交通大數據採集開發

① 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。
-

② 城市交通大數據行業發展現狀剖析

城市交通大數據行業發展現狀剖析
人們在城市中生活每天產生大量的數據，有結構化的也有非結構化的，有一些與交通出行密切相關，而有一些又看似與交通出行沒有什麼關系，這些數據分布在不同的行政管理部門、互聯網公司或者傳統運營企業。舉個例子來說，隨著智慧城市建設熱潮，很多城市中已經布滿了感測設備(交叉口進口道地磁、電子警察、卡口等)，通過地磁可以採集到一定時間間隔交叉口進口道交通流量、速度以及佔有率；通過電子警察或卡口可以實時獲取經過卡口的車輛車牌號、通過時間以及地點車速，這些數據基本都匯聚在地方交警部門。互聯網公司通過為城市居民提供即時通信、導航以及共享服務，可以通過客戶終端定位實時獲取居民的位置。傳統運營企業范圍也很廣泛，包括了公交公司客運企業、計程車公司、通信運營商等，公交公司和客運企業匯聚了客流數據(IC卡、第三方支付以及零票)、車輛定位數據等，計程車公司匯聚了計程車定位數據、而通信運營商則可以匯聚客戶手機MAC地址。上述列舉的數據，都可以為城市交通規劃、政策制定、設計以及管理提供數據支持。後續筆者會結合自身十幾年的理論研究以及交通工程經驗，闡述每種數據未來的應用場景及潛在價值。
城市交通系統分析是一個復雜巨系統，尤其是在交通供需矛盾日益突出的當下，如何提高整個交通系統效率、提升居民出行品質是對每個交通管理者、研究者、工程師的挑戰。交通科學自誕生之日起，就與數據結下不解之緣，這是一門基於統計學的工程科學。
互聯網公司最早認識到了數據在交通領域的應用價值，也極大推動了雲計算、大數據等新一代信息技術在交通領域的應用。高德、滴滴擁堵排名、阿里城市大腦就是互聯網公司藉助自身的數據資源開展交通領域大數據應用的探索。
互聯網公司進軍傳統智能交通行業，一邊是互聯網公司頻頻發布基於大數據分析的各種報告，另一邊也開始產生了各種質疑的聲音。當前城市交通已經有一隻腳邁入了大數據時代，而另外一隻腳則需要傳統交通理論與移動互聯數據有效融合進行驅動。撥開當前交通大數據行業的繁華偽裝，我們以冷靜的眼光去審視，看到當前還存在很多問題，今天就略談一二：
第一、所謂的交通大數據基本還是針對單一數據源開展分析，分析精度有待進一步提高，應用場景有待進一步豐富。大部分的研究集中在基於車載GPS數據以及視頻數據提取車輛描述信息、交通流狀態信息，研究擁堵的表徵指標以及交警執法應用；
第二、城市交通感測設備布局並未從交通大數據的視角進行優化分析。城市智能交通系統規劃一個重要的任務就是研究城市交通採集設備布局方案，目前，較少有人從城市交通規劃與管理智庫頂層設計的高度，對檢測器的分布進行研究。此外，提高感測設備的適用性以及穩定性，也是有效提高當前數據質量的重要手段。
第三、城市交通大數據缺乏統一的數據標准。前面也論述了當前可以用於交通系統分析的數據，這些數據來源不同，要想未來能夠將上述數據利用起來，打破數據壁壘，形成城市交通數據池，就需要共同探討數據共享機制，並制定統一數據標准；此外，形成城市數據池後，城市交通數據治理將是一項復雜而艱巨的任務。
第四、大數據時代城市交通理論的創新面臨巨大挑戰。傳統的交通理論基本都是基於統計學，也就是基於樣本開展研究，而大數據時代的到來變革了交通理論數據來源，使得數據由抽樣變為了全樣，數據由有針對性的調查變為從大數據中抽取有用信息。因此，交通需求預測、交通通行能力分析、交通管控等基本理論將產生巨大變革，交通學者們應當既要仰望天空又要腳踏實地，在基礎領域研究中投入更多的精力，不應被當前的浮雲遮住望眼。
城市交通系統理論與大數據技術的融合發展任重而道遠，也期望與廣大交通工程師以及研究人員共同探討、共同進步。

③ 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。

④ 作為大數據背景下的產物,共享單車大數據是如何採集的,又是如何儲存和傳輸的

本發明涉及一種基於共享單車GPS大數據的數據處理方法，包括：將案件發生的實際地點轉換成第一GPS信息；根據所述第一GPS信息一次篩選出距離該第一GPS信息預定距離D內的共享單車GPS記錄信息，其中，所述共享單車GPS記錄信息為每一共享單車使用時所產生的相關數據，其包括每一共享單車的編號、使用時的用戶信息、使用時的GPS數據以及與每一使用時的GPS數據對應的時間點；根據案件發生的實際時間從一次選出的共享單車GPS記錄信息中，二次篩選出距離該實際時間預定時間T范圍內的共享單車GPS記錄信息；以及獲取二次篩選出的共享單車GPS記錄信息中的用戶信息，並根據所述用戶信息輔助案件偵破。本發明還提供一種基於共享單車GPS大數據的數據處理系統。
二十世紀以來,由於互聯網行業的飛速發展,"信息化","智能化"成了當今社會炙手可熱的重點詞彙,不論是交通領域,醫學領域,甚至是航空領域,都在追求產品的智能化,而大數據技術是實現智能化有效而准確的工具;自2015年北大學生創立ofo共享單車並投入校園使用至今僅僅3年左右的時間,共享單車已經成了人們最普遍的短距離交通工具,但隨著共享單車的大量使用,很多運營與治理問題也逐漸顯現,因此獲取共享單車運營本身產生的海量數據,應用大數據技術來解決其自身問題成為共享單車能夠持續發展的唯一出路.本文從大數據的基本概念出發,重點介紹了大數據在共享單車運營和治理方面的應用,並在文章最後提出了大數據在應用過程中所遇到的問題,闡述了了大數據技術對於共享單車發展的重要意義.

⑤ 大數據和智慧交通有哪些應用的案例

智能交通成為改善城市交通的關鍵所在。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。