极光大数据：上海车展客群研究报告
基于车展观众展前、展中、展后的线上、线下行为分析，洞察客流特征
极光大数据平台服务了超过50万个移动应用，累计覆盖超过80亿移动终端，月活跃用户超过7亿，我们的产品覆盖了中国国内90%以上的移动终端。同时极光已经和诸多权威数据服务机构和厂商建立了深度合作关系
地理商业客流分析
从客流规模、参展轨迹、驻留时长等多角度深入分析国产新能源汽车展台的客流情况和新能源的关注情况分析国产新能源观众在展前、展中、展后的个体线上线下行为和社会属性特征和目标人群画像
车展分析目标
关键名词定义
目标客户参观国产新能源汽车展台的观众
分析周期2017.04.21–2017.04.28
会展场馆国家会展中心（上海）
全量客户极光数据对国内超过10亿移动终端的长期监测而沉淀下来的客户群体
极光大数据为企业提供会展营销评估和潜客精准营销数据支持
?大数据在汽车领域大有可为，比如大数据营销、潜在客户挖掘等
?极光大数据实时监测参观新能源汽车展台客户的移动终端，对目标客群的画像分析和线下看车行为特征进行分析，全面评估会展营销效果
?极光大数据深入分析用户潜在购车需求、用户购车偏好，帮助品牌更好的对这些潜在客户进行后续精确营销
项目研究意义
潜客人群
极光大数据用户精准画像
线下行为跟踪
会展营销评估
潜客精准营销新能源汽车展台
??2014?0.0%
50.0%
100.0%
150.0%
200.0%
250.0%
300.0%
350.0%
0.0
10.0
20.0
30.0
40.0
0.0
2.0
4.0
0.0
5.0
10.0
15.0
2017年4月19日至28日，上海国际汽车展在国家会展中心（上海）举行
?2017年上海国际车展吸引了来自18个国家和地区1000余家中外汽车展商参展，展出总面积超过36万平方米?4月19日、20日两天媒体日，各大汽车厂商举行120场新闻发布会
?本届车展共吸引参观者101万人次，4月22日、23日两天双休日，共接待观众35.8万人次
2017上海国际汽车展览会简介
新闻媒体日：2017.04.19-2017.04.20专业观众日：2017.04.21-2017.04.23公众日：
2017.04.24-2016.04.28
2017上海车展展馆馆客流概况
合资品牌吸引大部分客流，自主品牌客流量相对较低
?2017年上海车展总客流量达101万人次，极光大数据监测显示，4月21日~28日，8日总客流量为84.2万人次
?极光大数据监测发现，8.1H 馆在4月21日~28日，共吸引参观观众27.2万人次，占同期总客流量的32.3%，各展馆客流中排名第一
25.2%
26.1% 27.5% 30.0% 32.3% 7.1H
4.1H
5.1H
6.1H
8.1H
各展馆客流占比
TOP5
国产新能源品牌客流分析
蔚来展台观众客流量最高，现场观众参观热情较高
?蔚来成为新能源汽车的黑马，其展车吸引了2.52万人次参观；长安、比亚迪、腾势的新能源展车总客流量超过1.8万人?蔚来的观众人均参观时长最长达12.3分钟，现场app 扫码下载领取礼品获得了很多观众的响应；江淮汽车现场活动赠送车模、电风扇等礼品，开放了智能体验空间，让观众身临其境
2.52
1.86 1.86
1.84
1.46
1.18
1.15
0.92
0.87
0.83
0.79
0.67
0.61
0.45
新能源展车客流量
单位：万人次
12.3
9.4
8.1
7.2
6.5
6.0
4.6
4.4
4.2
3.7
3.5
3.4
3.3
2.6
新能源观众参观时长
单位：分钟
?app，其中高德地图、百度地图的渗透率最高，达57%左右
?app的渗透率达20%?0.9%；新能源汽车app中，比亚迪云服务app的渗透率最高
新能源汽车app渗透率
0.65%
0.14%0.13%
0.10%0.08%
0.03%0.01%
比亚迪云服务智慧传祺G-Netlink Tesla智云管家众泰车联网江淮车联网
说明：导航地图类
?4月5号口附近的客流中，约有11万人参观了上海车展，其中有6800
6.2%；
?
?
?
?
?
?
兴趣观众和潜在客户的人口属性分布差异不大
?兴趣观众的男性占比为74.4%，潜在客户的男性占比为75.5%；主要目标客户还是以男性为主。
?兴趣观众各年龄段较为均衡，26-35岁占38.2%；潜在客户年龄主要集中在26-45岁（70.3%）
?兴趣观众和潜在客户的收入能力主要为中等收入能力，汽车使用更加偏向实用和实惠；潜在用户的收入能力整体高于兴趣观众
?兴趣观众高消费人群占8.3%，潜在客户的消费能力占比23.6%，潜在客户的消费能力明显高于兴趣观众
行为年龄分布收入能力分布
?76.1%
?75.9%?
?41.9%
研究生
大学生
初中
高中
小学
来源省市分布
?经济较发达的省份
? 1.0%
1.0% 1.2% 1.3% 1.4% 1.5% 1.9%
2.8% 4.6% 9.7%
江西省
湖北省河北省山东省河南省广东省北京市安徽省浙江省江苏省兴趣观众外地TOP10省份
1.2%
1.2% 1.5% 1.5% 1.7%
2.0%
3.1% 3.3% 5.3% 10.5%
河南省
江西省河北省湖北省山东省广东省安徽省北京市浙江省江苏省潜在客户外地TOP10省份
有接近50%的观众日常比较关注汽车相关信息，包括汽车资讯、维修保养等信息
?两类目标人群观众的主要使用的手机品牌为：苹果、华为、小米，三占共计比重约为62%
?兴趣观众和潜在用户中，接近50%以上的用户的阅读了车辆相关的内容，包括汽车资讯、交规学习、养车保养等内容兴趣偏好
目标人群阅读偏好
目标人群手机品牌分布渗透率较高的媒体
备注：阅读偏好的数据来源：开发者给用户打的标签和用户应用安装列表等信息；
阅读偏好的加工逻辑：通过分析用户安装、使用APP的情况，分析用户的新闻类、食谱类、论坛微博类、图书类等APP的使用习惯，并对用户阅读的内容进行分类。
app，有0.9%的观众使用新能源汽车控制软
app，有1.0%的观众使用新能源汽车控制软目标用户使用汽车类app分布TOP10
兴
趣
观
众
潜
在
客
户
浅谈大数据在交通运输安全应急中的应用
浅谈大数据在交通运输安全应急中的应用 发表时间：2017-12-11T15:20:35.143Z 来源：《防护工程》2017年第19期作者：陈波莅 [导读] 大数据是信息时代的重要产物，对于安全生产和应急管理意义重大。交通运输领域是事故高发行业。 交通运输部科学研究院北京 100013 摘要：大数据是信息时代的重要产物，对于安全生产和应急管理意义重大。交通运输领域是事故高发行业。利用大数据分析技术，可用于寻找事故规律、加强隐患警示、事故责任追究等，为提升我国交通运输安全管理信息化水平和降低事故发生概率提供有力支撑。 关键词：大数据；安全应急；事故分析；风险防范 1 前言 信息化、数字化和智能化是当前经济社会快速发展的产物，也是生产领域和管理部门的发展方向。大数据在安全生产方面的应用意义重大，运用大数据、云计算等先进信息技术来进行数据管理、事故分析、状态监管和风险防控，可以提前或尽早发现风险隐患，降低事故发生概率。我国的煤炭行业安全管理在大数据方面的研究和应用相对较早，但在交通运输行业，虽然近年来行业管理部门高度重视信息化建设，建立了如国家和省级的重点营运车辆联网联控平台、路网监控中心、安全应急指挥平台、驾驶员诚信系统等，但由于基础信息采集不够完善、数据格式不尽统一、数据信息未完全公开、大数据方面的人才缺乏等因素，完整的数据采集、清洗、挖掘和分析体系尚未建立，交通运输行业的安全应急管理信息化水平整体还不够高，事前防范、事中监管和事后分析链条尚未形成生态循环。 2 大数据在安全应急方面的作用分析 大数据是一个基于多元异构、跨领域关联的数据运用，具有数据体量大、数据类型多、信息纬度广、增长速度快等特性，对于数据的分析从以往的随机样本转为全样本数据，从注重精确求解转为近似求解，从因果分析到关联关系。在安全生产工作和安全应急监管中，大数据的应用可以有效提高风险隐患的预判性和事故的预防性，改善当前传统单一的安全监管方式。国外大数据运用较早，如德国在安全生产和劳动保护领域的大数据应用重点体现在四个方面：一是企业安全生产监控的数字化和智能设计；二是提高安全生产行政管理领域中的信息与数据交流效率；三是促进大数据对预警系统和事故数据收集；四是基于大数据制定事故预防和劳动保护的新规定和方案。英国伦敦消防与应急规划局针对伦敦居民区和郊外工业部门，利用大数据分析技术，一是分析高风险的领域和地区，二是在处理事故时，优化消防人员配置，以达到在减少消防人员的同时，提高事故预防能力。因此大数据在安全应急方面的作用主要体现在以下几个方面：（1）大数据可用于事故分析，发现事故的规律性、周期性和关联性。事后管理、被动管理是我国安全应急管理的现状特征。事故发生后才分析原因、追究责任、制定防范措施，具有很大的局限性和滞后性，虽然短期内能起到较好的警示作用，但无法从源头降低事故发生概率。事故具有偶然性，但也具有必然性，不安全因素或动作在事故发生之前通常已暴露过许多次，如果在事故发生之前，通过有效预防，及时消除不安全因素，许多许多重大伤亡事故是完全可以避免的。“海因西里法则”就是美国安全工程师海因西里对55万件机械事故的统计分析得出，论证了加强日常安全管理、细节管理对消除不安全行为和不安全状态的重大作用。通过大数据对海量事故数据的分析，查找事故发生的规律性、周期性和关联性，找出事故发生根源，制定针对性措施，将有效提升源头治理能力，降低事故发生概率。 （2）大数据可用于隐患排查，提高事前防控能力。“人防”是当前安全生产管理的主要手段，即主要通过人力和经验进行安全生产隐患排查。经验性防范虽然快速有效，但主观因素较重，且与检查者的熟练程度、仔细程度密切相关，容易发生疏漏。未来在“人防”的基础上，要大幅提高“机防”、“数防”，即通过建立海量数据库，利用计算机大数据模型，对生产过程中的多因素、多参数进行多纬度、多周期分析比对，从而有效界定事物状态是否构成安全隐患。如美国佛罗里达州为了治理警察超速行驶问题，对不同高速口收费站的原始数据记录约为110万条进行比对挖掘分析，得出警车超速行驶的时间大部分发生在上下班时段，可知警车超速行驶大都不是为了执行公务，牵扯到超速案件的12个部门近800名警察受到处理，“警察开快车”事件被有效治理和纠正。 （3）大数据可用于事后追责，完善责任追究体系。当前我国安全生产事故追责还存在许多不完善之处，如事故取证难、资料搜集难、责任认定难等。《中共中央国务院关于推进安全生产领域改革发展的意见》中提出要“尽职免责，失职追责”，如何证明尽职和失职，需要痕迹化管理、数据化信息提供保障。2010年，美国西弗吉尼亚州发生死亡29人的矿难，由于该煤矿的监管记录保存完整，每条记录都包括检查的时间、结果、违反的法律条款、处理的意见、罚款金额、已缴纳的金额、煤矿是否申诉等数据项。逾千条的监管记录为事故追责提供了重要证据，最终事故认定说明煤矿安全健康局无监管失职，出事煤矿所属公司应承担主要责任。可见完整、海量、多维的大数据信息有助于完善事故责任追究体系。 3 大数据在交通运输安全应急方面的应用思路 借鉴国外在大数据安全生产应用方面的经验各，根据我国发展现状和实际需求，提出大数据在我国交通运输安全应急方面的思路。 （1）统一日常监管和事故统计的上报格式标准。虽然我国交通运输行业主管部门建立了各类事故统计表，但据调研了解，各省对于此类事故统计表应用不一，且未对数据进行统一电子化管理，从而无法进行海量数据分析。统一数据标准是数据采集阶段的第一步，也是最关键的一步。数据格式不统一，数据质量就无法保证，更无法进行海量、批量、快速数据处理，在降低了数据可用程度的同时，增加数据后期处理工作量。 （2）完善各类基础信息数据库。在统一各省信息平台和数据库建设标准的基础上，逐步建立企业、驾驶员、车辆、船舶、港口、场站等基础信息数据库、营运班线途经道路和船舶航线安全适应性评估数据库、子行业风险识别数据库、重大风险源数据库、事故分析数据库和违法违规行为数据库等。 （3）建立互联互通的信息平台。在统一数据格式、数据库建设和各级信息平台建设标准的基础上，通过完善各类数据库，存储海量基础数据，然后做好数据库的衔接协调工作。首先建立各省级交通运输安全应急管理信息平台，最后实现全国范围数据的互联互通和信息共享。 （4）健全事故统计与分析机制。首先要统一事故统计和上报格式标准，为建立全国范围的事故分析数据库做准备；其次是加强事故分析，特别是重特大事故分析，明确主要事故致因，掌握事故发生的周期性、规律性和关联性；第三是着手事故大数据分析，通过海量事
大数据交通意义和发展趋势
大数据的意义和发展趋势 一：大数据之于智能交通意义重大 智能交通建设和运营的过程中，从视频监控、卡口电警、路况信息、管控信息、营运信息、GPS定位信息、RFID识别信息等每天产生的数据量可以达到PB 级别，并且是指数级的增长。虽然绝大部分数据是“沉睡的数据”，但按照相关规定，需要对数据进行有期限或无期限的保存，这无疑给用户在存储成本上带来压力，而通过监控摄像机前端智能技术和大数据分析技术的应用，很好地解决了行业用户的此类问题，给用户带来经济效益，同时也可以将工作人员从纷繁复杂的监控画面中解放出来。 大数据之于智能交通的意义，可以解决跨越行政区域的限制，实现数据信息的共享，在信息集成优势和组合效率上，有助于建立综合性立体的交通信息体系;另外在车辆安全、交通资源配置以及利用大数据的快速性和可预测性能提升交通预测的水平都有极大的帮助。 第一，大数据的虚拟性可以解决跨越行政区域的限制。交通大数据的虚拟性，有利于其信息跨越区域管理，只要多方共同遵照相关的信息共享原则，就能在已有的行政区域下解决跨域管理问题。 第二，大数据具有信息集成优势和组合效率。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“数据仓库”加以综合，构建公共交通信息集成利用模式，发挥整体性交通功能，这样才能发现新价值，带来新机会。例如气象、交通、保险部门的数据结合起来，可高效率地研究交通领域防灾减灾；IC卡数据结合抽样调查，能更快捷、更精确测得城市交通流分布状况。 第三，大数据的智能性能较好的配置交通资源。通过对大数据的分析处理，可以辅助交通管理制定出较好的统筹与协调解决方案。一方面减少各个交通部门运营的人力和物力，另一方面可有些提升道理交通资源的合理利用。如根据大数据结果确定多模式地面公交网络高效配置和客流组织方案，多层次地面公交主干网络绿波通行控制以及交通信号自适应控制。 第四，大数据的快速性和可预测性能提升交通预测的水平。在对各个部门的数据进行准确提炼和构建合适的交通预测模型后，可以有效模拟交通未来运行状态，验证技术方案的可行性。而在实时交通预测领域，大数据的快速信息处理能力，对于车辆碰撞、车辆换道、驾驶员行为状态检测等实时预测也有非常高的可靠性。 第五，提高交通运行效率。大数据技术能促进提高交通运营效率、道路网的通行能力、设施效率和调控交通需求分析。交通的改善所涉及工程量较大，而大数据的大体积特性有助
交通大数据的应用
交通大数据应用分析 大数据时代是在现代科学技术跨越式发展的过程中逐步衍生而来,大数据诞生以来,世界各国高度重视,积极探索数据的来源、安全等问题，并将其应用于智能交通、智慧政府、智能金融等各行各业各个领域。[1]在政策方面，我国相继出台了《中华人民共和国国民经济和社会发展第十三个五年规划纲要》、《促进大数据发展行动纲要》等文件，明确提出要全面推进大数据的发展与应用；在实践方面，2016年以智慧城市为代表的“互联网+交通”项目在在全国范围内遍地开花，有效提升了城市的智能化水平。交通大数据是“互联网+交通”发展的重要依据，其发展及应用在宏观层面能为综合交通运输体系的“规、设、建、管、运、养”等提供支撑；在微观层面能够指导优化区域交通组织，如：优化交通信号、交通诱导、路况融合、规范停车场管理等。[2] 一、“互联网+交通”发展形势分析 根据高德地图发布的《中国“互联网+交通”城市指数研究报告》，2016年“互联网+交通”领域中数据开放、资源共建、政务智能服务、智能出行、交通拥堵、绿色出行、交通大数据发展势头强劲，七大热点紧跟时代前沿，符合国家政策导向，且与社会大众的生活就业息息相关。[3]在新常态新形势之下，结合国家“创新、协调、绿色、开放和共享”五大发展理念，“互联网+交通”领域将重点发展绿色、便捷、安全、经济、高效的大容量公共交通，一是通过借助“互联网+交通”领域的前沿技术，模拟城市交通运行情况，采取有效的诱导与控制措施，引导居民出行方式，缓解城市交通拥堵，提高公众出行效率与出行舒适度；二是通过政府与企业建立合作协调与资源共享机制，借助“互联网+交通”领域先进技术，共同致力于提升城市道路交通管理水平，充分实现城市道路体系的高效率利用。[4]实践证明，交通大数据是“互联网+交通”发展的关键支撑，是“互联网+交通”科学决策的重要依据，是构建智能出行系统，缓解城市交通拥堵，实现绿色出行的基础，因此，在“互联网+交通”背景下，不仅要关注交通大数据的发展方向与发展形势，如何解决交通大数据的来源、安全、储存及使用效率，充分发挥交通大数据的价值更为关键。[5]
大数据技术在智能交通中的应用
大数据技术在智能交通中的应用 随着社会经济的快速发展，城市车辆也在飞速地增加，传统的交通管制和规划已经不能满足复杂的交通需求，交通拥堵已经影响到了居民的生活质量，加剧了环境污染，降低了城市的运行效率。要解决交通拥堵，必须从根源上找到导致交通拥堵的根源――除了车辆数的剧增外，还有路边车辆乱停乱靠、交通事故的发生以及发生后不能及时救援、清理现场等原因。面对交通拥堵，大力发展公共交通是一种有效手段，但事实上公共交通也存在着资源分配不合理的现象，导致等车时间上、乘车拥挤甚至挤不上车等问题。那如何解决这一系列的问题，最终解决交通拥堵问题，已经引起了我们的思考。大数据技术的发展给我们解决交通中存在的这些问题带来了新的思路。大数据技术的战略性意义在于我们可以快速、准确地获取、挖掘大量的有效的交通数据，构建交通数据处理模型，让交通有秩序的运行。本文中针对大数据技术在交通诱导中的应用、大数据对公共交通的优化、对交通安全的优化等方面进行阐述，并提出了主动式的交通服务模式。 1大数据的概念及应用进展 1.1大数据的概念 所谓大数据是指数据量特别巨大，“超出了传统意义上的尺度，
一般的软件工具难于捕捉、存储、管理分析的数据。”这些数据不仅数量大，而且异质、复杂、来源不同、分散于各处。[1]在维克托?迈尔-舍恩伯格及肯尼斯?库克耶编写的《大数据时代》[2]中大数据指不用随机分析法（抽样调查）这样的捷径，而采用所有数据进行分析处理。 大数据的特点可以概括为四个“V”：Volume（大量）、Velocity （高速）、Variety（多样）、Veracity（精确）。或者说，其特点有四个层面。第一，数据量巨大。大数据的起始计量单位至少是P（1000个T）、E（100万个T）或Z（10亿个T）；第二，数据类型繁多。比如，网络日志、视频、图片、地理位置信息，等等。第三，价值密度低，商业价值高。第四，处理速度快。最后这一点也是和传统的数据挖掘技术有着本质的不同。 1.2交通领域大数据技术应用进展 美国西北大学的交通研究中心主任Hani Mahmassani2012年11月在芝加哥的Teradata Big Analytics研讨会上作了题为“大数据分析在出行和交通的应用（Travel & Transportation：Big Data Analytics）”的演讲，讨论了利用海量实时数据增强对交通系统状态的分析和预测能力，从而提高用户体验和交通系统运营效率，创新交通服务，供应链可视化等应用。
交通事故大数据挖掘分析
国外交通事故大数据挖掘分析 摘要：近年来，随着车速的提高及交通量的增长，道路交通事故每年呈上升趋势。通过对交通事故大数据挖掘分析，k-means聚类分析和Apriori关联规则分析交通事故的趋势和模式，找出事故频发的路段和引发事故的原因以及事故频发的高峰期，以数据分析结果为依据，改善交通状况，减少交通事故，提高交通系统的效率。 关键词：交通系统、k-means聚类、Apriori算法
Abstract:recent years,as the improvement of speed of vehicle and growth of traffic volume,road traffic accidents is on the rise every year.based on data mining and analysis of traffic accidents big data,K-means cluster analysis and Apriori association rules analysis traffic accident tendency and pattern.find out frequent accident sections and the cause of accident and peak hours,base on data analysis result,improve the traffic situation,reduce tarffic accident,improve the efficiency of traffic system. Key words：transportation system、k-means cluster、Apriori algorithm
智慧交通中大数据应用面临的挑战与对策研究
智慧交通中大数据应用面临的挑战与对策研究 0 引言 近年来，由于城市化进程加速推进，交通系统和相关资源日趋紧张；人口不断的增长和越来越大的移动需求，更加增大了交通系统的压力。扩建道路、增加公共交通等传统的解决方案并不能从根本上解决我国目前交通系统面临的问题。大数据以及云计算技术的大力发展为解决问题打开了新的思路，智慧交通的概念由此提出。我们应该在推动城市空间结构调整、加强交通需求管理、优先发展公共交通的同时，依托高新技术手段，积极开展智慧交通建设，发挥已有能力，释放交通压力，促使交通出行安全[1]。此外，智慧交通可以直接有效地提高交通运行效率，是解决城市交通问题的根本手段和必要举措。大数据作为智能交通系统中的重要技术手段在智慧交通中的应用主要是为了发现从单一的交通数据中无法获取的信息，通过大量数据汇集融合，得到城市交通拥堵的原因以及在拥堵情况下的交通出行规律，围绕以人为基本核心，实现生活与交通的平衡，并为交通系统的管理与规划提供综合性决策[2]。 智慧交通中大数据主要应用于公共交通服务、交通引导、物流调度优化等方面，通过数据资源整合，依托云计算服务平台并应用大数据技术为公众提供便捷的出行服务[3]。如今，国内交通部门都在积极
研究大数据技术在智慧交通中的应用，如杭州综合交通信息指挥中心利用大数据平台进行城市轨道交通数据分析，江苏省交通运输厅在大数据应用方面与百度展开深度合作，并签署了《战略合作框架协议》等。国外交通部门同样以公众便捷出行为宗旨，利用大数据分析提高交通效率[4]，如美国商用铁路就利用大数据分析结构提高运输的及时性。然而在智慧交通系统的实际建设中，大数据带来的信息安全挑战却不容忽视。 1 智慧交通中大数据应用面临的挑战 随着智慧交通的建设，大数据已经成为交通数据平台的重要载体，作为生产要素发挥重要作用。随着快速处理技术和分析提取技术的发展，可以迅速挖掘出其中所蕴含的价值信息，这些信息可以对系统的辅助决策提供帮助。智慧交通中的大数据可以突破各行政区域间的限制，进而共享数据信息。另外，大数据的组合效率和信息集成优势有利于综合性立体的交通信息体系的构建[5]；另外在交通资源配置、车辆安全方面利用大数据的快速性和可预测性提升交通预测水平都有极大帮助。然而，智慧交通中大数据掀起新的生产率提高和消费者盈余浪潮的同时，随着而来的是大数据应用过程中带来的挑战。 1.1 行业标准不统一
大数据对智能交通的意义
随着我国汽车保有量在近年来急剧增加，交通拥堵、交通污染日益严重，交通事故频繁发生，这些都成为了各大城市亟待解决的交通管理问题。智能交通成为改善城市交通的关键所在。为此，及时、准确获取交通数据并构建交通数据处理模型是建设智能交通的前提，而这一难题可以通过大数据技术得到解决。 智能交通需求与大数据契合 智能交通整体框架主要包括物理感知层、软件应用平台及分析预测及优化管理的应用。其中物理感知层主要是对交通状况和交通数据的感知采集；软件应用平台是将各感知终端的信息进行整合、转换处理，以支撑分析预警与优化管理的应用系统建设；分析预测及优化管理应用主要包括交通规划、交通监控、智能诱导、智能停车等应用系统。 系统利用先进的视频监控、智能识别和信息技术手段，增加可管理空间、时间和范围，不断提升管理广度、深度和精细度。整个系统由信息综合应用平台、信号控制系统、视频监控系统、智能卡口系统、电子警察系统、信息采集系统、信息发布系统等组成。以达到四方面的目标：提高通行能力、减少交通事故、打击违章事件、出行信息服务。 在各城市建设智慧交通的过程中，将产生越来越多的视频监控、卡口电警、路况信息、管控信息、营运信息、GPS定位信息、RFID识别信息等数据，每天产生的数据量可以达到PB级别，并且呈现指数级增长。 大数据用于智能交通的积极意义 第一，大数据的虚拟性可以解决跨越行政区域的限制。交通大数据的虚拟性，有利于其信息跨越区域管理，只要多方共同遵照相关的信息共享原则，就能在已有的行政区域下解决跨域管理问题。 第二，大数据具有信息集成优势和组合效率。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“数据仓库”加以综合，构建公共交通信息集成利用模式，发挥整体性交通功能，这样才能发现新价值，带来新机会。例如气象、交通、保险部门的数据结合起来，可高效率地研究交通领域防灾减灾;IC卡数据结合抽样调查，能更快捷、更精确测得城市交通流分布状况。 第三，大数据的智能性能较好的配置交通资源。通过对大数据的分析处理，可以辅助交通管理制定出较好的统筹与协调解决方案。一方面减少各个交通部门运营的人力和物力，另一方面可有些提升道理交通资源的合理利用。如根据大数据结果确定多模式地面公交网络高效配置和客流组织方案，多层次地面公交主干网络绿波通行控制以及交通信号自适应控制。 第四，大数据的快速性和可预测性能提升交通预测的水平。在对各个部门的数据进行准确提炼和构建合适的交通预测模型后，可以有效模拟交通未来运行状态，验证技术方案的可行性。而在实时交通预测领域，大数据的快速信息处理能力，对于车辆碰撞、车辆换道、驾驶员行为状态检测等实时预测也有非常高的可靠性。 第五，提高交通运行效率。大数据技术能促进提高交通运营效率、道路网的通行能力、设施效率和调控交通需求分析。交通的改善所涉及工程量较大，而大数据的大体积特性有助于解决这种困境。 大数据的实时性，使处于静态闲置的数据被处理和需要利用时，即可被智能化利用，使交通运行的更加合理。大数据技术具有较高预测能力，可降低误报和漏报的概率，随时针对交通的动态性给予实时监控。因此，在驾驶者无法预知交通的拥堵可能性时，大数据亦可帮助用户预先了解。 第六，提高交通安全水平。主动安全和应急救援系统的广泛应用有效改善了交通安全状况，而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。在驾驶员自动检测方面，驾驶员疲劳视频检测、酒精检测器等车载装置将实时检测驾车者是否处于警觉状态，行为、身体与精神状态是否正常。同时，联合路边探测器检查车辆运行轨迹，大数据技术快速整合各个传感器数据，构建安全模型后综合分析车辆行驶安全性，从而可以有效降低交通事故的可能性。在应急救援方面，大数据以其快速的反应时间和综合的决策模型，为应急决策指挥提供辅助，提高应急救援能力，减少人员伤亡和财产损失。 第七，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。通过建立区域交通排放的监测及预测模型，共享交通运行与环境数据，建立交通运行与环境数据共享试验系统，大数据技术可有效分析交通对环境的影响。同时，分析历史数据，大数据技术能提供降低交通延误和减少排放的交通信号智能化控制的决策依据，建立低排放交通信号控制原型系统与车辆排放环境影响仿真系统。 在当前大数据时代，数据充斥所带来的影响远远超出了企业领域，其不仅能带来商业价值，亦能产生社会价值。随着信息通讯技术的发展，交通运输从数据贫乏的困境转向数据丰富的环境，而面对众多的交通数据，如何从中根据用户需求提取有效数据成为关键所在。但是，大数据技术在智能交通应用领域同样面临着巨大挑战，包括隐私，数据处理硬件设施、数据不完备性、模型有效性等领域，这些都是我们未来继续需要探讨和解决的问题。
交通大数据应用与研究
第十六届中国高速公路信息化研讨会（2014.3.19-20.青岛） 主办：中国公路学会 承办：《中国交通信息化》杂志社 https://www.360docs.net/doc/df812297.html,
交通大数据应用与研究 交 应 与 究
长安大学 电子与控制工程学院 电子与控制工程学院 许宏科 2014年3月20日
1
主要内容
基本概念
第十六届中国高速公路信息化研讨会（2014.3.19-20.青岛） 主办：中国公路学会 承办：《中国交通信息化》杂志社 https://www.360docs.net/doc/df812297.html,
交通大数据特点和分类 交通大数据的应用案例
2
1 基本概念
? 计算机的发展
? 1906:
?
第十六届中国高速公路信息化研讨会（2014.3.19-20.青岛） 主办：中国公路学会 承办：《中国交通信息化》杂志社 https://www.360docs.net/doc/df812297.html,
美国的Lee De Forest发明了电子管。 Bell实验室发明了晶体管 年4月1日： INTEL发布8位的微处理器芯片8080
1924年2月：IBM公司成立。
? 1947:
? 20世纪50年代：集成电路计算机的出现 ? 1974
? 286，386，486，P5，（ ，（内存、主频、硬盘参数 ，（内存 内存、主频、硬盘参数） 内存 主频 硬盘参数） 硬盘参数） ? 双核，多核 ? 微型机，小型机，中型机，大型机超，大型机 微型机 小型机 中型机 大型机超 大型机
3
1 基本概念
? 计算机及其网络的发展 手工
第十六届中国高速公路信息化研讨会（2014.3.19-20.青岛） 主办：中国公路学会 承办：《中国交通信息化》杂志社 https://www.360docs.net/doc/df812297.html,
单计算机
传统流程计算机化 减轻劳动强度 资源局部共享 网络应用系统推广
局域网 广域网
实现真正的数据交换脑、资源共享 实现真正的数据交换脑 资源共享 实现统一的管理
4
交通大数据解决方案
中移智行“OSCAR+”智慧交通解决方案系列——交通大数据
运营商的大数据更有代表性和竞争力 数据局部性数据封闭性数据割裂性数据片面性 互联网公司的数据是相互割裂的，淘宝只 有淘宝的售卖数据，没有百度搜索的数据 很少有互联网公司愿意开放自己的数据， 开放更多的是商业模式层面和应用层面。 互联网的数据整合困难，同时注册的个人 账号也是短期的，不稳定的。 互联网公司的数据受限于自身的业务，其 数据的范围和深度都是有限的。 互联网的数据基因运营商的数据更有代表性和竞争力 运营商是数据管道，任何个人、企业的上网和通话的行为都流淌 在运营商的管道里，并且任何时候你的位置都需要上报给运营商 的基站以便能够随时沟通，移动互联网越发展，运营商的数据规 模优势就越大。 运营商以号码为唯一的ID来整合各类数据，因此刻画客户的 完整性是一般企业难以企及的，因为号码就是业务本身，而且还 有终端ID作为移动通信网天生的业务属性而存在。 运营商数据解决移动互联网时代最为关注的三个问题？我是 谁，我在哪里，我在干什么，这是很多企业的数据难以比拟的。 运营商承担着相当大的社会责任，不会看到互联网公司会有分享 数据的行为，数据基本是在它的体内循环。 比较维度运营商数据互联网公司数据 用户基本属性真实、准确部分真实、部分准确用户分布信息连续、准实时、不连续、部分实时 用户通信行为及轨迹真实、全面、连续、多维度，统一关联不全面、不连续、维度少，不同维度数据间需通过计算建立关联 线上线下关联唯一ID，真实一对一关联无唯一ID，难以建议唯一关联
基于运营商大数据的应用 ?人流量、人口属性分析 统计规划 ?人员聚集及人流量疏导 ?智慧景区（景区人流、来源、偏好分析） 旅游 ?旅游市场智慧管理（多维度、多数据分析旅游市场整体特征和变化） ?实时车流、拥堵情况、居民出行规律分析 交通 ?交通规划（车流分时段动图、城市道路改造、规划分析） ?重点区域重点监控 ?应急减灾精准发布 公共安全 ?民众舆情监控 ?竞品分析（行业热点、消费人群画像、频次等） 商业 ?广告评估（广告精准营销、广告转化率分析）
智能交通大数据与云应用与解决方案
智能交通大数据及云应用平台解决方案 随着日益增长的交通“大数据”，给交通管理创新带来的新挑战，以及对交通管理工作提出的新要求，交通信息化建设必然步入云计算智慧应用阶段，利用云计算破解当前诸多交通瓶颈问题。 什么是交通大数据 交通概念很大，所涉及的范围很广，如城市道路交通指数、地铁运行数据、一卡通乘客刷卡数据、港口集装箱数据、机场航班数据、轨道交通运营数据、远洋及内河航道船舶数据、物流车辆及货物数据、公交车实时数据、出租车行车数据、空气质量状况、气象数据、道路事故数据、高架匝道运行数据、以及衍生的相关拥堵、事故、违法信息等都属于交通数据。我们通常所提的城市公安交通管理大数据是指在城市智能交通建设和运营的过程中，从视频监控、卡口电警、路况信息、管控信息、营运信息、GPS定位信息、RFID识别信息等每天产生的大量数据，并借助信息化手段将这些相互关联的数据整合到一起（比如车辆信息、地图信息、人员信息、违规违章记录信息等等），形成一个有价值数据链，从而知道城市交通信息化建设，为公安交通实战应用服务，为市民出行服务。 什么是云分析 云分析系统具备超高的计算性能，单机设备每天处理的信息量最大高达2000万张图片。云分析具备对卡口、电警以及部分监控设备拍摄的车辆图像信息的结构化智能分析功能，主要包括识别图像中车辆的品牌、型号、年款、车身颜色、类别、异常特征（如遮挡面部、遮挡号牌）、唯一性局部特征（如年检标志、车内饰物）等关键信息。 可对提交的图像中的车辆车牌颜色及车牌号进行二次识别，通过大数据进行，时间、地理、轨迹等的对比识别，以得出分析结果。 过去几年，智能交通系统建设取得了长足的进步与发展，针对道路交通违法、交通安全等，不断在不同的时间，不同的阶段建立了交通卡口、违法检测、道路智慧监控、交通事件监测等信息化系统，但这些信息化系统所采用的设备、平台均来自于不同的厂家，采用的标准，上下级不能很好的实现级联，与公安系统融合度不高，无法进行集中管理，资源共享，发挥统一的实战作用。
智能交通在大数据时代发展的机遇与挑战
智能交通在大数据时代发展的机遇与挑战 近年来，电子信息领域的技术发展极其迅速，对智能交通系统发展带来了重大变革。物联网、云计算、大数据、移动互连等技术在交通领域的应用和发展，不仅给智能交通系统注入新的技术内涵，也对智能交通系统的模式、理念产生了巨大影响。目前，国际智能交通领域的车路协同系统、公众出行便捷服务、车联网等热点技术领域，都在广泛研究和应用云计算、大数据、移动互联等新技术。我们注意到，今年10月在日本举办的第20届世界智能交通大会上，交通大数据的研究非常活跃并已经形成了许多具有良好应用前景的创新成果。随着研究和应用的深入，大数据技术在交通运行管理优化、面向车辆和出行者的智能化服务，以及交通应急和安全保障等方面都将形成巨大的市场。 大数据时代智能交通发展的需求与机遇 1.智能交通系统发展的数据分析需求 一方面，交通数据采集的范围、广度和深度急剧增加，随着智能交通系统建设规模的不断扩大，正在形成以微波、线圈、GPS、车牌等交通流检测数据，交通监控视频数据，以及系统数据和服务数据等为主体的海量交通数据。以北京市为例，6万余辆出租车一天就会产生数亿条GPS数据，车牌识别、交通监控视频等数据量更大，交通相关的数据量级已从TB 级别跃升到PB级别，传统的交通数据分析方法已很难有效支撑这么庞大的数据体的开发与利用。 另一方面，对动静态海量交通数据的挖掘分析成为智能化交通信息处理分析的核心内容，交通数据的深层价值有待进一步的挖掘和开发。根据调查，韩国3G手机上的服务中，有50%以上的服务与交通有关，包括实时道路交通信息、地铁和公交信息、火车和飞机班次动态信息、换乘信息、与汽车服务有关的信息等。以智能终端为服务窗口的、以云计算和大数据分析技术为支撑的智能交通信息服务正在逐步成为主流，与我们的生活息息相关。 2.大数据分析为智能交通发展带来的新机遇 一是大数据技术的海量数据存储和高效计算能力，将实现交通管理系统跨区域、跨部门的集成和组合，将会更加有效地配置交通资源，从而大大提高交通运行效率、安全水平和服务能力。二是交通大数据分析将为交通管理、决策、规划和运营、服务以及主动安全防范带来更加有效的支持。三是基于交通大数据的分析为公共安全和社会管理提供新的理念、模式和手段。 大数据背景下智能交通发展面临的问题与挑战