1樓：猴王吃雞腿
現在有些城市實在做的，叫潮汐車道，可以根據車流量大小，縱向控制同一道路不通路口的紅綠燈時間，橫向智慧型變化不同路段左右車道的車道數，從而合理分流高峰時期車輛資料。
2樓：資料的追隨者
當然是可實現，而且現在阿里雲已經給杭州提供了解決方案。
舉乙個親身經歷的例子，曾經有段時間經常從杭州的良睦路右轉到文一西路，右轉是訊號燈（箭頭那種），每次經過基本都要排隊，少則幾輛車，多則就堵起來了，但是這個情況沒持續太久，訊號燈調整了策略（綠燈的頻率和時長），後來基本就不需要排隊了。這些情況是事後的大資料分析並調整的，如果沒有大資料這個優化的效率不可能這麼高的。
記得阿里雲曾經在一次論壇上說因為他們的解決方案，杭州的擁堵係數降低了百分好幾十的（具體數字記不清楚了）。這點還是非常相信的和認可阿里雲的。
3樓：bushobama
理論上，可以讓每個人預先告知以後的行程（起點、目的地），把大部分人的行程先收集起來（少部分人行程要保密）。然後根據當前的路況，以及所有人的未來行程，來做個全域性規劃，安排每個人的路線。
當然，全域性規劃的結果，有一些人要繞略遠的路。怎麼應對：
1 每個人設定行程緊急性、油耗敏感性之類的資料， 讓那些對繞遠路不太敏感的人去走遠路。
2 當然，第1條裡的資料不一定能收集到；另外，安排別人繞路，別人不一定會真繞路。所以，要統計服從安排的比例，多安排一些人去繞路。比如，需要60個人繞路，之前統計的服從安排的比例是60%，那就預先安排100個人繞路。
如果能全域性優化，就是個最優化問題。可惜不能全域性優化：1 各個地圖平台的資料很難共享。 2 所有資料在一起全域性優化，可能複雜度很高。
如果每個人單獨決策，就是個博弈問題。多次選擇，就是個多次博弈問題。
所以，可以找個次優解。分布式規劃，用強化學習、博弈之類的演算法。
肯定不能人人滿意。只能盡量讓所有人的總延時小一點。
應該會有一些折中的技巧。
拿一部分使用者做全域性優化，剩餘部分使用者（服從性不高、臨時出現的）做分布式規劃。
4樓：Godthrone
其實這不是乙個技術問題，是乙個經濟問題。很多堵點不是沒有辦法緩解，而是沒有經濟上可以承受的辦法，就算有交通大資料也解決不了誰出錢的問題。
5樓：北極沒有熊
能用嗎？能。
在用嗎？已經在了，你的每一次導航，都是通過大資料算出來的。
有效果嗎？有一定效果。
能徹底解決問題嗎？可能需要如下步驟
1.讓每個司機安裝高德導航。
2.根據大資料演算法進行排程，所有人必須聽從排程。由於區域性最優解和全域性最優解的矛盾，要想達到全域性最優必須有人繞路。
3.所有司機繞多遠都要聽話，因為乙個人不聽話都會導致失去演算法失控。
4.你覺得上面這些對於乙個喜歡抄近路和遲到的司機靠譜嗎？
6樓：做一株蘭君子
我感覺是通過整體的調控從而達到乙個相對疏通的狀態，現在大部分車都有GPS導航，同時的也意味著自己要去的目的地被衛星掌握，從而變成乙個個資料。
這些大資料匯集在一起，ai智慧型化的處理，盡可能的為他們優化出行路線，而一些路上的突發情況也能實時傳送，從而避免不必要的擁堵，但是目前車這麼多，還是任重道遠啊。
7樓：acht
開啟地圖可以顯示擁堵路段
導航還能自動避開擁堵
這種的形式豈不是早已經存在了
更加甚者，通過限定日期限定車牌來限定車輛走高速或者某些路段，國家伸手結合大資料調調，事情辦的更好。
8樓：核桃不是二哈
正好今天堵車把我給搞遲到了~
交通大資料，運用最廣泛的，應該就是目前地圖上的熱力圖。也就是堵車時，能在導航上看到的那個紅點點。
但這個紅色區域的預估通行時間還不太準，如果真的要精細化管理，建議找到堵車的那幾個「頭頭」，從那裡獲取相關資訊才是最準確的。
9樓：貮茼
可以在車流高峰期適當增加交通訊號燈的時長，確保最大流量。還可以通過增加擁堵路段的車道或者限行來緩解擁擠。其次就是提前安排交警在擁堵路段執勤，這樣也會減少不必要的擁堵。
10樓：一夢十年
好像現在的小車導航都有這些交通提醒了吧，一般都會提醒前面有紅路燈，前面車流較多，請小心駕駛。不過計畫趕不上變化，突發的交通情況，導航還是不能及時的通報，而且現在人多車也多，這個資料還有待增加改進。應該會有相應的軟體吧，不過我沒車，所以沒研究。
11樓：伊臺
這個其實不是很容易實現，畢竟在同一時間點，同一地段上班或者開車的人數量是固定的，只要車多，一等紅綠燈就容易堵車，除非紅綠燈設定的間距比較大。但是為了安全問題，又不能減少紅綠燈的間距和數量，所以比較難辦。
剩下的方法就是在找到經常堵車的原因，譬如車速問題，有人開的特別慢，可以統一規定車速，低於多少進行處罰；譬如單行道的，可以其他道路分流，單行道一堵車那真要命，或者是增加幾條小路方便疏導。
大資料肯定是要分析每條路堵車的原因才好疏導，真正能解決的辦法是，少開車，產業區分布均勻，剩下的再怎麼精細也不容易解決堵車的問題。
12樓：信仰
利用5g進行資料傳輸的更新換代我覺的實際一些，其實每個堵點出現的原因大多都是剛開始堵還能疏導而後來的人不知道前方擁堵然後越來越堵，如果能直接顯示路段情況迅速傳播路段資訊劃等級分配路段會好很多。
13樓：大海
隨著科技的發展，對於交通違法行為的查處也是越來越智慧型化，交警通過大資料雲平台自動比對識別違法車輛以及車主，讓違法車輛以及駕駛人無所遁形。
14樓：biubiubiu
我覺得應該進行資料統計
比如那一條路經常堵車
那一條路經常沒車
合理的運用，讓兩條路都能夠運用好起來，從而減輕某一條路的負擔
15樓：「已登出」
交通擁堵的根本原因是車太多了，而路太少了。我感覺要是鼓勵大家都騎電動車，估計就不那麼堵了（狗頭）。
言歸正傳，大資料可以巨集觀監測車流，並且及時給司機規劃更合理的路線，這樣雖然不能從根源上解決堵車的問題，但應該可以減輕。
16樓：今天學習了嗎
利用大資料計算出在什麼時間段交通擁堵比較嚴重，改變相應的交通訊號時間或者改變路線，在一定的程度上可以緩解交通堵塞。
例如高德地圖可以看見當前路段的擁堵情況，自動推薦下乙個路線。
17樓：王權富貴
這點需要實時定位路況情況，各個節點的流量路段情況分別實時到定位路段，讓駕車人員選擇合適路段繼續行駛，也就是讓資料的傳播速度更加迅速。
18樓：梵文
通過大資料可以估算高峰時刻和高峰路段，也能生成車流量較少的最佳路徑，只要採取大資料的比例越大，這個結果就越有價值。
其實真實路況上行人也是會影響車流的，不過現在的大資料。把行人納入資料範圍的好像不是很多？
19樓：微風
可以通過大資料分析多開出幾個潮汐車道來，還有根據車流量大資料來合理調整紅綠燈的時間。在交通堵塞的的路口多派幾個交警，這些都是可行的
20樓：藍色憂鬱
現在是網路大資料時代，交通大資料的統計分析，也可以利用到交通上，在最堵的地段，加寬路段，加大其他相關線路開通，都是很重要的。
21樓：胡一菲
交通問題是涵蓋了乙個城市幾乎所有部門的問題，交通、城建、規劃、給水、電力、文物、綠化、周邊企業、居民等等，這些因素不是目前的大資料能完全處理的。
22樓：半世迷離
前段時間「智慧型特管區」的成功試點大家知道嗎，其實就是乙個思路。「智慧型特管區」是全國首個針對高速公路長下坡路段的交通管控、網際網路誘導綜合解決方案。就是高德給大資料和方案，高速交警負責實施，解決了高速長下坡路段事故高發問題。
我覺得這個也能用在治堵上，對事故頻發區也能來一下這樣的改造，事故頻發就算要進行改造也要給出改造方案，這也需要大資料的加持才行。事故多發肯定還容易堵車，這樣一來不僅安全了還不堵了，多好。
23樓：無為小青年
就說一點，我們都能知道熟悉的路段哪個時間會堵，但是背後的原因真不一定清楚。原因不清楚的話，該如何解決又能做什麼？派交警去路口指揮也無濟於事啊。
就更別提如果對某一路段的擁堵情況進行治理，對整體區域的乙個後續影響。這些都是要通過大資料、資料分析以及模擬實驗得出的。資料越多、越細最終得到的效果才會越好。
現在的精細化治理都是得到了足夠多的資料，再進行多次模擬實驗，最後才進行實踐的。
24樓：高姿態的愛
之前看過一些文章聊這個問題，最大的感觸就是現在各個行業都在搞大資料，交通行業的大資料是真的很有作用。用大資料解決道路擁堵的問題話，大致上首先是用大資料確定擁堵的地段、時間以及原因，可能是因為早晚高峰期，事故頻發或者旁邊有學校、醫院之類的。找到原因再制定相對應的方案，進行優化，最後能得到乙個精準的資料，這個路段的擁堵程度從多少下降了多少之類的。
大資料的好處就在於能夠精細化，畢竟每個路段擁堵的原因不一樣，不能一概而論，知道原因再去想辦法就有效得多。
25樓：轉角遇到狗
精細化治理就意味著背後是海量的資料和深度的研究。一概而論的方法誰都會說，拓寬道路、設定單行道、增加引流型建築的停車位等等，但是要麼成本過高，要麼就不一定有用，花大價錢最後收效甚微。但是有了大資料，起碼就能夠找到準確的擁堵時間和路段，分析堵車的原因，再來「一對一」解決。
不能顧此失彼，拆東牆補西牆，這就需要對既定區域內的乙個全域性掌控，也離不開大資料，在把握了整體的情況下對細節的部分進行治理才能夠真正起到作用。
26樓：春風不識路
交通大資料我覺得是未來解決對堵點的精細化治理的最佳選擇！利用大資料提公升基礎設施的利用效率這一工作目前才剛剛開始，並且在逐步推進。要想形成這種趨勢，乙個比較可行的策略是推行乙個試點計畫，例如在機場或者火車站對採用大資料分析策略結果進行測試，並且記錄下最終收益。
但也許最重要的是要能夠認識到這些資訊是提公升基礎設施的利用效率的潛在助力。可以說這是一條捷徑，因為這幾年移動網際網路高速發展，智慧型手機覆蓋率已經超過50%了，沒兩個人就有乙個用智慧型手機，而且除了根據已經發生的交通行為得出資料分析報告之外，交通大資料在智慧型交通領域還有更多可為。不過，所有這些方案的基礎都離不開這個核心：
地圖應用以及基於地圖應用的大資料。地圖應用是在把整個實體空間世界對映到網際網路，尤其是交通狀況。
27樓：知名叔叔
交通大資料可以有效緩解交通擁堵，但要徹底解決，可能還要一些時日吧！前幾天就看到杭州交管聯合高德地圖在浙大兒童醫院通過高德地圖「明鏡系統」對周圍重要道路進行深層時空掃瞄得出的問題就是停車位供需失衡是最主要矛盾點。其實目前導致中國城市交通擁堵的原因主要有車輛保有量大，不守規則現象普遍，以及停車難等。
大資料作為人工智慧中重要的一環，運用於智慧型交通、智慧型停車上都將發揮出至關重要的作用。眾所周知，道路、停車場等交通資源都是有爆滿和空蕩利用程度之分，對空餘的道路和停車場加以有效利用的話，一定程度上能緩解擁堵情況。通過廣泛收集道路與道路間、停車場與停車場間的資料，再結合智慧型系統和裝置加以調控，實現道路和停車場資源更有效利用，從而達到緩解交通擁堵的現狀。
既然Python的庫能對大資料進行分析，那為何還要用Hadoop和Spark
Godthrone Hadoop和spark在實際應用中，一般是在集群上跑PB級大資料的，但是做機器學習並不方便。Python的庫搞機器學習很方便，但是不能直接駕馭集群。倒是可以用Python寫spark程式，但是有些庫就不能用了。現在需要乙個能同時駕馭CPU GPU集群，還能在上面各種呼叫機器學習...
大資料雲時代是否會堵死向上晉公升階級的道路或者說白手起家成為了傳說？
已重置 時代的大背景是那樣，但對於個人來說沒那麼大影響。大資料時代誠然有資料的企業占得先機，但整個網際網路行業還存有創造資料機會。一句話，現在的錢比以前更好掙了 未來的錢也會越來越好賺 階級躍公升有越來越容易的趨勢 後膛槍時代就有人覺得屌絲再也沒法翻身了，結果呢？現在這年頭逼急了眼把路一堵，電廠 變...
大資料應用能否通過培訓找到合適的工作？
大資料二三事 首先，向錢看我並不覺得有什麼不妥，13000大資料技術相關崗位的話是有可能的，哪怕是新手。反推你的問題，通過培訓是否能夠找到合適工作？什麼叫合適的工作其實不好界定，我姑且理解為大資料相關工作吧。首先，你不去培訓，只要是計算機 統計學 數學等相關學科畢業的，其實就可以找此類工作，前提是學...