大数据新时代 智能交通潜在价值待发掘
2015-06-23
给城市交通一个希望
一直以来,我国都十分重视智能交通建设,智能交通市场潜力也十分庞大。随着大数据时代的到来,智能交通必然会产生一些重大变化,也将面临重要的发展机遇。
在东方之星客轮在长江湖北监利段倾覆之前,最后形成的航迹监测线路和状态信息来自一个叫作宝船网的平台。通过宝船网,东方之星从起航到出事地点都被全程观测,直到最后的9点31分21秒。
智能交通发展至今,各地采集的数据浩如烟海,这些数据存在巨大的潜力和价值,亟待处理和挖掘。而随着大数据时代的到来,智能交通也许真的可以“智能”起来。
不过,大数据虽然支撑着智能交通的前行,但其发展道路上难免要历经磨难。
给城市交通一个希望
大数据、云计算的发展对交通运输行业不仅是挑战,更是对传统模式的突破。“现在涌现出了滴滴打车、快的以及易到用车,引起一些恐慌,但或许这种恐慌会倒逼一些不合理现象的改变。”同济大学副校长杨东援表示。
比如通过滴滴打车平台可以看到全国各个城市每天的交通情况,包括车辆行驶情况、路网情况以及打车需求情况等。
“我们运转时可以很清晰地看出北京24小时内的车辆分布情况。”通常人们认为北京每天早上6点到8点间的高峰路段是三环、四环,但是滴滴、快的打车技术副总裁朱军介绍,数据显示机场高速才是高峰路段;下午1点,对出租车司机来说什么地方生意最好?统计显示是金融街(000402,股吧),这里每天有很多人在这一时段赶往机常“这些收益都依托于大数据平台。”
滴滴打车利用大数据平台更好地分配并合理利用了已有资源,也只能解决部分问题。只有掌握全局,才能控制全局。
“大数据的出现,终于给城市一个希望。”杨东援表示,大数据可以连续观测城市交通每天发生的变化,然后再利用这些数据分析交通的问题所在。
“城市交通不像西医,出现具体问题就对症下药。”杨东援打了个比方,“而是更像中医,须搭脉问诊,刨根问底,才能找到出现症状的缘由。”
杨东援坦言,面对城市“堵病”,政府必须学会“搭脉”,否则将无法开出调理和根治的“药方”。
过去,治理交通主要依靠调查手段。例如,上海市5年一次的交通大调查,不仅需要高达八千万元的费用,还需要花费半年多的时间处理数据,调查结果很难跟上城市变化的节奏。
“智能交通问题很复杂。”杨东援表示,大数据对于城市交通来说,不仅是变革和机遇,更是富有挑战性的舞台。
深圳这几年就做了件不简单的事。它的智能交通建设是打造了海陆空一体化的综合交通体系,也许深圳的案例更值得借鉴。
不断领跑的深圳
深圳市进行改革开放30年,已经在国内率先实现两大转型。第一个转型是由大规模规划、建设基础设施,转向基于大数据环境实现整个城市交通高品质的运行和服务;第二个转型是由过去历史静态离散数据环境,转移到今天实时动态大数据环境。
这两大转型,对于今天的城市管理和城市服务,特别是站在政府角度如何为整个城市提供决策支持,都起到至关重要的作用。
“在云计算、大数据环境下,整个城市交通的智能化、信息化建设,应该从城市交通监测、建模、仿真等角度看待。”深圳市交通控制与仿真工程中心主任关志超提出。
据了解,2011年深圳市成立了交通数据中心。这个中心的职能定位是不仅实现数据中心、分析研究中心、可视化中心和发布中心的功能,同时还兼顾政府职能和相关城市对交通的一些法规和监测模式。
截至目前,该中心已经获得1300万张一卡通数据,包括地铁每站一分钟发布一次的客流情况等。
在大数据时代,想要对整个城市的运行进行管理,不仅要考虑交通问题,还要考虑气象的影响、交通污染的排放以及整个城市市政道路、管网的建设。
“所以,深圳一直在构建一体化的模型体系。”关志超表示,面对大数据,如何在城市宏观层面实现城市、区域、宏观大模型体系的标定和迁移,确实是当前所要考虑的重点工作。
关志超表示,人口分布、用地情况以及出行速度分布等一系列模型体系的建立,为城市管理和政府决策提供了数据支撑。他们将罗湖区细分为2864个交通小区,从宏观、中观、微观三个层次建立了系列模型,作为支撑整个城市交通服务和交通问题的分析研究。
技术创新倒逼管理变革
深圳市曾提出构建未来交通实验室的畅想,在这样的大推进模式下,由中国综合交通指挥中心作为未来开放实验室的数据基础环境,联合多家科研机构推进交通未来实验室的开发,实现交通资源面向城市、面向社会一体化的公益性服务。
此外,深圳市具有全国最大规模的仿真环境。交通仿真的建立为整个城市轨道交通模型体系的不断优化,为城市交通指数的监测和服务提供了有效的技术支撑和保障。
技术创新倒逼管理变革
大数据仿佛一夜之间风靡全球,既宣告了一个时代的到来,又显然成了一个时代的标志。
但“大数据不是定制数据,往往是间接证据”。杨东援表示,间接证据在某些区间里的判断是成立的,在某些区间里的又肯定不对,无法直接成为决策依据。
“再者,就是对数据进行清洗和正确的判断,因为大量的数据经常是错的。”杨东援举了个例子:研发机构号称牌照读出率为95%~98%,但数据交合后发现,实际上不到6万辆的上海出租车,被读出的车辆数却呈数量级翻倍—原来是“z”和“2”傻傻分不清。然而,“交通大数据应用的最大困难还不是技术,而是管理者的变革决心。”杨东援坦言,大数据的价值在于让我们更好地“搭脉”,“帮助我们发现不知道的,而不是验证已经知道的”。
从城市交通角度来讲,政府如何利用大数据对整个城市交通进行管控,这是一个亟待解决的问题。
“在非高峰时期,人们为何也不选择公交出行?一个重要原因就是没有时刻表。”杨东援坦言,老百姓(603883,股吧)所谓的公交出行时间,实际上是将无效预留时间也算在内。除了让公交跑得快以外,能否减少无效预留时间等问题也有待解决。
据科研人员分析,智能交通的潜在价值还没有得到有效发掘,对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。这会造成智能交通的效率不高,智能化程度不够,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。
由此可见,交通大数据只是一系列图和表,交通工程师也只是参谋,政府才是决策者。大数据与管理如果不能携手同行,智能也只能在云端打转。