不妨让网约车为城市智慧交通铺条路

简介:

经十路是济南一条重要的交通主干道,但长期以来它也是济南全城最拥堵的道路之一。今年3月初开始,济南交警和滴滴出行公司合作,在经十路上安装了首个以浮动车(移动中的机动车)轨迹作为数据基础的“智慧信号灯”。两个月后,成效初显,经十路早晚高峰期的交通延误时间均下降了超过10%。(6月8日人民日报)

周末在大城市间约顿饭,堵车时间或大于宴席上的时间。面对“堵城”标签,很多城市习惯性选择增量改革:比如在天上建轻轨,又比如在地下造地铁,实在没办法,扩路修道,摊大烧饼。不过,城市机动车保有量越发“上了天”,而道路交通资源始终是个定量,此时的存量改革就尤其显得具有“四两拨千斤”的效果。

数据链成为价值流,智慧交通正成为撬动出行效率的微妙支点。

类似济南这样的“小招治堵”,成都等很多城市亦在实践着。比如,依据滴滴出行等数据支撑的“智慧信号灯”,能设计出早晚高峰、平峰以外的早晚次高峰、次平峰、夜间等11个时段。节假日、周一到周日也是每天都有不同方案。智慧交通根据实时的轨迹数据变化,看到配时方案的效果,快速迭代优化,从而让智慧信号灯分分钟都在“自我进化”。

还是数字胜于雄辩:仅仅是信号灯的变化,济南经十路山大路到舜耕路路段,工作日早高峰平均延误时间下降 10.73%,晚高峰平均延误时间下降10.94%。多名出租车和网约车司机都说:“济南高峰期的交通似乎好了不少。”看得到的是信号灯的变化,但看不到的是对通行规律的掌控与遵从。智慧交通之意,就是根据实时轨迹数据,及时校准配时方案,快速迭代优化指令,让市民的每一次出行,都有动态最优交通信号系统与之相匹配。这种供给侧的变化,简言之,就是从“市民出门看路面的脸色”转型为“马路运转看市民出行的需求”。

有一些数据,寓意着未来走 势:截至今年3月,中国95%的副省级城市、83%的地级城市,总计超过500个城市,均在各级《政府工作报告》或“十三五”规划中明确提出或正在建设智慧城市。目前,已有290个城市入选国家智慧城市试点,并有超过300个城市和滴滴、蚂蚁金服、腾讯等企业签署了智慧城市建设协议。在微妙的城市变化与宏观的公共治理之间,网约车正在为智慧城市提供另一种可能:跳脱出“烧钱补贴”的原始积累阶段,不仅在碳排放层面“一个APP里建起300多个纽约中央公园”,更专注于大数据优势构建起政府与企业“合力治堵”、让城市生活更美好的互联网之桥梁。

从这个意义上说,属地版网约车新政当有前瞻的智慧与纠偏的勇气,在更辽阔的智慧交通与智慧城市的层面,挖掘共享经济作为建设可持续城市“第三条道路”的潜力。城市是人的城市,而非车的城市,把出行时间交给更美好的“诗与远方”,不妨放手让网约车等新经济带领城市走向智慧出行的彼岸。

本文转自d1net(转载)

相关文章
|
搜索推荐 Python
推荐系统测评指标——计算DCG、IDCG以及nDCG的python代码
推荐系统测评指标——计算DCG、IDCG以及nDCG的python代码
推荐系统测评指标——计算DCG、IDCG以及nDCG的python代码
|
4月前
|
人工智能 安全 Linux
Elasticsearch Enterprise 9.3 发布 - 分布式搜索和分析引擎
Elasticsearch Enterprise 9.3 (macOS, Linux, Windows) - 分布式搜索和分析引擎
319 5
实战丨如何用30天,将一款1688新品打造成类目爆款?
打造1688店铺爆款需贯穿商品全生命周期运营:上新期重破零测款,成长期扩流量控成本,衰退期清库存回笼资金。分阶段精准施策,方能实现持续爆发。
|
JSON Java 数据格式
微服务——SpringBoot使用归纳——Spring Boot中的全局异常处理——处理系统异常
本文介绍了在Spring Boot项目中如何通过创建`GlobalExceptionHandler`类来全局处理系统异常。通过使用`@ControllerAdvice`注解,可以拦截项目中的各种异常,并结合`@ExceptionHandler`注解针对特定异常(如参数缺失、空指针等)进行定制化处理。文中详细展示了处理参数缺失异常和空指针异常的示例代码,并说明了通过拦截`Exception`父类实现统一异常处理的方法。虽然拦截`Exception`可一劳永逸,但为便于问题排查,建议优先处理常见异常,最后再兜底处理未知异常,确保返回给调用方的信息友好且明确。
1552 0
微服务——SpringBoot使用归纳——Spring Boot中的全局异常处理——处理系统异常
|
Java 应用服务中间件
多项目分接口:在同一Tomcat下使用不同的端口号访问不同的项目。
总而言之,要在同一Tomcat服务器下使用不同端口访问不同项目,关键是通过对server.xml文件的配置创建多个 `<Service>`实例和相应的虚拟主机。这种方法既实现了项目隔离,也有助于优化资源利用率。通过遵循本文的详细说明,很容易地就能满足需求实现多项目分接口。
513 38
|
SQL 数据库 Java
HQL vs SQL:谁将统治数据库查询的未来?揭秘Hibernate的神秘力量!
【8月更文挑战第31天】Hibernate查询语言(HQL)是一种面向对象的查询语言,它模仿了SQL的语法,但操作对象为持久化类及其属性,而非数据库表和列。HQL具有类型安全、易于维护等优点,支持面向对象的高级特性,内置大量函数,可灵活处理查询结果。下面通过示例对比HQL与SQL,展示HQL在实际应用中的优势。例如,HQL查询“从员工表中筛选年龄大于30岁的员工”只需简单地表示为 `FROM Employee e WHERE e.age &gt; 30`,而在SQL中则需明确指定表名和列名。此外,HQL在处理关联查询时也更为直观易懂。然而,对于某些复杂的数据库操作,SQL仍有其独特优势。
519 0
|
存储 机器学习/深度学习 大数据
量子计算与大数据:处理海量信息的新方法
量子计算作为革命性的计算范式,凭借量子比特和量子门的独特优势,展现出在大数据处理中的巨大潜力。本文探讨了量子计算的基本原理、在大数据处理中的应用及面临的挑战与前景,展望了其在金融、医疗和物流等领域的广泛应用。
|
自然语言处理 前端开发 Swift
社区供稿 | 中文llama3模型哪家强?llama3汉化版微调模型大比拼
随着llama3的发布,业界越来越多的针对其中文能力的微调版本也不断涌现出来,我们在ModelScope魔搭社区上,搜集到几款比较受欢迎的llama3中文版本模型,来从多个维度评测一下,其对齐后的中文能力到底如何? 微调后是否产生了灾难性遗忘问题。
|
机器学习/深度学习 算法
本周推荐 | AB实验低响应情景解决实践
推荐语:本文针对AB实验低响应情景下的增量效果不显著问题,提出通过倾向得分匹配方案来衡量策略增量效果的方法,并将相关方案融入一休平台科学评估体系中。文章理论与实践相结合,深入浅出,强烈推荐。 ——大淘宝技术数据研发工程师 伯略
596 0
本周推荐 | AB实验低响应情景解决实践
|
NoSQL Python C语言