大数据与深度学习如何让你在下班路上少堵一会儿?

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

当你在手机上的公交App里查询112路还有几站到时,是否觉得这不过就是公交车装上GPS的事儿?当你下班路上在百度/高德看着满城的红色“沦陷区”一筹莫展时,可有抱怨过地图App只能提示拥堵,却并不能解决拥堵?当你在赶往机场的路上被一路红灯道道阻拦、急火攻心时,可曾想过为什么信号灯偏偏跟你过不去?

在对于无人驾驶的畅想中,解决交通拥堵,减少浪费在路上的无谓时间是很多人的美好期待(据2016年数据,北京市工作日平均每天堵车约3个小时)。然而,然而车与车之间的数据共享与时时“沟通”目前看来仍然遥不可及,受限于无线通信标准、车厂合作、政府监管等原因,“车联网”在短期内仍然难以实现。更为棘手的是,司机经常会违背或忽略交通规则,而无人车与行人之间的意识“沟通”仍然是天方夜谭。

既然短时间内无法寄希望于无人驾驶将“堵车”问题一劳永逸地解决,那么目前的智能交通系统能够做些什么?如何在“车辆网”尚未实现的情况下实现车流的控制,交通的疏导?大数据、深度学习又能在其中发挥什么样的作用?

“一座城市每天会产生数千万的海量交通数据,但这些数据以前大多数只能‘沉睡’,不能为人所用。”作为中国智能交通领域连续八年的“隐形冠军”,海信网络科技董事长周厚健认为,目前基于GPS、摄像头、超声波雷达、横断面雷达、地磁感应器等“外部监控网络”形成的天罗地网,已经可以产生足够的数据,来帮助实现“交通交响曲”的宏观指挥。

目前的问题在于,这些数据并未被充分挖掘和利用。

“我们不是去告诉大家哪里拥堵哪里不堵,而是要解决怎样把拥堵变成不堵。”按照周厚健的说法,智能交通解决方案就是通过合理的车流调配,让拥堵的地方松驰一些,让闲置的地方密集一些。通过交通管控平台,给出卡口及红绿灯信号,引导车流流向。

比如,如何借助智能交通系统尽可能实现“一路绿灯”?海信的信号控制专家马晓龙给出了基于人工智能技术的解决方案。通过深度学习模型,以数据大脑为核心,实时监控分析道路车流量,依据动态的交通数据,自动切换和调配信号灯时间,最直观的变化是红绿灯的时间不再固定,甚至全程绿灯不停车。

在海信自适应信号控制系统下,按推荐速度行驶,就可以实现“一路绿灯”。在南昌,15条绿波控制的路段,协调控制方向的行程时间平均减少30%以上,车速平均提高40%以上,交通流量提高15%以上。在青岛,智能交通系统的建设完成让高峰持续时间下降1.48小时,平均速度提高比例提高9.71%。

再比如,如何实现交通堵塞问题的快速疏导?以往对于交通堵塞问题,往往是发生拥堵后十多分钟,交警才收到报警,部署警力前往现场疏导。不仅反应过程长,而且容易导致拥堵加剧和潜在安全事故。

海信建立起基于深度学习的交通预测,“以海量交通数据为基础,分析交通运行的规律性和相似性,建立智能学习模型,通过深度学习去预测流量等交通参数,预知拥堵区域等”。就可以预测拥堵地区和时间,提前进行方案制定、信号调配、诱导信息发布以及警力的部署。

这一切都建立在海信研发的“数据魔方”之上,基于深度学习的交通预测,可在30秒内完成10亿规模交通大数据的可视化分析。

十几年时间里,基于对城市交通数据的持续研究,海信率先提出了基于大数据的新一代城市交通一体化解决方案并不断优化。在全国39个省会城市和计划单列市中,海信的智能交通解决方案已应用于其中28个。

2012到2015年,国内亿元以上的智能交通大项目海信的中标额占比42%,并直接把相关产品的价格拉下2/3。海信的智能交通方案,包括智能调度公交车、智能红绿灯、对突发拥堵进行超前检测等,已经服务国内100多个城市。

在成都,海信将13000多辆公交车接入到智能公交调度系统中,实现全国首例1万台以上公交接入。智能公交调度系统实施后,乘客平均候车时间下降40%,月均投诉下降20%,同时,月均事故下降47%,超速违规行为下降97%。

今年两会期间,在回答媒体追问“是否可以解决像北京这样的大城市拥堵问题”时,身为人大代表周厚健自信地回答: 能! 并“希望北京给海信智能交通一个机会”。周厚健的回答之所以如此充满底气,是因为无论是北京奥运村区域的智能交通管理系统,还是朝阳路、安定路的快速公交系统,都是海信网络参与搭建的。

你也可能会好奇做家电的海信何以成为了智能交通行业的领头羊?实际上,出走家电红海的海信悄然之间已经成为了很多细分领域的“隐形冠军”。目前,海信智能交通成为全国第一,光通信全球第五、接入份额第一,商用空调已位列国内第二。周厚健透露,B2B业务目前已近占海信集团利润的近四成。



   


 


  

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
|
9月前
|
机器学习/深度学习 人工智能 自然语言处理
大数据分析的技术和方法:从深度学习到机器学习
大数据时代的到来,让数据分析成为了企业和组织中不可或缺的一环。如何高效地处理庞大的数据集并且从中发现潜在的价值是每个数据分析师都需要掌握的技能。本文将介绍大数据分析的技术和方法,包括深度学习、机器学习、数据挖掘等方面的应用,以及如何通过这些技术和方法来解决实际问题。
352 2
|
5月前
|
机器学习/深度学习 数据挖掘 大数据
大数据时代的“淘金术”:Python数据分析+深度学习框架实战指南
在大数据时代,数据被视为新财富源泉,而从海量信息中提取价值成为企业竞争的核心。本文通过对比方式探讨如何运用Python数据分析与深度学习框架实现这一目标。Python凭借其强大的数据处理能力及丰富库支持,已成为数据科学家首选工具;而TensorFlow和PyTorch等深度学习框架则为复杂模型构建提供强有力的技术支撑。通过融合Python数据分析与深度学习技术,我们能在各领域中发掘数据的无限潜力。无论是商业分析还是医疗健康,掌握这些技能都将为企业和社会带来巨大价值。
212 6
|
7月前
|
机器学习/深度学习 数据挖掘 大数据
大数据时代的“淘金术”:Python数据分析+深度学习框架实战指南
【7月更文挑战第30天】大数据时代视数据为新石油,Python因强大处理能力成为首选工具。通过NumPy、Pandas等库,Python构建了高效数据分析生态。深度学习框架如TensorFlow和PyTorch支持复杂模型构建。Python与深度学习结合,实现数据清洗、特征工程到模型训练全流程,为企业决策提供强有力支持。掌握这些技能如同掌握“淘金术”,开启无限可能。
187 5
|
8月前
|
机器学习/深度学习 自然语言处理 供应链
深度学习在大数据分析中的应用非常广泛
深度学习在大数据分析中的应用非常广泛
|
机器学习/深度学习 数据采集 人工智能
机器学习基础:大数据与深度学习的关系
机器学习基础:大数据与深度学习的关系
416 0
机器学习基础:大数据与深度学习的关系
|
机器学习/深度学习 大数据
《构建基于富媒体大数据的弹性深度学习计算平台》电子版地址
构建基于富媒体大数据的弹性深度学习计算平台
111 0
《构建基于富媒体大数据的弹性深度学习计算平台》电子版地址
|
机器学习/深度学习 存储 人工智能
深度学习重新定义安全技术,大数据的益处,无人驾驶并不聪明,类脑计算……
中国计算机大会(China National Computer Congress,简称“ CNCC”)是由中国计算机学会(CCF)主办的全国计算机领域规模最大、规格最高的学术、技术、产业交融互动的大会。
233 0
深度学习重新定义安全技术,大数据的益处,无人驾驶并不聪明,类脑计算……
|
21天前
|
SQL 数据可视化 大数据
从数据小白到大数据达人:一步步成为数据分析专家
从数据小白到大数据达人:一步步成为数据分析专家
186 92
|
3月前
|
存储 分布式计算 数据挖掘
数据架构 ODPS 是什么?
数据架构 ODPS 是什么?
675 7
|
3月前
|
存储 分布式计算 大数据
大数据 优化数据读取
【11月更文挑战第4天】
90 2