大数据应用的交通管理

大数据应用的交通管理（精选12篇）

大数据应用的交通管理 篇1

摘要：交通运输行业有产生大数据的众多业务,有应用大数据的众多载体,为有效应用大数据资源,首先通过对行业大数据的现状及问题分析,讨论了大数据与路网管理之间的关系,提出面向路网管理的大数据平台架构以及需要进一步完善的工作。

关键词：交通运输,路网管理,大数据,平台

1行业大数据应用现状和问题

大数据通常是指所涉及的数据体量庞大、数据模态繁多、生成快速、 价值巨大但密度很低的数据集。 对于大数据本身的定义,学术界与工业界已有不少讨论,但关键是如何界定将海量数据应用成为“大数据”。

从行业管理上看,交通运输行业信息资源丰富,特别是面向路网全局的管理与服务上,由于体制机制的局限性,大量信息资源和应用成果仍沉积在各级行业管理部门,而行业内部门之间、 行业和行业之间又缺乏沟通和联系,数据共享不足,造成了交通数据资源“孤岛现象”严重,影响信息资源的共享利用和集成开发,对现有应用系统和数据资源的整合利用还不够深入,导致行业信息资源的价值没有充分体现。

从数据本身来看, 随着交通行业对信息资源需求的不断增长,数据采集范围和深度急剧增加,因此,软硬件系统建设规模不断扩大,逐渐形成海量数据,但尚未建立一套完整、科学的技术标准规范体系。 数据标准化工作分散建设,数据共享与交换渠道不畅, 严重制约了行业综合性管理与服务系统的集成、融合应用。

从针对交通运输行业的大数据研究与应用来看, 学术领域的研究角度多样,但主要侧重于理论研究及系统平台设计层面, 缺乏实证研究; 应用领域目前基本是围绕行业内某些部门开展一些热线、网站等服务,不能提供涵盖全行业的综合性服务,缺乏多元化、一体化的服务方式和服务机制,停留在传统的统计分析及商业智能(BI)的方法,缺乏对已整合的数据资源进行深度的挖掘和分析。

综上,基于大数据的交通信息服务产业链、价值链尚未真正形成。 需要在认识大数据对交通运输行业管理的影响的基础上, 提出相应的对策,解决目前存在的问题。

2面向路网管理与服务的大数据平台

管理学认为“管理部分是艺术,部分是科学”,这也反映了路网运行管理的困境,由于路网运行管理的对象不仅是某一要素, 可定量程度远远低于由制度、流程、产品、资产等构成的可量化的物。 因此,在一定程度上带来了路网运行管理的难度,表现为路网运行管理的价值难以被客观评估、 路网运行的专业性难以得到充分认同。 进入大数据时代, 将对路网管理带来深刻的影响:

路网管理方面, 主要解决通过业务系统对整个路网运行监控,对路网状态进行分析。 它是信息化与交通运输业务有效融合并加以应用的结果。 可以通过建立一套基于路网运行过程的分析模型, 利用智能分析统计相关技术可以丰富展现分析统计结果,进而实现路网管理决策支持。 但是,管理决策的需求是要从 “经验+感觉 ”模式向 “事实+数据 ”模式转型 , 如突发事件的应急指挥决策。

数据管理方面,IT行业给出的只是一些已经成型的算法,把这些数据推荐给管理部门用户,但行业内部的需求,需要行业内部的人来判断和提供。 这些与交通运输管理相关的数据只具有借鉴意义,最核心的决策权还是应该掌握在管理者手里,大数据只是一种辅助决策的工具,即便再有说服力,最终的判断标准还是要依据事件责任主体和需求。

此外,不得不提的是云计算。 大数据技术的战略意义不仅是采集并掌握大量的数据信息, 对这些具有意义的数据进行专业化处理是必然目的。 从技术上看,大数据无法用一台或者几台的计算机进行处理,必须采用分布式架构;对海量的大数据进行分布式数据挖掘,也必须依托云计算相关的分布式处理、分布式数据库、云存储、虚拟化技术。 因此,云计算是大数据的应用基础, 处理大数据的应用就是基于云计算的存储能力及计算能力。 因此,交通运输行业普遍建立的数据中心,为云计算及大数据应用提供了较好的支撑基础。

基于以上分析, 提出面向路网业务管理与服务的大数据平台架构,如图1所示,该架构主要有三个层面:第一层面包括两个部分,一是主要基础平台,包括在数据安全框架下的云计算与移动基础支撑平台,二是信息资源的接入整合与数据治理;第二层面包括分布式计算框架、基于集群的计算与存储、数据仓库以及相应的数据引擎;第三层面是面向用户的分析应用平台,主要是面向业务的应用和大数据的挖掘应用。

3结论与对策

结合“互联网+”政策引导,面向路网管理业务应用,在大数据平台架构下,需要加强推进以下工作:

一是完善交通智能感知体系, 提升交通动态运行监测广度和深度。 感知是信息获取的手段。 建立覆盖城市干线道路、高速收费站、综合运输枢纽的交通立体传感网络,形成对全路网的动态监控。

二是积极推进交警、交通、气象、消防和医疗等部门的业务合作与数据共享,形成数据资源的共享平台,为政府决策和分析提供数据基础。

三是开展交通数据标准化建设, 在全面梳理业务流程的基础上,建立和完善数据模型和数据编码标准,制定系统间的接口规范,为跨行业、跨部门的交通综合运输管理奠定基础。

四是采取各种技术手段和管理措施, 加强信息安全防护工作,确保数据的正常、安全使用。

五是创新管理模式, 积极推动移动智能终端等信息技术的产业应用,加强政府和社会资产间的联盟效益,通过市场引导和价值驱动,结合公众的实际需求,增加合作范围和力度,创新服务手段,促进多方产业联合,加快智能交通运输服务产业的市场化进程。

大数据应用的交通管理 篇2

(2)在旅游行业的定位。企业对大数据进行挖掘与分析，能够掌握客户的具体需求与偏好，通过具体的信息进行正确的战略部署，不仅能够推动企业自身的产品升级，还能够加快企业的创新与改革。将大数据运用在旅游行业中，能够推动旅游企业自身的市场定位，及时整理数据分析数据中的信息价值，能够通过数据信息对市场进行新的开拓，更进一步挖掘市场。利用市场信息的精准定位，推动旅游产业的快速发展。

(3)旅游市场的营销利器。如今互联网传播速度如此之快，通过对大数据进行分类整理，可以形成一个巨大的数据行业，从中能够得到整个市场的发展趋势以及相关信息。由于信息总量的上涨，可以有效地提升整个旅游市场的行业需求，能够推动旅游行业的有效发展。旅游行业通过大数据进行分析，还可以对市场的变化进行有效的应对。在越来越激烈的市场竞争中，可以更加准确的对自身的市场定位进行分析，进一步完善自身的产品定位，实现旅游行业的快速成长。

3结语

大数据在智能交通中的应用与发展 篇3

【关键词】大数据；智能交通；应用

大数据的应用范围非常广泛，是信息技术、网络技术以及云计算等先进科学技术发展和计算方法变革的产物，在很多行业领域中广泛应用并发挥着重要的作用。云时代的到来进一步推动了大数据技术的发展，现今在交通管理方面也将大数据加以应用。世界各国陆续开始对交通运输管理数据采用数字化的方式进行收集、存储和利用，智能交通系统的建立和应用对缓解交通压力，解决交通管理中存在的问题发挥十分重要的作用。

1、大数据概述

随着世界各国对“大数据”关注度的提高，大数据的应用范围不断扩大，其所蕴含的内容价值也得到进一步的开发和利用。随着互联网技术的普及和发展，信息时代的发展进步导致了信息量的极速扩大，海量的多样的信息使我们逐渐的步入了“大数据”的时代。大数据是各种数据集的集合体，大而且复杂，是IT产业一次颠覆性的技术变革。大数据信息量之大，种类之多，采用已有的普通的数据库管理工作很难对其进行有效的分析处理。要在大数据中快速获得有价值的信息并对其进行有效的分析处理，就需要应用到大数据技术。

大数据的特点主要表现在：第一，数据体积大。一般来说大型的数据集多位TB级，而大数据的数据集普遍为PB级，甚至达到EB级。第二，数据处理速度快。大数据与传统的数据采用不同的挖掘技术，而且数据处理不需要消耗仓储，因此在数据的处理速度上非常快。第三，数据种类多。大数据中的数据不仅包括传统的结构化数据，还包括半结构化数据和非结构化数据，数据呈多种类型增加了大数据的复杂性。第四，数据具有实时性。虽然大数据中的数据量非常大，即便如此当用户将数据需求提交上来后，大数据即可自动对相关的有价值的信息进行提取。在智能交通中，数据的类型以交通管理系统数据、服务数据、传感器数据和应用数据为主，拥有多种数据类型，而且数据体积大，数据的分析和处理具有一定的难度。

2、大数据技术与智能交通的契合

社会经济飞速发展，人们的生活水平提高，机动车的数量呈现出逐年大幅度增长的趋势。车辆的增多和各地间交流的日益频繁，为交通帶来了巨大的压力，交通管理工作难度增加，交通堵塞问题严重。传统的交通管理模式已经无法满足现代交通需求，智能化交通的系统的发展，加上大数据技术的应用，促进了交通管理模式的变革。

2.1跨越行政区域的限制

我国幅员辽阔，政府为了对国家加强统治和管理，将我国分为多个不同的行政区域实行区域化管理制度。行政区域的划分下的各个行政区域在国家的统一领导下拥有区域自治的权利，这也使得各地政府为了促进本区域的经济发展，努力注意经济效益的最大化，但是在各个区域连接的边界处在交通基础设施建设方面没能做到充分的重视，对于区域交界处的交通线路上的建设投入不高。大数据在交通管理中的应用，打破了区域限制，实现了区域管理的跨越化，各区域遵循信息共享的原则，对跨区域管理的问题在自己的行政区域下就能有效的管理。

2.2信息集成优势和组合效率

我国大多数城市的交通运输管理主体是呈分散性的。交通管理相关部门多，且各自都建立起属于自己部门的信息化系统。但是这些数据信息的应用是呈单一化的，垂直于各自的业务范围之内。这样一来，关联业务系统在沟通和交流互动方面就有所欠缺，造成了交通管理各司其职，互不干涉，管理分散的现象。大数据促进了综合性交通信息体系的建立，讲不同领域不同范围内的数据库集中起来形成一个大型的数据库，实现了信息集成，综合加以利用。这样一来，交通管理的整体性能得以提升，使各个领域的数据库中的存储的数据得到充分的利用，各部门之间协作性加强，有效的提升了交通管理的质量。

2.3配置交通资源

传统人工规划和管理交通的模式，在交通动态化管理方面存在严重的弊端。大数据技术的应用，对交通管理部门的决策和解决方案的制定提供了有力的数据支撑。不仅有效减少了交通管理部门在人力和物力方面的投入，同时使交通资源得到充分合理的利用。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。

2.4有效提高交通预测水平

以往对于交通拥堵状况的改善通常是采取加宽道路、增加里程等方法来提高交通运营的能力。但是这样的解决办法受多方面因素的影响，如土地资源的制约、基础设施建设规划方案前景预测等等，而且人力、物力、财力的投入都很大。大数据技术的应用，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。

3、大数据在智能交通中的重要作用和发展前景

3.1有效的提高交通运营能力

大数据技术在智能交通中的应用，有效的提高的道路交通的通行能力，使道路交通基础设施的效能得到最大的发挥，对交通需求能够科学有效的分析和调控。交通基础设施的建设涉及工程量大，投入多，受多方面因素的限制。大数据具有的大体积特点能够有效的解决这一问题。比如，大数据技术的应用，可对交通拥堵地段通过传感器通知机动车驾驶员，并提供有效的解决方案，大大接受了形成的时间和经济成本。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。

3.2有效的提高交通安全水平

大数据的实时性和可预测性有利于交通安全系统在对数据信息分析处理方面能力的提升。大数据技术能够都驾驶员的状态进行自动检测，当驾驶员的驾驶处于疲劳状态时，车载装置可对驾车者的身体状态是否正常进行检测。同时车载装置还可与路边探测器进行信息交互，对车辆运行的轨迹的检测。大数据技术能都对各个传感器传递的数据信息进行快速的整合处理，建立起安全模型对车辆行驶的安全型进行综合的分析，有效的降低交通事故的发生。

3.3有效的进行环境监测

大数据技术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，分析交通对环境的影响。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。

参考文献

[1]庄仕昂，李世杰.浅谈无线网络技术在智能交通系统中的应用[J].科学之友，2011（12）.

[2]韩耀强.大数据：智慧城市的发展引擎[J].科技创新，2012（03）.

大数据应用与高校后勤管理 篇4

这是华东师范大学的家庭经济困难学生预警系统,这也是困难生资助工作在信息化管理中的首次尝试,华东师范大学通过数据库有效整合学生基本家庭情况、所获奖学金及助勤贷款等资助信息、餐饮信息,全面了解学生的经济状况。通过该预警系统,学校可以从学生中发现不愿让老师和同学知晓的家庭经济困难学生,有利于调整帮困资源,使之发挥更大效益。比如:在餐饮预警中,通过观察学生餐饮消费数据,了解学生的经济状况。除了餐饮预警,该预警系统还会关注学生的勤工俭学信息,如果某学生突然增加了勤工助学的工作量,学校也会前往了解。

远程教学、用pad进行随堂考试、MOOC(大型开放式网络课程)等,一直以来,信息化在教育领域的应用越来越多,也越来越精彩。而信息化在高校后勤管理中发挥的作用却并不显著,随着云计算、大数据等信息技术的应用范围逐步扩大。信息化在高校后勤管理中能够起到的作用越来越超乎我们的想象。本文尝试就云计算、大数据等信息技术在高校后勤管理中所能衍生出的新应用做一些探讨。

一、大数据丰富校园生活

每年9月都是高校迎新的日子,随着信息化手段的进一步发展,目前的高校迎新开始呈现出电子化等特点,不少学校不仅拥有专门的迎新网站,还将微信、A P P等移动互联技术应用到迎新当中,过去繁琐的报到流程已经简化为扫一扫条形码,一切全搞定,有些高校甚至实现了网上选宿舍、手机一卡通等服务,这些电子化应用极大方便了新生报到及融入校园。

例如北京邮电大学今年首次尝试用微信进行迎新,学生通过添加北京邮电大学官方微信账号,即可享受到校指引地图、校车查询、迎新办理等服务。北邮官方微信账号专门有一个“校园迎新”栏目,该栏目中有迎新办理、新生指南、全景引导等多种校园讯息。

此外,通过大数据和云计算等手段,还可以实现对人流量的控制。如在浴室、游泳馆、自习室等地安装人流监控设备,出入的人数以及等待的人数都可以在网上或者微信上实时查询,学生可以根据这些数据来决定是否去洗澡、游泳,以及该去哪个自习室上自习。

二、手机投票提升服务质量

信息系统不仅能够满足标准化和精细化管理需求,还可以帮助后勤员工提升服务意识。随着我国经济发展和人民生活水平提高,加之大学生群体中独生子女比率提升,高校后勤服务对象消费观念更新,对后勤管理的服务质量标准不断提高,不仅要求吃得饱,还要满足吃得好;不仅要求住得宽敞,还要满足住得舒适。

因此,不断提升后勤服务质量成为高校后勤管理的新需求。

在传统模式下,每学期可以请学生为后勤人员进行打分。在信息化条件下,可以采用网上投票等手段。如今,在云计算和大数据的帮助下,还可以利用微博、微信等社交手段提升高校后勤管理服务质量。现在很多服务业都利用微信平台对用户进行服务,高校后勤管理部门也可以借鉴这种手段,或者开发相应的手机软件,使学生可以对后勤服务进行实时投票、投诉、反馈。例如可以每周对各个食堂的菜谱进行投票,食堂可以根据学生的投票结果进行调整。

三、以考促学提高人员素质

目前,高校后勤管理人员素质普遍偏低。由于高校后勤员工结构复杂,且多数没有接受正规教育,高等教育更无从谈起,造成人员素质低下、层次偏低、管理不到位、责任心不强等一系列问题。

对此,可以利用信息化手段对后勤员工进行培训。随着各种社交软件在人们中的普及,可以利用手机等终端对后勤员工进行每周一考,或者每月一考,将后勤管理规范条例等考题以短信、手机软件、甚至是社交工具的形式发送到后勤员工的手机上。考试并不是目的,而是一种手段。如果员工回答正确,可以有相应的奖励。如果回答错误,则将正确答案发送到员工的手机上,使其加深印象,达到以考促学的目的。

四、餐饮管理提升食堂精细化水平

食堂管理是学校后勤管理的一个重要组成部分,是学校教学、科研、师生生活的重要保障,而且学校食堂是非盈利部门,既不能牟利,还要搞好伙食,不仅吃好,还得健康。然而,在实际食堂管理中存在着很多问题,如食堂管理体制不完善,由于成本原因导致菜品单一、员工素质较低等,这些都制约着食堂的良好发展。

信息化能够帮助企业构建标准化的流程和提升精细化管理水平,同样信息系统也可以帮助学校食堂实现标准化和精细化管理。以物流配送为例,利用系统进行原材料的配送、出库、入库登记、结算,可以加强采购组与各餐厅之间的信息沟通,提高了成本核算和存货控制的工作效率和准确性。通过引进餐饮管理系统,可以实现菜谱的标准化、采购流程的标准化、成本核算精细化,从而完善了成本控制、提高了沟通效率、加强了内部管理。

同时,方便快捷的数据传输和统计功能还可以为领导层做管理决策提供及时、准确的数字依据。

此外,把信息管理系统引进食堂管理中,不仅可以提高食堂的效益,结合市场合理制定食堂的饭、菜价格,而且还可以更好地进行协调,统一管理,不断优化食堂管理。

最后,高校后勤信息化建设并无标准模式可循,由于各个高校的规模、实力、发展水平不同,加上地区差异,使得我国高校后勤信息化建设的发展程度参差不齐。部分高校的后勤信息化建设还停滞在比较传统、原始的管理和服务状态,这种情况多出现于学生数量较少、资金保障不足的高校中。而少数高校的后勤服务管理,已走在信息化的最前沿,将后勤管理和业务集成到统一平台上,实现了高效的管理和优质的服务;而大部分高校仅停留在局部信息化的层面上,开发或引进如资产管理、公寓管理、采购管理等热门管理软件,满足其最迫切的管理需求。如公寓管理在信息化建设相对起步较快,较多学校应用了公寓管理系统,实现了学生公寓的床位、人员、公寓设备、服务等的动态管理。

对此,各个高校可以根据自身需求,找到不同的切入点,为后勤管理引入信息化管理手段。

同时,还有两点需要注意。首先,在思想上,高校后勤管理服务也要顺应大势,树立移动互联网思维、创新性思维、人本化思维、精细化思维、简约化思维、透明化思维、物联网思维、大数据思维。例如,移动后勤将是高校后勤现代化工作方式的体现。就目前来看,智能手机后勤APP软件平台还大有潜力可挖。

浅谈大数据在教育管理中的应用 篇5

大数据的发展给困境中的教育变革提出了新的挑战。大数据越来越广泛应用于教学，通过在线测试、实时调查等方式获取学生的基本情况、了解学生的学习潜能等，从而使教师更容易针对问题，因材施教。

学校已有的信息采集设备对我们的数据收集具有重大意义。例如：网上阅卷系统，高考、中考阅卷早已采用网上阅卷。可能很多老师知道网上阅卷的优点，如评卷的公正性、准确性、高效性。其实网上阅卷系统更是一个数据的采集系统，采用网上阅卷系统对数据的采集、统计和分析的深度还是广度都大大地超越人工所能及的范围。

如10月中我校进行了本学期第一次统考，语文试题主观题共设了22个采分点，评卷系统采集了22个得分点的数据，很容易发现各知识点的得分情况。教学过程中的成功之处和薄弱点得到了极其详细的反映。网上阅卷的统计分析结果还能对试卷的质量如难度、信度、区分度、效度等指标进行科学的分析，使命题中存在的问题也得以全面地反映。由此可见，玩转当前的 “小数据”对现实的教学有益，也是迎接大数据时代到来的一种准备。

大数据时代教师需具备的三种基本能力：第一种能力是获取及整合学生、学校数据的能力，第二是探索数据背后价值和制定精确教育教学行动计划的能力，第三是把这些计划快速实时地应用于教育教学工作中的能力，应用于课堂的能力。要实现这些能力的提升一方面有赖于学校及教育主管部门对教师的培训，另一方面当然依靠我们老师自身与时俱进的学习。日益强大的互联网、多媒体及概念软件、开源软件等为师生提供了更加自由、灵活的学习和探索空间，求知的视野被极大拓宽。学习与生活、教育与社会不再被孤立，学生、学校与现实生活的体验更为接近，学生学习兴趣、学校办学动力将被大大激发。

大数据应用的交通管理 篇6

关键词：客户关系管理 大数据 可行性 必要性

一、客户关系管理与大数据的相关理论

（一）客户关系管理相关理论

客户关系管理（CRM），一般是指所有包含客户与企业互动信息的采集与整理，到20世纪90年代中后期，客户关系管理逐渐转变为分析、研究客户的各种资料。后经不断发展与完善，客户关系管理研究逐成体系。但由于不同学者及企业研究目的与角度的差异，目前关于客户关系管理理论尚无统一解释，主要存在以下几种观点：

一是客户关系管理被视为一种商业过程及商业策略。IBM就认为客户关系管理是企业针对客户进行的一连串的包括客户识别、客户挑选、客户获取、客户发展及客户维护在内的整体过程。企业为提高自身盈利能力及维持高的客户忠诚度而开展的以顾客为核心的经营行为及实施的业务流程是将CRM视为商业策略的典型案例，而Gartner Group提出的CRM作为企业的商业策略及管理模式，重点在于提高企业的盈利能力及客户满意度，并非简单的IT技术的应用。

二是客户关系管理被视为一种先进的IT技术。其中，Reinhold Rapp认为CRM实质就是管理软件及技术的操作与应用；我国部分人员也认为CRM的实质就是一套较为先进的可以整合企业内部资源及简化相关业务流程的技术工具；Hurwitz Group也认为CRM的核心就是自动化。

三是客户关系管理被视为一种营销策略。Don Peppers等学者认为实施CRM的目的在于实现一对一营销，国内部分学者也持相同观点，认为CRM营销范畴归根结底就是实现一对一营销和数据库营销；还有人认为CRM就是企业实现与客户维持良好关系的营销管理策略，属于市场营销的分支。

四是客户关系管理被视为一种管理方针。Gartner Group认为，企业通过分析其整个市场活动与客户发生的各种交易行为，从而为企业提供全方位的决策支持，以此来提高企业的客户维护能力及认知水平，最终将客户收益最大化。

基于以上观点，可以看出客户关系管理是现代企业利用某种软件应用系统从而不断增强企业与客户依附关系的一种企业经营策略。客户关系管理的核心是管理，技术是软件应用，目的是增强企业的客户保持能力。

（二）大数据的相关理论

2012年被称之为大数据元年，经过三年多的发展，如今大数据作为当下最热门的话题之一经常出现在各大媒体及刊物中。百度百科指出，大数据是指在可承受的时间范围内无法用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。维基百科对大数据的定义与百度百科大体相似，都是指依靠目前的数据库管理工具或数据处理技术很难实现对海量数据的捕捉、管理、存储、搜索、共享、分析及可视化操作等。从上述定义可以看出，大数据的基本特征包括：数据量巨大，主要体现在数据量已从TB级逐渐跃升至PB级；数据类型繁多，主要表现为数据范围从之前的结构化数据已扩展至半结构、非结构化数据；价值密度低，主要是指针对半结构、非结构化数据来说；处理速度快，区别于传统的数据挖掘技术，物联网、云端以及各种传感器，都是数据来源或者数据承载的方式。

目前大数据在商务管理方向中的应用主要集中在客户需求分析与市场策略研究。在大数据技术不断发展的背景下，首先，客户需求定位与市场策略实施是基于分析企业在市场活动中不断满足客户多方需求所产生的行为特征数据，反应价值链机理，从而客户能够体验到企业不断改善的管理机制；其次，通过采集、处理、分析大量客户生成的对企业舆论方面的数据，有利于判断客户对企业的满意度与期望度，从而为企业提供一定的预警机制，而且针对企业舆论数据方面的分析，有利于合理引导客户感知度，提升企业效益及产品知名度。

二、目前客户关系管理中存在的矛盾

当今，信息文化的飞速发展以及数据量的迅猛增长，成为推动各类型企业不断发展的原动力，也为企业的客户关系管理带来了各种各样的挑战，那么面对海量、种类复杂、价值密度低的数据，企业在客户关系管理时如何应对，是当下必须思考的问题。

（一）缺乏数据与增强客户忠诚度之间的矛盾

如何增强客户黏性避免客户流失一直以来都是各企业致力解决的焦点问题，而如何解决这一问题，企业传统的做法就是通过收集客户数据，进行客户满意度分析，进而不断调整企业在产品设计及销售方面的策略。但这种做法往往具有很大的局限性，主要体现在两个方面：其一，传统分析方法中企业所收集的客户数据主要为结构化数据。结构化数据来源渠道相对单一，且数据量较小；而随着信息技术的不断发展，客户的绝大部分数据都展现在各类社交网站及电商平台中，导致大部分企业很难有效采集分析此类非结构化数据，从而难以有的放矢的满足客户需求提高客户黏性；其二，企业传统分析方法中重点在于分析客户满意度水平，没有将对客户忠诚度的分析提上日程。因此，只针对数量相对较少且种类单一的数据进行分析而制定的客户流失策略效果往往差强人意。

（二）数据采集更新速度过慢与定制客户个性化需求之间的矛盾

企业管理中，与客户关系密切的无论是销售管理还是市场管理，无一不强调以客户为中心，而根据客户数据进行的聚类分析能够清晰有效的满足客户的个性化需求，不仅能够降低企业的维客成本，而且能够高效的开展营销服务措施。对于以数据驱动的企业来说，数据的更新就显得尤为重要。已有的陈旧数据库或普遍的结构化数据，已严重滞后客户需求变化，带来的恶性后果就是企业据此制定的一系列CRM策略已严重偏离正确的方向。

（三）数据种类单一与关联性分析之间的矛盾

对种类单一的结构化数据进行分析，在一定时期内对分析客户满意度具有一定的作用，但是随着信息技术的不断发展，客户与企业在互动过程中所展现出来的数据不单只包括结构化数据，更多的表现为半结构及非结构化的数据类型，体现为各种音频、图片、文本、网页等，对此类非结构或者半结构的数据采用数据挖掘算法及预测性分析等方法，对分析客户满意度水平，预测客户忠诚度，挖掘潜在客户都具有十分重要的作用。

（四）不断变化的客户需求与客户关系管理滞后间的矛盾

现阶段，很多企业虽然认识到客户关系管理的重要性，但是对CRM的维护还依旧停留在较为传统的客户管理及客户互动层面，导致的直接后果就是企业的发展步伐与信息技术的发展速度严重脱节，因此，在海量数据迎面扑来之时此类企业就显得力不从心，难以招架，无法挖掘出有效信息对客户进行全方位的分析，“后知后觉”导致的必然后果就是难以满足客户需求从而导致大量客户流失，客户严重流失企业必然也会被时代淘汰。

三、大数据应用于客户关系管理研究中的可行性与必要性分析

（一）大数据应用于CRM研究中的可行性分析

1、大数据为企业实施客户关系管理变革提供新思路

大数据作为当下最热门的词汇之一，不仅经常出现在各大期刊媒体中，而且已被广泛应用于各大行业领域中，诸如金融、农业、医药、电信、电商等，而且应用后的结果表明，大数据不仅可以带来企业经营效益上的有效增长，对客户关系管理也大有裨益。大数据概念以及大数据技术的悄然兴起与当今数据量的骤然猛增密不可分，当下各企业一年所产生的数据量都是过去几年甚至几十年所产生的数据量无法比拟的，因此各企业为实现数据分析对其业务及客户关系管理的支撑，必然需要大数据技术的支撑，因此可以说大数据的兴起与应用为企业实施客户关系管理变革提供新思路。

2、大数据为企业实施客户关系管理变革提供分析及技术支撑

大数据分析主要包括数据挖掘算法、预测分析、语义引擎及数据质量和数据管理。数据挖掘算法不仅可以快速处理巨量数据，而且基于分析不同类型和格式的数据更加能够体现出其分析的正确性，对企业深度挖掘潜在客户具有重要作用；预测分析通过数据挖掘算法挖掘出数据的潜在特点后，通过建立科学有效的模型，便可以进行预测分析，对于企业进行客户关系管理预测客户需求有重要作用；语义搜索是指通过搜索关键词、标签，或其他语义等，可以分析、判断用户需求，从而更好的实现客户体验及广告投放；此外，企业采集整理的数据质量必须要有一定保证，这样才能保证分析结果的可靠性，也就是指数据质量和数据管理。大数据技术包括的数据采集技术、数据存取技术、数据处理技术、统计分析技术、数据挖掘、模型预测及结果呈现等技术，都与企业实施客户关系管理战略息息相关，企业从前期的客户数据采集、整理、存储到后期的数据分析大数据技术完全可以替代传统方法并高效执行。

3、大数据公司的成功运营为企业实施大数据客户关系管理提供借鉴

基于国家总理提出的“大数据产业，推动中国互联网战略的重要支撑”及“发展大数据确实有道理”的倡导，首席数据官联盟2015年11月发布了2015年度中国近400家大数据公司整体的发展态势，报告指出，大数据已被广泛应用于各行各业，其中商业场景领域如数据堂（北京）科技股份有限公司、高德软件等；电信行业如华为、亚信；金融行业如普信恒业、上海陆家嘴国际金融资产交易市场股份有限公司、北京闪银等；个人征信行业如芝麻信用、深圳前海、中诚信等；企业征信如上海资信、鹏元征信等；医疗卫生如北京春雨、深圳华大基因等；娱乐行业如浙江华策、北京天空、爱美乐等；农业行业如武汉和讯农业等；交通行业如中国民航信息集团等；人才招聘行业如上海逸橙等；安防行业如杭州海康威视数字技术等。这些公司的优异业绩及数据表明，通过利用大数据技术进行企业资源与客户需求的有效结合，是能够真正做到基于大数据的全方位的客户关系管理的。

（二）大数据应用于客户关系管理研究中的必要性分析

1、有助于增强客户黏性

信息技术的飞速发展使得信息透明度空前提升，在此背景下，客户对产品及服务的满意度水平也处在实时变化当中，因此为了全方位满足客户需求，提高客户黏性，企业的首要任务就是更好的了解到客户的消费偏好及消费习惯，不断改善产品及服务层次。而这类信息的有效来源途径之一就存在于企业与客户的日常互动当中，如果企业能从如此海量的互动数据当中提取到有价值的相关信息并进行大数据分析，对于企业更加直观清晰的认识客户消费习惯及消费偏好将大有裨益，如此企业才能更加清楚如何才能制定出能够更好满足客户需求的产品及服务。因此，采用大数据挖掘算法，对客户行为数据进行深度价值挖掘，建模并预测客户未来的消费行为，不断调整产品及市场销售策略，才是避免客户流失，增强客户黏性的不二法门。

2、有助于挖掘潜在客户

企业要想发展壮大，必须不断开拓新的市场增长点并获取新的消费群体。大数据分析不仅可以帮助企业维护现有客户，而且也能为新消费群体的开发提供技术支撑。而随着信息技术的不断发展，市场信息已从之前的单向流动改为双向流动，因此利用大数据技术不但能把产品服务信息推送给客户，同样也能将客户的反应数据推送给企业，从而助力企业精准定位新市场及目标群体。在循环的信息交互中，大数据技术不仅帮助企业发现新的业务增长点及新的客户群体，而且根据新消费群体的消费偏好及消费习惯，企业同样可以实时调整产品及服务的发展方向，从而有效攫取新的目标市场及目标群体。

3、有助于降低企业维护客户关系成本

企业利润可以简单的计算为收入减成本，收入越高投入越小企业的利润就越为可观。因此，提高企业盈利水平的直接方式就是提高收入降低成本。企业借助大数据分析，首先，可以更加有针对性的开展市场销售及顾客管理，节省了大量无效的人力、物力及财力方面的投入成本；其次，可优化业务操作流程，提高资源配置效率，提升企业隐形收入；第三，大数据分析可帮助企业实现不同客户类型与销售员之间的最佳匹配，无形提高企业知名度及美誉度，间接起到增强客户黏性的效果。

本文通过分析大数据背景下，传统的客户关系管理面临的矛盾与挑战，具体分析了将大数据分析技术应用于客户关系管理中的可行性及必要性，分析结果指出，大数据背景下，实施大数据客户关系管理势在必行，实施大数据客户关系管理较之传统的客户关系管理模式，不仅可以有效增强客户黏性，降低企业运营成本，而且对于深度挖掘现存客户潜在价值，预测客户未来需求走向，发现新的市场增长点及开发新的客户群体都大有裨益。

参考文献：

[1]瞿艳平.国内外客户关系管理理论研究述评与展望[J].财经论丛，2011（5）

[2]杨永恒，王永贵，钟旭东.客户关系管理的内涵、驱动因素及成长维度[J].战略管理，2012（3）

[3]许晖，李巍.员工导向与客户关系管理的整合机制研究[J].科学学与科学技术管理，2011（8）

[4]齐佳音，韩新民，李怀祖.我国客户关系管理研究的紧迫性和方向分析[J].管理科学学报，2012（8）

[5]李丽莎.客户关系管理的多元研究视角分析[J].改革与战略，2012（4）

大数据技术在智能交通中的应用 篇7

关键词：大数据,交通诱导,公共交通服务,交通运输安全,主动式的交通服务

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。

美国麻省理工学院与新加坡政府于2007年启动了SMART项目,其中的Future Urban Mobility子项目采用Smart Phone等手段,实时或准实时采集交通需求,通过机器学习方法估计居民出行活动或位置选择行为。[3]

虽然大数据在交通领域的应用刚刚兴起,但中国的交通研究机构、高德地图、百度地图已经开展实际应用。深圳市城市交通规划设计研究中心在2006年建立深圳市城市交通仿真系统,成为我国最早将大数据应用到交通中来的城市,北京建设了交通运行监测调度中心,上海市建立的交通信息中心是目前为止最全的数据中心,广州市建设了交通运行指挥中心。可见我国已经非常重视利用大数据技术来解决交通领域的各种问题。

2 大数据在交通诱导中的应用

道路拥堵多重原因综合作用而成。路段车流量大,超出道路承载能力;道路基础设施不完善;路段的静态交通规划与日益增长的机动车数量不匹配,停车难、停车乱现象导致道路通行能力下降。近年来,由于城市发展所需,占道施工较多,加剧了交通需求与道路承载能力之间的矛盾,此外驾驶员的不文明行为也会加剧交通拥堵。交通诱导是缓解交通诱导的有效手段,下面对交通诱导做详细介绍。

2.1 交通诱导简介及传统交通诱导技术的缺陷

交通诱导是一个实时动态的过程[4],首先通过各种技术手段收集即时的交通运行数据,数据收集是交通诱导的前提条件。第二,基于收集到的即时交通运行数据,对当前交通状况作出评价,并利用交通预测模型做出短时间内的交通预测。第三,通过电台及电视机、交通广播、车载终端、电子诱导屏发布诱导信息。[5]第四,通过监测交通流数据,反馈诱导的效果,对诱导方案做出优化。下图即为交通诱导的技术流程。其目的有两个:一是使道路网上的交通流量均衡,是道路网的综合交通能力达到最充分利用;二是减少行驶时间,缩短每辆车行驶的距离。

传统的交通诱导技术已经不能满足交通运行监测和交通数据采集的需求,首先,我国大多数城市的交通流监测系统仅仅覆盖城市的主要干道,采集到的交通流信息不能完全反应交通运行状况,给交通流量的判研带来了困难。第二,受交通数据的采集、存储及成本的约束。传统的交通数据采集主要是采用随机抽样的方式,抽样的随机性决定了数据分析结果的准确性。采集的交通数据大多是模拟数据而非数字信息,给存储带来了极大的挑战。第三,受地域限制。大多数城市主要划区域分部门进行交通管制,各部门之间很少进行交通信息交流,给交通数据的采集带来一定局限性。

2.2 大数据技术在交通诱导中的优势

城市交通大数据环境是从相关交通信息系统中提取数据,由此产生了数据修补和控制问题。同时,大数据环境下交通分析的重要特点是最大限度发挥信息资源的价值,减少决策判断中的模糊性。在交通流监测和交通数据采集方面具有如下优势:

(1)大数据方法注重全体交通数据监测,而非少量随机样本。

(2)大数据技术在出行数据采集[6]方面更趋于微观化,以人为对象的移动数据采集,包括公交IC卡数据和手机GPS数据。以车为对象的交通移动数据的采集主要是车辆电子车牌GPS定位技术。

(3)在数据处理上,克服了数据形式单一化,不易于存储的局限。由原来的静态数据数据集拓展至静态与动态相结合的数据集。数据集主要以数字数据为主,也对模拟数据的采集及转化技术做了更新。大数据处理技术对图像处理信息化,使其存储成本大大减小。

(4)大数据对与交通相关的非结构化数据进行收集,主要包括与人们出行相关的Web点击流、文档、社交网络、电话呼叫日志、视频等。例如可以通过行人发表的微信动态判断其所在的地点及交通状况等信息。

(5)为实时观测交通运行状态提供了可能。利用道路检测技术,实时获取交通流量,对交通运行状态作出评估,动态的呈现交通运行状态及交通拥堵情况,预测短时间内的交通运行状况,做出相应的交通诱导方案以及交通管制措施,并可以对做出的处理方案进行评估与调整。

3 大数据技术优化公共交通服务

公共交通指城市范围内定线运营的公共汽车及轨道交通、渡轮、索道等交通方式,这些交通工具都是按时间点发车,资源配置不合理就导致了等车时间长,乘坐拥挤、挤不上车等一系列问题。大数据技术可以实现资源的合理配置,通过站点实时客流量检测,合理分配公共资源,提高资源利用效率。此外。乘客可以通过手机App,实时查询公交车的行驶状况、车内客流情况供乘客参考,及时更改乘坐计划,避免出现盲目等车的状况。公共交通是缓解交通拥堵的一种有效手段,完善公共交通服务质量,让市民真真切切地体会到公共交通带来的便利,是市民出行首选公共交通出行的先决条件。

4 大数据技术优化交通运输安全

随着国民经济的持续增长,交通需求越来越大,交通事故数居高不下,道路交通安全成为全社会普遍关注的问题。减少道路交通事故的发生,提高道路交通、安全水平,已经成为人们的迫切要求。

道路交通系统中,因驾驶员的素质、车辆的安全性能、环境、道路及气候等因素的不良变化,导致这种因素组合恶化,如果这种恶化因素持续发生,就可能导致交通事故的发生。大数据的实时性及可预测性保证了交通系统对事故的主动预警,以便提前预测事故发生的可能性。[7]例如,通过GPS定位技术采集车辆行驶轨迹,判断车辆是否正常行驶,若出现非正常行驶及时通知交警部门对车辆进行管制;通过道路环境及设施监测系统,实时采集道路环境及道路设施信息,经过云计算分析处理大数据后及时通过交通广播发布或者通过手机短信将信息推送给在附近行驶的车量;通过大数据技术及时分析恶劣天气环境下道路状况,减少雨天、大雾、雪天连环撞车发生的概率。

将大数据应用到应急救援系统中,可以更加准确的定位事故地点,快速通知医护及消防救援,并且可以通过大数据技术推送事故发生信息给附近行驶的车辆,让其做好让救援车队顺利通过的准备,并告知驾驶员备选路径,以便于驾驶员改变行驶路径。

5 主动式的智能交通服务

5.1 主动式停车系统

随着车辆的增多,停车难已成为人们非常关注的问题。解决停车难问题是治理交通拥堵工作的一部分,把大数据应用到智能交通系统中,可以通过主动式的方式向用户推送相关交通服务信息。例如利用电子车牌GPS定位技术[8]获取车辆停靠位置及停靠时间信息,出现违规停靠的情况向车主手机推送相关违规信息,让其及时把车开走,这样可以缓解道路车辆乱停靠带来的交通堵塞。通过停车诱导系统获取车辆所在位置和附近一定区域内的停车场信息,预测到达停车场的时间,通过手机短信或者手机App的方式及时向车主推送附近停车场的信息,车主可以主动的选择停车场或者提前预定车位。

5.2 主动式高铁乘车系统

为避免乘坐高铁误点,乘客往往要提前好几个小时就往火车站赶,赶火车花费的时间甚至要比乘坐高铁的时间多出许多。把大数据技术应用到交通中,出租车公司可以联合高铁运输部门,获取乘客的信息例如手机号及乘车时间。出租车公司可以与交通信息中心联合获取出行前和出行后交通信息,通过大数据处理技术预测从出发点到火车站的时间t,向乘客推送路径、用时乘车方式等信息,乘客若要乘坐出租车,则可以在合适的时间通过手机GPS定位技术获取乘客出发地点及附近的出租车信息,通过实时交通信息服务,出租车司机选择最优路径[9]以最快的速度到达火车站,这样可以节约乘客大部分的时间。

6 结论

本文主要从理论上阐述了大数据技术应用到交通领域中的优势,并且提出了拥用大数据技术解决停车难及赶高铁的时间比乘车时间长问题的解决思路。

参考文献

[1]Floridi L.Big data and their epistemological challenge[J].Philosophy&Technology,2012:1-3.

[2]维克托·舍恩伯格,肯尼斯·库克耶.大数据时代[M].杭州:浙江人民出版社,2013.

[3]杨东援,段征宇.大数据环境下城市交通分析技术[M].上海:同济大学出版社,2015(1):13-15.

[4]李振龙.城市交通诱导策略的探讨[J].交通科技,2003,196(1):1-3.

[5]胡明新,廖立新,王耘非.北京市交通流数据采集、处理/分析和信息发布系统设计[J].公路交通科技,2002,20(2):77-80.

[6]邵春福,赵熠,吴戈.道路交通数据采集技术研究展望[J].现代交通技术,2006(6):66-70.

[7]赵鹏军,李凯.大数据方法对于缓解城市交通拥堵的作用的理论分析[J].现代城市研究,2010(10):25-30.

[8]张文博.视频车辆检测技术及发展趋势[J].中国人民公安大学学报:自然科学版,2010,63(1):91-94.

大数据在城市交通中的应用研究 篇8

目前大数据已广泛运用于各领域, 包括农业经济学、生物医学以及电子商务等领域, 城市交通领域也不例外。世界各国陆续开始对城市交通管理数据采用数字化的方式进行收集、存储和利用。随着其信息系统的不断建设与发展, 城市交通领域积累了大量宝贵的数据资源。通过大数据技术的应用, 城市发展所带来的交通拥堵、出行困难等问题可以得到较好的解决。大数据信息量巨大, 种类繁多, 面对众多的数据, 如何及时、高效、准确地获取有价值的信息并对其进行有效的分析处理, 成为大数据应用的关键所在。在大数据环境下, 理解大数据特点, 掌握当前城市交通中大数据的应用研究现状具有十分重要的意义。

1 大数据概述

关于大数据, 目前没有统一和权威的定义。大数据在百度百科中的定义为, 无法在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的巨量数据集合[3]。Viktor Mayer-Schonberger[4]认为大数据是由数量巨大、类型众多、结构复杂的数据构成的数据集, 是利用所有数据进行处理而不是通过随机分析法对部分数据进行分析, 通过数据的集成共享、交叉复用形成的智力资源和知识服务能力, 它是基于云计算的数据处理与应用模式。涂子沛[5]认为“大数据”之“大”, 不止在于它的信息量, 更多的是人类可以“分析和使用”的数据在大量增加, 通过对数据的交换、整合和分析, 可以发现新的知识, 创造新的价值, 从而带来“大知识”、“大科技”、“大发展”以及“大利润”。从上述专家阐述的定义来看, 虽然描述各有不同, 但有一点是相同的, 即大数据是数据量和数据类别繁多但又能从中快速获取信息的数据集。

通常用“4V”来描述大数据的特点: (1) 数据量大 (Volume) , 一般的大型数据集存储单位为TB级, 而大数据的数据多为PB级, 甚至达到EB级乃至ZB级; (2) 数据处理速度快 (Velocity) , 大数据与传统的数据有所不同, 它采用不同的挖掘技术, 数据处理不需要消耗仓储, 因此处理速度非常快; (3) 数据类型多 (Variety) 。大数据不仅包括传统的结构化数据, 更多的是半结构化数据和非结构化数据, 如网络日志、图片、视频、音频、地理位置信息等, 数据的多样性增加了大数据的复杂性, 同时也对数据的处理能力提出了较高的要求; (4) 价值密度低 (Value) , 以视频为例, 一小时的视频, 在不间断的监控过程中, 可能有用的数据仅仅只有一两秒。大数据的特点揭示了其管理的难度, 也蕴含了相当大的价值。

大数据技术包括数据采集、数据存取、基础架构、数据处理、统计分析、数据挖掘、模型预测、结果呈现等方面内容。其中基于Hadoop分布式架构的大数据处理应用最为广泛, 其核心设计HDFS为海量的数据提供了存储, 而Map Reduce为海量的数据提供了计算。

在城市交通领域中, 数据类型包括道路定点检测器数据、浮动车数据、车辆牌照检测数据、公交IC卡数据、公交运行管理数据和移动通信数据等, 运用大数据技术分析和处理这些数据, 对于城市交通的发展具有重大意义。

2 国内外大数据在城市交通中的应用研究现状

大数据时代的到来, 改变了众多领域的前景。城市交通领域对大数据寄予厚望, 国内外学者运用各种大数据方法和技术做了一定的研究。本文以时间为序, 对近几年的研究现状进行总结概括。

2010年Yuan J[6]等基于出租车GPS轨迹数据, 设计出T-Drive系统来分析交通流量, 并为驾驶员设计出最快的行驶路线。

2011年, Zhang J[7]等研究者通过数据挖掘、机器学习等方式, 从数据中发现城市交通系统的运行模式, 进而提出了数据驱动的智能交通系统, 为今后的交城市通应用提供方向。Lathia N[8]等统计收集地铁系统中流动性的刷卡数据, 判断地铁系统内人群在不同站点的通行时间, 从而指导乘客选择购票方式和出行时间, 减少乘客花在交通上的时间和精力, 进而提高公共交通服务。

2012年Ceapa I[9]等根据出行数据判断单个地铁站里面的拥挤情况, 从而优化乘客的出行。Castro[10]等提出了使用大型出租车GPS轨迹数据库自动判断路段通行能力的算法来预测城市交通拥堵状况。在国内, 郭涛以南京市为例, 探讨了大数据的应用[11], 包括海量存储与智能分析功能。陈美[12]在探讨大数据的内涵和应用领域的基础上, 以美国、英国和我国深圳为实例, 阐述了大数据在解决公共交通问题所具有的优势, 并给出了创建基于大数据的智能交通的建议, 以此分析大数据在解决城市交通问题上的应用。

2013年, 城市交通中大数据的应用研究文献开始增多, 智能交通是解决城市交通问题的一个重要途径。岳建明[13]分析了将大数据应用于智能交通发展带来的优势。邱卫云[14]利用大数据技术构建了智能交通大数据分析云平台, 对其组成架构层应该具备的特性及其技术实现方式进行了分析。王少华[15]等人从智能交通系统的大数据分析、轨迹数据挖掘、最短路径算法、交通网络演化分析等现有的关键技术进行分析和总结, 为今后的技术研究及其应用提供方向。徐伟[16]和叶亮[17]则从交通管理方面, 对大数据的应用进行了探讨, 其中徐伟结合大数据技术在深圳的应用实践, 提出了大数据在城市交通管理方面的应用思路, 叶亮则分析了“大数据”环境下交通数据在采集、管理和应用等方面的机遇和挑战, 并提出加快城市交通数据的管理和应用转型发展的建议。

随着移动互联网的迅速发展, 移动运营商也积累了大量的移动数据, 手机数据在城市交通规划中发挥了重要作用。冉斌[18]根据天津手机话单数据应用及上海手机信令数据 (主叫、被叫、发短信、接短信、开机、关机、小区切换、正常位置更新等) 的应用, 验证了手机技术用于交通调查和交通规划的可行性, 通过长期历史手机话单数据, 可分析常住人口和就业人口分布、通勤出行特征、大区间OD、特定区域出行特征、流动人口出行特征等。

2014年, 大数据在城市交通中的研究开始变得火热起来。越来越多的学者致力于大数据在城市交通各个方面的应用研究。在智能交通方面, 李哲[19]从大数据和智能交通系统的概念出发, 分析了智能交通发展的需求和机遇以及面临的挑战, 包括面临的数据开放、数据隐私保护等问题, 并探讨了大数据时代智能交通的应用前景。马景艳[20]以兰州市为例, 结合建设“智慧城市”的理念和技术, 指出大数据是智慧城市解决交通拥堵的关键, 对其他城市建设智慧交通提供参考。罗西军[21]分析了大数据在智能交通中的几种应用, 并展望了城市智能交通的发展构想。关志超[22]探讨了深圳市内智能交通系统的建设与发展。然而, 城市智能交通系统解决方案的开发和验证是制约我国城市智能交通系统应用的一个重要因素。针对此问题, 辛柯俊[23]等人应用大数据理论和方法, 提出了基于大数据技术的城市交通在线试验环境, 建立了该试验环境的软件实施框架。此外, 还有杨正[24]的基于大数据架构的智能交通解决方案。城市交通信息服务方面, 程豪[25]设计并实现了一种基于Hadoop的交通信息服务系统, 该系统能够根据实际出行需求, 向用户提供分布式交通诱导服务。段宗涛[26]等人研究了车联网大数据环境下的交通信息服务协同体系的建设。城市交通安全治理方面, 孙轶轩[27]基于数据挖掘对道路交通事故进行分析研究。张艳朋[28]探讨了大数据在城市道路交通治理中的应用。何贤国[29]对城市出租车GPS大数据可视化进行了研究。张权伟[30]以杭州交通经济广播为例, 对大数据时代背景下中国城市交通广播的发展路径进行了分析。在公共交通方面, Tao S[31]等人以快速公交 (BRT) 为研究对象, 基于公交智能卡数据, 研究时空动力学来分析比较BRT与普通公交之间的差异, 从而实现对出行者出行行为的分析, 得出大数据在BRT规划中存在巨大的潜力, 为公交运营服务管理和基础设施建设提供支持。赵鹏军和李铠[32]依据交通流网络平衡原理, 对大数据公共交通运行与服务水平等方面进行实时监控方面的应用分析, 并提出交通监测与需求管理一体化系统理论框架, 为缓解城市交通拥堵问题提供理论依据。

2015年, Barb[33]探讨了波士顿市利用大数据技术来解决城市交通拥堵问题。Shi Qi和Abdel-Aty Mohamed[34]二人, 以奥兰多的高速公路网络上的微波车辆检测系统 (MVDS) 作为大数据的来源, 对实时智能交通监控系统运行和安全的可行性评估进行了探讨。拥堵评估结果证实拥堵对追尾碰撞可能性有显著影响。随后, 引入可靠性分析, 确定在适当的时间根据拥堵强度来触发安全警告, 从而减少交通拥堵和事故风险, 提高城市间高速公路的系统性能。国内针对城市智能交通开展了持续的研究, 如李建国[35]基于大数据架构的智能交通解决方案的研究, 能有效地解决城市交通安全和交通拥堵的问题, 为人们的出行安全提供全方位的服务。杨晓牧[36]希望通过智能交通的发展, 构建合理的城市交通管理体系, 以期为市民提供生活、生产便利。城市交通规划方面, 李伟[37]对客流预测大数据进行分析, 徐玉萍[38]等对城市轨道交通调查大数据的应用进行研究。邱建栋[39]分析了大数据在深圳市近5年的城市交通综合评估中的应用与实践。公共交通作为城市交通的重要组成部分, 其大数据的应用研究具有重要意义。姬倩倩[40]等针对海量、异构的城市公共交通数据, 建立了集成公共交通车辆的全方位调度, 提出了公共交通大数据平台架构, 有利于整合城市公共交通各系统的数据资源, 同时能较好地适应海量数据的存储和处理。王兴阁[41]针对公共交通中大数据的应用及困境进行了探讨。王福磊[42]积极推动大数据在道路交通事故预防中的应用。针对出行服务, 胡日新[43]等人设计开发出一套公共交通开放数据标准化云平台, 搭载针对个人出行者的实时信息共享服务, 实现公共交通实时信息订阅与推送, 为出行者提供很好的出行服务。

根据以上近几年的城市交通大数据应用研究现状, 可以发现:

(1) 从2013年开始, 大数据在城市交通中的应用研究文献开始增多, 尤其是2014年和2015年, 研究文献急剧增加。可见, 大数据在城市交通中的应用受到越来越多的关注, 更多的学者开始把大数据这个话题带到城市交通中, 致力于用大数据解决城市交通问题。

(2) 智能交通是众多学者研究的一个重要方向。目前中国许多城市正在建设智慧城市, 智能交通是其中很重要的一个方面, 智能交通可以应用于解决城市交通问题, 而公共交通是城市交通的主要部分, 国家也大力倡导公共交通优先政策。因此, 面对城市交通拥堵问题, 如何利用大数据技术改进智能交通系统, 也是当前城市解决城市交通问题的关键。

(3) 随着大数据在城市交通中的关注度越来越高, 应用范围也越来越广。大数据在交通管理、交通规划、信息服务、公共交通等方向都有研究, 未来应用范围将持续扩大, 将在城市交通的各个方面进行拓展, 尤其是在交通数据管理、交通事故预防等方面, 大数据的应用研究致力于为人们提供精准信息服务, 解决城市交通拥堵问题, 并预防交通事故的发生等。

3 总结与展望

本文在阐述大数据含义的基础上, 总结了大数据在城市交通领域的应用研究情况。无论国内还是国外, 针对智能交通中大数据的应用研究相对较多, 智能交通是缓解城市交通拥堵问题的重心, 在其领域利用好大数据技术, 对于城市发展具有重大意义。为了使大数据能够广泛地应用于城市交通领域的各层面, 服务于社会的快速发展与人们生活的便利, 今后可从以下几个方面进行深入研究或开展工作:

(1) 就目前的研究现状来看, 现有的文献大多涉及大数据在交通中应用的优势及挑战, 为宏观层面上的探讨, 而微观层面的具体应用研究相对较少, 如在交通安全事故分析中如何利用大数据技术对其进行事故分析, 以及在城市交通中可以应用哪些具体的大数据关键技术。此外, 针对大数据技术以及应用平台的构建文献研究也比较缺乏。

(2) 交通出行是人们工作生活必不可少的环节。随着城市化进程的加快, 交通拥堵问题越来越严重, 如何运用大数据技术来解决具体的交通问题仍然是未来研究的主要内容。例如, 如何运用大数据技术获取人们的出行规律, 为出行者提供信息, 解决交通工具的选择等问题。

(3) 手机作为现代生活的必需品, 是一种理想的交通探测器。手机信令数据可以较完整地识别手机用户的出行轨迹, 进一步应用于分析特定区域客流集散、道路交通状态等, 为居民出行信息分析提供很好的技术选择。因此, 如何利用手机数据来解决交通问题也是今后的研究方向。

大数据在智能交通系统中的应用 篇9

1 大数据的概念

大数据 (BIG DATA) , 又称作巨量资料, 是IT行业的专业术语, 是一个数据量、数据类别都很大的数据集, 但是这些数据集利用传统数据工具不能进行处理与分析, 而是需要利用新的模式来完成海量数据的优化和管理。科学家John Rauser认为, 大数据是一个拥有着计算机无法处理的巨大数据量。Viktor MayerSchonberger在《大数据时代》中提到大数据是利用所有数据进行处理的而不是通过随机分析法对部分数据进行分析。研发小组则表示大数据拥有着最强大的宣传技术, 以及最时尚的技术。亚马逊网络服务对大数据的认知则说明大数据需要多个工作负载。大数据总体被划分为技术、工程、科学与应用四大类别, 讨论最多的是技术与应用。大数据有着“4V”的特点:数据量大-Volume、处理速度快-Velocity、数据类别多样-Variety以及数据真实性高-Veracity。大数据研发和使用的意义, 不仅涵盖了庞大的数据信息, 同时, 还会对含有不同意义的各种数据进行更加专业、详尽的加工和处理。各种传感器都是大数据的来源与承载方式, 被广泛应用在天文学、生物地球化学、交通领域、电子商务以及各种复杂的跨学科的研究。

2 智能交通系统 (ITS)

2.1 ITS概念

ITS即智能交通系统 (Intelligent Transportation System) , 是以现代电子信息技术为基础的、面向交通运输的服务系统, 是未来交通系统的发展方向, 利用信息技术、通信技术、控制技术、计算机技术和电子传感技术等先进有效的技术有段, 构建一个可以用于整个地面交通管理的系统, 完成信息的收集、处理、分析与利用, 具有智能化、信息化、自动化、等特点。系统由最初的交通控制系统、交通监控系统、车辆管理系统和旅行信息系统四个子系统, 又衍生出电子收费、货运管理和紧急救援等系统。在交通领域, 海量的数据主要包括4个类型的数据:传感器数据 (位置、温度、压力、图像、速度、RFID等信息) ;系统数据 (日志、设备记录、MIBs等) ;服务数据 (收费信息、上网服务及其他信息) ;应用数据 (生成厂家、能源、交通、性能、兼容性等信息) 。交通数据的类型繁多, 而且体积巨大, 因此, 利用大数据技术对交通行业进行海量数据的统计分析, 有着较大的优势。

2.2 ITS结构

基于大数据技术的智能交通系统主要由三部分组成, 分别为基础服务、数据分析和终端发布。基础服务部分是利用云计算方法整合各类数据, 并进行分析和储存, 有较好的安全性和稳定性。数据分析部分则是基于Hadoop、No SQL、HBase和数据挖掘等技术的大数据分析, 可以分析天、周、月以及年级的数据, 结合数学模型, 对交通数据进行实时处理和有效分析, 并进行趋势预测。终端发布部分是将之前产生的数据及分析结果传输并储存到云端, 并根据不同终端需求, 提供有效数据。图1为智能交通系统的整体框架结构。

3 发展前景及挑战

基于大数据技术的智能交通系统不断发展, 在未来会有显著变化。首先就是智能前置, 在2010年前后, 抓拍单元只是单纯的抓拍相机, 之后的智能分析需要其他设备完成, 而现在抓拍单元实现了“一体化”, 可以由相机来完成交通状况显示和数据智能分析。其次就是建设规模庞大, 即使在一个中小型城市, 设备数量以及抓拍图片数量规模都十分惊人。

但是伴随着城市交通压力越拉越大, 智能交通系统的发展也面临着很多的挑战:交通情况复杂, 信息繁冗, 数据资源零散, 缺少统一的标准, 此外, 基于大数据的智能系统所提供的信息服务产业链还没有形成。而这些问题, 还需要我们进行更深层次探索和研究。

摘要：近年来, 如何处理交通拥堵、交通污染以及交通事故等城市化现象已逐渐成为各国的亟需解决的问题之一。针对这一现象, 结合大数据的智能交通系统 (ITS) 逐渐发展起来, 该系统的信息不仅高效、准确, 更重要的是还可以提供实时的数据, 可作为管理部门处理交通事故和违法行为的参考。

关键词：大数据,智能交通系统,ITS

参考文献

[1]张可, 齐彤岩, 刘冬梅, 王春燕, 等.中国智能交通系统 (ITS) 体系框架研究进展[J].交通运输系统工程与信息, 2005, 5 (05) :6-11.

[2]李哲.大数据时代:智能交通发展的机遇和挑战[J].经济研究导刊, 2014 (33) :227-228.

大数据应用的交通管理 篇10

随着互联网和移动通信技术的飞速发展, 人们的交流方式、行为习惯、兴趣爱好等逐步实现网络化和数据化, 寰球数据和信息实现快速增长, 呈现爆炸式发展, 世界已经步入大数据时代。在大数据时代, 数据在企业管理和决策中发挥着越来越重要的作用, 是企业实现可持续发展的重要战略资源。真正能够挖掘行业大数据潜在商业价值的企业才能在行业竞争中脱颖而出。本文将从企业管理视角探讨大数据的应用价值。

二、大数据的内涵

目前, 大数据已经成为学术领域和实践领域研究的重点, 但至今大数据的概念仍未达成共识。笔者认为, 大数据是指所涉及数据量庞大到需要借助云计算等数据挖掘技术才能对数据进行深度挖掘, 进而获得高潜在价值信息的巨量资料。可见, 大数据具有数据量庞大、潜藏高价值的信息、数据复杂等特点, 这就意味着对企业数据的处理、挖掘、分析等能力提出了更高的要求。

三、大数据时代特点

1. 用于分析的数据量庞大

如今, 数据分析已成为企业管理过程中不可或缺的支撑点, 企业迫切期望能通过对海量数据分析预测未来行业的发展趋势来提高自身竞争力[1]。小数据时代, 由于收集、存储和分析数据的局限性, 企业一般依据收集到的样本数据进行分析和处理问题, 从少量的数据中最大限度的挖掘所需要的信息。然而, 随机抽样存在不少弊端, 它的可靠性取决于所选取的样本需要绝对随机, 不能带有主观性, 但实现绝对随机的可能性相当小。因此, 从某种程度来说, 这严重制约了分析结果的精准性, 从而制约着企业的发展与壮大。随着技术条件的不断提高, 大规模收集、处理数据成为可能, 大数据时代一个最鲜明的观点就是样本即总体:它追求利用全体数据, 而不仅仅依赖随机样本。这不仅能够提高解决问题的精确性, 而且还能挖掘出样本数据无法显示的信息。

2. 数据的精确性要求降低

在数据规模相当有限的小数据时代, 企业能够通过建立专业的数据库, 尽可能精确的量化记录以确保数据的质量。因为如果对小规模数据的分析中有一个细微的疏忽, 都有可能被放大, 从而导致分析结果的偏差。大数据时代的数据量越来越全面, 实现绝对精准同样也不能成为大数据时代所追求的目标。随着数据量的不断增加, 数据错误率也相应上升, 对于大规模数据而言, 其中某个数据错误, 对最终分析结果来说, 不会产生任何影响。企业要做的不是追求数据的精准性, 而是从中挖掘潜在价值信息。

3. 寻找事物之间的相关性

大数据时代与小数据时代的主要区别还在于事物之间的因果关系不再是研究的焦点, 研究的重心向探寻事物之间的相关性倾斜。以往研究事物之间的某种关联时, 通常在收集数据之前, 先提出假设, 然后通过分析、处理收集的样本数据来验证假设。然而, 大数据时代摒弃了这种方式, 通过从低价值密度的数据中挖掘出潜在信息, 探索事物之间的关联[2]。

四、大数据的商业价值

随着大数据的到来, 企业越来越重视数据的管理, 深入挖掘大数据在行业中的潜在价值和应用, 以期为高层管理者制定未来发展决策和推动企业发展提供信息支持和数据支持。大数据在企业管理中发挥着不可替代的作用, 主要体现在以下3个方面:

1. 促进精准营销

随着移动通信技术的飞速发展和社交网络的兴起, 消费者的购物习惯、兴趣爱好、行为方式、关系网络等会以文字、图片、视频等形式体现在网络中, 从而形成实时动态网络化的大数据。企业利用云计算等挖掘技术对消费者网络化行为数据进行深入分析, 根据顾客的行为特点、爱好取向等进行市场细分, 根据细分结果选择企业的目标顾客, 从而有目的地进行精准营销。用户的大数据为企业实施精准营销提供了数据支持和信息支持。大数据技术和云存储技术实现了对消费者行为实时观察和记录, 大大提高了企业实施精准营销的效率[3]。

2. 推动产品创新

企业基于大数据对顾客消费需求进行分析, 有利于推动产品或服务的创新。随着社交网络及电子商务的发展, 消费者对产品或服务的质量、功能、特点等的评价会及时反映在网络平台 (例如微博、空间、售后评价等) 上。企业首先需要通过数据搜索技术抓取顾客在网上有关产品或服务的相关评价信息, 然后进行根据顾客提出的问题和建议来改善产品或服务, 并按照顾客的创意性反馈适时生产新产品, 从而提高企业产品创新意识和服务意识。

3. 加强产品流程优化

随着科技的发展, 企业产品的生产逐步实现以机器代替人工操作, 实现智能化、信息化生产运作。特别是云计算、物联网等先进信息技术的应用, 企业逐步实现对产品生产制造的全过程监控和管理。产品生产制造全生命周期可以全程实现数据化、信息化、智能化。大数据技术和云计算技术的应用可以对产品生产制造 (包括产品的设计研发、生产工艺、运营管理等) 数据进行智能分析。大数据技术可以把企业数据进行整合和深入挖掘, 通过构建数据模型进行产品流程优化, 可以为企业高管进行决策提供数据支持和技术支持。

五、总结

综上分析, 大数据在企业管理中商业价值并不在于其海量复杂的数据类型, 而是通过对海量数据分析挖掘其潜在价值。随着大数据应用的普及, 企业越来越重视从大数据中挖掘潜在的商业价值。大数据在企业管理中的应用价值主要在于促进精准营销, 推动产品或服务创新, 加强产品生产流程优化, 从而降低企业运营成本, 提高企业运营效率, 增强企业的核心竞争力。

参考文献

[1]王珊等.架构大数据—挑战、现状与展望[J].计算机学报, 2011 (10) :1741-1752.

[2]维克托·迈尔舍-恩伯格, 肯尼思·库克耶著.大数据时代[M].浙江人民出版社:27-94.

大数据商业应用的未来 篇11

大卫·芬雷布（David Feinleib）是“铁人三项”运动爱好者，在刚刚过去的秋天，他又一次地完成了自己的太浩湖（Thaoe）铁人三项赛，这是号称世界之巅的顶级赛事。为了提高自己的成绩，他一直将自己爬过的每座山，跑过的每段路，以及在冰冷的水中游过的所有里程全部记录下来，并将这些信息全部上传到网络，进行处理及分析。就这样，他发现自己走进了大数据时代。

从微软公司离开之后，连续创业的大卫·芬雷布凭借对数据的敏锐观察，以及对下一波科技浪潮的关注创建了the Big Data Group，包括Big Data Landscape（大数据全景）、Big Data Trends （大数据趋势）和Big Data TV（大数据电视）三家公司，为企业提供数据咨询服务。它们制作的“大数据产业生态地图”在SlideShare上被浏览超过3万次。

2013年，大卫·芬雷布出版了自己的新书《解密大数据》（Big Data Demystified：How Big Data is Changing The Way We Live，Love and Learn），此前他著有《创业公司为何失败》等书。现在，我们请他为我们解读大数据商业应用的未来。

大数据时代的产业变革

记者：在您看来，大数据将如何改变工业时代的产业结构？

大卫·芬雷布：我们已经生活在一个云大数据的时代，很多大数据相关的技术已经渗透在人们的生活中。例如，现在很多美国人和出租车司机都在使用Uber，这款手机App就是建立在大数据基础上的。当使用者打开应用，它就会会自动定位到你当前的位置。然后我们输入目的地，选择不同的车型，就可以看见附近的车，预估的到达时间、价格等。

此外，大数据在电子商务、健康管理等领域都有很多成功的应用，例如根据你过往的购买记录生成精准的推荐、基于对健康数据的监控帮助医疗等，这些应用都会给消费者带来性价比更高的服务体验。

而数据更大的改变在企业行为上，产业研究公司Forrester估计，企业数据的总量在以每年 94% 的增长率飙升。这时，每个企业都需要一个大数据路线图。至少，企业应制订获取数据的战略，获取范围应从内部电脑系统的常规机器日志，到线上的用户交互记录。即使企业当时并不知道这些数据有什么用也要这样做，这些数据的用处随后或许会突然被发现。

企业还需要一个计划以应对数据的指数型增长。照片、即时信息以及电子邮件的数量非常庞大，由手机、GPS 及其他设备构成的“感应器”释放出的数据量更大。数据所具有的价值往往远远高于你最初的期待。

记者：在这一轮大数据引致的产业结构性变化中，风险投资会扮演什么机会？

大卫·芬雷布：现在已经有一些专注大数据方面的投资基金。2012年，有几家代表性的应用数据公司上市，Facebook 在纳斯达克上市，LinkedIn 在纽约证券交易所上市。这两家企业和谷歌一样，其本质是大数据公司。此外，Splunk 也在 2012 年上市，它是一家帮助大中型企业提供运营智能的大数据企业。

其次，一些基于大数据的创业公司也表现出众。比如致力于Hadoop便捷商业化的Cloudera公司以及数字广告在线分析平台MetaMarkets。前者主打的商用Hadoop允许横跨多台电脑，对庞大的数据集合进行分布式处理，但因为应用难一直被视为只有计算机博士才能掌握的技术，Cloudera将其变得简单易用。后者总部位于美国旧金山，主要业务是帮助在线媒体公司分析高流量的流媒体数据，如在线广告、在线游戏和社交媒体的数据。MetaMarkets公司对tweet、支付、签到和一些与互联网相关的问题进行了分析，为客户关系管理提供了比软件更有效的数据分析支持。这两家公司都得到了多轮风险投资。

一年前我们在绘制大数据产业地图时，只有25家大数据公司。一年过去了，现在已经有100多家大数据公司，现在每周都会出现5、6家涌现出来。这样的趋势表明，大数据将引发下一波创业大潮。

记者：中小公司的机会在哪里？他们将如何与手握众多资源的大公司竞争？

大卫·芬雷布：要知道，互联网行业里的大公司都曾经是小公司，而且它们成长到大公司的时间都不长。而且大数据技术可以帮助小公司迅速成长为大公司。大数据带来的颠覆，不仅是与以往相比可以获取和分析更多数据的能力，更重要的是获取和分析等量数据的价格也正在显著下降，而根据经济学里的“杰文斯悖论”（Jevons Paradox）：资源利用率的提高导致价格降低， 最终会增加资源的使用量。科技进步使储存和分析数据的方式变得更有效率，公司将做更多的数据分析，因此并没有减少工作。简而言之，这就是大数据带来的颠覆。

从亚马逊到谷歌，从IBM到惠普和微软，大量的大型技术公司纷纷投身大数据。同时，基于大数据解决方案，更多初创型企业纷纷涌现，实现开放源和共享云。大公司致力于横向的解决方案，小公司则专注于为重要的垂直领域提供产品和服务。例如有些产品帮助优化销售效率，有些产品通过将不同渠道的营销业绩与实际的产品使用数据相关联，为未来营销活动提供建议。现在，小公司不必在内部开发或配备所有大数据技术；在很多情况下，它们可以利用基于云端的服务来满足数据分析方面的需求。

过去的二十年是信息技术的时代，接下来二十年的主题仍会是信息技术。企业将能够更快地处理数据，而公共数据资源和内部数据资源一体化将带来独特的洞见，帮助企业提升竞争力。总之，企业分析数据的效率越高，获得的预测价值就越大。企业正在渐渐远离批量处理（先存储数据，之后再进行处理分析），转向实时分析来获取竞争优势。

大数据时代的企业

记者：您心目中设想的未来的“高度数字化企业”是什么样子？

nlc202309021213

大卫·芬雷布：在我看来，亚马逊正是这样的一家公司，数据已经成为它的DNA。有分析预测，亚马逊2015年营收将超过1000亿美元，将赶超沃尔玛成为世界最大的零售商。亚马逊处理数据带有更强的电商倾向。消费者们在亚马逊的网站上对想看的电视节目或是想买的产品所进行的每一次搜索，都会让亚马逊对该消费者的了解有所增加。基于搜索和产品购买行为，亚马逊就可以知道接下来应该推荐什么产品。而亚马逊的聪明之处还不止于此，它还会在网站上持续不断地测试新的设计方案，从而找出转化率最高的方案。亚马逊整个网站的布局、字体大小、颜色、按钮以及其他所有的设计，其实都是在多次审慎测试后的最优结果。

以数据为导向的方法并不仅限于以上领域，按一位前员工的说法，亚马逊的企业文化就是冷冰冰的数据导向型文化。数据显示出什么是有效的、什么是无效的，新的商业投资项目必须要有数据的支撑。对数据的长期专注让亚马逊能够以更低的售价提供更好的服务。消费者常常会完全跳过谷歌之类的搜索引擎，直接去亚马逊网站搜索商品、并进行购买。

在我们看来，争夺消费者控制权的战争硝烟还在弥漫扩散，苹果、亚马逊、谷歌以及微软，这四家公认的巨头如今不仅在互联网上厮杀，在移动领域同样打得难解难分。鉴于消费者们把越来越多的时间花在手机和平板电脑等移动设备上，坐在电脑前的时间越来越少，因此，那些能进入消费者掌中移动设备的企业，将在销售和获取消费者行为信息方面更具有优势。企业掌握的消费者群体和个体信息越多，它就越能够更好地制定内容、广告和产品。

从支撑新兴技术企业的基础设施到消费内容的移动设备，亚马逊的触角已触及到更为广阔的领域。亚马逊在几年前就预见了将服务器和存储基础设施开放给其他人的价值，推出了AWS（Amazon Web Services）公有云服务。AWS每年的销售额超过15亿美元，而这又成为孕育更多创业公司的源泉。

记者：根据您的研究和思考，大数据时代的到来如何影响企业的策略？

大卫·芬雷布：我发现亚马逊、Facebook、LinkedIn的活跃用户们，开始期待自己在工作中也能获得畅通无阻地使用大数据的体验。既然互联网零售商亚马逊可以精准地推荐阅读书目、推荐电影、推荐可供购买的产品，为什么他们所在的企业却做不到类似的事情？

比如，既然汽车租赁公司拥有客户过去租车的信息和现有可用车辆库存的信息，这些公司为何就不能在向不同的租车人提供合适的车辆方面做得更智能一点？公司还可以通过新的技术，将公开信息利用起来——比如某个特定市场的状况，会议活动信息，以及其他可能会影响市场需求和供给的事件。通过将内部供应链数据和外部市场数据结合在一起，公司就可以更加精确地预测什么车辆可用，以及可用的时间。

与此类似，零售商应当可以将来自外部的公开数据和内部数据结合在一起，利用这种混合的数据进行产品定价和市场布局。同时还可以同时考虑影响现货供应能力的多种因素以及消费者购物习惯，包括哪两种产品相搭配会卖得更好，这样零售商就可以提升消费者的平均购买量，从而获得更高的利润。

记者：以往我们说，企业管理者的决策基于科学、艺术、经验，大数据时代到来如何影响管理者决策的机制？

大卫·芬雷布：对于高管们而言，好消息是：来自于大数据的信息优势不再只属于谷歌、亚马逊之类的大科技企业。Hadoop之类的开源技术让其他企业同样可以拥有类似的优势。老牌财富500强企业和新兴初创公司，都能够以合理的价格，利用大数据来获得竞争优势。

现在的企业管理者需要学会运用一些工具去监测外部环境的变化，比如New Relic为企业提供基于SaaS的管理平台，无论是云端、网络端还是移动端的应用，它都能对其进行监测。这可以说是一款all-in-one监测管理工具，它能让开发者以终端用户、服务器端甚至应用代码端的视角来监控自己的应用。

理想的情况下，企业应该具备一种能够让数据分析贯穿于整个组织的视野，分析应该尽可能地接近实时。通过观察谷歌、亚马逊、Facebook和其他科技领袖企业，你可以看到大数据应用的种种可能。现在一些企业已经设立了CDO（首席数据官），帮助CEO了解数据在如何影响业务，并将数据更好地转换为商业价值。我觉得每一家公司都应该有这样一个职位。

大数据应用的交通管理 篇12

大型活动在城市局部空间短时间内集中大量客流、车流, 在工作日晚间举办大型活动晚高峰叠加, 对局部交通有严重影响。结束时间过晚, 公共交通服务能力不足, 私人车辆局部大量集中, 造成严重拥堵。崔洪军[1]研究表明大型活动观众出行非常规, 交通需求和交通流具有临时性、非平衡性、“多源单汇”、潮汐现象突出、不均匀系数大、时空分布不均、需求量大等不同于城市正常交通的特点。

传统情况下, 利用交通规划的四阶段模型对大型公共活动期间的交通状况进行研究。王晓光等[2]利用交通仿真软件建立公共交通需求模型, 得到路网上交通分配情况。分析路网上交通负荷, 根据疏散特征采取交通管制措施, 指导交通管理。这种方法在大型活动的交通组织中有一定作用, 但其对需求预测的准确性、交通分配的合理性都有待提高。随着信息通讯技术发展, 智能手机普及, 可采集的信息越来越多样化。现有的信息通过一定整合可应用于大型活动的管理和交通组织。

2 大数据基础设施与挖掘技术

2.1 大数据基础设施

1) 研究用地数据。遥感数据包括高分辨率航空遥感数据、卫星遥感影像、全市分类土地利用数据库。房屋建筑量统计数据包括单体建筑名称、占地面积、层数、坐落地址、房屋类型等建筑属性信息。这些数据主要支撑城市土地利用性质、开发强度分析等多种应用。

2) 移动通信数据。移动手机用户 (包括本地及漫游) 信令数据, 包括短信、通话、LAC区 (位置区, 通常包含多个基站蜂窝小区) 切换或每隔1~2 h定时与基站通讯记录。

3) 车牌识别数据。道路路段和交叉口的摄像头采集车辆牌照数据, 数据内容包括车辆号牌编码、牌照类型、途经时间、途经车速、车辆属地及设备断面编号等。

4) 轨道交通自动售检票系统和交通卡自动刷卡计费系统数据。

覆盖轨道交通全网进站、出站闸机的刷卡数据, 数据内容包括进站和出站的车站名称、时间、乘客数量等, 支撑对轨道交通系统客流分析等多种应用。公交一卡通数据内容包括刷卡线路、刷卡时间、刷卡金额等。

5) 网络数据。在线地图, 社交网络, 搜索引擎, 点评应用的数据。这一类互联网公司都有应用开发接口, 通过合作方式获得数据。

2.2 大数据挖掘技术

数据挖掘 (Data mining) 是计算机科学重要的研究领域。数据挖掘被称为数据库知识发现 (Knowledge-Discovery in Database, KDD) , 是指从大量数据中通过算法建模揭示隐藏其中的信息。数据挖掘过程包括定义挖掘目标、数据取样、数据探索、数据预处理、挖掘建模及模型评价6个重要环节。

在大型组织活动中应用数据挖掘技术实现客流热点预测, 利用手机基站、社交网络以及票务数据预测客户到达时间和大体位置, 结合区域热点, 利用趋势拟合算法动态预测场所内大量客流集中的区域和时间点。利用客户手机应用数据结合商户数据, 通过关联分析法为客户推荐搜索排名。利用定位数据、热点预测数据, 通过路径查找算法为客户推荐最优到达路径。基于用户历史选择数据, 利用决策树算法, 为客户制订游览计划等。具体实现需要结合场景设计最优解决方案。

3 大数据技术在上海体育场体育运动公园概念设计中的应用

3.1 数据源

本研究利用多源数据, 搭建上海体育场体育运动公园的大数据监管环境。徐家汇体育公园大数据环境的数据来源、用途及采集方式见表1。

移动互联网的广泛覆盖, 智能手机的普及, 智慧城市建设使得目前数据的来源非常广泛。与政府数据平台对接, 与互联网公司合作采集小范围数据非常方便。

3.2 利用价值

1) 客流来源分析。传统模式下, 利用交通规划四步骤模型, 在交通生成预测阶段, 人流量只能根据既有小区人口数据等资料进行推测, 网络票务平台已记录票务的寄送地址, 通过网络数据可准确预知人流来源地。

2) 交通方式推荐。当前, 互联网公司提供地图数据已经比较准确, 人们在出行时基于时间和价格因素, 选择最有利的出行方式。采集上海体育场内部及周围停车场信息, 实现网上车位时段预约, 客流将在公共交通和私人小汽车出行间有更明确的倾向, 提高客流出行方式的可预测性。结合上海体育场体育运动公园周边的常规公交、地铁的服务能力, 为观众推荐合理抵达、离开的交通方式。

3) 人流量热力图。目前手机信令数据在城市规划、旅游热点预警等领域大量应用。与电信运营商开展合作, 采集上海体育场体育运动公园及周围手机基站数据, 描绘人流聚集情况的热力图 (见图2) 。对大型活动的客流引导、安全管理都有极大的意义。

4) 周围路网流量状态。上海市交叉口普遍设置检测车流量的线圈、车牌拍摄摄像头, 与交警部门合作, 获得现场数据。实时监控周围路网交通流量状态。对可能拥堵点提前预警, 加强管理;对出现的事故, 及时排查消除, 保障道路顺畅。

3.3 应用场景设计

1) 面向管理部门。管理部门既包括上海体育场体育运动公园的管理机构, 也涉及到政府相关部门。数据源准确性、安全性至关重要。面向管理部门的应用要实现客流量预测、交通状态监控、信息发布的基本功能, 除此以外, 扩展到体育设施使用状态、区域环境质量监控等非交通性功能。面向监管机构的大数据平台应用场景设计见图3。

2) 面向使用者。面向使用者的应用要兼顾大型活动和平时娱乐休闲。可以设计为手机应用, 方便市民使用。实现出行方式推荐、赛事活动信息推送、个人锻炼方式推荐、周边娱乐休闲设施推荐等功能。附加即时通讯功能, 满足沟通需求。基于大数据平台面向个人用户的手机应用场景设计见图4。

3) 面向服务机构。基于大数据平台面向服务机构的客户端应用场景设计见图5。

服务机构包括政府部门、周边商户、出租车司机、非营利性组织以及科研机构。部分数据与互联网公司展开合作。实现商户信息的实时更新、客流预测、打车需求、信息发布等功能。随着数据的积累, 对历史数据进行挖掘分析, 调整经营策略, 改善服务方式, 提高盈利空间。

4 结语

数据采集与大数据分析技术可以预测实际需求, 检测实时情况, 进一步提高管理有效性。大数据技术为大型活动的交通组织带来变革, 主要体现在以下几方面。

1) 信息实现动态感知和实时获取。随着信息通讯技术与各行各业的深度融合, “互联网+交通”, “互联网+城市”的发展, 使得数据源越来越多。举办大型活动的场馆周围采集这些数据支撑场地、赛事的管理。动态实时数据打破信息不对称, 使得管理更有针对性, 效果更好。

2) 无处不在和随需而动的信息服务。移动互联网已经全面覆盖城市各个角落, 智能手机功能越来越强大, 网络带宽越来越通畅。市民可以获得实时信息, 满足出行者观众需要及时间、费用、舒适、低碳等不同价值取向, 随时随地提供个性化、多样化的信息服务。

3) 主动预警和快速响应的安全保障。基于基站提取大型活动举办地周围人流量热力图, 辅以视频监控设备, 可准确判断各处情况, 实现主动预警, 并结合现场情况, 实现快速响应。为大型活动的举办提供安全保障。

4) 信息共享和业务协同服务体系。基于大数据平台, 建立面向服务机构客户端, 保障数据获得及时更新, 实现信息共享与动态维护。商户积累下来的历史数据也可进行数据挖掘, 改善服务水平, 营造良好的商业氛围。

5) 绿色环保和可持续的发展理念。鼓励观众在赛时乘坐公共交通抵达、离开, 信息公开与透明, 减少市民忧虑, 辅以交通管理措施, 引导市民绿色出行。大数据是实现管理精确化、定量化最适宜的手段。

参考文献

[1]崔洪军.大型活动交通组织管理关键技术研究[D].南京:东南大学, 2006.