交通大数据的发展现状与应用难点解决方案分析

改革开放以来,政府一直在不遗余力的加大交通基础设施建设。但是,经济发展带来的人们出行需求的频繁、城镇化深入带来的城市人口剧烈增长,依然给交通带来了前所未有的压力。据不完全统计,2016全国机动车保有量已达到2.95亿辆;交通拥堵指数超过1.5的城市有56个,其中三分之一的城市拥堵指数呈上升态势;民航航班正常率不足70%,交通困局已经成为了从普通群众到政府领导都密切关注的民生问题。

交通大数据建设的现状与痛点

2015年3月5日,李克强总理在政府工作报告中首次提出“互联网+”行动计划,推动移动互联网、云计算、大数据等与传统行业结合,以促进行业快速发展。而互联网与交通的碰撞也逐渐推进“线上资源开放共享、线下高效优质运行”新格局的形成,为解决当下严峻的交通形势提供了可能。

目前,我国城市的交通信息化已经建立起了基于电子警察、电子卡口数据的车辆缉查布控系统,对假牌套牌、逾期未检验、涉嫌盗抢车可进行自动报警;集合视频监控系统、公安GPS系统、交通GIS系统以及无线通讯系统等建立的110指挥平台,具备了对辖区内突发事件决策处理“指令下得去,情报上得来”的能力;除此以外,交通流诱导系统、交通流采集系统、交通违法自动考量系统、交通视频监控系统等信息采集技术在各城市主干道已被广泛使用,互联网+交通已经具备了实时而庞大的数据源。

然而,因为交通管理体系的复杂性,围绕交通核心“人-车-路”的管理涉及多个部门,互联网+交通更是关联到多个产业与领域,导致交通大数据的应用面临诸多难题:

1、交通数据信息孤岛丛生。交通管理体系的复杂性,导致各部门、各系统、各企业设备之间有很多数据是独立存储的,未打通所有体系建立集中、通畅的数据平台,阻碍了对大数据进行整合、分析、应用工作的开展。例如,在交通信号控制方面,现在依然以路口单点控制为主,如果能实现辖区所有交通信号系统的联网联控,将大大降低部分路段的拥堵、提高出行效率。

2、多样化交通数据融合难。交通数据形式多样,文本、图片、视频等非结构化数据格式全部涵盖;而不同软件厂商数据库的表结构/视图也各不相同,这些都成为交通大数据平台融合过程中的“堵点”。
3、数据分析方法单一。行业内数据分析的方式方法还比较单一,统计报表与综合指挥演示系统被普遍应用,分析与应用方式还是集中在事后处理环节,而对事前预防与事中监控等缺乏有效的手段与方法。
博为大数据采集平台助力交通大数据平台建设

要实现智能的交通大数据平台,就必须解决以上几个技术难题。博为软件致力于大数据应用领域的异构数据融合技术研发,并于2016年成功突破系统壁垒,101大数据集成平台横空出世。目前,该技术已经成功在几十家医院成功应用,并在WINDOWS环境下运行的150多个软件数据采集测试成功。无需其他软件接口对接自动采集数据、对采集到的数据进行结构化输出并建立自己的数据库,是该技术的亮点。将101大数据集成平台用于交通大数据平台的建立,可以在基于现有数据采集系统的情况下,打通各系统之间的数据壁垒、建立结构化的大数据中心,为智慧交通提供可分析、可应用的数据基础。

“互联网+”行动计划提出之后,各地相关政府部门与交通数据企业积极响应,在政企数据开放、资源共建、政务智能服务等方面取得了很大进展。互联网+交通的应用在北、上、广、深等几个一线城市有了创新应用案例,通过政府部门与地图软件商、电子诱导屏企业的数据共享,在疏通堵情、路况与避堵方案提示、节假日出行预测等方面取得了良好的社会效果。

随着互联网+交通应用的深入,交通大数据将在发展绿色、便捷、高效、经济的公共交通事业以及帮助城市规划部门、公安部门制定科学、精准的决策上发挥越来越重要的作用。

时间: 2024-08-02 20:33:54

交通大数据的发展现状与应用难点解决方案分析的相关文章

数据让生活更幸福!三分钟带你了解智慧城市,交通大数据应用!

随着城市交通人脑的出现,大数据在交通管理和交通运输领域得到了广泛的应用.大数据已逐渐成为城市交通管理的基础资源,在交通管理中日益显示出其关键作用和地位.许多公司对交通数据的理解存在偏见.他们认为大数据就是大数据,忽略了大数据的多种特征.笔者认为,只有满足"大数据多.大数据量"的要求,才能将其视为真实的交通数据. 交通大数据的第二个特点是与交通行业的相关性,即交通相关数据可以被视为交通大数据,不一定由交通管理生成的数据就是交通大数据,可以服务于交通管理的数据可以被视为交通大数据. 综上所

大数据使用及现状调研报告

大数据,指无法在一定时间范围内用常规软件工具进行捕捉.管理和处理的数据集合,是需要新处理模式才能具有更强的决策力.洞察发现力和流程优化能力的海量.高增长率和多样化的信息资产. 大数据特征分析 大数据,不仅有“大”这个特点,除此之外,它还有很多其他特色.在这方面,业界各个厂商都有自己独特的见解,但是总体而言,可以用“4V+1C”来概括,“4V+1C分别代表了Variety(多样化).Volume(海量).Velocity(快速).Vitality(灵活)以及Complexity(复杂)这五个单词.

商业智能,推动大数据时代发展

商业智能,经过多年的发展已经综合了数据仓库.联机分析处理工具和数据挖掘.大数据可视化等技术,成为影响企业发展的重要工具.激烈的竞争环境下,商业智能工具不但能让中企业保持业绩增长,同时也会对企业的科学管理模式形成更为深远的影响.随着商业智能的发展,商业智能已经成为企业新的信息化应用软件,从高层管理者逐渐走向全员BI.目前,商业智能已经超过ERP和CRM市场成为最具增长潜力的领域,也就是说商业智能系统将让其他各业务系统更加智能,商业智能势必会推动大数据时代迈上一个新的台阶. 市场需求的迅猛增长 目前

浅谈大数据的发展:问题和挑战

  目前,几乎所有世界级的互联网企业,都将业务触角延伸至大数据产业. 无论社交平台逐鹿.电商价格大战还是门户网站竞争,都有它的影子.大数据,正由技术热词变成一股社会浪潮,影响社会生活的方方面面. 何谓大数据?大数据或称巨量资料,是指所涉及的资料量规模巨大到无法通过目前主流软件工具,在合理时间内达到撷取.管理.处理.并整理成为帮助企业经营决策更积极目的的资讯.(在 维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的<大数据时代>中,大数据指不用随机分析法(抽样调查)这样的捷径,而采用所有数据的方法)大

hadoop学习系列(1.大数据典型特性与分布式开发难点)

第一天 1.大数据典型特性与分布式开发难点 1. 大数据典型特性与分布式开发难点 2. Hadoop框架介绍与搜索技术体系介绍 3. Hadoop版本与特性介绍 4. Hadoop核心模块之HDFS分布式文件系统架构介绍 5. Hadoop核心模块之Yarn操作系统架构介绍 6. Linux安全禁用设置与JDK安装讲解 7. Hadoop伪分布式环境部署HDFS部分 8. Hadoop伪分布式环境部署Yarn和MR部分 9. Hadoop环境使用常见的错误集合 10. Hadoop环境常规设置与

Spark 2.x企业级大数据项目实战(实时统计、离线分析和实时ETL)

Spark 2.x企业级大数据项目实战(实时统计.离线分析和实时ETL)全套课程下载:https://pan.baidu.com/s/1mje6bAoLLPrxUIrM-C2VMg 提取码: 9n1x 本门课程来源于一线生产项目, 所有代码都是在现网大数据集群上稳定运行, 拒绝Demo.课程涵盖了离线分析.实时分析绝大部分的场景,通过三个实际生产项目教授如何优雅地集成Hadoop.Spark.HBase.Kafka.Redis.MySQL等相关大数据技术,并实际落地 . 本门课程全程实操,不用担

大数据的发展带来了不容忽视的挑战

大数据研究领域可谓炙手可热,然而对数据中的价值加以利用仍然充满挑战.今天,我们将对此类挑战进行详尽解析. 大数据的生成速度令人错愕,事实上90%的可用数据是在过去两年当中才刚刚出现.如今我们需要努力分析大数据,从而发现其中可用以指导决策及战略性业务转型的洞察结论. 大数据应用已经开始在改进产品.提升服务水平及客户服务等领域发挥作用.下面来看一组具体数字:只有17%的企业尚无任何计划建立大数据项目,而超过70%的企业已经开始使用大数据——包括将其整合至业务当中,或者作为试水性项目.数据技术正在逐步

云计算和大数据未来发展趋势分析

如果这些思考得到肯定的答案,云计算与时代的发展需求相契合,真正的时代大门就会开启. 云服务发展趋势 云服务的发展趋势将会是:建立公有云生态圈.私有云共推开源.云安全成关键.政府推动和云保险出现. 从产业生态来看,公有云服务商构建了以"我"为主的生态圈,做生态圈已经越来越成为大的公有云服务商的选择. 私有云的供应商,走上了一条"抱团取暖,共推开源"的道路.在开源社区,众筹式发展的局面已经基本形成,热点开源社区的产品技术能力也在一步步提升. 在这里还是要推荐下我自己建的

大数据技术发展回顾

2012年以前,大多数企业的数据仓库主要还是构建在关系型数据库上,例如Oracle.Mysql等数据库之上.但是随着企业数据量的增长,关系型数据库已经无法支撑大规模数据集的存储和分析,这种情况在一线互联网公司尤为明显,也是当时急需要解决的问题. 随着2012年Hadoop技术框架的成熟和稳定,一线互联网公司纷纷使用Hadoop技术栈来构建企业大数据分析平台,随后两年基于大数据的应用如雨后春笋一样涌现,比如千人千面的推荐系统.精准定向程序化交易的广告系统.互联网征信.大数据风控系统.时间到了201