交通行业大数据应用和发展现状

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:

摘要:智能交通产业是现代IT技术与传统交通技术相结合的产物,而交通大数据产业是大数据技术在智能交通领域内的应用产业。

随着社会经济的快速发展、城市规模的不断扩大以及城市智能化进程的加快,机动车拥有量及道路交通流急剧增加,使得交通供给与需求之间的矛盾渐显,交通拥堵、停车困难、环境恶化等交通问题不断加剧,影响了城市的可持续发展及人民生活水平的提高,阻碍了社会经济的发展。在工业化进程中,最初解决交通问题的途径是通过大规模改扩建交通基础设施,但是土地资源日益紧张,用于改扩建交通基础设施的空间越来越小,交通在快速发展过程中所带来的负面效应日益显现。

在当前大数据时代背景下,海量数据所产生的价值不仅能为企业带来商业价值,也能为社会产生巨大的社会价值。随着智能交通技术的不断发展,凭借各种交通数据采集系统,交通领域积累的数据规模膨大,飞机、列车、水陆路运输逐年累计的数据从过去TB级别达到目前PB级别,同时伴随近几年大数据分析、挖掘等技术迅速发展,对海量的交通数据进行挖掘分析是交通领域发展的重要方向,得到了各地政府和企业的高度重视。

在较完善的交通基础设施之上,通过多种设备、技术产生的海量交通数据,结合大数据分析、挖掘等多种技术衍生而来的相关产业。智能交通产业是现代IT技术与传统交通技术相结合的产物,而交通大数据产业是大数据技术在智能交通领域内的应用产业。

一.产业政策及交易现状

(1)产业政策

在我国“十二五”期间,建设服务型政府已成为各地政府改革的重要目标,交通部门也在由管理型部门向服务型部门转变,举措之一是推动地面公交、轨道交通、民航、铁路、交管、气象、消防等部门实现数据信息共享。大数据技术能够对各种类型的交通数据进行有效的分析整合,挖掘数据之间的联系,提供实时路况信息。

2014年4月,交通运输部发布《关于加快推进城市公共交通智能化应用示范工程建设有关事项的通知》,确定支持太原、石家庄、青岛、武汉、株洲、贵阳、苏州、乌鲁木齐、杭州、保定、银川、兰州、昆明、宁波、合肥等26个城市开展城市公共交通智能化应用示范工程建设,并对符合建设规范的试点给予资助,进而开展全国公共交通数据库建设。这为大数据技术应用到智能交通领域奠定了基础。

2015年5月,交通运输部办公厅发布《关于开展全国道路运政管理信息系统互联互通工作的通知》。从2015年5月起,全面启动各地运政系统建设和联网工作,在2015年度内全面实现全国道路运政基础数据的共享交换,基本实现运政业务跨区域、跨部门的业务协同。到2016年底,实现全国部、省、市、县四级运政系统业务的全面协调联动,为构建“省际联动、行业协同、资源共享、互联互通”的道路运输行业信息化体系奠定基础。

在目前国家政策利好的支撑下,交通大数据产业的发展将会呈现快速、稳定的增长态势。

(2)交通大数据的发展现状

自2005年智能交通领域快速发展以来,一直以“保障安全、提高效率、改善环境、节约能源”为目标受到政府部门的高度重视,许多技术都达到了国际领先水平。但是发展过程中的问题也日益凸显。从目前情况看,智能交通的潜在价值还没有得到有效挖掘、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。上述诸多现象体现出交通数据割裂、运营效率不高、智能化程度不够等问题,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。

自2011年大数据技术的快速发展,必然为交通领域带来了破解难题的重大机遇。因为大数据技术可以将各种类型的交通数据进行有效整合,挖掘各种数据之间的联系,提供更及时的交通服务。但大数据技术能够体现自身的优势是建立在海量交通数据之上的,所以需通过大数据交易方式将多源交通数据汇集在一起显现其潜在价值。

目前,交通大数据的交易需求已日益显现,并且在交通管理优化、车辆和出行者的智能化服务方面以及交通应急和安全保障等方面都已经产出了应用成果。例如百度将自身的地图生态开放给交通部,完善增加其交通数据规模。百度地图的日请求次数大约有70亿次,拥有大量的用户出行数据,交通部可以根据百度提供的数据来提高数据的可靠性,成为可靠的参考样本,进而做好决策;其它一些大数据服务企业利用自身搜集的交通数据及交易的数据,分析用户出行数据,预测不同城市间的人口流动情况,如春运期间的交通调整等。

大数据交易在交通领域具有广泛的应用价值:①提高交通运行效率,大数据技术能提高交通运营效率、道路网的通行能力、设施效率和调控交通需求分析;②提高交通安全水平,大数据技术的实时性和可预测性则有助于提高交通安全系统的数据处理能力;③提供环境监测方式,大数据技术在减轻道路交通堵塞、降低汽车运输对环境的影响等方面有重要的作用。

可见,准确把握大数据在智能交通领域内的优势,提高交通效率、解决交通拥堵、确保交通运输安全、减少环境污染等,进而在新的高度和起点上改善中国的交通状况起着非常重要的作用。

(3)基本特征

①解决行政区域限制问题

行政区域的划分是中国为了有效统治和管理各个区域的一种措施,这种措施导致各个地方政府为达到各自管辖区域利益的最大化,使交通数据处于碎片化、割裂化状态。而交通大数据的虚拟性,有利于其信息跨越区域管理。

②具有信息集成和组合效率的优势

中国大部分城市的各类交通运输管理主体分散在不同部门,呈现出交通数据孤立、分裂现象。涉及交通的有关部门都有自己的信息管理系统,但这些数据信息通常只存在于垂直业

务和单一应用中,与邻近业务系统缺乏数据互通共享,这种现象造成交通数据分散、内容单一等多种问题。大数据有助于建立综合性立体的交通信息体系,通过将不同范围、不同区域、不同领域的交通数据加以综合,构建综合交通信息集成模式,发挥整体性交通功能,从而创造新价值。

③可以配置交通资源

传统的交通管理主要依靠人工方式进行规划和管理,难以实现交通动态化管理。通过对交通大数据分析,可以辅助交通管理制定出合理的解决方案。一方面可以减少交通部门运营的人力物力成本,另一方面可以提升交通数据信息的合理利用。

④提升交通预测能力

传统的改善交通问题是加大基础设施投入,增加道路里程来提高交通运行能力,但这种做法不仅会受到土地资源的限制,而且规划的方案是否能满足交通远景需求有待商榷。通过大数据技术对各个交通部门数据进行准确提炼和构建预测模型后,可以对交通未来运行状态有效模拟;在交通实时预测领域,大数据快速处理信息能力,对于车辆碰撞、车辆换道、驾驶员行为状态检测等有较高的预测性。

二、市场规模及需求分析

(1)市场规模

在2011年大数据技术逐渐渗入智能交通领域,经过三年的快速发展,到2014年大数据在智能交通领域取得了收益性成果,并且在2014年市场规模达到2.75亿元,预计2020年应用市场规模达到190.74亿元,年均复合增长率超过100%,可见大数据在智能交通领域发展态势较好。下图为2014年到2020年中国交通大数据应用市场规模。

  2014年-2020年中国交通领域大数据市场规模及增长情况

(2)需求分析

中国大部分城市交通管理呈现出条块分割现象,数据信息通常存在于垂直业务和单一应用中,造成交通管理的碎片化,如交通信息分散、信息内容单一等问题。而大数据具有信息集成优势和组合效率,有利于数据的同步采集和分析处理。随着智慧交通传感器的引入,数据规模从过去的TB级爆发性增长到PB级,由此带来对海量数据的存储与计算的挑战,迫切需要寻求新的处理技术和手段。同时,交通领域对海量的图像和视频数据的实时处理分析也提出很高的要求。

交通大数据产业发展需求分析:

(1)针对交通规划、综合交通决策、跨部门协同管理、个性化的公众信息服务等需求,建设全方位交通大数据服务平台。

(2)整合多源交通大数据,逐步建设交通大数据库,提供道路交通状况判别及预测。辅助交通决策管理,支撑智慧出行服务,加快交通大数据服务创新。

(3)针对航班正常、安全、有效运行的需求,建设航空流量管理及机场协同决策平台。汇聚整合塔台数据、雷达数据、航空公司数据、机场数据,提供流量预测、特殊情况处置等功能,实现飞行流量管理和机场航班运行协同决策,为民航航班指挥提供一站式数据服务。

(4)针对智能化航运业务的需求,建设航运大数据平台。汇聚整合全球港口、货物、船舶等数据,融合多源物联网、北斗导航等数据,实现航运数据共享服务,建立基于大数据的现代航运物流服务体系。

三.交通大数据的行业竞争格局

我国大数据技术在智能交通领域中发展较晚,目前拥有交通大数据的企业还处在业务探索阶段,还未形成明显的市场竞争格局。

当前,将大数据技术应用在智能交通领域发展态势较好的企业有北京千方科技集团有限公司、北京世纪高通科技有限公司等。

(1)北京千方科技集团有限公司

北京千方科技股份有限公司(以下简称“千方科技”)初创于2000年,是中国交通信息化领域首家登陆美国纳斯达克资本市场的高科技企业,主要从事交通运输行业信息化、智能化建设与服务。

千方科技现已在智能交通领域形成完整的产业链并拥有成熟的运营管理、服务经验,形成“城市智能交通”、“高速公路智能交通”与“综合交通信息服务”三大智能交通业务板块有机结合、齐头并进、稳步上升的发展格局。在此基础上,公司积极开展“大交通”产业战略的布局,不断推动公司业务向民航、水运、轨道交通等领域拓展,并已在民航信息化领域取得初步成绩,成为了国内唯一一家综合型交通运输信息化企业。

千方科技将整合公路、民航、铁路、水运交通数据,充分利用云计算、移动互联网,特别是大数据技术,满足企业交通信息服务应用和开发、公众出行信息服务需求。未来随着电子车牌、电子站牌的逐步推广,交通数据将逐步扩大,企业交通大数据战略日渐清晰。

在2015年2月11日,千方集团与INRIX签署《中国战略服务协议》,共同面向INRIX的国际车企客户开展中国地区的交通信息服务,在中国地区推广并销售INRIX成熟的交通数据分析及交通信息化解决方案,同时在交通数据挖据、数据处理及分析等方面开展全面的技术交流。

千方集团与INRIX的合作将发挥公司国内交通实时信息等数据方面的优势切入国际车企的本地化服务,同时借鉴INRIX在交通信息方面的数据分析及解决方案技术,为未来交通大数据进行储备。

(2)北京世纪高通科技有限公司

北京世纪高通科技有限公司(以下简称“世纪高通”)成立于2005年,隶属于中国航天科技集团公司,其控股母公司为北京四维图新科技股份有限公司(以下简称“四维图新”)。世纪高通是北京市高新技术企业和软件企业,始终坚持自主创新,已经拥有自主知识产权的交通信息RTIC标准。世纪高通作为中国领先的专业动态出行信息服务提供商,集成海量动态交通数据,运营开放数据平台,提供丰富的智能出行信息服务。

世纪高通作为中国领先的专业动态出行信息服务提供商,依托四维图新在地信领域的强大优势和丰富资源开展业务,在2008年最早实现全国交通数据商用服务,拥有中国最大浮动车数据系统。目前,世纪高通已为丰田、日产、大众、宝马、奔驰、通用、本田、东风、雷克萨斯、英菲尼迪、讴歌、谷歌、百度、腾讯、NOKIA等众多国际主流车厂和互联网企业提供动态交通信息,其优质的产品服务已覆盖全国34个主要城市和京津地区、长三角、珠三角的城际高速公路,服务于数千万用户。

四维图新在2014年9月正式发布的交通大数据产品“四维交通指数”,该指数是由四维图新旗下公司世纪高通研发。世纪高通交通信息服务在车载前装市场占据80%以上的市场份额,腾讯、百度、谷歌、搜狗、360等企业均采用该公司提供的交通信息服务。





====================================分割线================================


本文转自d1net(转载)

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
2月前
|
SQL 存储 分布式计算
ODPS技术架构深度剖析与实战指南——从零开始掌握阿里巴巴大数据处理平台的核心要义与应用技巧
【10月更文挑战第9天】ODPS是阿里巴巴推出的大数据处理平台,支持海量数据的存储与计算,适用于数据仓库、数据挖掘等场景。其核心组件涵盖数据存储、计算引擎、任务调度、资源管理和用户界面,确保数据处理的稳定、安全与高效。通过创建项目、上传数据、编写SQL或MapReduce程序,用户可轻松完成复杂的数据处理任务。示例展示了如何使用ODPS SQL查询每个用户的最早登录时间。
167 1
|
22天前
|
机器学习/深度学习 人工智能 运维
智能化运维:AI与大数据在IT运维中的应用探索####
本文旨在探讨人工智能(AI)与大数据分析技术如何革新传统IT运维模式,提升运维效率与服务质量。通过具体案例分析,揭示AI算法在故障预测、异常检测及自动化修复等方面的实际应用成效,同时阐述大数据如何助力实现精准运维管理,降低运营成本,提升用户体验。文章还将简要讨论实施智能化运维面临的挑战与未来发展趋势,为IT管理者提供决策参考。 ####
|
1月前
|
机器学习/深度学习 存储 大数据
云计算与大数据技术的融合应用
云计算与大数据技术的融合应用
|
2月前
|
存储 分布式计算 druid
大数据-149 Apache Druid 基本介绍 技术特点 应用场景
大数据-149 Apache Druid 基本介绍 技术特点 应用场景
74 1
大数据-149 Apache Druid 基本介绍 技术特点 应用场景
ly~
|
2月前
|
供应链 搜索推荐 安全
大数据模型的应用
大数据模型在多个领域均有广泛应用。在金融领域,它可用于风险评估与预测、智能营销及反欺诈检测,助力金融机构做出更加精准的决策;在医疗领域,大数据模型能够协助疾病诊断与预测、优化医疗资源管理和加速药物研发;在交通领域,该技术有助于交通流量预测、智能交通管理和物流管理,从而提升整体交通效率;电商领域则借助大数据模型实现商品推荐、库存管理和价格优化,增强用户体验与企业效益;此外,在能源和制造业中,大数据模型的应用范围涵盖从需求预测到设备故障预测等多个方面,全面推动了行业的智能化转型与升级。
ly~
206 2
ly~
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
大数据在智慧金融中的应用
在智能算法交易中,深度学习揭示价格波动的复杂动力学,强化学习依据市场反馈优化策略,助力投资者获取阿尔法收益。智能监管合规利用自然语言处理精准解读法规,实时追踪监管变化,确保机构紧跟政策。大数据分析监控交易,预警潜在违规行为,变被动防御为主动预防。数智化营销通过多维度数据分析,构建细致客户画像,提供个性化产品推荐。智慧客服借助 AI 技术提升服务质量,增强客户满意度。
ly~
160 3
ly~
|
2月前
|
供应链 搜索推荐 大数据
大数据在零售业中的应用
在零售业中,大数据通过分析顾客的购买记录、在线浏览习惯等数据,帮助零售商理解顾客行为并提供个性化服务。例如,分析网站点击路径以了解顾客兴趣,并利用历史购买数据开发智能推荐系统,提升销售和顾客满意度。此外,大数据还能优化库存管理,通过分析销售数据和市场需求,更准确地预测需求,减少库存积压和缺货现象,提高资金流动性。
ly~
487 2
ly~
|
2月前
|
供应链 监控 搜索推荐
大数据的应用场景
大数据在众多行业中的应用场景广泛,涵盖金融、零售、医疗保健、交通物流、制造、能源、政府公共服务及教育等领域。在金融行业,大数据用于风险评估、精准营销、反欺诈以及决策支持;零售业则应用于商品推荐、供应链管理和门店运营优化等;医疗保健领域利用大数据进行疾病预测、辅助诊断和医疗质量评估;交通物流业通过大数据优化物流配送、交通管理和运输安全;制造业则在生产过程优化、设备维护和供应链协同方面受益;能源行业运用大数据提升智能电网管理和能源勘探效率;政府和公共服务部门借助大数据改善城市管理、政务服务及公共安全;教育行业通过大数据实现个性化学习和资源优化配置;体育娱乐业则利用大数据提升赛事分析和娱乐制作水平。
ly~
695 2
|
3月前
|
存储 数据可视化 大数据
大数据管理与应用
大数据管理与应用是一门融合数学、统计学和计算机科学的新兴专业,涵盖数据采集、存储、处理、分析及应用,旨在帮助企业高效决策和提升竞争力。核心课程包括数据库原理、数据挖掘、大数据分析技术等,覆盖数据处理全流程。毕业生可从事数据分析、大数据开发、数据管理等岗位,广泛应用于企业、金融及互联网领域。随着数字化转型加速,该专业需求旺盛,前景广阔。
176 5
|
3月前
|
存储 搜索推荐 大数据
大数据在医疗领域的应用
大数据在医疗领域有广泛应用,包括电子病历的数字化管理和共享,提升医疗服务效率与协同性;通过数据分析支持医疗决策,制定个性化治疗方案;预测疾病风险并提供预防措施;在精准医疗中深度分析患者基因组信息,实现高效治疗;在药物研发中,加速疗效和副作用发现,提高临床试验效率。此外,在金融领域,大数据的“4V”特性助力业务决策前瞻性,被广泛应用于银行、证券和保险的风险评估、市场分析及个性化服务中,提升运营效率和客户满意度。
313 6