用大数据对抗大拥堵

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:

大数据

公路、铁路和航线上的交通堵塞,浪费时间、增加污染,造成极高的社会成本。来往于布鲁塞尔与伦敦之间的通勤一族每年在交通堵塞中浪费的时间超过50个小时,这都近乎超过一个上班族一整周的工作时间了。从整个欧洲来看,基础设施的交通堵塞给国内生产总值带来近1%的耗损。在美国,单单航班延误一项,每年就会造成大概约60亿美金的损失。

其实嘛,也不一定非要这样。2013年,麦肯锡全球研究所公布的一项研究报告表明,通过改良的需求管理和维护以增强对现有基础设施的利用,全球每年可节省4000亿美元。在此,以大数据形式的数字化能大展身手。信息收集及战略运用能够改善预测,帮助推进一些行为,从而帮助提高交通基础设施的可靠性,增加其效率和利用率。事实上,有些改良已经开始了。

改良已经开始

快车道 | 以色列

以色列已经在特拉维夫市和本古里安国际机场之间的1号高速公路上修建了一条13英里长的快车道。该快车道采用了基于行车时段车流量计费的收费系统。其工作原理是,计算道路上的往来车辆,也能通过估算车与车之间的距离来衡量堵塞状况,这是一个实时且井然有序的判断方法。上述信息随后被用来提高「产能」,即道路可承载的车流量。车流密度高,则通行费用就高;如果路上车辆少,收费就便宜。这种计费方法不仅使得过路费收入源源不断,而且通过「调节」需求减少了道路拥堵。

大数据

航空 | 巴西

在巴西,航空流量在过去的10年中增长迅速,预计到2030年每年乘客数量将翻番,达到3.1亿多人次。航空拥堵问题日益受到关注也就是顺理成章的事情了。为了应对该问题,巴西开始引进一套利用GPS数据优化可用空域使用率的系统,减少飞机之间的距离以及缩短航线。

常规的方法是准备降落的飞机在空中排成一队。使用新系统后,每架飞机将拥有自己的航道。这听起来可能简单,但是却需要大量的数据作为支撑,以及对这些数据快速而复杂的测评。每架飞机的距离、速度和载荷能力数据被加以处理使得航线最短。飞机可以在距离机场近得多的地方「曲线」着陆,而不是在即将着陆的时候在空中排队。

巴西利亚国际机场首次采用了这套系统,每次着陆节省了7分半钟和77加仑燃油,同时每架飞机平均少飞了22海里。巴西计划在全国的10家最繁忙的机场部署这套系统。据初步估计在北美机场部署这套系统可以使机场的运力提升16%到59%,具体视机场实际条件将有所不同。

铁路 | 欧洲

欧洲的铁路管理部门会通常要求铁路运营公司提供他们希望发出的火车的详细日程表,管理部门会生成一个时刻表尽量满足所有需求。这一机制初衷很好,但是很死板,没有达到最佳运力和实现运行稳定性。在德国,绝大部分货运火车不按照时刻表驶离车站,这不可避免的会带铁道的混乱。

最近,有些铁路公司开始采取一种利用大数据的、更为「工业化」的方式。他们通过分析过去的需求,将全网的铁路线路通过能力分为一个个不同限速的「空档」,然后当运力需求出现的时候将火车分配到可用的空档中去。利用这些机会需要高级的计划技术,比如能让火车在行程中交换空档弥补因操作延误带来的时间延迟。这样的革新可以提高准点和可靠性,同时使运力提升10%。

三大阻碍

尽管有这样那样振奋人心的将信息和基础设施加以整合的范例,但总体进展却一直缓慢。在机场行业会议上,人们对利用追踪乘客的移动设备获取的大数据来提供定制信息和管理的热情不减。创意包括,综合考虑乘客步行速度,以短信通知乘客何时登机;基于更好的短期需求预测以及定制化购物建议缩短安检队伍。即便如此,当前贯彻实施这些想法的机场屈指可数。

缘何基础设施提供商在整合大数据方面进度迟缓?通过哪些努力可以推进这事呢?经济可行性不是障碍。投资此类技术的资本利得通常远高于投资在提升产能上具有类似功能的设备。

通过与行业从业者的探讨,我们归纳出关于有效利用信息以改善交通基础设施使用状况的三个重大阻碍:

1. 首先,缺乏透明度。交通基础设施涵盖了复杂的网络和众多的参与者。拿机场举例,不同的航空公司、地勤公司和零售商,再加上航空管制海关和机场自身。每一方都在收集各自的数据,且未必愿意拿出来共享。这有时候是有必要的,没有零售商愿意丢掉店铺。但是提升追踪乘客的能力可以让每个人都受益。举例来说,如果知道了客流量的分布情况和移动情况,就可以优化登机口排布和资产配置。这不止可以提高机场的运力,还可以提高零售收入。而实现的前提条件,就是所有的数据要整合到一起。

2. 另一个问题是如何分摊信息共享的成本和收益,不同的玩家未必有着相同的目标。航空公司需要的是更短的中转时间以最小化乘客的在途时间,但是零售商则希望旅客多逗留一会来提高店铺销售。机场可能比较倾向于资产的高利用率,但是他们也可能愿意牺牲一些利用率以换取灵活性,以便有什么突发事件后能够快速恢复原状。综合这些想找到一个解决办法,使得所有利益相关者都成为赢家,并不是一个简单的任务,这需要一定程度的相互信任,这不一定能实现。

3. 最后,监管限制。很多时候基础设施是天然的垄断行业。因此政府承担着重要的职责,确保运作的公平与有效,同时创造出一种监管环境,允许数据收集和使用的同时保护机密和隐私。但是在此之前,必须让竞争监管机构和数据保护机构确信数字化的益处。一个巨大挑战是,通过清楚地说明什么样的数据会被采集,数据将如何使用,从数据洞察中得出的解决方案将会最终给消费者带来什么好处,来打消对用户隐私的担忧。

上述三类阻碍之间相互关联,因此需要同时解决。假若透明度无法保证,建立信任与实现利益共享便是无本之木。假若没有利益共享(及明确的公众利益),监管者也不会支持。假若没有尽职尽责的监管,参与者也不会愿意提供数据。

协调基础设施网络中的各方以通力合作绝非易事。必须得有一个领导者。显然政府有意充分利用现有基础设施,因此,某国或多国政府是领导者的备选之一。但它也可以是主要的特许权持有人,诸如机场运营商及铁路公司。又或者,它是个结合体,政府设定目标及确立数据运用及共享的条件,特许权持有人设置结构将数据投入使用。

在基础设施中利用大数据是一项进展中的工作,在一些重要方面,它才刚刚起步。为了造势,发起一项试点工程是个行之有效的策略,可能是在一个机场或火车站,测试数据策略,论证收益性。然而,也许最重要的事情可能只是认识到信息在改善基础设施方面的潜力。


本文作者:佚名

来源:51CTO

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 
相关文章
|
人工智能 大数据 智慧交通
|
1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?
302 7
|
1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】
46 2