京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
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在实际业务数据分析中,单一数据表往往无法满足需求——用户信息存储在用户表、消费记录在订单表、商品详情在商品表,想要挖掘“ ...
2026-01-21在数字化转型浪潮中,企业数据已从“辅助资源”升级为“核心资产”,而高效的数据管理则是释放数据价值的前提。企业数据管理方法 ...
2026-01-21在数字化商业环境中,数据已成为企业优化运营、抢占市场、规避风险的核心资产。但商业数据分析绝非“堆砌数据、生成报表”的简单 ...
2026-01-20