
高德交通数据分析师:专车加剧广州城市拥堵
2015年7月23日,中国Hadoop技术峰会在上海浦东嘉里中心如火如荼地召开。下午的大数据应用分论坛,基于最新的大数据技术,结合落地应用案例进行讲解与讨论,也受到了业内外的广泛关注。
当日下午,来自公安部交通管理科学研究所的方艾芬主任在大数据应用分论坛上发表了题为《大数据在交通管理中的应用》的讲演,从技术革新到落地案例,多方面多角度地阐释了Hadoop大数据平台对交通管理方面的帮助与改革。
方主任首先对公安部交通管理研究所的性质与职能作了简要介绍。交通管理研究所是公安部直属的道路交通管理工程技术研究的科研机构,主要从事道路交通事故预防及鉴定技术、公安交通管理业务信息化技术、公安交通管理大数据技术及云计算技术、智能交通管理技术等技术领域的研究工作。
方主任的讲演从公安交通管理信息化的现状,机动车缉查布控大数据平台建设及应用实践和未来交通管理信息化展望三方面来召开。
首先是公安交通管理信息化的现状,我国机动车的保有量为2.71亿,其中汽车保有量1.63亿,仅次于美国,位列世界第二。而驾驶人数量3.12亿则为世界第一。我国公路通车里程达到446.39万公里,其中高速11.19万公里。这些背景数据说明我国已进入汽车社会。对于道路交通管理的需求与压力也与日俱增。
2012年起,公安部推出全国公安交通管理综合平台,在全国31个省、480多个地级市全面应用。公安交通管理主要业务全面信息化。同时,以公安交通管理综合应用平台为依托、以各地卡口系统为基础的全国机动车缉查布控系统也已应用,实现了缉查布控、预警拦截、轨迹分析、综合研判四方面的公安公路交通安全联网管控信息化。
卡口系统主要进行图像抓拍、通行记录等数据处理,并实时上传至缉查布控系统。目前,全国联网接入卡口23000多个,已汇聚上传车辆轨迹数据350亿多条,每日新增1亿多条。同时,机动车通行数据,车辆、驾驶证等基础数据,运维监管等其他数据也达到上亿条并且仍保持增长趋势。这些数据既包括常规的结构化数据,也包括图片、视频等非结构化、半结构化数据,价值巨大。
然而庞大的数据量也带来了一些问题。比如海量的数据中有百分之九十九的数据从未被使用,极低的利用率使得相关部门只能被动地通过数据解决已有问题,而无法使用现有数据进行分析、监管。究其原因,在于传统的关系型数据库面对如此庞大的数据量,无法进行高效的处理,受此限制,大部分的数据也发挥不出本来的价值。
然而现有数据量仍然在不断地增长,这一问题对数据库的革新提出了要求,传统关系型数据库向分布式数据库的转型势在必行。
方主任借此背景,引出了机动车缉查布控大数据平台建设与应用实践的成功经验。
大数据平台的建设需求在于应用大数据、云计算等技术,建设省级、部级机动车缉查布控大数据平台,汇聚全省、全国机动车轨迹信息,实现海量数据的接入、存贮,实现过车查询、全库搜索、轨迹分析、套牌分析、伴随分析、碰撞分析、区间测速等实时分析应用,实现跨部门、跨警种、跨区域信息共享和深度挖掘应用,为准确监测公路通行状况、快速缉查交通违法行为、打击各类涉车违法犯罪,不断提升道路交通安全管控水平、决策分析和社会服务能力提供全新技术实现手段。
而公安交管部门的大数据平台以大范围碰撞比对作为主要目标,是国内较早落地应用大数据平台的案例。方主任以省级平台——山东省缉查布控大数据平台案例作为主要讲解对象。
数据方面,山东省缉查布控大数据平台已在17个地市联网接入卡口1000多套,日过车记录超过1000万条(预期全面联网后1到1.5亿条每天)。全省2300多万机动车,3000多万驾驶人进入关联信息。自2014年9月正式运行起,已累积近40亿条,25TB数据。
架构上采取混合型架构,部分数据存储于HBase分布式数据库,一些关键数据存储于Oracle数据库,采用企业级发行版Hadoop软件,解决了数据实时处理,快速查询检索和多维度分析研判等问题。
方主任还提到在软件平台上,选择了星环科技的TDH产品,从2014年9月运行至今,性能稳定可靠,用户体验极佳。
基于大数据平台,公安交管部门能根据海量数据提取信息,分析轨迹,在一秒之内实现实时比对,产生预警,从而有针对性地干预、拦截。动态静态信息的碰撞比对,解决了许多过去的难题。比如逾期未年检车辆的发现与预警,无论是车主的无心之失或有意为之,都为公安部门的监管带来了极大的便利。同时还有假牌套牌分析处理与核对等,这是过去的监管系统难以顾全的。
总的来说,借助大数据TDH平台的帮助,公安交管部门相较之前更好地利用到了已有的数据,有力提升动态化、信息化执法能力,提升了对重点车辆动态监管能力,提升了对路面重点交通违法行为动态发现能力,提升了对机动车通行情况的分析研判能力,提升了对各地执法情况的监督能力,提升了对源头企业的监管能力。
而在未来,计划建立全国公安交通集成指挥平台,基于关联系统、平台信息,落成部省市三级全国联网监控。公安部交通管理科学研究所目前正依托全国公安交通管理数据中心、 云计算和大数据应用联合实验室, 开展交管大数据应用模式、技术架构、研判分析和预测模型研究,研发基于云计算技术的交通管理大数据挖掘研判系统。CDA数据分析师培训
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10