公交车gps大数据分析

① 大数据之于智能交通意义重大仍面临难题

大数据之于智能交通意义重大仍面临难题_数据分析师考试

日前，在2015中国智慧城市国际博览会上，来自台湾的勤亚科技张及人透露“台湾政府在将近九年前就开始规划所谓的大的交通数据云，用数据来管理整个交通出行。比如通知你从A到B大概走多少时间，这个时间给你选择走西会更快或者更慢一点，通过这种模式来做。”在公共交通部门，张及人称台湾已经全面做到了公车到站提醒，准确率在96在97%。“这样大家坐公交时不会浪费时间，能合理地安排自己的出行计划。”在出租车和商用车方面，“台湾有一个服务厅，可以清楚地告诉调度公司，在某个天气、时间、路口会有比较多乘客，只要买了这个服务，系统会高速你客人在哪里，这就是大数据做的应用。

大数据之于智能交通意义重大

智能交通建设和运营的过程中，从视频监控、卡口电警、路况信息、管控信息、营运信息、GPS定位信息、RFID识别信息等每天产生的数据量可以达到PB级别，并且是指数级的增长。虽然绝大部分数据是“沉睡的数据”，但按照相关规定，需要对数据进行有期限或无期限的保存，这无疑给用户在存储成本上带来压力，而通过监控摄像机前端智能技术和大数据分析技术的应用，很好地解决了行业用户的此类问题，给用户带来经济效益，同时也可以将工作人员从纷繁复杂的监控画面中解放出来。

大数据之于智能交通的意义，可以解决跨越行政区域的限制，实现数据信息的共享，在信息集成优势和组合效率上，有助于建立综合性立体的交通信息体系；另外在车辆安全、交通资源配置以及利用大数据的快速性和可预测性能提升交通预测的水平都有极大的帮助。

大数据支撑智能交通发展仍面临五大难题

随着移动互联网、大数据、车联网等技术越来越多地渗透到交通领域，百姓的出行将越来越高效便捷，同时也有利于管理部门为社会提供更好的公共交通服务。借助移动互联网、云计算、大数据、物联网等先进技术和理念，将互联网产业与传统交通运输业进行有效渗透与融合，形成具有线上资源合理分配，线下高效优质运行的新业态和新模式。积极用好大数据技术来支撑交通运输行业科学决策。交通运输部正在推进开展行业信息资源整合，同时也与互联网企业开展合作，利用定位大数据和智能化分析技术，成为科学决策的技术支撑。

不过，大数据虽然支撑着智能交通的前行，但其发展道路上难免要历经磨难，从目前来看主要存在五个问题。

问题一：海量设备管理问题

随着系统规模扩大，前端设备点位增加，设备故障点也呈几何级数增长，管理人员仅忙于应付设备故障，无暇他顾。以电子警察系统为例，目前一、二线城市基本都实现了电警设备在重点路口、路段的全覆盖，建设规模均有上千台摄像机及相应的控制设备，由于各厂商产质量量良莠不齐，前端设备实际完好率不高。设备故障未暴露，或暴露但没有得到及时维护的现象非常严重，给业主造成了大量的投资浪费。

问题二：统一标准和技术规范

国内智能交通系统项目的建设先于行业统一标准的推出。在缺乏标准的条件下，许多地区的智能交通系统自成体系，缺乏应有的衔接和配合，标准互不统一。即便在城市内部，道路上的传感器标准也非常混乱，因为传感器设备生产企业缺乏统一的接口标准。标准和规范的混乱妨碍了交通数据的获取，从而无法进行交通流的分析和预测。在高速公路收费系统方面，各省或地区内建设的网络一卡通或不停车收费系统，也没有统一指导和标准，为将来的全国联网造成了困难。

问题三：系统可靠性与稳定性

智能交通系统复杂度和整合程度越来越高，而系统的健壮性却没有同步提高，往往有牵一发而动全身的问题出现。以某地级市为例，智能交通系统由近200台服务器和2千多台前端设备组成，包括信号控制、交通流量采集、交通诱导、电子警察、卡口等子系统，数据要和省级交管平台、区县级交管子平台、公安业务集成平台等系统相连。系统具有流程复杂、业务系统众多、客户端分散等等一系列特点。业主竭尽全力为了保证业务系统的正常运行，但还是经常出问题。系统及网络结构复杂是一方面，业务系统众多无法“照顾”过来才是最严重的问题。

问题四：数据源的质量

智能交通应用需要高质量的数据源，而目前设备长时间运行的性能得不到保证，数据质量不高限制了智能交通业务高水平的扩展应用。现代化的交通诱导和交通信号控制需要实时准确的交通流量数据以供交通状态判断以及短时交通预测使用。而由于目前系统健壮性不足，难以自行判断数据质量，从而使得交通诱导和信号控制系统不能发挥预期效用，从而影响了整体智能交通系统的投资价值。

问题五：信息安全问题

由于智能交通兼具交通工具带来的移动特性和通信传输所使用的无线通信两方面的特点，它也就集成了无线网和移动网两大类型网络的安全问题。然而，当前针对智能交通的研究还只是偏重于其功能的实现，忽略了其信息安全问题。实际上，无论是从信息的收集、信息的传输、信息的处理各个环节，智能交通都存在严重的信息泄露、伪造、网络攻击、容忍性等安全问题，亟须受到人们的关注和重视。

结语：未来伴随着移动互联网、大数据、车联网等技术越来越多地渗透到智能交通，将会使我们的出行越来越便捷、高效、舒适。对于管理部门来讲，通过智能交通设施大数据分析预测出行规律和趋势，科学安排各项保障工作，为全社会提供更好的公共交通服务。

以上是小编为大家分享的关于大数据之于智能交通意义重大仍面临难题的相关内容，更多信息可以关注环球青藤分享更多干货

② 如何运用交通大数据智慧出行

2015年两会上，“大数据（big data）”一词首次写入政府工作报告。在交通领域，大数据一直被视作缓解交通压力的技术利器。应用大数据有助于了解城市交通拥堵问题中人的出行规律和原因，实现交通和生活的和谐，提高城市的宜居性，为政府精准管理提供基于数据证据的综合决策。

随着手机网络、全球定位系统（global positioning system，GPS）/北斗车载导航、车联网、交通物联网的发展，交通要素的人、车、路等的信息都能够实时采集，城市交通大数据来源日益丰富。在日益成熟的物联网和云计算平台技术支持下，通过城市交通大数据的采集、传输、存储、挖掘和分析等，有望实现城市交通一体化，即在一个平台上实现交通行政监管、交通企业运营、交通市民服务的集成和优化。

③ 请分析大数据在公共交通可以为公众提供哪些新智能服务

大数据放在交通领域能干这些事：智能公交、辅助交通规划决策、对驾驶员评估、预测群体出行行为
智能公交，这是交通部早已实现的事情，也是交通部最早利用大数据决策的成功案例之一。交通部根据GPS定位技术、3G通信技术、GIS地理信息系统技术等等结合对车辆的监控，实施的公交车智能调度策略，提高了公交车的利用率，同时也在不断减轻城市道路的拥堵负担。
用大数据辅助交通规划辅助决策，就公交网络而言，传统的方式需要在投入大量人力进行OD调查和数据收集。而目前的一卡通，则让数据更为全面的展现在决策人员面前，流量数据全部可以精确掌握，同时再利用上车辆拥堵时间，拥堵路段的大数据分析后，公交车的线路调整，增加与减少换乘站的决策就会更加有依据。
预测群体出行行为，目前网络地图已经做到了可以提前两周预测某个城市的人数大概规模，而将这一成熟的预测算法用于交通后，结合交通部的其他大数据，便可以预测出群体出行的态势，对其可能出行的时间，出行路线，出行方式等等进行预测，从而为城市车辆调度提供决策帮助。

④ 大数据，数据挖掘在交通领域有哪些应用

交通领域大数据分析和应用的场景会相当多，这里面要注意两点，一个是大数据本身的技术处理平台，一个是数据分析和挖掘算法。具体场景当时写过点内容，如下：
对于公交线路规划和设计是一个大数据潜在的应用场景，传统的公交线路规划往往需要在前期投入大量的人力进行OD调查和数据收集。特别是在公交卡普及后可以看到，对于OD流量数据完全可以从公交一卡通中采集到相关的交通流量和流向数据，包括同一张卡每天的行走路线和换乘次数等详细信息。对于一个上千万人口的大城市而言，每天的流量数据都会相当大，单一分析一天的数据可能没有相关的价值，而分析一个周期的数据趋势变化则会相当有价值。结合交通流量流向数据趋势变化，可以很好的帮助公交部门进行公交运营线路的调整，换乘站的设计等很多内容。这个方法可能很早就有人想到，但是在公交卡没有普及或海量数据处理和计算能力没有跟上的时候确实很难实际落地操作，而现在则是完全可以落地操作的时候了。
从单一的公交流量流向数据动态分析仅仅是一个方面，大数据往往更加强调相关性分析。比如对于在某一个时间段内公交流量和流向数据发生明细的趋势变化的时候，这个趋势变化的究竟和哪些潜在的大事件或其它影响因素的变化存在相关性，如何去分析这些相关性并做出正确的应对。举个简单的例子来说，当市中心区内的房屋租金持续增长的时候一定会影响到交通流的变化，很多人可能会搬离到更远的地方去居住，自然会形成更多的新增公交流量和流向信息。在《大数据时代》里面谈到更多的会关心相关性而不是因果只是一个方面的内容，实际上往往探索因果仍然很重要，就拿尿片和啤酒的例子来说看起来很简单，但是究竟是谁发现了这种相关性才更加重要，发现相关性的过程往往是从果寻因的过程，否则你也很难真正就确定是具备相关性。
其次就智能交通来说，现在的智慧交通应用往往已经能够很方面的进行整个大城市环境下的交通状况监控并发布相应的道路状况信息。在GPS导航中往往也可以实时的看到相应的拥堵路况等信息，而方便驾驶者选择新的路线。但是这仍然是一种事后分析和处理的机制，一个好的智能导航和交通流诱导系统一定是基于大量的实时数据分析为每个车辆给出最好的导航路线，而不是在事后进行处理。对于智能交通中的交通流分配和诱导等模型很复杂，而且面对大量的实时数据采集，根据模型进行实时分分析和计算，给出有价值的结果，这个在原有的信息技术下确实很难解决。随着物联网和车联网，分布式计算，基于大数据的实时流处理等各种技术的不断城市，智能的交通导航和趋势分析预测将逐步成为可能。
还有一个在国外大片中经常能够看到的就是实时的车辆追踪，随着智慧城市的建设，城市里面到处都是摄像头采集数据，当锁定一个车辆后如何根据车辆的特征或车牌号等信息，实时的追踪到车辆的行走路线和位置。这里面往往需要实时的视频数据采集，采集数据的实时分析和比对，给出相应的参考信息和数据。这个个人认为是具有相当大的难度，要知道对于视频流和图像信息的比对和分析往往更加耗费计算资源，需要更长的计算周期，要从城市成千上万个摄像头里面采集数据并进行实时分析完全满足大数据常说的海量数据，异构数据，速度和价值等四个维度的特征。基于车辆能够做到，基于人当然同样也可以做到，希望这类应用能够逐步的出现，至少现在从硬件水平能力和技术基础上已经具备这种大数据应用的能力。

⑤ 城市交通大数据行业发展现状剖析

城市交通大数据行业发展现状剖析
人们在城市中生活每天产生大量的数据，有结构化的也有非结构化的，有一些与交通出行密切相关，而有一些又看似与交通出行没有什么关系，这些数据分布在不同的行政管理部门、互联网公司或者传统运营企业。举个例子来说，随着智慧城市建设热潮，很多城市中已经布满了传感设备(交叉口进口道地磁、电子警察、卡口等)，通过地磁可以采集到一定时间间隔交叉口进口道交通流量、速度以及占有率；通过电子警察或卡口可以实时获取经过卡口的车辆车牌号、通过时间以及地点车速，这些数据基本都汇聚在地方交警部门。互联网公司通过为城市居民提供即时通信、导航以及共享服务，可以通过客户终端定位实时获取居民的位置。传统运营企业范围也很广泛，包括了公交公司客运企业、出租车公司、通信运营商等，公交公司和客运企业汇聚了客流数据(IC卡、第三方支付以及零票)、车辆定位数据等，出租车公司汇聚了出租车定位数据、而通信运营商则可以汇聚客户手机MAC地址。上述列举的数据，都可以为城市交通规划、政策制定、设计以及管理提供数据支持。后续笔者会结合自身十几年的理论研究以及交通工程经验，阐述每种数据未来的应用场景及潜在价值。
城市交通系统分析是一个复杂巨系统，尤其是在交通供需矛盾日益突出的当下，如何提高整个交通系统效率、提升居民出行品质是对每个交通管理者、研究者、工程师的挑战。交通科学自诞生之日起，就与数据结下不解之缘，这是一门基于统计学的工程科学。
互联网公司最早认识到了数据在交通领域的应用价值，也极大推动了云计算、大数据等新一代信息技术在交通领域的应用。高德、滴滴拥堵排名、阿里城市大脑就是互联网公司借助自身的数据资源开展交通领域大数据应用的探索。
互联网公司进军传统智能交通行业，一边是互联网公司频频发布基于大数据分析的各种报告，另一边也开始产生了各种质疑的声音。当前城市交通已经有一只脚迈入了大数据时代，而另外一只脚则需要传统交通理论与移动互联数据有效融合进行驱动。拨开当前交通大数据行业的繁华伪装，我们以冷静的眼光去审视，看到当前还存在很多问题，今天就略谈一二：
第一、所谓的交通大数据基本还是针对单一数据源开展分析，分析精度有待进一步提高，应用场景有待进一步丰富。大部分的研究集中在基于车载GPS数据以及视频数据提取车辆描述信息、交通流状态信息，研究拥堵的表征指标以及交警执法应用；
第二、城市交通传感设备布局并未从交通大数据的视角进行优化分析。城市智能交通系统规划一个重要的任务就是研究城市交通采集设备布局方案，目前，较少有人从城市交通规划与管理智库顶层设计的高度，对检测器的分布进行研究。此外，提高传感设备的适用性以及稳定性，也是有效提高当前数据质量的重要手段。
第三、城市交通大数据缺乏统一的数据标准。前面也论述了当前可以用于交通系统分析的数据，这些数据来源不同，要想未来能够将上述数据利用起来，打破数据壁垒，形成城市交通数据池，就需要共同探讨数据共享机制，并制定统一数据标准；此外，形成城市数据池后，城市交通数据治理将是一项复杂而艰巨的任务。
第四、大数据时代城市交通理论的创新面临巨大挑战。传统的交通理论基本都是基于统计学，也就是基于样本开展研究，而大数据时代的到来变革了交通理论数据来源，使得数据由抽样变为了全样，数据由有针对性的调查变为从大数据中抽取有用信息。因此，交通需求预测、交通通行能力分析、交通管控等基本理论将产生巨大变革，交通学者们应当既要仰望天空又要脚踏实地，在基础领域研究中投入更多的精力，不应被当前的浮云遮住望眼。
城市交通系统理论与大数据技术的融合发展任重而道远，也期望与广大交通工程师以及研究人员共同探讨、共同进步。