大資料和資料探勘在交通領域的應用有哪些？

一般來說，所謂智慧交換的核心是大數字。

根據人工智慧和物聯網，大資料在各種感測器、攝像頭甚至人工採集中，為人工智慧提供原材料，為物聯網裝置的控制提供決策依據，一般來說，大資料對於智慧交通在以下幾個方面的作用， 感知——對整個城市的交通狀況，如車輛資訊、道路資訊等形成多維度的感知優化——交通訊號優化、公交路線優化等。

控制 – 坡道控制，特別關注車輛管理。

排程——根據交通流量智慧型調整，應急響應服務——實時發布交通資訊，便捷服務。

大資料在交通領域的應用可以改善城市交通擁堵，提高道路通行能力，降低交通事故發生率等，具體應用如下：

1.交通流量：通過分析歷史交通流量資料和實時車輛位置等資訊，可以針對未來的交通流量優化交通訊號燈控制或路況導航提示。

2.路網優化：通過採集交通資料和地圖資料，對全市路網進行建模分析，識別瓶頸和擁堵點，提出優化方案，如增設紅綠燈、新建道路、調整交通管理政策等。

3.智慧出行萬億服務：通過手機APP或公共螢幕顯示實時交通資訊和公共運輸到達時間，為市民提供更智慧型的出行方式，減少交通擁堵。

4.交通事故預防：通過監測城市各路段車輛的行駛速度和密度，並利用機器學習演算法等技術，尋找可能導致事故的細微異常變化，從而及早發現和避免交通事故。

總之，大資料在交通領域的應用為城市交通管理提供了更加精準、高效、科學的手段，從而有效解決城市交通問題。

1、從單一分散到資源整合：單一分散包括分散的資料、分散的技術、分散的業務和分散的應用。 我國大規模資訊化建設後，大多數交通相關部門都建立了自己的資訊化系統，積累了大量的資料。

但目前資料資訊過多隻存在於單一部門的垂直業務和單一應用中，部門間缺乏開放溝通，導致資料資源碎片化和資訊碎片化，資料共享程度不高。

2、從資料統計到智慧型輔助決策：交通大資料量大，種類繁多，包括卡口、道路監控、電子警察、交通訊號控制、交通誘導資訊、車輛行車管理、交通事故、停車場、運營車輛、車輛、車站、公交線路網路、車輛定位等資料。 然而，面對如此海量複雜的資料，目前大部分後台資料處理仍採用傳統的統計分析方法，或者通過對一維資料的比較、積累、百分比計算，生成簡單的圖形模型輔助決策，或者基於有限維資料的簡單模型演算法是關鍵引數的關鍵引數。

3、從聚焦資料處理到貫穿資料全生命週期：構建乙個完整的大資料平台，包括資料採集、儲存、處理和展示，主要挑戰在於以下幾個方面。 資料型別的多樣性，非結構化資料的指數級增長：

在智慧型交通建設和運營過程中，需要處理結構化資料，以及監控、卡口電液警察等大量非結構化資料; 傳統的關係型資料庫只能對確定的資料關係進行分析和處理，而對海量資料，尤其是半結構化和非結構化資料，卻無能為力。

一般來說，所謂智慧型交通的核心是大資料、人工智慧和物聯網，大資料是各種感測器、攝像頭甚至人工採集中的佼佼者，大資料為人工智慧提供了原材料，為物聯網裝置的控制提供了決策依據。

優化 – 交通訊號優化、公交路線優化等。

控制——引線坡道控制、車輛專用鑰匙管理。

排程 – 根據交通流量進行智慧型調整，以應對緊急情況。

服務——實時發布交通資訊，服務便捷。

智慧型交通是改善城市交通的關鍵。 因此，及時準確地獲取交通資料，構建交通資料處理模型是構建智慧型交通的前提，而這個問題可以通過大資料技術來解決。

智慧型交通的整體框架主要包括物理感知層、軟體應用平台和分析優化管理的應用。 其中，物理感知層主要是對交通狀況和交通資料的感知和採集。 軟體應用平台對各感知終端資訊進行整合和轉換，支撐分析、預警、優化管理應用體系的構建; 分析優化管理應用主要包括交通規劃、交通監控、智慧型引導、智慧型停車等應用系統。

該系統採用先進的監控、智慧型識別和資訊化手段，增加了可管理的空間、時間和範圍，不斷提高管理的廣度、深度和精細度。 整個系統由綜合資訊應用平台、訊號控制系統、監控系統、智慧卡口系統、電子警察系統、資訊採集系統、資訊發布系統等組成。 為了實現四個目標：

提高交通容量，減少交通事故，打擊違法行為，並提供旅遊資訊服務。

在各個城市建設智慧交通的過程中，將產生越來越多的監控、卡口電報警、路況資訊、控制資訊、執行資訊、GPS定位資訊、RFID識別資訊等資料，每天產生的資料量可以達到PB級，並呈指數級增長。