基于大数据平台的交通应用分析研究33

基于大数据平台的交通分析应用研究上海电科智能系统股份有限公司2015年9月交通大数据问题12面向交通管理的应用分析3交通大数据平台构建大数据应用发展趋势4大数据时代金融行业电商行业医疗行业交通行业消费电子游戏行业旅游行业创新企业社交行业软件行业互联网保险行业政府政务信息技术革命正在世界范围内颠覆人类的生产环境和生活方式传统行业大数据智能交通TrafficBigData，TBD交通大数据思维交通大数据技术交通大数据资源大数据时代面向交通管理的问题类型？程度？发展趋势？成因？影响？治理？常发？历史数据统计？长时间|大面积？如何缓解交通拥堵？偶发？如何识别？哪些数据资源？哪些指标描述？排队|车速|延误|持续时间|里程比？严重|缓解？如何量化？需要预警？阈值标定？预测|经验？短期|长期？局部|整体？供需|瓶颈点|事故事件|异常天气|节假日|道路施工？效率（延误）|环境|经济|能耗|关联（地面公交）？民警|技术？政策|措施？车辆属地|属性|出行行为|可怕的小雨|雾霾？指标|算法？评估|决策支持？面向交通管理的问题节假日取消收费迪士尼交通及客流吸引高峰时段牌照限行问题车辆牌照管理问题个性化交通信息服务问题交通枢纽综合分析问题创建规律：通过多源多维海量数据发现规律现状研判：通过数据统计和比对对现状进行描述科学预测：基于规律和现状，预测预警发展趋势综合服务：为社会各个方面提供知识成果与服务需要多源多维的海量数据复杂决策类问题普遍都是大数据问题电科智能的交通大数据研究市科委立项《城市交通大数据应用关键技术研究与示范》大数据技术学习基础平台搭建2011面向Hadoop系统的大数据技术研究2012基于SPARK的分布式内存库技术研究2013数据画像大数据应用实战2014《城市交通大数据》关系数据库HADOOP系统内存数据库全息电子档案综合交通数据开放应用的新模式研究2015交通大数据应用案例3大数据应用发展趋势4交通大数据问题12交通大数据平台构建交通大数据平台架构业务应用层平台架构层基础设施层数据交通大数据平台核心资源核心资源是数据从设备管理升级到数据管理：搭建数据管理平台结构化数据半结构化数据非结构化数据交通大数据平台数据管理全生命周期数据管理分类问题？存储问题？设施设备？数据质量？应用流程？通过平台对所有数据的总量、内容、健康状况、服务业务、隶属网络的查询与监控。交通数据语义网络交通大数据平台数据管理电科交通大数据集群集群规模20个节点磁盘存储容量100T（30TB+）内存容量（RAM）1.5T计算能力（CPU）150核电科交通大数据平台已初步具备较大规模数据的处能力，在此平台上，针对交通大数据进行深度分析和应用实验。电科智能大数据实验室交通大数据技术电科智能大数据实验室电科大数据平台解决方案HADOOP内存数据库关系库交通大数据技术电科智能大数据实验室电科智能大数据实验室交通大数据平台构建2大数据应用发展趋势4交通大数据问题13面向交通管理的应用分析分析案例1：城市交通拥堵四分位数分别是：Q1（25%）=11Q2（50%）=20Q3（75%）=341.浦东路口运行状况整体水平良好2.局部路口存在严重拥堵，是否为常发性拥堵，有待进一步的数据分析02468101214161820222426283032343638404244464850525456586062646668707274767880828486889092949698100路口指数分布曲线11,25%20,50%34,75%60.7%31.5%7.0%0.8%交通状态分布：畅通60.7%轻度拥挤31.5%严重拥挤7.0%阻塞0.8%孙桥路/军民公路欧高公路/港城路世纪大道/陆家嘴环路陆家嘴东路/陆家嘴环商城路/南泉北路华夏东路/巴士公司世纪大道/崂山路上南路/成山路张杨路/金桥路商城路/浦城路南浦大桥/杨高南路杨高中路/红枫路妙境路/川环南路博成路/长清北路博山路/万德路数据缺失10.1~10.5国庆长假周末……拥堵起始日期拥堵结束日期X:时间（日）Y:路口分析案例1：城市交通拥堵分析案例1：城市交通拥堵(a)日间全天候交通拥堵(b)明显且均衡的早晚高峰特性(c)早高峰比晚高峰拥堵严重(d)晚高峰比早高峰拥堵严重(e)拥堵发生在凌晨准确把握交叉路口的拥堵特性，包括：拥堵开始、结束时间，日拥堵持续时间、拥堵性质，从而：•为交通政策措施的制定和实施提供决策支持；•为交通政策措施的实施效果提供评价依据；路口指数按“时”统计X:路口Y:时间（e.g.陆家嘴东路/陆家嘴环）（e.g.高科中路/金科路）（e.g.杨高南路/东三里桥路）（e.g.长清路/昌里路）（e.g.李冰路/伽利略路）分析案例1：城市交通拥堵01020304050607080901000:000:280:561:241:522:202:483:163:444:124:405:085:366:046:327:007:287:568:248:529:209:4810:1610:4411:1211:4012:0812:3613:0413:3214:0014:2814:5615:2415:5216:2016:4817:1617:4418:1218:4019:0819:3620:0420:3221:0021:2821:5622:2422:5223:2023:48(a)杨高南路/东三里桥路路口交通指数周变化趋势星期一星期二星期三星期四星期五星期六星期日01020304050607080901000:000:280:561:241:522:202:483:163:444:124:405:085:366:046:327:007:287:568:248:529:209:4810:1610:4411:1211:4012:0812:3613:0413:3214:0014:2814:5615:2415:5216:2016:4817:1617:4418:1218:4019:0819:3620:0420:3221:0021:2821:5622:2422:5223:2023:48(b)上南路/成山路路口交通指数周变化趋势星期一星期二星期三星期四星期五星期六星期日周一至周五的早高峰无明显差异周六和周日无明显早高峰，且周六比周日上午时段拥挤周六和周日午间较工作日拥挤周五（绿线）晚高峰较其他时间拥挤全周晚高峰交通趋势无显著差异分析案例2：高速公路运行管理浦东进出上海的通道为G15沈海高速，下设高东收费站，分进出上海双向，高东收费站位于沪陕高速崇明大桥入口，周边连接主要道路为A30绕城高速，五洲大道。考虑到高速公路节假日小客车取消收费的影响，采用收费站附近交调环形线圈采集交通流量作为数据来源，检测断面的编号如下。交调数据采集粒度为5min，按车道采集，数据时间范围为2013年1月至2015年1月。收费站编号描述断面线圈G1501高东收费站北出上海BBA32JVD04N1BBA32JVD04N101BBA32JVD04N102BBA32JVD04N103BBA32JVD04N104G1501高东收费站北进上海BBA32JVD04W1BBA32JVD04W101BBA32JVD04W102BBA32JVD04W103BBA32JVD04W104分析案例2：高速公路运行管理出上海（浦东）进一步结合节假日放假信息，可以确定高峰出行集中在十一、五一、清明和元旦等假日，其中最高流量为十一出行，且从前后两年对比，可以看出：1）2014年比2013年不仅出现高峰出行的节假日类型呈增多趋势，2014年高峰出行出现了16天，而2013年仅为6天；2）而且相同节假日的高峰出行量也增长迅速，2013年清明节高峰流量为36335辆，而2014年增长到了45656辆，增长了10000辆；2013年十一高峰流量为45367辆，2014年十一高峰流量为50620辆，增长了5000辆。分析案例2：高速公路运行管理2014年10月1日的高峰车流有如下特征：•零晨时段，出现了极端大客流，持续时间为半小时,这和免费在10月1日零晨实施有关，大量车辆集中在零晨之后进入高速公路；•早高峰时段在5点，显著早于正常工作日；•在下午14点出现了午高峰。2014年10月2日的高峰车流有如下特征：高峰客流出现在8点左右，但持续时间较长。出上海高峰车流时间分布出上海车流空间分布相关性分析分析案例2：高速公路运行管理进上海（浦东）东进上海高峰与出上海高峰客流类似，但发生的日期晚于出上海客流，显示其很大一部分为返程车流。以2013年十一为例，出上海(浦东)高峰车流发生于9月30日至10月3日，而进上海(浦东)高峰客流发生于10月3日至10月6日。分析案例2：高速公路运行管理进上海（浦东）从5分钟时变图看，进上海高峰车流的时间分布和正常工作日存在显著差异，但出上海高峰车流的高峰时段比较稳定，从下午14点左右开始，持续到晚上20点左右。通过相同的分析方法，可以确定五洲大道也是高东收费站进上海流量主要的消散方向大数据应用方向设想基于SCATS数据的路口拥堵指数关联视频大数据应用交通违法、事故大数据应用大数据应用方向设想基于大数据技术的黑车、假套牌车分析治理大数据应用方向设想交通大数据平台构建2面向交通管理的应用分析3交通大数据问题14大数据应用发展趋势交通大数据平台生态圈交通大数据服务云平台政府决策交通管理规划设计科学研究衣食住行关联行业上海行交通大数据思维数据转为对象，对象彼此互联，平台支撑网络，网络创造价值谢谢各位领导和专家！