大数据在智慧交通中起了哪些作用

1. 大数据在智慧交通中起了哪些作用

总的说来所谓智慧交通的核心就是大数据、人工智能和物联网，大数据来源于多种多样的传感器、摄像头甚至人工采集，大数据为人工智能提供原材料，为控制物联网设备提供决策依据，总的来说大数据为智慧交通在如下几方面起到作用，
感知——对整个城市交通状况，如车辆信息、道路信息等形成多维度感知
优化——交通信号优化、公交线路优化等等
控制——匝道控制、特殊重点车辆管理
调度——根据车流量进行智能调整，应对突发事件
服务——交通信息实时发布，便民服务

2. 大数据在智慧交通中起了哪些作用？

总的说来所谓智慧交通的核心就是大数据、人工智能和物联网，大数据来源于多种多样的传感器、摄像头甚至人工采集，大数据为人工智能提供原材料，为控制物联网设备提供决策依据，总的来说大数据为智慧交通在如下几方面起到作用，
感知——对整个城市交通状况，如车辆信息、道路信息等形成多维度感知
优化——交通信号优化、公交线路优化等等
控制——匝道控制、特殊重点车辆管理
调度——根据车流量进行智能调整，应对突发事件
服务——交通信息实时发布，便民服务

3. 互联网 大数据在智能交通上有哪些应用

之前有看过一篇有关商业智能在公交领域的文章，主要体现在公交的智能化信息管理方面
具体的应用如下：
(1)应用功能不能实现完全自动化。
(2)网络负载大，应用开发和维护繁琐。
(3)由于系统存在功能不足，需要大量人手进行分析报表工作。
(4)系统本身的技术架构己经落后，不能满足用户不断提出的对数据应用的要求。
(5)近十年累积的改动和扩展，使到系统过于庞大，接口很多，多种技术和平台混合使用，应用和维护成本高。
(6)信息系统间共享数据的需求客观存在，但由于各系统的开发时间、开发工具、部门要求以及在数据库的选择等不同原因，分布在网络中的不同系统中的数据相互独立，无法实现真正的信息资源共享。
(7)每个信息系统都有私有的数据库，对于同一事物，可能在不同的系统中被赋予不同的意义，带来语义混乱。不同系统中存储格式存在差异，这些在综合处理时都会带来很大的麻烦同时，跨系统调用数据也会严重影响性能。
这是有关FineBI的应用，具体的你可以查一下

4. 如何运用交通大数据智慧出行

2015年两会上，“大数据（big data）”一词首次写入政府工作报告。在交通领域，大数据一直被视作缓解交通压力的技术利器。应用大数据有助于了解城市交通拥堵问题中人的出行规律和原因，实现交通和生活的和谐，提高城市的宜居性，为政府精准管理提供基于数据证据的综合决策。
随着手机网络、全球定位系统（global positioning system，GPS）/北斗车载导航、车联网、交通物联网的发展，交通要素的人、车、路等的信息都能够实时采集，城市交通大数据来源日益丰富。在日益成熟的物联网和云计算平台技术支持下，通过城市交通大数据的采集、传输、存储、挖掘和分析等，有望实现城市交通一体化，即在一个平台上实现交通行政监管、交通企业运营、交通市民服务的集成和优化。

1、活用、善用大数据是改善交通的必由之路
近年来，国内各大中型城市均已开始或酝酿与交通大数据相关的项目建设，如公交都市、城市交通数据中心、智慧交通、交通运行协调指挥中心等，大量项目的上马对大数据技术的需求量也不断加大。
行业对于大数据技术的普及推广始于2011年，经过两年的发展，大数据技术已在智能交通领域深入人心。基于大数据技术的应用和相关业务的开展，未来几年内，活化数据的广泛应用将是国内交通大数据的发展热点。
2、智能交通大数据管理平台应用是核心
虽然大数据技术目前在智能交通领域的发展前景一路看好，但大数据技术在实际使用中仍然面临一些问题。其中最主要的问题就是：面对多样、封闭的运行环境，交通数据如何收集管理？如何保证数据的质量？如何将其快速的应用？这是各地政府、交通企业、交通系统集成商共同面临的难题。
智能交通大数据管理平台的应用将有效解决这些问题。智能交通大数据平台主要包括五方面的内容：城市交通信息数据系统、城市交通综合监测和预警系统、城市交通碳排放实时监测系统、公交都市管理系统、公众出行信息服务系统。
城市交通信息数据系统是基于大数据应用技术的交通行业信息共享交换中心，数据中心建立以后，将成为城市交通信息的枢纽。

城市交通综合监测和预警系统可以实现对整个城市交通状况的实时监测。交通管理部门可以对城市交通中可能发生的大面积交通瘫痪作出有效的预判。同时，该系统也可以引导公众出行，为公众提供全面、及时的出行信息，真正达到绿色交通的出行要求。
智慧出行也称智能交通，是指借助移动互联网、云计算、大数据、物联网等先进技术和理念，将传统交通运输业和互联网进行有效渗透与融合，形成具有“线上资源合理分配，线下高效优质运行”的新业态和新模式，并利用卫星定位、移动通讯、高性能计算、地理信息系统等技术实现了城市、城际道路交通系统状态的实时感知，准确、全面地将交通路况，通过手机导航、路侧电子布告板、交通电台等途径提供给百姓。其中，迪蒙智慧交通依托迪蒙科技在云计算、物联网、大数据、人工智能、金融科技等领域的丰富开发经验和雄厚的技术积累以及其他智慧出行领域创新商业模式于一体的高端智慧交通解决方案。在此基础上，集成驾驶行为实时感应与分析技术，实现公众出行多模式多标准动态导航，提高出行效率；并辅助交通管理部门制定交通管理方案，促进城市节能减排，提升城市运行效率。
百度地图利用云计算、大数据分析技术，通过数据可视化的形式，“平安播报”网站为用户提供春运期间全国高速公路的拥堵路段信息查询、重要节点流量查看以及事故多发路段查询等功能，为用户出行提供参考。
同时，百度地图推出适合手机查看的移动版页面，让用户即使在路上，也可以通过手机实时查看权威的全国高速公路通行信息。高德地图则对春运出行发布了春节出行预测报告，通过历年城市的净迁入/净迁出量计算分析，预计出今年拥堵高发公路、游客较多的旅游景点，以供大众出行参考。双方都依靠大数据分析作为解决拥堵问题的一剂良药，“互联网+”交通势在必行。
“互联网+”交通的核心还在在于数据，哪家地图数据以及大数据分析能力最强，谁将取得最大的市场优势。数据服务经济社会时代，如何让大数据释放最大价值成为当务之急，而对大数据的分析则成为了使其能够充分体现价值的前提，这就对IT系统计算能力提出了更高的需求和挑战。在这种背景下，市场对于4路及4路以上服务器需求大幅增长，越来越多的行业用户开始采用高端服务器满足关键业务需求。

5. 智慧交通有哪些应用场景?

应用场景：
一、智能公交：通过RFID、传感等技术，实时了解公交车的位置，实现弯道及路线提醒等功能。同时能结合公交的运行特点，通过智能调度系统，对线路、车辆进行规划调度，实现智能排班。
二、共享自行车：共享自行车是通过配有GPS或NB-IoT模块的智能锁，将数据上传到共享服务平台，实现车辆精准定位、实时掌控车辆运行状态等。

三、车联网：利用先进的传感器、RFID以及摄像头等设备，采集车辆周围的环境以及车自身的信息，将数据传输至车载系统，实时监控车辆运行状态，包括油耗、车速等。
四、充电桩：运用传感器采集充电桩电量、状态监测以及充电桩位置等信息，将采集到的数据实时传输到数据平台，实现统一管理等功能。
五、智能红绿灯：通过安装在路口的一个雷达装置，实时监测路口的行车数量、车距以及车速，同时监测行人的数量以及外界天气状况，动态地调控交通灯的信号，提高路口车辆通行率，减少交通信号灯的空放时间，最终提高道路的承载力。

6. 大数据，数据挖掘在交通领域有哪些应用

交通领域大数据分析和应用的场景会相当多，这里面要注意两点，一个是大数据本身的技术处理平台，一个是数据分析和挖掘算法。具体场景当时写过点内容，如下：
对于公交线路规划和设计是一个大数据潜在的应用场景，传统的公交线路规划往往需要在前期投入大量的人力进行OD调查和数据收集。特别是在公交卡普及后可以看到，对于OD流量数据完全可以从公交一卡通中采集到相关的交通流量和流向数据，包括同一张卡每天的行走路线和换乘次数等详细信息。对于一个上千万人口的大城市而言，每天的流量数据都会相当大，单一分析一天的数据可能没有相关的价值，而分析一个周期的数据趋势变化则会相当有价值。结合交通流量流向数据趋势变化，可以很好的帮助公交部门进行公交运营线路的调整，换乘站的设计等很多内容。这个方法可能很早就有人想到，但是在公交卡没有普及或海量数据处理和计算能力没有跟上的时候确实很难实际落地操作，而现在则是完全可以落地操作的时候了。
从单一的公交流量流向数据动态分析仅仅是一个方面，大数据往往更加强调相关性分析。比如对于在某一个时间段内公交流量和流向数据发生明细的趋势变化的时候，这个趋势变化的究竟和哪些潜在的大事件或其它影响因素的变化存在相关性，如何去分析这些相关性并做出正确的应对。举个简单的例子来说，当市中心区内的房屋租金持续增长的时候一定会影响到交通流的变化，很多人可能会搬离到更远的地方去居住，自然会形成更多的新增公交流量和流向信息。在《大数据时代》里面谈到更多的会关心相关性而不是因果只是一个方面的内容，实际上往往探索因果仍然很重要，就拿尿片和啤酒的例子来说看起来很简单，但是究竟是谁发现了这种相关性才更加重要，发现相关性的过程往往是从果寻因的过程，否则你也很难真正就确定是具备相关性。
其次就智能交通来说，现在的智慧交通应用往往已经能够很方面的进行整个大城市环境下的交通状况监控并发布相应的道路状况信息。在GPS导航中往往也可以实时的看到相应的拥堵路况等信息，而方便驾驶者选择新的路线。但是这仍然是一种事后分析和处理的机制，一个好的智能导航和交通流诱导系统一定是基于大量的实时数据分析为每个车辆给出最好的导航路线，而不是在事后进行处理。对于智能交通中的交通流分配和诱导等模型很复杂，而且面对大量的实时数据采集，根据模型进行实时分分析和计算，给出有价值的结果，这个在原有的信息技术下确实很难解决。随着物联网和车联网，分布式计算，基于大数据的实时流处理等各种技术的不断城市，智能的交通导航和趋势分析预测将逐步成为可能。
还有一个在国外大片中经常能够看到的就是实时的车辆追踪，随着智慧城市的建设，城市里面到处都是摄像头采集数据，当锁定一个车辆后如何根据车辆的特征或车牌号等信息，实时的追踪到车辆的行走路线和位置。这里面往往需要实时的视频数据采集，采集数据的实时分析和比对，给出相应的参考信息和数据。这个个人认为是具有相当大的难度，要知道对于视频流和图像信息的比对和分析往往更加耗费计算资源，需要更长的计算周期，要从城市成千上万个摄像头里面采集数据并进行实时分析完全满足大数据常说的海量数据，异构数据，速度和价值等四个维度的特征。基于车辆能够做到，基于人当然同样也可以做到，希望这类应用能够逐步的出现，至少现在从硬件水平能力和技术基础上已经具备这种大数据应用的能力。
-

7. 智能交通中有哪些问题可以用大数据来解决

随着时代的发展，人们已经不知不觉走进了信息化时代，在信息化时代大量的数据爆棚成了新时代的特征。在这种特征下人们依然追求生产生活质量的提高。对于发展智能交通使人们生活以及现实社会的需要，然而在智能交通的构建当中，大量的信息数据也给其增添了变化和难度，如何在大数据时代构建一个智能化、安全化、低成本、高效便捷化的智能交通系统成为了当今人们研究的课题。
就目前而言，国际上还没有给予“大数据”一个明确的具有权威性的定义，但是其在本质上的认识各个国家基本相同。一些研究人士认为“大数据”是数量极大的一堆数据，其作用性非常强，并且其可以对其应用领域的大体上做出预测。还有一些研究人士认为，在大量信息数据技术处理应用当中，“大数据”是一项大的数据集合，并且该种集合不仅数据量大并且还非常复杂。但是无论怎样大数据时代已经走来，我们必须接受并且要利用好其在各个领域的应用。因此在今天的智能交通领域，利用大数据技术已经成为了时代发展的必然，因为其可以给现代智能交通带来诸多大的变化。

随时网络信息技术以及相关配套技术的快速发展，使得当今时代在不知不觉中走进一个“大数据”时代阶段。大数据时代已经来临，对于城市交通来说既是机遇，也是挑战，如何应对，如何利用，这是一个很大的课题。在传统交通中，城市交通是中流砥柱，具有基础性的作用。大数据时代的特征人们用四个V字开头的英文单词来表达即速度（Velocity）、多样性（Variety）、体量（Volume）以及价值密度（Value）。在大数据时代，城市交通与大数据必然发生各种联系，通过大数据带来的技术突破推动城市交通迈向全面信息化时代，通过城市交通的快速发展推动大数据更加落地，产生实效城市交通大数据的集成和未来的挖掘应用对于现代轨道的发展具有重要作用。不论对哪一个传统行业来说，对大数据的需求，都要既懂技术又深谙内情。能够驾驭行业大数据的人，需要比金融更懂金融，比电信更懂电信，比交通更懂交通，需要充分调查乘客的实际需求，需要对高峰期充分了解。

8. 大数据，数据挖掘在交通领域有哪些应用

交通领域大数据分析和应用的场景会相当多，这里面要注意两点，一个是大数据本身的技术处理平台，一个是数据分析和挖掘算法。具体场景当时写过点内容，如下：
对于公交线路规划和设计是一个大数据潜在的应用场景，传统的公交线路规划往往需要在前期投入大量的人力进行OD调查和数据收集。特别是在公交卡普及后可以看到，对于OD流量数据完全可以从公交一卡通中采集到相关的交通流量和流向数据，包括同一张卡每天的行走路线和换乘次数等详细信息。对于一个上千万人口的大城市而言，每天的流量数据都会相当大，单一分析一天的数据可能没有相关的价值，而分析一个周期的数据趋势变化则会相当有价值。结合交通流量流向数据趋势变化，可以很好的帮助公交部门进行公交运营线路的调整，换乘站的设计等很多内容。这个方法可能很早就有人想到，但是在公交卡没有普及或海量数据处理和计算能力没有跟上的时候确实很难实际落地操作，而现在则是完全可以落地操作的时候了。
从单一的公交流量流向数据动态分析仅仅是一个方面，大数据往往更加强调相关性分析。比如对于在某一个时间段内公交流量和流向数据发生明细的趋势变化的时候，这个趋势变化的究竟和哪些潜在的大事件或其它影响因素的变化存在相关性，如何去分析这些相关性并做出正确的应对。举个简单的例子来说，当市中心区内的房屋租金持续增长的时候一定会影响到交通流的变化，很多人可能会搬离到更远的地方去居住，自然会形成更多的新增公交流量和流向信息。在《大数据时代》里面谈到更多的会关心相关性而不是因果只是一个方面的内容，实际上往往探索因果仍然很重要，就拿尿片和啤酒的例子来说看起来很简单，但是究竟是谁发现了这种相关性才更加重要，发现相关性的过程往往是从果寻因的过程，否则你也很难真正就确定是具备相关性。
其次就智能交通来说，现在的智慧交通应用往往已经能够很方面的进行整个大城市环境下的交通状况监控并发布相应的道路状况信息。在GPS导航中往往也可以实时的看到相应的拥堵路况等信息，而方便驾驶者选择新的路线。但是这仍然是一种事后分析和处理的机制，一个好的智能导航和交通流诱导系统一定是基于大量的实时数据分析为每个车辆给出最好的导航路线，而不是在事后进行处理。对于智能交通中的交通流分配和诱导等模型很复杂，而且面对大量的实时数据采集，根据模型进行实时分分析和计算，给出有价值的结果，这个在原有的信息技术下确实很难解决。随着物联网和车联网，分布式计算，基于大数据的实时流处理等各种技术的不断城市，智能的交通导航和趋势分析预测将逐步成为可能。
还有一个在国外大片中经常能够看到的就是实时的车辆追踪，随着智慧城市的建设，城市里面到处都是摄像头采集数据，当锁定一个车辆后如何根据车辆的特征或车牌号等信息，实时的追踪到车辆的行走路线和位置。这里面往往需要实时的视频数据采集，采集数据的实时分析和比对，给出相应的参考信息和数据。这个个人认为是具有相当大的难度，要知道对于视频流和图像信息的比对和分析往往更加耗费计算资源，需要更长的计算周期，要从城市成千上万个摄像头里面采集数据并进行实时分析完全满足大数据常说的海量数据，异构数据，速度和价值等四个维度的特征。基于车辆能够做到，基于人当然同样也可以做到，希望这类应用能够逐步的出现，至少现在从硬件水平能力和技术基础上已经具备这种大数据应用的能力。