如何运用交通大数据智慧出行

推荐会员: lex 所属分类: 行业精选 发布时间: 2016-08-13 22:44

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。

如何运用交通大数据智慧出行

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。

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。

如何运用交通大数据智慧出行

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。

如何运用交通大数据智慧出行

城市交通碳排放实时监测系统是一个实时碳排放监测系统,可以实现全市的实时监测。在一定时期内的车辆碳排放情况,可以一目了然。为改善城市空气环境,治理汽车尾气排放提供数据支持。

公交都市管理系统包括客流区域的监测、公交走廊的监测、公交安全监测与评价体系、以及投资效益分析。该系统的应用,有助于提升城市内公交车运行效率。公交管理部门可通过适时调整公交运力、运量,合理配置公交资源,使公交出行更加便捷、顺畅。

如何运用交通大数据智慧出行

公众出行信息服务系统是交通路况信息的发布平台。政府及相关管理部门可通过该系统,以多种媒体形式,向公众发布信息。市民依靠这些信息可以调整自己的出行路径和方式,避开拥堵路段,更加快速到达目的地,并有效节约了时间和资源,有效提升了城市交通的服务水平。

深挖无序交通行为背后的规律

如何运用交通大数据智慧出行

腾讯地图事业部助理总经理 张弦

用户出行的数据,已经成为各种智能交通服务的基石。比较常见的是实时路况及路况预测,很多城市已经提供了这样的服务。

在实时路况数据的基础上,通过一定的数学模型,可以预测特定时段、特定区域的路况。如今年端午节前,我们根据已有的数据进行模拟和运算,做了端午节拥堵的预测,得出来的结果和最后的当时发生情况吻合度很高,大概能够吻合到70%至80%。这表明通过既有数据的积累与分析,对市民的日常交通参考,对管理部门的交通提前疏导,都具有非常大的意义。

其实,这些数据的价值还值得深挖。大规模用户的交通行为和选择的数据,通过精细的分析,可以在各个细分领域产生更大价值。

我们对1800份用户驾驶行为分析后发现,平均下来每一个交通违规行为,都大致会伴随7次超速、5次急刹车,4次急加速或急转弯。这其中的数据就可以反映很多方面的问题。

比如对超速来说,是不是有些路段特别容易发生超速?这可能会反映道路设计中的缺陷。另外,也能体现用户的驾驶行为确实有不当之处。有了这样的评估报告,就可以优化路网,适当的引导和教育用户的驾驶行为,这样对整个交通安全和效率均有非常明显的改善。

如何运用交通大数据智慧出行

城市交通里有大量的交通数据,城市道路、高速公路、停车场、地铁和公交车上都有很多摄像头数据,公交地铁的一卡通数据,出租车打车数据,地图导航数据,停车场信息数据等。

这些都是非常宝贵的数据,但大多都处于沉睡状态。如果把地铁内的拥堵信息实时发布给即将乘坐地铁的人,很多人的交通行为将会改变。这些人可以早一点上班或晚一点下班,他自己会做选择。另外,我国高速公路上经常发生大规模的堵车事件,尤其是面临冬季大雾、结冰等突发天气时,高速公路上堵车可能会绵延几公里。如果此时高速公路摄象头可以捕捉到这些信息,通过相应平台及时发布给车主,车主们就能及时调整自己的出行时间和线路。如果信息足够透明、及时,这时候乘客就会产生另外一种有序的交通行为。

公交线路规划有“据”可依

中兴通讯股份有限公司移动事业部开发部工程师刘淑霞表示:随着移动互联网技术的不断深入发展,大数据技术的应用,将大大提高公交客流量及客流分布预测的准确性,使公交运力、运量配置更加有效,公交线路规划更加合理。

客流交通起止点调查(又称客流OD调查)是公交客流量及客流分布预测的基础调查工作。目前城市客流OD调查需要通过居民出行调查获取,按照获取资料的来源,常规调查手段主要包括:居民问卷调查法、调查员随车观测调查法、公交刷卡统计法等。

如何运用交通大数据智慧出行

这些调查方式需要市民积极配合,调查手段存在局限性,不能全面、准确地把握全市居民的出行需求。如人工方式的调查(问卷调查及随车调查)只能做到抽样调查,信息的有效性、时效性也存在偏差,无法反映市民的出行需求。利用公交IC卡的乘客自动计数方式则只能统计到实际发生的乘车行为,无法反映乘客真实的出行意愿。通过大数据技术的应用,可以有效改变这种局面。

目前我国移动电话普及率相对较高,大部分城市已经达到80%以上。利用移动信令数据的大数据挖掘技术可及时获得人流量、人流方向及驻留时间的统计,实现对公交客流全面、准确的把握,可作为城市综合交通体系规划与评价的基础数据,减少城市客流OD调查的人力物力的投入,准确度大幅提高。

对移动通信信令数据的大数据挖掘,可以方便地获取OD调查所需信息,根据历史人流量分布及人流移动规律规划公交线路,在人流量密集点设置公交站点。

文章整理到这里的时候,小编觉得还需要了解一个重要内容城市交通大数据的主要研究什么

(1)时效约束的大数据多尺度汇聚计算和动态图谱

交通大数据存在多源、异质、局部性、时空关联、异步性、信息稀疏性和并发性等特点,而城市交通系统存在着对大数据汇聚处理的高时效性以及对“大而信息稀疏”的交通大数据的领域知识牵引要求。现有的数据融合、计算理论与方法难以满足高时效性的大数据处理和基于数据的知识构建与转换等需求,亟需提出时效约束的大数据多尺度汇聚计算和动态图谱的交通大数据处理新理论与新方法。

(2)高维空间的隐性知识序贯挖掘与演化模型

交通主体、行为、态势、路网拓扑和环境形成了高维生态系统闭空间,相互之间存在着高度非线性、随机性和动态的耦合关系。交通态势及其演化是交通系统的宏观体现,具有约束条件下的动态性、序贯性、自组织、随机性等特点,交通态势机理解释对解决城市交通的难题非常重要。传统的交通理论难以发现隐含在如此高维空间的知识,对交通出行规律及其时空演化、大面积交通拥堵演变规律、环境与交通行为等进行综合知识和数据支撑的解释与评价,高维空间的隐性知识序贯挖掘与演化将为此提供坚实的理论与技术支撑。

(3)交通态势的预测机理与调控策略

交通态势是城市交通系统运行状态的反映,受到交通需求、网络拓扑、多交通子系统、环境、管理和调控策略等众多因素的相互影响与作用。由于城市交通态势具有时变性、不确定性、非马氏性以及影响因素之间的相关性等特点,是一个超维的复杂巨系统,其调控与预测是世界性的难题,目前尚缺乏相关的理论与方法。交通态势的预测机理与调控策略的研究,将创建复杂交通巨系统的预测及其控制的新理论与途径。

3.1  城市交通大数据相关处理技术

在城市交通蓬勃发展的过程中,其数据采集量必然成倍增长,形成海量、动态、实时的交通大数据。因此,以大数据处理技术为支撑的城市交通信息服务将成为未来智能交通发展的增长点。城市交通所涉及的大数据技术,总结起来大致包括如下内容。

如何运用交通大数据智慧出行

(4)交通大数据采集内容

城市交通大数据可分为静态大数据与动态大数据。

如何运用交通大数据智慧出行

静态交通大数据主要包括城市交通的基础空间数据(地表模型、高清正射影像等)、城市及周边基础地理信息(城市路网、交叉口布局、城市基础交通实施信息)、道路交通网络基础信息(道路等级、长度、收费信息)、道路交通客运信息(客运班线、客动票务、市区公交信息、车站线路辐射图、客运企业信息、交通换乘点等)、航班信息、列车信息、水运信息(船次、起终码点、开船时间等)、停车场信息(停车场位置、名称、总泊位数、开闭状态、空闲泊位数等)、交通管理信息(警区界限、安全界限、警力分布、交通岗位、执法站、车管所、检测场、考试场、过境检查站)以及交通抽样调查数据等。

如何运用交通大数据智慧出行

动态交通大数据来源广泛、形式多样,主要包括通过卫星遥感、航空摄影测量,低空无人机应急平台、地面测量车、地面视频等遥感手段获取的数据以及地面智能交通系统中,通过视频、手机、公交卡、地感线圈等传感设备和移动终端采集的人、车、路等交通要素的数据。从人可以采集到的数据有驾驶行为数据、付费行为数据和出行行为数据,从车采集到的数据有车辆信息数据、车辆实时位置数据、公交车运营数据、出租车运营数据、众包路况数据,关于路的数据有卫星影像数据、航空摄影数据和道路基础设施数据。

说到这,小编带大家看看专家如何解读云计算大数据时代的智慧出行

2015年6月3-5日,作为云计算领域最具影响力的盛会——第七届中国云计算大会在国家会议中心盛大开幕。中国工程院院士李德毅,上海北斗卫星导航平台有限公司副总经理/总工程师朱峰 ,滴滴快的商业变现事业部总经理/技术副总裁朱磊,同济大学教授杨东援,深圳市综合交通指挥中心总工程师/深圳市交通控制与仿真工程中心主任关志超,北京国交信通宝船网2.0产品总监杜忠平围绕着车联网,智慧出行,交通领域海量数据采集、管理、分析最新实践、LBS应用等话题分享了精彩演讲。

中国工程院院士李德毅:对智能驾驶的再认识

如何运用交通大数据智慧出行

中国电子学会云计算专家委员会名誉主任委员,中国大数据专家委员会顾问,中国工程院院士李德毅首先发表了《对智能驾驶的再认识》的主题开场演讲。李德毅院士表示架构设计、模块划分和界面约定决定智能车产业的核心竞争力。

李德毅院士分享了架构设计四大原则:系统、模块、表现和快乐编程原则,详细介绍了机器视觉如何形式化驾驶员的视觉,他表示,机器视觉远不是对人的全部视觉的感知能力全方位模拟。

上海北斗卫星导航平台有限公司副总经理朱峰:北斗高精度导航与智能交通

如何运用交通大数据智慧出行

朱峰首先介绍了北斗及其相关方面的发展情况,重点分享了北斗高精度导航及其服务云,他认为,以北斗高精度定位切入市场(包括切入到智能交通领域),用高精度带动应用创新,将推动北斗产业的发展,

随后,朱峰介绍了北斗在智能交通领域的一些应用方向,他表示,车道级应用将成为北斗高精度在智慧交通领域的引爆点,推动智慧交通的应用创新。

滴滴快的打车技术副总裁朱磊:行在“云端”——大数据时代的智能生活

如何运用交通大数据智慧出行

滴滴快的打车技术副总裁/大数据与商业化事业部总经理朱磊发表了题为《行在“云端”——大数据时代的智能生活》的主题演讲。朱磊介绍了大数据、产品、商业和运营相关联的应用案例。他分享了打车订单的智能化匹配,从人、物、信息、服务四个角度介绍了智能出行的本质,以及用户流失监控预警系统和运营策略分析。

同济大学教授杨东援:大数据时代城市交通的思考·分析·决策

如何运用交通大数据智慧出行

同济大学教授/中国城市交通规划学会副主任委员杨东援在题为《大数据时代城市交通的思考·分析·决策》的演讲中表示,对于城市交通来说,大数据不是一种时髦,而是技术推动、需求拉动和任务理念变革所共同呼唤的创新,而面对城市交通领域大数据技术应用问题,需要政府提高预见性,树立正确的价值理念,增强把脉诊断能力。

此外,杨东援还表示城市交通领域的大数据技术应用,既非将大数据技术塞入传统技术框架,也非对关联分析等技术的简单套用。最后,杨东援介绍了大数据环境下基于证据的决策分析技术框架,其主要目标是提升有机融合城市交通战略、政策、规划、建设、管理和控制等技术环节的战略调控过程的决策效果。

深圳市综合交通指挥中心总工程师关志超:新一代信息技术时代城市交通监测、建模、仿真、评价体系

如何运用交通大数据智慧出行

深圳市综合交通指挥中心总工程师关志超带来了主题为《新一代信息技术时代城市交通监测、建模、仿真、评价体系》的演讲。他介绍了深圳城市交通云计算实践,包括深圳城市综合交通信息中心和深圳城市未来交通重点实验室等。

随后,关志超介绍了深圳市城市交通运行监测与模型体系,他表示,建立区域、宏观、中观、微观一体化的多层次交通模型体系,可以形成全市统一的交通模型平台,满足不同层面与类别的交通决策支持需求。

小编再给大家看看在现实生活中大数据帮助下智能出行的运用发生在最近一次的中国人的“大迁徒”——春运。我们举个例子,百度地图这么在这场“互联网+”交通的“大战”的应对。

如何运用交通大数据智慧出行

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。

如何运用交通大数据智慧出行

“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。

如何运用交通大数据智慧出行

在2015年7月份,政府已经发出了明确指示,将便捷出行纳入互联网+的十一项目标之一。互联网大佬加速在智慧交通领域的布局,不仅是响应政府的号召,同时也是抢占智慧生活的入口。相信,未来只有在数据积累和大数据分析能力上处于领先的企业才能在“互联网+”交通领域实现数据共享、服务共建。

总结:以上就是小编整理关如何运用交通大数据智慧出行的全部内容,我们呈现了智能交通大数据5大平台、深挖无序交通行为背后的规律、专家意见等资料,下面是两篇相关资料推荐给您。

  相关阅读

  郑宇:大数据如何改善城市交通

城市计算是一个集合了大数据采集、整合和分析的过程。大数据来源多样而广泛,比如传感器、设备、车辆、建筑和人类等。城市计算连接了虽不引人注意但无处不在的传感技术,先进的数据管理,以及新颖的可视化方式,以此创造了改善城市环境、人们生活质量和城市运行系统的三赢解决方式。

大数据之于智能交通意义重大仍面临五大难题

   大数据之于智能交通的意义,可以解决跨越行政区域的限制,实现数据信息的共享,在信息集成优势和组合效率上,有助于建立综合性立体的交通信息体系;另外在车辆安全、交通资源配置以及利用大数据的快速性和可预测性能提升交通预测的水平都有极大的帮助。但仍面临五大难题:难题一:海量设备管理问题、难题二:统一标准和技术规范、难题三:系统可靠性与稳定性、难题四:数据源的质量、难题五:信息安全问题。

  面对大数据,交通工程师不得不做思考

在城市交通领域中大数据究竟意味着什么,这是众多研究者和管理者苦苦思考的问题。对于城市交通来说,大数据首先带来一种机遇,使得我们能够通过大样本、多方位、多层次连续观察研究对象;其次将引发一种变革,对复杂适应系统持续监测能力的建立,使得对城市交通进行战略调控的追求逐步得以实现;第三带来一种挑战,大量并不完美的非定制数据提供的是一种间接证据,要求决策分析技术进行必要的变革;第四是一种压力,对于城市产生深远影响的交通决策绝非如同“纸尿布与刮胡刀”一样可以忽视因果规律,需要在智能商务领域大数据分析经验基础上另辟蹊径。

\

交通大数据研究的目的在于:将“数据资源”转化成为“决策能力”,进而提升“行动效果”。

为此,首先需要思考的是大数据作为一种资源,为我们带来什么?过去交通分析技术是建立在综合交通大调查数据基础之上,由于能力局限,只能够获取小样本调查对象1天的出行行为,以及相关的宏观统计资料。因此,我们必须有一种基于小样本数据建立分析模型的技术——基于OD的模型体系。大数据首先是大样本,因此可以更加精细地分析不同出行类型的群体时空分布结构,也可以让我们可以更多地对比研究需要关注的案例;大数据其次是具有对研究对象进行追踪的能力,可以回答诸如“个体”经常去哪里这样具有累积特征的问题;大数据的第三个特点在于多角度,不仅可以回答与流量相关的问题,而且可以回答与“构成”有关的问题,例如“主要用于通勤的车辆的时空分布”等。

其次必须摆脱传统理论的束缚来使用大数据观察研究城市交通。例如,传统网络流分析理论是建立在OD基础之上,其中一个很大原因是在过去的条件下我们只能获得一天的OD。如果利用移动通信数据获得了30天的OD,你又该如何使用?只用其中代表性的一天数据显然是不对的,简单进行平均获取平均OD是否又舍弃了许多有价值的信息?因此我们需要思考如何适应大数据的特点,来调整基础性的理论概念,而不是简单地把大数据塞进传统理论框架。

第三是必须处理好大数据的特殊问题。由于大数据不像交通调查那样是专门为分析交通问题定制的数据,因而存在许多缺陷。有些缺陷是可以通过后期处理修复的,但是有些缺陷却是无法回避的。为此需要使用一些特殊的技巧,尽可能从中提取有用的信息。

应用大数据感知交通系统,需要拓展我们对问题的观察角度。世界本是多彩的,为什么一定要用黑白胶卷来记录?世界本是立体的,为什么只能依靠平面图像来表达?对于城市交通来说,对交通流量的关注只是问题的一个方面,或者只是一个维度视角。我们还需要考虑的问题包括对居民生活质量的保障、对空间活力的提升、对居民参与社会活动能力的保障等。在传统理论中,流量分析技术相对成熟,而其他维度视角则基本上交给了“经验”和定性判断。这在客观上起到了造成对策方案评价偏颇问题。这种情况是由于受到原有观察能力的局限所造成。大数据环境下,如果我们的关注力仍然聚集在传统维度,忽视需要扩展的新维度,就成了“新拼装旧酒”,不可能发挥战略性资源的作用。

面对大数据资源认真思考其价值对于把握研究方向是非常重要的。如果大数据只是对交通模型师具有实际意义,则很难对交通分析理论产生重大影响,也难当“第四范式”之期望。

当我们解决了交通大数据研究的入门问题——对研究对象的“感知”,还需要跨过两个门槛——对交通系统的“认知”和对未来的“洞察”,才能够建立起交通大数据分析理论的完整体系。

(二)通过大数据探寻因果

交通工程是承担着巨大的社会责任,基础设施建设耗资巨大,有限资源日益短缺,特别是交通系统中的许多演变是不可逆过程。因此,面对大数据交通工程师不能放弃因果探寻。

大数据展示给我们的往往是一种关联关系,但是关联并不意味着因果。对于这两个概念的区别,可以通过一个“东北人养鸡和猪”的故事加以说明:一天鸡问猪主人干什么去了,当听说主人去买小蘑菇了,鸡赶快要逃跑。猪不解地问鸡问什么要逃,得到的回答是——如果主人去买粉条看你跑不跑。买小蘑菇或者粉条,与杀鸡或者杀猪有一定的关联,但不是必然的因果关系。

探寻因果的一种途径是通过比较分析,充分利用大数据大样本的特点,通过广泛的比较发现差异,进而探寻因果。

例如,为了研究城市居民活动空间与建成环境的关系,可以首先根据居民空间活动特征进行组群划分,而后研究相同建成环境下不同类型居民的活动空间差异,以及不同建成环境下相同类型居民活动空间的差异,进一步对比发现内在关联。在此基础上,进一步通过有针对性的小样本专项问卷调查,研究其内在规律。

这实际上形成了一个宏观与微观、大样本态势分析与小样本机理分析相互嵌套的研究模板。对于想深入研究的读者,也许图1所提供的分析流程会有一点帮助。

这个框架有三个基本构成部分:探索性研究、宏观态势研究和微观机理研究。探索性研究的任务是正确地提出问题,也就是说必须承认面对新的发展,有许多缺少经验、甚至是缺少基本认识的问题。例如,传统理论将交通方式划分为“公共交通”和“私人交通”两大门类,近来兴起的专车等就是在“互联网+”环境下逐步成长起来的“共享交通”,对交通工程师来说是一种全新的未知世界。应用大数据非常重要的是要发现我们所不知道的,而不是仅仅为了验证我们所知道的,因此探索性研究占有重要的地位。宏观态势研究是为了把握全局,根据问题的程度确定是否需要深入分析。例如,伴随城市拓展,部分外围地区出现居民参与社会活动减弱的情况,如果只是个案,并不需要进到探寻内在机理的步骤,只要就事论事地解决问题就可以了。但是如果相反,成为具有一定普遍性的问题,就需要上升到理论研究内在机理,以指导我们的实践。

 

\
 

图1 宏观态势分析与微观机理分析相结合的嵌套研究框架

应用大数据研究问题的另一种理解,是为决策提供判断证据。这就带出了一个新问题,由于并非定制数据,大数据所提供的往往是间接证据。如何使用这些间接证据资源,也是一种重要的研究领域。

(三)基于大数据的“证-析”

对于已经具有较深传统理论功底的学者,一提到大数据首先吸引眼球的自然是“数据”,将尽管“大”的数据放进“建模”的分析过程,是一种习惯成自然的研究套路。一番兴奋之后却发现这个“大”的数据不那么好用。公交IC卡数据由于只有上车刷卡信息,需要推断用户下车站点。更在推断是否换乘德过程中,两次刷卡之间间隔多长时间属于“换乘”,远不像交通调查中的直接回答来的爽快。类似的问题在交通大数据分析中比比皆是,例如移动通信数据中的“单此出行”的判断,移动通信用户是否属于“通勤一族”的判断,车辆牌照数据中相邻两次检测是否属于同一次出行的判断等。在一系列假设基础上,终于将这个“大”的数据融入模型标定的框架之中,但是面对研究结果却充满疑惑:得到的结论如何检验,仍然是一个挥之不去的难题。

一般来说对于数据驱动的研究工作,将“数据”组织成为“信息”,从“信息”中提炼发现“知识”,构成完整的分析流程。问题在于不一定非要将“数据”组织成为专门用于支持建模的“信息”,而且也不一定非要通过数学模型获取有关规律的“知识”。否则我们会忽视难以精确数字化的重要信息。

如果我们跳出传统研究的套路,不是把大数据视为需要通过“模型”来说明因果关系的“原材料”,而是将其表达为判断者能够理解的“证据”,峰回路转又呈现出一片新天地。

交通大数据分析过程其实是一个“证-析”的过程。所谓“证-析”一方面强调判断和决策中的证据,尤其是数字化的具象证据,以求增加判断与决策的权威性和说服力;另一方面强调通过证据产生洞察,而不是让复杂的数学模型剥夺了我们思考的能力。

在这一技术路线指导下,两个必须突破的关键技术问题成为有待攻破的“堡垒”——构建“证据视图”,以及基于证据形成科学判断的方法。所谓“证据视图”是将一系列通过数据提取特征后形成的图表,按照某种专业逻辑(证据链)组织起来,展现在决策判断者面前的形式。基于证据形成科学判断的方法,其关键在于如何从专家组群关于证据对于假设判断支持程度的意见中,提炼出整体共识。

“证据视图”与“证据链”的概念具有密切的联系。交通大数据分析之所以强调“证据链”,是由于大数据本身非完备特征,使得据此产生的证据是大多属于“间接证据”。由此产生的问题是——如果只有间接证据,能否形成可信的判断?

一个非常有用的启示来自司法领域,间接证据理论的奠基人,杰里米.边沁(Jeremy Bentham)最早提出间接证据的概念:“在间接证据中,仍存在着一种‘特殊的推论’,而在直接证据中,从原始命题到结论的推演却相对简单”。

间接证据不能独立证明命题,需要与其他证据结合,并经过推理才能证明命题。间接证据的应用可以分为三种情况:①在具有直接证据的情况下,间接证据可以对直接证据进行印证,以使得直接证据获得足够的可靠性;②间接证据还需要对直接证据没有证明的事项予以补充证明,以实现对事实的完整证明;③在不具备直接证据的情况下,间接证据如果确实充分,也具有独立证明命题的功能。

构建“证据视图”就是将各类证据组织起来,形成“证据链”来证明所提出的命题。

基于证据形成科学判断的方法,则是借助专家组群的智慧,验证技术分析人员关于通过具体证据来证明命题的理解正确与否。也就是说,让专家相对独立地对于证据视图能否有效地证明命题做出判断,并对自己的判断采用某种打分的方式加以形式化,再进一步加以综合产生最终结果。与德尔斐法不同,这样得出的结论有可能包含“目前证据尚不足以说明问题”这样的判断,更加能够体现专家的意见。

(四)不可或缺的洞察力

洞察力并非自动从大数据中产生。在图1所显示的上海市商业地产价格指数分布中,颜色越是偏冷色调,价格越低。如果不加上以人民广场为圆心,以17Km为半径的圆环,不一定能够注意到宝山新城商业地产的价格远低于环状地区其他部分。

 

\
 

图1 上海市商业地产价格指数空间分布

而当我们将图2与图1放在一起时,会进一步认识到北部商业地产价格偏低与集装箱卡车活动强度高具有关联的可能性。

 

\
 

图2 上海市集装箱卡车交通流量分布

由此产生了一个新的问题:是数据挖掘激发了我们对港城融合矛盾的洞察力,还是大数据只是验证了已经觉察的问题?我更倾向于后者。因为如果事前缺少认识,我们不会在商业地产地价指数分布图上添加一个环带进行比较,也不会将图1和图2放到一起进行研判。正因为如此,大数据分析不应是一种机械的工作流程,而是需要根据我们对问题的认识不断调整“证据视图”等数据表达。

有些读者可能提出的一个疑问是洞察力真的那么重要吗?

城市交通处于一个迅速变化的过程中,面向未来会产生许多新的重要问题。例如,按照上海的空间资源情况,很可能40%的家庭就消耗了城市可能的全部居住类停车资源,那有车家庭与无车家庭参与社会的能力是否会出现大的分化?现在汽车厂商在尽力推进的微型化个人车辆(例如世博会上出现的”叶子”)时速在30-40Km/h,如果未来城市中有几十万辆这样的车辆,是否存在道路空间中极大的冲突?诸如此类的问题,是不可能“车到山前必有路”的,缺乏远虑必然导致近忧。所以,我们不仅需要关心预测,更加需要注意预见!

为了提升洞察力,对于数据的研读者需要形成一种战略思维能力。

战略思维属于概念性思维范畴,在城市交通领域是指管理者对关系事物全局的、长远的、根本性的重大问题的谋划(分析、综合、判断、预见和决策)的思维过程。对于一个缓慢变化的进程,在一些因素不变假设下得出的各种片断知识或规律,几乎不用修正就可以应用于现实问题。但是对于处于快速城市化和机动化进程中的中国城市交通,基于影响因素不变假设的思维方法开始出现偏差,需要动态地和综合地跟踪多种因素所产生变化的战略思维就显得尤为重要。

基于大数据提升我们对城市交通演变的洞察力,是一个充满挑战的话题,有待青年学者和学生们去加以攻克。

来源:www.cbdio.com  http://www.cbdio.com/BigData/2016-03/01/content_4671699.htm

关键词:

版权声明:本站原创和会员推荐转载文章,仅供学习交流使用,不会用于任何商业用途,转载本站文章请注明来源、原文链接和作者,否则产生的任何版权纠纷与本站无关,如果有文章侵犯到原作者的权益,请您与我们联系删除或者进行授权,联系邮箱:service@datagold.com.cn。

一条评论

发表评论

电子邮件地址不会被公开。 必填项已用*标注

此站点使用Akismet来减少垃圾评论。了解我们如何处理您的评论数据