
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
CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后,原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中,response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮:CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代,数据治 ...
2025-08-21Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14