交通信息分析大數據

❶ 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。

❷ 交通出行大數據到底要分析什麼

相數科技表示，交通出行大數據信息包含如：結合城市地理信息數據、車輛信息、停放監測、地理圍欄等各類與交通相關的數據信息，經數據挖掘和深度分析，可以為城市規劃及管理提供科學、有價值的數據參考。

❸ 大數據在智慧交通中起了哪些作用

大數據用於智能交通的積極意義
第一，大數據的虛擬性可以解決跨越行政區域的限制。交通大數據的虛擬性，有利於其信息跨越區域管理，只要多方共同遵照相關的信息共享原則，就能在已有的行政區域下解決跨域管理問題。
第二，大數據具有信息集成優勢和組合效率。大數據有助於建立綜合性立體的交通信息體系，通過將不同范圍、不同區域、不同領域的「數據倉庫」加以綜合，構建公共交通信息集成利用模式，發揮整體**通功能，這樣才能發現新價值，帶來新機會。例如氣象、交通、保險部門的數據結合起來，可高效率地研究交通領域防災減災;IC卡數據結合抽樣調查，能更快捷、更精確測得城市交通流分布狀況。
第三，大數據的智能性能較好的配置交通資源。通過對大數據的分析處理，可以輔助交通管理制定出較好的統籌與協調解決方案。一方面減少各個交通部門運營的人力和物力，另一方面可有些提升道理交通資源的合理利用。如根據大數據結果確定多模式地面公交網路高效配置和客流組織方案，多層次地面公交主幹網路綠波通行控制以及交通信號自適應控制。
第四，大數據的快速性和可預測性能提升交通預測的水平。在對各個部門的數據進行准確提煉和構建合適的交通預測模型後，可以有效模擬交通未來運行狀態，驗證技術方案的可行性。而在實時交通預測領域，大數據的快速信息處理能力，對於車輛碰撞、車輛換道、駕駛員行為狀態檢測等實時預測也有非常高的可靠性。
第五，提高交通運行效率。大數據技術能促進提高交通運營效率、道路網的通行能力、設施效率和調控交通需求分析。交通的改善所涉及工程量較大，而大數據的大體積特性有助於解決這種困境。
大數據的實時性，使處於靜態閑置的數據被處理和需要利用時，即可被智能化利用，使交通運行的更加合理。大數據技術具有較高預測能力，可降低誤報和漏報的概率，隨時針對交通的動態性給予實時監控。因此，在駕駛者無法預知交通的擁堵可能性時，大數據亦可幫助用戶預先了解。
第六，提高交通安全水平。主動安全和應急救援系統的廣泛應用有效改善了交通安全狀況，而大數據技術的實時性和可預測性則有助於提高交通安全系統的數據處理能力。在駕駛員自動檢測方面，駕駛員疲勞視頻檢測、酒精檢測器等車載裝置將實時檢測駕車者是否處於警覺狀態，行為、身體與精神狀態是否正常。同時，聯合路邊探測器檢查車輛運行軌跡，大數據技術快速整合各個感測器數據，構建安全模型後綜合分析車輛行駛安全性，從而可以有效降低交通事故的可能性。在應急救援方面，大數據以其快速的反應時間和綜合的決策模型，為應急決策指揮提供輔助，提高應急救援能力，減少人員傷亡和財產損失。
第七，提供環境監測方式。大數據技術在減輕道路交通堵塞、降低汽車運輸對環境的影響等方面有重要的作用。通過建立區域交通排放的監測及預測模型，共享交通運行與環境數據，建立交通運行與環境數據共享試驗系統，大數據技術可有效分析交通對環境的影響。同時，分析歷史數據，大數據技術能提供降低交通延誤和減少排放的交通信號智能化控制的決策依據，建立低排放交通信號控制原型系統與車輛排放環境影響模擬系統。

❹ 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。

❺ 交通事故大數據分析 哪些道路最危險，哪些時候易發生事故

12月2日是第九個122「全國交通安全日」，今年的主題是「知危險會避險安全文明出行」。省公安廳交通管理局對2020年前三季度全省道路交通事故進行了數據分析，請廣大駕駛人從事故中吸取教訓。

加大宣傳引導力度，提醒佩戴頭盔，減少事故傷亡

（一）什麼時間容易發生交通事故：下午和前半夜的14-22時事故起數和死亡人數分別占總數的44.3%和41.3%，呈高位運行狀態。其中，18至19時發生事故最多，19至20時死亡人數最多。

（二）什麼道路上交通事故較多：在前三季度全省交通事故總數和死亡人數中，高速公路占總數1.45%、5.59%；國道占總數的9.3%、13.7%；省道占總數的16.6%、23.7%；城市區道路佔35.1%、20.1%；農村地區道路（含縣、鄉和其他道路）占總數的37.6%、36.8%。農村地區事故情況同比去年有所下降，但事故佔比仍為前三季度事故總量最高。

（三）哪些違法行為最易引發交通事故：駕駛車輛操作不規范妨礙安全的行為、未按規定讓行、無證駕駛、酒後駕駛、逆行、超速行駛、違反交通信號是引發我省道路交通事故的主要原因。上述七項主要違法行為引發的事故和導致的死亡人數，分別占總數的72.9%、73.6%。其中，駕駛車輛操作不規范妨礙安全的行為占事故總數最大，占總數的31.2%、未按規定讓行占總數的14.8%、酒後駕駛（含醉酒）占總數的6.8%、無證駕駛占總數的6.4%、逆行占總數的5.2%、超速行駛占總數的4.5%、違反交通信號占總數的4.1%。

（四）什麼樣的交通事故後果最嚴重：高速公路單起事故死亡率最高，是全省平均數的3.84倍。超速行駛致人死亡率最高，是全省平均數的1.85倍

（五）哪個駕齡段的駕駛人最易發生交通事故：6至10年駕齡駕駛人引發事故起數和死亡人數佔比最大，其次是11至15年駕齡駕駛人、3年以下駕齡駕駛人。20年以上駕齡駕駛人最少。

（六）什麼的車型發生交通事故最多：小型客車肇事起數和死亡人數佔比最高。私用車輛事故起數和死亡人數佔比最大，發生事故數量和死亡人數分別占總數的80.2%、64.68%。其次是駕駛重型貨車、駕駛電動自行車、駕駛摩托車。重型貨車單起事故死亡率最高。

（七）哪些道路今年發生交通事故多，需要避險繞行：京滬高速青縣段159公里至178公里處、長深高速唐山西外環950公里至969公里處、大廣高速威縣段1683公里至1702公里處、國道京環線霸州境內58公里至67公里處、國道京廣線任丘縣境內151公里至160公里處、國道岐銀線滄縣境內61公里至70公里處、國道青石線寧晉境內595公里至604公里，國道京環線高碑店境內97公里至106公里、省道保滄線高陽境內54公里至63公里、省道晉州連接線8公里至17公里。

當前，交通安全形勢十分嚴峻，隨著冬季惡劣天氣的到來，也將進入全年事故多發高發期。今年「全國交通安全日」的主題是「知危險會避險」，意在提醒所有交通參與者，主動了解不同的出行方式可能面臨的安全風險，科學掌握防範事故的知識和技能，善於自我防護，有效規避危險。

本文來源於汽車之家車家號作者，不代表汽車之家的觀點立場。

❻ 大數據在交通領域的應用

大數據在交通領域的應用可以改善城市交通擁堵情況、提高道路通行能力、降低交通事故發生率等，具體應用如下：

1. 交通流量預測：通過分析歷史車流量數據和實時車輛位置等信息，可以預測未來的交通流量，進而實現交通信號燈控制優化或者路況導航提示。

總之，大數據在交通領域的應用為城市交通運輸管理提供了更加准確、高效和科學的手段，從而有效解決了城市交通問題。

❼ 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。

❽ 交通擁堵數據分析作用

1. 城市交通系統大數據概述 1.1 交通大數據特徵 交通大燃臘數據是智能交通系統基礎,研究和分析交通大數據是實現智能交通系 統的重要環節。傳統交通數據特徵有瞎段拍 3V、4V、5V,
2. 城市交通擁堵成因分析 2.2 公共交通規劃發展滯後,公共交通產品供給不足 我國大部分城市公共交通主要依靠公共汽車。例如目前,海口市有 2261 輛 公共汽車。根據國家
3. 大數據方法對於緩解城市交通磨羨擁堵的作用理論 首先,大數據技術可實現實時交通引導信息更改周期。更改路口導航信息的 時間間隔不能太長(通常為 20 分鍾)。大數據技術使用