运营商大数据在智慧交通方面能有什么作为？
这是傅一平的第258篇原创
作者：傅一平
个人微信：fuyipingmnb
上周有幸参加了浙江省交通运输厅举办的主题论坛：未来交通创新发展论坛，并做了一个演讲，题目是《运营商大数据在智慧交通的应用探索》，下面就此内容做个分享。
笔者以前很少去参加其它行业的论坛或会议，但做了几年大数据后，自己也有了些新的视角：运营商做大数据也好几年了，如果感觉有点后继乏力，也许需要反思一下，其实没有那么多低垂的果实，下面是三点不成熟的思考。
（1）对一个行业没有基本的认识前，不要奢望能从这个行业规模化的变现，这个认知包括一切要素，技术、业务和客情，每个行业都有自己的圈子，尽量融入这个圈子，才有机会展现能力，从而捕捉到一些商机，比如通过参加行业论坛，起码能了解到大学、企业在这方面最新的进展。
（2）大数据作为创新业务，大家都是摸着石头过河，别老想着有现成的行业代理人来替你招揽客户，更何况哪有那么多的代理人，这还是一个非常不成熟的市场，客户培育也有个过程，大家过得其实比较艰难。
（3）该投的资源必须投，你得skin in the game，特别是对于行业的研究，无论是在销售、营销、产品、建模和数据等方面，比如交通规划行业，你不理解业务，自己的数据和模型就基本不可用，也搞不出什么平台，同事做了路网拟合的研究后，发现得下真功夫啊。
对于智慧交通，笔者觉得运营商是有机会充分利用自己的大数据优势来为这个行业赋能的，下面就结合这次演讲谈一谈自己粗浅的理解。
1、低成本的实现流量预判及疏导，缓解交通拥堵
目前浙江全省已建成13条国家高速公路和24条省级高速公路，总里程约3800公里，随着汽车出行的全民普及，高速的管理问题日益凸显，每逢大的节假日，由于高速流量井喷，超过设计流量数，加之省内高速多隧道、弯道，道路线型复杂，轻微刮擦事故时有发生，容易出现长时间堵车。
每年政府都投入大量经费用于监控摄像头、车辆监测仪等设施的部署，但是现有的监测设备仍然只能覆盖一小部分范围，导致只能掌握部分高速路网的运行状态，不足以支撑全省高速路网的监测和路网运行状态的评估。
资源肯定是稀缺的，这里特别要提下共享的概念，共享的核心要义是有能力把闲置的资源利用起来，而不是靠大投入去创造一个所谓的共享商业模式，共享单车显然不是理想的方式，而像Airbnb这种充分利用闲置的民宿资源来解决出行住宿问题才是真正的共享，这种模式社会的总体成本最低。
而运营商拥有一张无处不在的现存的通信网，基于运营商的现有信令数据就可以做到实时监控车流状况，从而辅助交通管理部门在时间上削峰填谷，在空间上控密补稀，这个成本显然是最低的，部署也最快，以下是一个案例：
清明期间，浙江移动的高速治堵大数据平台辅助衢州移动高速交警支队调控辖区整体流量，初步实现了辖区流量的“预知、预判、预导”，确保大流量期间辖区流量平稳畅通的目标，这就是一个典型的应用。
2、智能的进行高速异常事件的预警，提升处事效率
据不完全统计，高速公路约有30%的交通事故是由违法停车造成的，根据美国汽车协会（AAA）的一项新研究，疲劳驾驶的事故比预想的要多出8倍，在仪表盘摄像头记录下，在超过3500辆汽车中，大约10%的撞车事故是由瞌睡造成的，高速上低速行驶危险程度绝对不亚于超速，这一点在高速公路上表现的尤为明显，可以说低速行驶是高速上的隐形杀手。
目前在高速违法停车等事故的监测手段上存在一定局限性，比如人工上路巡查受限于警力资源有限，不能全天候覆盖，视频监控的监测能力不足，容易受天气、光线等外界因素影响，且目前的高清摄像头覆盖不足等等。
而基于运营商的信令数据可以非常方便的判断高速用户，结合速度、位置切换等信息就可以区分出违停、低速等异常事件，从而进行自动预警，交警通过调取对应的摄像头可以进行确认和处置。
这种预警的难点就在于算法的准确度和覆盖率，比如要剔除服务区、同路车辆等各种特殊场景，对于信令等数据的质量（如精度）也有一定的要求，诸如浙江移动已有相关成功案例。
3、科学进行交通道路的规划，实现末雨绸缪
交通规划中重点是分析交通需求（通常供给是由需求决定的），目前典型理论是四阶段分析法，分别是：
（1）交通发生和吸引：预测研究对象内的总的交通量，实际分析按照交通小区的发生量和吸引量进行表征；
（2）交通分布：根据各小区总的发生和吸引量，预测交通量在各个交通小区间的分布，即OD分布（从哪里来，到哪里去）；
（3）交通方式分担：预测每个交通方式分担的交通量，是一种选择模型，用分担率表征；
（4）交通流分配：根据已经预测出来的OD交通量，根据实际情况按照一定规则分配到路网中的各条道路上，求出各条道路的交通流量。
其中（1）（2）是当前运营商大数据可以的发力点，（3）有一定的挑战，但无论如何，基于移动大数据全量、连续性的分析，结合城市宏观态势和微观机理进行研究，就可以抛弃传统人工样本统计的弊端，基于全量的信令数据进行交通流量预测，从而科学指导交通规划。
下面是来自知乎的北京市某一天的职住OD信令数据（从居住地网格到工作地网格）可视化分析，通过这张图，我们可以明显看到北京市城区有多个中心，如中关村、国贸CBD、西单，还有几个独立的小中心，如望京区域、亦庄开发区等。
运营商传统上是基于信令数据来辅助交通规划的，由于精度的限制需要高度依赖算法来进行补偿，当前浙江移动正在推进以MR数据为核心来进行规划的尝试，更好的定位精度可以让规划能力上一个台阶。
4、提供城市24小时分析，洞悉城市生态
道路的变化将深刻的影响人们的生活，而大数据为这种变化提供了解释，比如浙江移动在互联网大会发布了城市24小时的产品，具体见笔者的文章《我们是如何来设计互联网大会“城市24小时”这块数字大屏的？》，其用大数据来洞察城市发展的现状和居民需求变化，为政务、交通等领域提供更多决策支持.
比如城市24小时洞察发现，杭州地铁全天客流最高的站点为火车东站站，日客流量超过14万人，半小时客流峰值超过7000人，其次为客运中心站和城站站，通勤人群工作地受益最多区域是龙翔桥站附近，居住地受益最多区域是余杭高铁站附近，用大数据似乎能给出更深层的一些东西。
5、聚合时间+空间+用户三维数据，运营商可以创造智慧交通的赋能平台
笔者有一个设想，运营商其实可以基于自身的数据优势，通过聚合时间+空间+用户三维数据，打造出一个城市交通实验室平台，将出行OD、出行方式、截面流量等打造成一系列的服务，任何合作伙伴都可以基于这个平台做应用的二次开发，从而快速的支撑各类规划应用，同时通过叠加基于移动标签的人群分析，从而探究用户出行的深层次原因，这将是智慧交通的巨大升级，下图是一个框架示意图。
比如客户可以任圈选两块区域进行OD分析，这将给客户更大的分析自由度，但要能达到路网拟合等这种分析的能力，则对运营商的建模能力提出了很高的挑战。
在演讲现场，笔者也提到了5G对于智慧交通的意义，这在自己的公众号文章《如何深入浅出的理解5G在自动驾驶、新媒体、农业、能源、医疗、工业等垂直行业的重要作用？》中已经有所阐述，比如基于5G的高速、低延时等特点，可以实现真正的路网协同（比如V2X），让无人驾驶更进一步。
最后是笔者关于运营商大数据赋能智慧交通的三点建议：
首先，需要去做一些端到端的应用，从而更深入的理解交通业务，这是打造一个赋能平台必须的。
其次，需要进一步提升定位的精度，在交通算法上加强研究，实现路、网、人的精准匹配。
最后，则需要充分的与产业各界进行合作，实现优势互补，从而快速的释放运营商的数据价值，创造更高阶产能。
注：每周我将会挑1-2本我读过的书或文章进行推荐，优先大数据、人工智能类，欢迎选读！
完
作者：傅一平 （微信号：fuyipingmnb）
好书或文章推荐（每周我会挑选出1-2本好看的书或文章进行推荐）
罗辑思维：考试思维的另一个危害：工作后仍然将很多事情当成自个儿埋头答题的试卷，不懂得寻求、动员资源去完成一件事。
《小学问》 马薇薇：被老虎咬伤，反倒谴责受害者：我们在谴责受害者的时候，其实根本不关心事实，因为我们在意的，不是真正的安全，而是安全的感觉，我们只是希望，通过找出受害者与我们其他人的差异，让我们能够开开心心的回到正常的生活中去，毕竟没做错事事情发生在自己身上。
可能错过的近期精选文章（点击链接即可阅读）
从芝麻信用分透露的详细数据设计，我们能从中得到什么启示？
如何避免成为一台取数机器？
哪些广为人知的数据挖掘案例其实是一地鸡毛？
数据的价值到底如何评估？
为什么我提交的数据分析报告总是被领导K？
我如何用统计学指导自己的生活？
从吴军的“算法的油水就那么多”说起！
一起成长，让我们与数据同行
忙完工作，偷得浮生半日闲，讲述自己的数据人生
大叔/电信博士/500强央企/大数据/人工智能/统计取数/数据挖掘/数据产品/数据管理/数据仓库/数据变现