交通大数据时代的来临是智能交通发展的必然趋势,在这个进程中我们将面临前所未有的问题和挑战:
信息孤岛。交通数据分散在不同部门,部门间又缺乏开放互通,形成信息孤岛,造成交通数据资源的条块化分割和信息碎片化等现象。
系统稳定性不足。现有交通方案中设备类型众多,厂商繁杂,质量和标准都参差不齐,维护成本庞大,很难做到高稳定性。
海量数据存储和计算能力不足。智能交通的分析对象是整个城市的交通行为主体,具有海量数据的固有特性。实现对城市道路的交通状况、交通流量信息、交通违法行为等的全面监测,特别是承担在交通高峰期采集、处理及分析大量的实时监测数据的工作,整体平台的运行压力巨大,传统的交通数据分析方法很难有效支撑如此庞大的数据体的开发与利用。
应用负载波动大。交通流特性呈现随时间变化大,区域关联性强的特点,需要根据实时的交通流数据及时全面采集、处理、分析等。传统的智能交通方案由于无法做到全局统筹,往往会陷入各自为战的境地,无法满足未来智能交通的高效性、实时性等要求。
为解决上述转型过程中的实际问题,使用云计算与大数据技术将成为智能交通系统的重要支撑。
智能管理
整合行业数据,形成地面公交、出租汽车、轨道交通、路网建设、汽车服务、港口、航空等领域的一体化智能管理。如用于车辆疏导,基于不同道路、路口车流量的统计(时、日、月统计等),根据这些统计可以分析不同时段某条道路实时的车流密度、发展方向和趋势等。
中国
2016年7月,国家发改委、交通运输部印发《推进“互联网+”便捷交通促进智能交通发展的实施方案》,提出建设先进感知监测系统、构建下一代交通信息基础网络、强化交通运输信息开放共享等具体要求。
南京全市范围内的交通监管、治安监控摄像头所产生的视频数据流全部集中存储在智慧南京数据中心。采用云计算技术,可以实现车流数量的精准统计,通过交通摄像机实时捕捉和分析视频图像,在市交管局终端显示屏上能够实时算出车道的排队长度,有助于判断城市交通干道的畅通情况,及时发现城市中拥堵的道路,并进行交通导航和相应处理。并且,南京在城市安防领域具备了视频DNA检索技术,该技术通过对监控视频画面中人的走路姿态进行建模,对连续走路姿态进行提取,最终形成一个动态的行为DNA样本,在样本库中对特定人物的行为DNA进行比对,从而实现实时、快速的视频DNA检索。
公众便捷出行
大数据通过整合交通出行服务信息,在公共交通、出租汽车、道路交通、公共停车,以及公路客运等领域扩大信息服务覆盖面,如滴滴、Uber打车软件提供出租车、快车、专车、顺风车服务,同时接入地图、路线查询、实时路况、在线支付等相关服务。智能停车软件也进入市场,如停简单、好停车、PP停车等,实现停车行业与动态交通的有效衔接。
物流企业好助手
《行业大数据市场发展前景猜测与投资分析报告》显示,2014年,中国物流大数据应用市场应用规模为2.92亿元,预计到2020年将达到188.23亿元。Avent公司全球运输副总裁MarianneMcDonald表示:每一桩运输交易都会生成超过50列的数据,以及超过2.5亿的数据值。
亚马逊
亚马逊在业内率先使用了大数据,人工智能和云技术进行仓储物流的管理,创新地推出预测性调拨、跨区域配送、跨国境配送等服务。
菜鸟
菜鸟是典型的“互联网+物流”生态的布局模式,天网+地网+人网,园区(菜鸟自建园区)、枢纽(投资的卡行天下)、运力平台(投资的运满满)、城市配送(上海万象等)、快递(圆通、百世,以及苏宁和收购的天天等)、最后一公里(菜鸟驿站)、农村物流(日日顺),以及菜鸟联盟生态。虽然不隶属于同一家公司的,但将数据放在同一个平台上,通过平台大数据分析,云计算配置,产生了协同效果。
车联网离不开云计算和大数据
车联网是解决交通拥堵,保障行车安全的有效手段,在政策支持下,未来5年市场规模将达到千亿级。
在电信覆盖率基本饱和前提下,汽车已经成为最大移动终端和移动信息消费场所,车联网设备也成为互联网企业进入汽车这个新的媒介的入口。2014年以来,苹果、谷歌、特斯拉、百度、阿里、腾讯等巨头纷纷加大车联网布局和投入。
英特尔
2017年,英特尔153亿美元收购以色列无人驾驶公司Mobileye,发力车联网。英特尔预计,2020年自动驾驶汽车每天可产生4000GB的数据,2030年全球车辆系统、数据和服务市场的规模将达到700亿美元。
阿里
2014年,阿里集团和上汽集团宣布战略合作。2015年,阿里集团与上汽集团签署双方将在车联网展开合作的协议,上汽自主品牌新产品将集成阿里的YUNOS操作系统,并整合大数据、阿里通信、高德导航、阿里云计算、虾米音乐等资源和上汽集团的整车与零部件开发、汽车服务贸易等资源。