大数据中国

搜索
大数据中国 首页 行业资讯 业界动态 查看内容
腾讯井明灿:腾讯交通大数据驱动未来交通治理现代化
2020-9-14 14:05 | 查看: 611| 评论: 0

9月10日,2020腾讯全球数字生态大会-智慧交通分论坛线上举办,腾讯提出用数据驱动交通治理现代化的建设思路。腾讯城市交通副总经理井明灿表示,基于腾讯丰富的大数据生态,对海量的政府交通数据和企业数据,进行多元和多源数据的汇聚分析,可以帮助交通管理部门解决拥堵、物流效率低和道路安全三大难题,让交通治理从被动到主动,从信息化到智慧化。

腾讯城市交通副总经理井明灿

据了解,在此次智慧交通论坛,腾讯提出了未来交通的四大理念:平台即孪生、数据即治理、智联即服务和生态即共创。通过全域的感知、全息的孪生,实现全局最优和全程触达,打造“便捷、高效、安全、可控、开放和绿色”的未来交通生命体。

以丰富的交通大数据为基础 洞察更多交通场景

伴随着智慧交通的快速发展,交通行业积累了海量的数据规模,同时大数据技术作为科技发展新引擎,特别是在交通领域的应用价值一直备受关注。

据井明灿介绍,腾讯拥有业界最丰富的交通大数据,而这些交通基础数据,能够从更广阔的维度刻画交通的动态运行。包括人流的热力分布、特定区域的客流变化、人群移动的OD等特征;还有城市交通指数、实时路况、交通流量在内的宏微观交通运行指标;加上由基础交通设备采集来的各类数据,就可以对更多交通场景进行洞察,例如交通枢纽客流、实时公交运行、道路停车行为、道路交通事件等等。腾讯推出的城市交通仿真引擎,正是由于其中每一个仿真场景都是基于现实世界的真实数据,实现了真正的数据驱动,成为数据在交通业务中发挥价值的关键。

城市交通仿真系统通过对感知数据进行融合计算处理,构建出城市交通的数字仿真模型,从城市的规划到道路方案设计,都能够提供有力支撑;另外,城市交通仿真系统通过对交通运行态势的推演,能够帮助交管部门进行动态交通的管控,包括信号管控、拥堵研判等;对用户来说,经过对特定场景进行预测和评价,包括公交优先、大型活动、临时管制等场景,城市交通仿真引擎能够辅助用户做出最佳决策。

腾讯城市交通副总经理井明灿

实时在线模拟仿真 探寻交通供需的动态平衡

“交通治理本质是供给和需求的博弈。城市交通仿真平台通过对出行数据进行挖掘、分析和预测,实时在线模拟仿真,探寻供需之间的动态平衡,最终达到城市交通治理全局最优的目标。”井明灿说道。

这一方案适用于诸多交通治理场景。例如,对拥堵进行预判以提前部署警力,对公共交通进行优先控制引导,减少小汽车出行、通过智能信号优化对拥堵进行动态的管控,借助地图、微信等载体实时发布出行建议,帮助用户获得更好的出行体验。

据悉,在城市综合交通的场景中,腾讯依托自有数据,接入车驾管、营运车辆数据、融合卡口视频数据,补充气象水文地理数据,包括车路协同条件下的更丰富的感知数据,腾讯打造了GIS时空引擎,深度应用腾讯云的大数据与AI能力,以支撑政府、企业、出行者三类用户群体的个性化需求。

每一个数据驱动下管理动作精准释放 实现美好出行愿望

未来的交通是以人为中心,交通的治理与管理,都是为了服务用户,基于腾讯强大的生态资源和C端触点优势,可以将交通数据通路全面打通,帮助交通管理者和用户建立更强的连接,从而让交通信息全面触达亿万用户。

井明灿表示,腾讯通过对出行生态全程触达,让每一个数据驱动下管理动作精准释放,以此帮助交通管理者提升治理能力,更好的服务用户,让用户在整个出行过程中,都能享受到美好的出行体验。

腾讯深耕位置大数据多年,为数据驱动交通治理打下了深厚的基础。今年7月,腾讯与交通运输部公路科学研究院联合发布“公共交通出行大数据平台”,推动交通大数据在交通产业发展中的应用。未来,腾讯将在交通综合监控和指挥、交通安全管理与应急、综合智能缓堵整治等场景中持续发力,基于腾讯丰富的交通大数据生态,让用户出行更安全、更便捷,让货物运输更高效、更经济,实现交通治理全局最优的目标。

免责声明: 除非特别声明,文章均为网络转载,仅代表作者观点,与大数据中国网无关。其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。如果本文内容有侵犯你的权益,请发送信息至ab12-120@163.com,我们会及时删除

最新评论

关闭

站长推荐上一条 /1 下一条

 
 
请微信沟通
大数据行业交流
大数据行业交流
大数据求职招聘
大数据求职招聘
站长电话:
15010106923
微信联系:
hb-0310
站长邮箱:
ab12-120@163.com
微信扫一扫
大数据中国微信

QQ   

版权所有: Discuz! © 2001-2013 大数据.

GMT+8, 2020-10-31 09:51 , Processed in 0.058196 second(s), 24 queries .

返回顶部