“智能交通业大数据应用研究”

本篇文章2273字，读完约6分钟

年10月18日，以“大掌握大智汇大发现内在”为主题的微软大数据处理方案媒体信息发布会在北京召开。 会议上，微软高管与国内数十家媒体分享了微软在大数据行业的最新研究成果、处理方案和大数据未来趋势的专业发现。 微软亚洲研究院主管研究员郑宇就智能交通大数据等当前热点行业的应用进行了精彩的共享。

郑宇说要对智能交通了解一点交通背景知识，以北京为例，北京有67000辆出租车，每辆出租车都装有gps传感器。 这个传感器不是用来给司机导航的，而是用来定位车辆，叫车提供服务，保证交通安全。 搭载gps传感器的出租车可以看作是移动的探测器，在路面上以不同的速度行驶，因此可以感知地面的交通量。 历史数据也反映了过去的历史交通规律。 另外，出租车司机是经验丰富的司机，选择道路时不仅要考虑最短的距离，还会考虑道路的拥堵状况、信号灯的状况、左转、右转、事故的概率。 我们用这样的数据指导着人们的行车路线的移动。 更简单地说，为客户推荐真正意义上最快的驾驶路线。 根据时间的不同，不同的人也有驾驶习性。

另一方面，如果你不开车，但是有时坐出租车的话，现在北京出租车也不是很好。 司机有时也会抱怨。 他们无法从这些数据中提取出来。 在那些道路上司机容易吸引乘客，那些道路容易坐出租车，那些道理很难坐出租车。

我们真正需要的是未来的交通量，我们的车实际去了那个地方是什么样子？ 不是你告诉我现在那个地方是绿色的，而是我开车后，堵车了。 这条路线又不同了。 这个时候，二环堵车，所以建议避开二环和机场的高速。 所以，我来自三环。 工作日和非工作日又不一样吗？ 如你所见，在星期六，对我们的建议又不一样了。 以前提议从机场高速来，但星期六可能不一定好。 我们也因人而异考虑驾驶习性。 有人开车很快，有人开车很慢，所以他可能不适合走高速。 这个因子对驾驶习性不同的人的不同路线有反应。 有人喜欢超车。 你必须给他一个环境。 有人虽然道路状况很好，但他开车很慢。 这是最快的路线做法，基于大规模出租车轨迹的数据。

坐出租车的话是什么样的？ 这里是望京的地图。 如果我在这个地方，从历史上出租车在这边的活动轨迹数据就可以知道乘客在哪里乘车和下车。 可以知道在各个路段打车的难易程度。 我们在这条路上等了将近30分钟有时一辆车也过不去，但是走了50米，可能会拐弯。 那里有很多出租车，但你不知道。 相对来说，在望京这个区域，离望京商业国际近的比较容易打的，所以大家开车的话，就往那个方向走。 这将随着时间而变化。 我现在定的时间是五点多，是大家回去的时间。 但是，早上的情况又不同了。

这里有几个活着的地方，比如出租车。 可以预测在接下来的30分钟内，有多少辆车会来这里生存。 例如，这个地方大致在未来的30分钟内，会有约7辆车来等待工作。 这两个应用，一个是处理移动司机的痛苦，另一个是处理出租车司机的痛苦。

另一方面，我们也可以推荐给司机。 我们一边向乘客推荐打车的地方，一边向司机推荐容易等待的地方。 这项服务将用于中间时段，消除早高峰和晚高峰。 如你所知，早晚高峰哪里都不能坐出租车。 我们只有6万多辆车。 总是不能每人开一辆车。 这个时候怎么办？ 我们有新技术。 一种大型出租车实时动态拼车服务。 我在这之中强调两点。 一个是大规模的，一个是实时运动。 你没有必要尽早向我们的服务传达要求。 你想什么时候坐出租车？ 拿出手机，有APP。 我会告诉你一些身体骑在上面，去哪里。 同时也可以决定时间。 我希望什么时候去那里。 因为我不希望打车后到达目的地。 目前，许多政府大力宣传拼车服务。 因为在城市里，不能保证任何人都能坐出租车。 我们有大量人口流动，但出租车数量有限。 增加出租车数量并未处理问题。 目前，北京市地面交通量的25%由出租车造成。 如果增加出租车，路面会更加拥堵，司机的收益有可能下降，单位时间内运送的客人也有可能下降。 这是矛盾的，因为司机反对出租车数量增加，希望乘客选择更多的车。

很多时候，很难看到北京出租车拒载，也很难打车，但这实际上是政府、乘客、司机三者的矛盾。 这里提供大规模的拼车服务。 在一个人打一辆车的过程中，发现里面有2~3人空位，所以只要能挖掘空位的潜力，就能为大多数人服务。 虽然现在也有轿车服务，但它是一对一的，本质上并没有提高系统容量。

这是我们后台的模拟界面。 现在很多人表示要坐出租车。 绿色表示他在等着。 红色表示他得到了应答。 很多车在城市里行驶。 这个计划是怎么计划的呢？ 例如，这辆车里已经有一个身体了，但是这个时候，我收到了另一个要求。 加号表示有人要骑，减号表示有人要下车。 我们必须不断地计算。 其中有几个限制条件。 我们必须保证司机的收益比不拼车高。 乘客的费用比不拼车低，乘客更少，司机必须赚越来越多的钱，同时保证时间。 我什么时候才能好呢？ 不能，这是我们的拼车服务。 这方面的计算非常困难，无论是用于云平台还是大数据。

驾驶、移动、最快路线的设计、在非高峰时段开出租车的推荐系统、向司机推荐等活动场所，增加他们的收益。 在高峰时段，只有实时动态拼车才能处理好我们的服务。 这三者都是利用现有数据进行的APP应用。 从根本上处理问题是第四个，要从根本环节处理这个问题，要看道路规划，哪里需要更好的优化？ 我们有大规模移动的数据。 在一个城市，那些地方的道路规划不那么合理，或者说以前很合理，但现在跟不上我们的时代。 如果能发现这些问题，改变我们的计划结构，改变我们的道路市政，这真的能处理堵车问题。