京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据 VS 大拥堵:大数据治理交通
而现在对于这种损耗已经有了相应的解决方案。麦肯锡全球研究院在2013年宣布,通过大数据对现有的基础设施的进一步强化管理和维护,每年就节省将近4000亿美元的支出。通过对交通数据的收集和分析挖掘,来对现有交通设施性能进行改善,提高其利用效率。
下文列举了三个成功案例。
以色列实时识别模式系统
以色列在特拉维夫和本古里安机场之间的13号公路上铺设了一条1英里的快车道,这条车道的收费系统是基于车辆的道路通过时间来收费的。它的工作原理是这样的:采用非常高阶的实时识别模式系统,通过统计在此快车道上的车辆数目或者通过计算两车之间的平均距离来评估道路的拥堵程度,从而可以智能选择在该道路系统能够承受的前提下是否该增加“吞吐量”,而其收费方式也相应会智能化,当道路车流密度越高,收费就越高,车流密度越低,则收费越低。这种智能收费系统通过这种方式,在一定程度上降低了道路的拥堵程度。
巴西优化航空路线利用率
巴西航空交通在过去十年里迅速发展,预计在2030年年客运量将至少增加一倍,旅客人次将达到3.1亿以上。而为了解决空中交通拥堵的问题,巴西引进了一种系统,即利用GPS收集的数据来优化对现有的航空路线的利用效率,来缩短飞机航线。它的工作原理是:改变了飞机在空中排队等候降落地面降落的一般性方法,同时为每一架飞机都设计了唯一的路线。听起来似乎很简单,但是系统工作需要收集大量的数据,并对数据进行快速有效的分析,包括对飞机之间的距离,行驶时间,飞机行驶性能等进行综合性评估,以此来保证飞机能够以最短的路线行驶。最早部署这一系统的巴西利亚国际机场的飞机,每一次降落都将节省7.5分钟和77加仑的燃料,相当于减少22海里的飞行距离。巴西计划将该系统部署到该国最繁忙的十个机场,初步估计这一部署在北美机场的举措将会为巴西带来16%到59%的客流量的增长,当然,还需要考虑机场硬件设施等各类条件。
欧洲铁路公司应用大数据提高交通客流量
欧洲铁路基础设施供应商通常要求运营商为他们提供详细的火车行驶路线,然后供应商开发一个尽力满足每一条路线的时间表系统。而这种系统通常难以保证列车性能和客流量的最佳配置。在德国,绝大多数的货运列车不会如期出发,这一情况不可避免地会导致轨道并发症。最近,一些铁路公司开始利用大数据“工业化”的方法来对铁路交通进行优化。基于对过去铁路客流量以及列车性能的需求分析将铁路轨道分裂成适应不同速度的插槽,能够满足不同性能的列车行驶速度和不同客流量的需要。而实现这些优化则需要有先进的规划技术。例如针对列车的延迟出发可以考虑为其变换适应速度较高的铁路轨道插槽,从而弥补列车出发的一个时间差。通过这种创新,不仅提高了铁路行驶的准确性和可靠性,还带来了交通客流量10%的提升。
尽管出现了一些令人鼓舞的将交通基础设施和大数据信息整合的例子,总体看来,这一方向进展还是缓慢。在机场行业相关的聚会上,经常会有很多人热情讨论亟待使用大数据对跟踪乘客的移动设备而收集的信息来做出相应决策,例如在乘客登机时,通过对排队乘客的步行速度分析,在减少安全队列的基础上通过文本消息的提醒方式对乘客定制一些购物建议。尽管如此,能够将想法付诸行动的机场依然寥寥无几。
为什么基础设施供应商在利用大数据这一领域进展如此缓慢?为了加快这一速度,我们可以做些什么?至于经济可行性这一点,无需考虑,因为投资这一技术所能带来的回报将远远大于投资具有类似提升能力的设备。
在与行业从业者的对话过程中,我们确定了利用大数据来提升对基础设施利用效率的三点障碍。
第一,数据缺乏透明度。交通基础设施的参与者网络非常复杂。例如,一个机场的参与者,涵盖了多个航空公司、地面处理公司、零售商、空中交通管制、海关以及机场运营公司本身。每个企业参与者都能够收集各自领域的数据,但是却不愿意共享。从企业角度来看,这个有时确实是有道理的,就好比没有零售商想放弃商店。但是对乘客数据的分析可能会受益于这里面的每一个企业参与者。例如,分析客流量的变化趋势有助于机场各类资源的优化分配。这不仅可以为机场带来更大的客流量,而且还能提高商店的零售收入。然而,前提是数据能够共享。
第二,信息共享的成本和收益的矛盾。例如,航空公司为了缩短旅程航行时间,自然希望乘客进站时间越短越好,而零售商可能更喜欢乘客逗留,以增加商店的收入。机场更倾向于提高资产利用效率,但也有可能为了在突发事件发生后能够快速恢复的灵活性能的提高而降低资产利用效率。因此,需要共同寻找一个合理的解决方案使得每一个企业参与者都能够获得收益,这个并不容易,需要大家一定程度上的实实在在的相互信任。
第三,监管约束不足。基础设施在很多情况下都是属于垄断行业。因此政府这一角色至关重要,不仅要确保政策公平且划算,还要创造一个允许收集和使用数据并且保证数据的机密性和隐私的监管环境。前提是,竞争方和保护数据方以及政府必须相信数字化是有益于后续的事业发展,这一点至关重要。另外,我们还面临一个相当大的挑战,即确保在阐述如何收集数据、如何使用数据、如何通过对数据的分析来使消费者受益的前提下,解决用户的隐私问题。
上述三点障碍相互依存,必须同时解决。没有透明度,就没有办法建立信任,实现公平共享。没有公平共享和明确的公共利益,监管机构不会参与。没有负责的监管机构参与,企业则不愿共享他们的数据。
让所有参与者在基础设施网络中合作并不容易,首先需要有一个合格的领导者。一般来说,政府在基础设施的参与利益很明显,因此一个办法是由国家或者多国政府出面。另外特权持有者也具有一定的优势,例如机场运营商或者铁路公司。也可以是二者的组合,由政府出面设定目标,建立一个数据使用共享的平台,特权持有者设定机构,来进行数据工作的分析。
利用大数据提升基础设施的利用效率这一工作目前才刚刚开始,并且在逐步推进。要想形成这种趋势,一个比较可行的策略是推行一个试点计划,例如在机场或者火车站对采用大数据分析策略结果进行测试,并且记录下最终收益。但也许最重要的是要能够认识到这些信息是提升基础设施的利用效率的潜在助力。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析、质量控制、科研实验等场景中,数据波动性(离散程度)的精准衡量是判断数据可靠性、稳定性的核心环节。标准差(Stan ...
2026-01-29在数据分析、质量检测、科研实验等领域,判断数据间是否存在本质差异是核心需求,而t检验、F检验是实现这一目标的经典统计方法。 ...
2026-01-29统计制图(数据可视化)是数据分析的核心呈现载体,它将抽象的数据转化为直观的图表、图形,让数据规律、业务差异与潜在问题一目 ...
2026-01-29箱线图(Box Plot)作为数据分布可视化的核心工具,能清晰呈现数据的中位数、四分位数、异常值等关键统计特征,广泛应用于数据分 ...
2026-01-28在回归分析、机器学习建模等数据分析场景中,多重共线性是高频数据问题——当多个自变量间存在较强的线性关联时,会导致模型系数 ...
2026-01-28数据分析的价值落地,离不开科学方法的支撑。六种核心分析方法——描述性分析、诊断性分析、预测性分析、规范性分析、对比分析、 ...
2026-01-28在机器学习与数据分析领域,特征是连接数据与模型的核心载体,而特征重要性分析则是挖掘数据价值、优化模型性能、赋能业务决策的 ...
2026-01-27关联分析是数据挖掘领域中挖掘数据间潜在关联关系的经典方法,广泛应用于零售购物篮分析、电商推荐、用户行为路径挖掘等场景。而 ...
2026-01-27数据分析的基础范式,是支撑数据工作从“零散操作”走向“标准化落地”的核心方法论框架,它定义了数据分析的核心逻辑、流程与目 ...
2026-01-27在数据分析、后端开发、业务运维等工作中,SQL语句是操作数据库的核心工具。面对复杂的表结构、多表关联逻辑及灵活的查询需求, ...
2026-01-26支持向量机(SVM)作为机器学习中经典的分类算法,凭借其在小样本、高维数据场景下的优异泛化能力,被广泛应用于图像识别、文本 ...
2026-01-26在数字化浪潮下,数据分析已成为企业决策的核心支撑,而CDA数据分析师作为标准化、专业化的数据人才代表,正逐步成为连接数据资 ...
2026-01-26数据分析的核心价值在于用数据驱动决策,而指标作为数据的“载体”,其选取的合理性直接决定分析结果的有效性。选对指标能精准定 ...
2026-01-23在MySQL查询编写中,我们习惯按“SELECT → FROM → WHERE → ORDER BY”的语法顺序组织语句,直觉上认为代码顺序即执行顺序。但 ...
2026-01-23数字化转型已从企业“可选项”升级为“必答题”,其核心本质是通过数据驱动业务重构、流程优化与模式创新,实现从传统运营向智能 ...
2026-01-23CDA持证人已遍布在世界范围各行各业,包括世界500强企业、顶尖科技独角兽、大型金融机构、国企事业单位、国家行政机关等等,“CDA数据分析师”人才队伍遵守着CDA职业道德准则,发挥着专业技能,已成为支撑科技发展的核心力量。 ...
2026-01-22在数字化时代,企业积累的海量数据如同散落的珍珠,而数据模型就是串联这些珍珠的线——它并非简单的数据集合,而是对现实业务场 ...
2026-01-22在数字化运营场景中,用户每一次点击、浏览、交互都构成了行为轨迹,这些轨迹交织成海量的用户行为路径。但并非所有路径都具备业 ...
2026-01-22在数字化时代,企业数据资产的价值持续攀升,数据安全已从“合规底线”升级为“生存红线”。企业数据安全管理方法论以“战略引领 ...
2026-01-22在SQL数据分析与业务查询中,日期数据是高频处理对象——订单创建时间、用户注册日期、数据统计周期等场景,都需对日期进行格式 ...
2026-01-21