京公网安备 11010802034615号
经营许可证编号:京B2-20210330
当智能交通遇上大数据(2)_数据分析师
人口分布、用地情况以及出行速度分布等一系列模型体系的建立,为城市管理和政府决策提供了数据支撑。他们将罗湖区细分为2864个交通小区,从宏观、中观、微观三个层次建立了系列模型,作为支撑整个城市交通服务和交通问题的分析研究。
深圳市曾提出构建未来交通实验室的畅想,在这样的大推进模式下,由中国综合交通指挥中心作为未来开放实验室的数据基础环境,联合多家科研机构推进交通未来实验室的开发,实现交通资源面向城市、面向社会一体化的公益性服务。
此外,深圳市具有全国最大规模的仿真环境。交通仿真的建立为整个城市轨道交通模型体系的不断优化,为城市交通指数的监测和服务提供了有效的技术支撑和保障。
技术创新倒逼管理变革
大数据仿佛一夜之间风靡全球,既宣告了一个时代的到来,又显然成了一个时代的标志。
但“大数据不是定制数据,往往是间接证据”。杨东援表示,间接证据在某些区间里的判断是成立的,在某些区间里的又肯定不对,无法直接成为决策依据。
“再者,就是对数据进行清洗和正确的判断,因为大量的数据经常是错的。”杨东援举了个例子:研发机构号称牌照读出率为95%~98%,但数据交合后发现,实际上不到6万辆的上海出租车,被读出的车辆数却呈数量级翻倍——原来是“z”和“2”傻傻分不清。然而,“交通大数据应用的最大困难还不是技术,而是管理者的变革决心。”杨东援坦言,大数据的价值在于让我们更好地“搭脉”,“帮助我们发现不知道的,而不是验证已经知道的”。
从城市交通角度来讲,政府如何利用大数据对整个城市交通进行管控,这是一个亟待解决的问题。
“在非高峰时期,人们为何也不选择公交出行?一个重要原因就是没有时刻表。”杨东援坦言,老百姓所谓的公交出行时间,实际上是将无效预留时间也算在内。除了让公交跑得快以外,能否减少无效预留时间等问题也有待解决。
据科研人员分析,智能交通的潜在价值还没有得到有效挖掘,对交通信息的感知和收集有限,对存在于各个管理系统中的海量的数据无法共享运用、有效分析,对交通态势的研判预测乏力,对公众的交通信息服务很难满足需求。这会造成智能交通的效率不高,智能化程度不够,使得很多先进技术设备发挥不了应有的作用,也造成了大量投入上的资金浪费。
由此可见,交通大数据只是一系列图和表,交通工程师也只是参谋,政府才是决策者。大数据与管理如果不能携手同行,智能也只能在云端打转。
延伸阅读
宝船网公司产品总监杜忠平:
智能航运须放开心态
大数据时代,从简单的数据收集到数据应用都发生了变化,航运也需要充分运用数据,建立高效、快捷的服务平台。
在日前举行的云计算大数据智能交通行业应用论坛上,宝船网公司产品总监杜忠平表示,在大数据环境下,任意港口都会有大量的信息服务运营商,包括船贷、网贷、物流调度等等。
用大数据工具建立第三方服务平台,可以节约资源,提高航运标准、方便货主。
据了解,中远集运曾通过资源整合和优势聚集,提高仓位的利用率、空箱调运和装卸效率等。
“通过数据分析,可以很快检测到上海等港口的航行状况,包括集装箱码头真实的分布。只要输入名称就能搜索到你要找的船。”杜忠平表示,希望在航运领域形成开放和透明的市场环境。
运用大数据进行船舶工业实践,除了技术本身需要进一步突破,更重要的是建立以数据为导向的全新商业模式。
“我们有30万条船的数据可以上传云端对外开放,但如果只是提供简单的查询就不叫创新。”杜忠平提出,“要提前做好所有的数据接口,等待用户访问。”
在大数据时代下,船必须变成“会思考”的智能船舶。船舶智能化已经成为当今船舶制造与航运领域发展的必然趋势。在海洋强国的使命号召下,智能船舶的发展是大势所趋,需要用更大的勇气、更广阔的视角把船舶工业带向更大的市场。
“在航运和物流领域工作,要开放心态,在没有交易之前先共享数据,趁着大数据这个浪潮到达下一个成功的彼岸。”杜忠平最后说。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在互联网运营、产品设计、市场营销与商业数据分析领域,所有转化、成交、复购行为的底层逻辑,都依托于用户决策流程。用户从产生 ...
2026-07-10 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-07-10数据透视表是数据分析中最常用、最高效的汇总分析工具,具备快速分组、聚合计算、维度拆解、数据可视化等优势,能够轻松完成求和 ...
2026-07-09在统计学、CDA数据分析、机器学习与商业数据研究中,正态分布是最基础、最重要的数据分布形态。绝大多数参数检验、数据建模、指 ...
2026-07-09 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-07-09【核心关键词】采购、周期、原材料、企业、产品、成本、要素、库存、供应商、数据分析、生产计划、生产制造、加工制造、技术工 ...
2026-07-08在数据分析、特征工程、机器学习建模的工作流程中,原始数据往往包含多个不同维度的数值指标,例如客户交易数据中的消费金额、交 ...
2026-07-08 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-07-08商业谈判是企业采购合作、渠道签约、价格议价、项目合作、客户签约的核心关键环节,直接决定企业的合作成本、利润空间与经营风险 ...
2026-07-07在数据分析、业务效果验证、AB 测试、学术研究等场景中,T 检验是假设检验体系里最基础、应用最广泛的统计方法,也是均值差异分 ...
2026-07-07 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-07-07【核心关键词】转化率、企业、策略、岗位、互联网、拆分、产品、运营、分析师、指标体系、数据分析、用户画像、数据诊断、产品 ...
2026-07-06在数据分析工作中,文本数据处理是高频刚需场景,用户评论、客服工单、日志信息、调研问卷、商品文案等数据都包含大量文本内容。 ...
2026-07-06 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-07-06在 CDA 数据分析师能力体系中,透视分析是数据探索、多维度汇总、业务复盘的核心基础技能。无论是 Excel 数据透视表,还是 Power ...
2026-07-03在市场竞争日趋激烈、获客成本持续攀升的当下,企业粗放式的“广撒网”获客模式早已无法适配经营需求。企业经营的核心逻辑,已经 ...
2026-07-03 很多数据分析师精通Excel函数和数据透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么 ...
2026-07-03【核心关键词】运营、企业、核心、客户、新技术、数字化运营、数据分析、传统企业、人工录入、生产系统、技术人员、数据安全、 ...
2026-07-02在产品开发、项目立项、业务拓展、运营优化的工作中,市场调查、竞品分析、需求调研是三大核心基础工作。很多从业者容易将三者混 ...
2026-07-02 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-07-02