交通行业大数据应用和发展现状

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
简单用户画像分析
本场景主要介绍基于海量日志数据进行简单用户画像分析为背景,如何通过使用DataWorks完成数据采集 、加工数据、配置数据质量监控和数据可视化展现等任务。
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
|
27天前
|
SQL 分布式计算 数据可视化
Tableau与大数据:可视化工具在大数据分析中的应用
【4月更文挑战第8天】Tableau是一款领先的数据可视化工具,擅长于大数据分析,提供广泛的数据连接器,支持多源整合。它与Hadoop、Spark等深度集成,实现高效大数据处理。Tableau的拖拽式界面和交互式分析功能使得非技术人员也能轻松探索数据。在实战中,Tableau用于业务监控、数据storytelling和自助式分析,推动数据民主化,提升决策效率。未来,Tableau将持续创新,扩展生态系统,并保障数据安全与合规性,助力企业最大化数据价值。
34 0
|
1月前
|
存储 消息中间件 监控
【Flume】Flume在大数据分析领域的应用
【4月更文挑战第4天】【Flume】Flume在大数据分析领域的应用
|
2月前
|
Cloud Native 数据处理 云计算
探索云原生技术在大数据分析中的应用
随着云计算技术的不断发展,云原生架构作为一种全新的软件开发和部署模式,正逐渐引起企业的广泛关注。本文将探讨云原生技术在大数据分析领域的应用,介绍其优势与挑战,并探讨如何利用云原生技术提升大数据分析的效率和可靠性。
|
2月前
|
存储 消息中间件 大数据
Go语言在大数据处理中的实际应用与案例分析
【2月更文挑战第22天】本文深入探讨了Go语言在大数据处理中的实际应用,通过案例分析展示了Go语言在处理大数据时的优势和实践效果。文章首先介绍了大数据处理的挑战与需求,然后详细分析了Go语言在大数据处理中的适用性和核心技术,最后通过具体案例展示了Go语言在大数据处理中的实际应用。
|
2月前
|
数据采集 分布式计算 大数据
Java语言在大数据处理中的应用
传统的大数据处理往往依赖于庞大的数据中心和高性能的服务器,然而随着大数据时代的到来,Java作为一种强大的编程语言正在被广泛应用于大数据处理领域。本文将探讨Java语言在大数据处理中的优势和应用,以及其在分布式计算、数据处理和系统集成等方面的重要作用。
|
1天前
|
分布式计算 监控 数据挖掘
MaxCompute的应用
【5月更文挑战第7天】MaxCompute的应用
18 8
|
28天前
|
SQL Cloud Native 架构师
深入浅出Presto:大数据查询引擎的原理与应用
【4月更文挑战第7天】Presto是高性能的分布式SQL查询引擎,专为大规模数据交互式分析设计。它采用分离式架构,内存计算和动态规划优化查询,支持跨源查询、交互式查询和ANSI SQL兼容性。应用于大数据分析、实时数据湖查询和云原生部署。Presto的灵活性和效率使其在大数据处理领域备受推崇,适合分析师、数据科学家和IT架构师使用。未来将在博客中分享更多实践和案例。
24 1
|
1月前
|
NoSQL 大数据 数据挖掘
现代数据库技术与大数据应用
随着信息时代的到来,数据量呈指数级增长,对数据库技术提出了前所未有的挑战。本文将介绍现代数据库技术在处理大数据应用中的重要性,并探讨了一些流行的数据库解决方案及其在实际应用中的优势。
|
2月前
|
机器学习/深度学习 人工智能 数据可视化
基于Python的数据可视化技术在大数据分析中的应用
传统的大数据分析往往注重数据处理和计算,然而数据可视化作为一种重要的技术手段,在大数据分析中扮演着至关重要的角色。本文将介绍如何利用Python语言中丰富的数据可视化工具,结合大数据分析,实现更直观、高效的数据展示与分析。
|
2月前
|
存储 NoSQL 大数据
新型数据库技术在大数据分析中的应用与优势探究
随着大数据时代的到来,传统数据库技术已经无法满足海量数据处理的需求。本文将探讨新型数据库技术在大数据分析中的应用情况及其所带来的优势,为读者解析数据库领域的最新发展趋势。

热门文章

最新文章