
大数据(Big Data)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。其实大数据时代的到来是发展的必然。大数据就是海量数据、巨量资料,指的是所涉及的数据量、资料量规模巨大到无法透过目前主流软件工具,在合理时间内达到撷取、管理、处理、并整理成为特定目的服务的资讯。
正如维克托•迈尔舍-恩伯格及肯尼斯•库克耶编写的畅销着作《大数据时代》中所说的:大数据不是用随机分析法(抽样调查)这样的捷径,而采用所有数据的方法。因而,大数据具有的4V特点:Volume(大量)、Velocity(高速)、Variety(多样)、Value(价值)。随着信息技术的发展,尤其是“互联网时代,社交网络、电子商务与移动通信把人类社会带入了一个以“PB”(1024TB)为单位的结构与非结构数据信息的新时代”。 所以,在许多场景,大数据甚至通常就是用来形容大量非结构化和半结构化数据,这些数据在下载到关系型数据库用于分析时会花费高昂的成本,而且难以实现预期目标。面对如此庞杂的数据和信息,传统的计算机的处理能力实际上也难以满足。
因此从另外一个角度来看,正是运算方法和运算能力的发展到了云计算的阶段才使得大数据的分析使用成为可能。“以云计算为基础的信息存储、分享和挖掘手段,可以便宜、有效地将这些大量、高速、多变化的终端数据存储下来,并随时进行分析和计算。”云计算是继1980年代大型计算机到客户端-服务器的大转变之后的又一巨变。“数据,这个21世纪人类探索的新边疆,正在被云计算发现、征服。”而智能交通系统(ITS)作为未来交通系统的发展方向,其本身就是将先进的信息技术、数据通讯传输技术、电子传感技术、控制技术及计算机技术等有效地集成运用于交通管理之中,从而建立一种在大范围内、全方位发挥作用的,实时、准确、高效的综合交通运输管理系统。ITS综合了交通工程、信息工程,通信技术、控制工程、计算机技术等众多科学领域的成果,可以有效地利用现有交通设施、减少交通负荷和环境污染、保证交通安全、提高运输效率。而它的关键支撑就在于新一代的信息技术:移动通信、宽带网、RFID、传感器、云计算必然是智能交通的核心元素。
智能交通发展至今,各地采集的数据浩如烟海,存在巨大的潜力和价值,亟待处理和挖掘。不容置疑,随着大数据时代的到来,智能交通也必然会产生重大变化,也将面临重要的发展机遇,智能交通产业发展也将迎来新的机遇。年初,在北京召开的2014中国智能交通行业发展趋势分析会上,业界对大数据在智能交通行业的运用趋势进行了分析判断。准确把握大数据时代的特征,深入分析对智能交通的影响和作用,对于在新的高度和起点上改善我国的交通状况有着非常重要的意义。
如何看待大数据与智能交通的关系
既然时代潮流不可阻挡,那么我们该怎样认识大数据以及大数据与智能交通的关系呢?大数据只是一次简单的技术革新还是手段的升级换代呢,还是根本意义上的变革革命呢?前面对于大数据产生背景已经说到,大数据与云计算密切相关。大数据必然无法用单台的计算机进行处理,即使一般的网络计算能力也难以达到,必须采用分布式计算架构。它的特色在于对海量数据的挖掘,必须依托云计算的分布式处理、分布式数据库、云存储或虚拟化技术。
从技术上看,大数据与云计算的关系就像一枚硬币的正反面一样密不可分。也有学者认为大数据与云计算是一个问题的两面:一个是问题,一个是解决问题的方法。无论是从技术层面看,还从方法论意义上说,笔者认为大数据的出现都具有美国科学哲学家托马斯•库恩在其《科学革命的结构》中确立的范式和范式转换的意味。范式,是指在一个时代里人们对事物具有支配地位的看法。特别是指理应成为处理科学上的问题的前提、在某个时代人们公认的有系统的思想体系。范式的变革不可能是知识的直线积累,而是一种创新和飞跃,一种科学体系的革命。人们已经逐渐认识到世界的本质就是数据。所以维克托指出大数据时代的经济学、政治学、社会学和许多科学门类都会发生巨大甚至是本质的变化和发展,进而影响人类的价值体系、知识体系和生活方式。这难道不是范式转换吗!所以我们完全有理由相信大数据是一场根本性的革命,从思维方式到生活方式都会随之转变。正如《大数据时代》开宗明义所说:大数据是一场生活、工作与思维的大变革。开启了一次重大的时代转型。(文章来源:CDA数据分析师)
交通作为人类行为的重要组成和重要条件之一,对于大数据的感知也是最急迫的。智能交通的发展以“保障安全、提高效率、改善环境、节约能源”为目标已经受到各国的重视,我国的智能交通也实现了快速发展,许多技术手段都达到了国际领先水平。但是,问题和困境也非常突出,从各个城市的发展状况来看,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。这虽然有各地在建设理念、投入上的差异,但是整体上智能交通的现状是效率不高,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。这其中很重要的问题是小数据时代带来的硬伤:从模拟时代带来的管理思想和技术设备只能进行一定范围的分析,而管理系统的那些关系型数据库只能刻板的分析特定的关系,对于海量数据尤其是半结构、非结构数据无能为力。
尽管现在已经基本实现了数字化,但是数字化和数据化还根本不是一回事,只是局部的提高了采集、存储和应用的效率,本质上并没有太大的改变。而大数据时代的到来必然带来破解难题的重大机遇。大数据必然要求我们改变小数据条件下一味的精确计算,而是更好的面对混杂,把握宏观态势;大数据必然要求我们不再热衷因果关系而是相关关系,使得处理海量非结构化数据成为可能,也必然促使我们努力把一切事物数据化,最终实现管理的便捷高效。另外,大数据的世界性特征最明显,也在瞬间拉近了我们和西方发达国家的距离,我们有可能把握还这个重大机遇迎头赶上甚至在某些方面超过西方发达国家。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20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