬計的選民郵件進行了大數據挖掘，精確預測出了更可能擁護奧巴馬的選民類型，並進行了有針對性的宣傳，從而幫助奧巴馬成為了美國歷史上唯一一位在競選經費處於劣勢下實現連任的總統。只要數據量夠大，夠及時，挖掘夠深刻，就可以洞悉每個選民的投票幾率。

在教育方面，"以物聯網、雲計算等綜合技術的成熟為基礎，在學生管理資料庫中挖掘出有價值的數據，經過過程性和綜合性的考慮，找到學生各種行為之間的內在聯系，考量背後的邏輯關系，並作出恰當的教學決策。以某集團最新出版的全球少兒美語旗艦課程為例，引入了首款應用於少兒英語學習領域的MyEnglishLab在線學習輔導系統（以下簡稱MEL），應用大數據技術全程實時分析學生個體和班級整體的學習進度、學情反饋和階段性成果，從而及時找到問題所在對症下葯，實現對學習過程和結果的動態管理。

智慧交通的應用案例

根據ITS114的不完全統計，截至2015年12月31日，包括城市智慧交通和高速公路機電市場的全年千萬項目統計規模為182.5億，其中主要分為四大市場1.交通管控市場千萬項目規模為84.24億。2.智慧交通/智能運輸市場千萬項目規模為20.33億。3.高速公路機電市場千萬項目規模為75.8億。4.平安城市千萬項目規模為56.6億。以上四個市場都有著很多的智慧交通方面的應用案例。

具體的在交通管控市場方面， 當前各個省積極構建的交通運行監測與應急指揮系統，還有圍繞著視頻、圖像分析，從而實現在治安、交通、工業製造、汽車、人工智慧等等諸多領域的應用亦是智慧交通的典型案例。如深圳榕享的"交通模擬與智能管控機器人"可實時採集視頻檢測數據與線圈檢測數據，將採集的交通流數據、信號配時等數據輸入到建立的模擬路網模型中，進行實時的交通系統模擬。通過一體化交通模擬模型，機器人能快速找出路網擁堵點以及分析路網的常發性擁堵點，並對交通流運營狀況的演變進行預測和分析。在交通模擬與智能管控機器人平台上，還可對城市的任意交叉口的交通環境進行設置，周邊居民可將相關建議"告知"機器人，實時模擬交叉口改良效果，實現全民參與、全民實踐、全民創新的交通管理新模式。

智慧交通/運輸方面各種「專車」「快車」「拼車」「代駕」平台類和軟體數據類的實例比比皆是，如我們都熟知的「滴滴快遞」「uber"「e代駕」等app應用。

交通工具新型技術案例方面：如無人駕駛、自動駕駛、智能車等等；在2015年12月互聯網大會上李彥宏展示的無人車，李書福展現的自動駕駛技術都體現了當前智能交通工具的發展。 更近一點的是，汽車電子標識、ETC、車路協同。2015年的新能源客車市場呈爆發性增長，新能源客車銷量達到37363輛，同比增長213.19%，同時2015年國務院印發《新能源公交車推廣應用考核辦法（試行）》、《電動汽車充電基礎設施發展指南》等等政策文件，可預見的是新能源汽車將會造就一個巨大的市場，建立在新能源汽車之上的車聯網也將搭上順風車。

平安城市也有很多已經成型的智慧交通案例。平安城市是基於GIS數字地圖技術，高度整合治安監控、智能交通、數字城管、應急指揮等子系統，改變傳統的靜態管理和單點管理，實現實時、動態的聯動管理新模式，實現了整個城市的治安、交通、城管、應急聯動等各個職能部門的聯動，建立了高效的城市部門聯動機制，提高了城市的集成化、智慧化管理水平。根據高清視頻監控系統的特點和應用需求，結合當前與今後一定時期內圖像監控系統與圖像應用系統的發展需要，建設一套先進的平安城市綜合應用平台，為指揮調度、調查取證、應急處置、交通管理等多種後台應用提供及時、可靠的視頻圖像信息，服務於實戰。市面上常見的平安城市系統具備的主要功能大部分都有：人臉卡口功能；交通事件檢測功能；智能檢索功能；道路違法抓拍功能；車輛稽查布控功能；非現場執法；分析研判功能；交通事態監控功能；視頻質量檢測功能；智能應用管理功能；數據格式及通信功能；遠程式控制制功能；指揮調度功能；勤務管理功能； 設備運行狀態監測功能。

❽ 大數據，數據挖掘在交通領域有哪些應用

交通領域大數據分析和應用的場景會相當多，這裡面要注意兩點，一個是大數據本身的技術處理平台，一個是數據分析和挖掘演算法。具體場景當時寫過點內容，如下：
對於公交線路規劃和設計是一個大數據潛在的應用場景，傳統的公交線路規劃往往需要在前期投入大量的人力進行OD調查和數據收集。特別是在公交卡普及後可以看到，對於OD流量數據完全可以從公交一卡通中採集到相關的交通流量和流向數據，包括同一張卡每天的行走路線和換乘次數等詳細信息。對於一個上千萬人口的大城市而言，每天的流量數據都會相當大，單一分析一天的數據可能沒有相關的價值，而分析一個周期的數據趨勢變化則會相當有價值。結合交通流量流向數據趨勢變化，可以很好的幫助公交部門進行公交運營線路的調整，換乘站的設計等很多內容。這個方法可能很早就有人想到，但是在公交卡沒有普及或海量數據處理和計算能力沒有跟上的時候確實很難實際落地操作，而現在則是完全可以落地操作的時候了。
從單一的公交流量流向數據動態分析僅僅是一個方面，大數據往往更加強調相關性分析。比如對於在某一個時間段內公交流量和流向數據發生明細的趨勢變化的時候，這個趨勢變化的究竟和哪些潛在的大事件或其它影響因素的變化存在相關性，如何去分析這些相關性並做出正確的應對。舉個簡單的例子來說，當市中心區內的房屋租金持續增長的時候一定會影響到交通流的變化，很多人可能會搬離到更遠的地方去居住，自然會形成更多的新增公交流量和流向信息。在《大數據時代》裡面談到更多的會關心相關性而不是因果只是一個方面的內容，實際上往往探索因果仍然很重要，就拿尿片和啤酒的例子來說看起來很簡單，但是究竟是誰發現了這種相關性才更加重要，發現相關性的過程往往是從果尋因的過程，否則你也很難真正就確定是具備相關性。
其次就智能交通來說，現在的智慧交通應用往往已經能夠很方面的進行整個大城市環境下的交通狀況監控並發布相應的道路狀況信息。在GPS導航中往往也可以實時的看到相應的擁堵路況等信息，而方便駕駛者選擇新的路線。但是這仍然是一種事後分析和處理的機制，一個好的智能導航和交通流誘導系統一定是基於大量的實時數據分析為每個車輛給出最好的導航路線，而不是在事後進行處理。對於智能交通中的交通流分配和誘導等模型很復雜，而且面對大量的實時數據採集，根據模型進行實時分分析和計算，給出有價值的結果，這個在原有的信息技術下確實很難解決。隨著物聯網和車聯網，分布式計算，基於大數據的實時流處理等各種技術的不斷城市，智能的交通導航和趨勢分析預測將逐步成為可能。
還有一個在國外大片中經常能夠看到的就是實時的車輛追蹤，隨著智慧城市的建設，城市裡面到處都是攝像頭採集數據，當鎖定一個車輛後如何根據車輛的特徵或車牌號等信息，實時的追蹤到車輛的行走路線和位置。這裡面往往需要實時的視頻數據採集，採集數據的實時分析和比對，給出相應的參考信息和數據。這個個人認為是具有相當大的難度，要知道對於視頻流和圖像信息的比對和分析往往更加耗費計算資源，需要更長的計算周期，要從城市成千上萬個攝像頭裡面採集數據並進行實時分析完全滿足大數據常說的海量數據，異構數據，速度和價值等四個維度的特徵。基於車輛能夠做到，基於人當然同樣也可以做到，希望這類應用能夠逐步的出現，至少現在從硬體水平能力和技術基礎上已經具備這種大數據應用的能力。
-