城市出行方式的大数据正在改善您的通勤

2019年8月27日

从计算到通勤

钥匙、电话、钱包 - 检查。当去任何地方旅行时，我们大多数人都依赖导航应用程序（例如，Google Maps、Apple Maps或本地交通应用程序）来改善城市出行的便利性并告知我们的行程路线和到达目的地的预计时间。我们可以获取每种运输形态的交通和拥堵情况的实时更新，为避开交通拥堵而推荐的绕行路线，以及轻松掌握于指尖的公交车到站时间。因为尽管你正在听的播客很好，但没有什么比错过公交车和上班迟到更令人沮丧的事了。您有没有想过这些应用程序如何能够如此准确地运行？

大数据发挥重要作用

为导航应用程序提供支持以改善我们的通勤状况的核心是数据。大数据。例如，Google Maps依赖数百万千兆字节的数据才能工作。而且它不仅仅停留在应用程序上。智能交通灯、高速公路、速度标志、街道摄像头、停车场和路灯上的传感器都受到大数据的推动，尤其是在即将到来的5G世界中。通过智能手机应用程序的传感器甚至能够检测到异常颠簸的行驶情况，以提供道路需要修复的反馈，从而保护后续驾驶员的安全并降低派遣测量员到现场的高昂成本。

通勤的未来

随着交通量的增加，拼车预计只会增长，甚至可能在某些地区完全取代公共交通。数据分析甚至发现，禁止左转有助于避免逆流，每年节省数百万加仑的燃油。随着主要通勤路线上收集到的更准确的交通和城市运输数据，我们将更有效地使用更少的车辆。自动驾驶汽车正在开发传感器引导技术，以确定驾驶员何时可以坐下来放松以及何时接手。飞行优步(Flying Uber)出租车计划于2020年在迪拜和达拉斯部署，目前正在开发比汽车同类产品更安静的技术以及更环保的能源和排放。一些风险投资者仍脚踏实地，坚持采用更传统的方式来解决最前段和最后段旅程的问题（这些问题约占通勤时间的50%），即通过改善大都市地区的自行车和踏板车停靠以及无停靠选项来解决。

我们到了吗？

大数据正在收集越来越多的信息，包括人们要去哪里、如何到达那里、有哪些可以走的路线、他们使用的路线以及他们使用什么车辆到达那里。城市居民适应大数据在通勤技术中的进展的能力和意愿将极大地影响通勤增强功能全面整合的速度。通勤技术的大部分进步都围绕传感器和监控来确保安全，在自动驾驶汽车的情况下，安全性取决于传感器数据的准确性。

大数据背后的引擎

Google Maps本身就使用了千兆字节的数据，因此，正如您可以想象的那样，所有导航应用程序和传感器数据的数据量是巨大的。数据中心和云计算是使这场数据海啸发挥作用的核心。容纳所有这些数据的基础设施必须具有弹性、安全性和可扩展性，以便继续跟上通勤者、卫星以及物联网传感器和设备产生的数据。作为集中式数据中心的延伸，边缘计算策略将允许数据在更靠近物联网设备的地方进行处理和传输，从而显着减少延迟。

在分析和优化大数据方面，机器学习 (machine learning, ML)在将这些数据转化为有用的东西方面发挥着巨大作用。ML算法可以实时自动调整并识别模式，同时在几乎不需要人为干预的情况下做出决策。例如，您的自动驾驶汽车可能能够根据天气变化或最近导致交通拥堵的车祸自动调整您的上班路线。

云来了

伴随大数据而来的是巨大的责任。云计算为处理海量数据所带来的固有复杂性提供了解决方案。大量数据需要更强的处理能力和快速扩展的能力。幸运的是，云服务通过现成的基础设施使可扩展性变得简单且无缝。处理大量数据的弹性特性要求能够在云中快速增加或减少服务，同时只需按实际使用量付费。对于导航和通勤，高峰时段和节假日需要处理的数据量很可能会增加，因为道路上的人、车辆和设备通常会更多。

最终，云服务可以减少组织IT环境花费在技术方面的时间，这意味着可以将更多时间花在从实时大数据分析中创建可行的见解上。当无人驾驶汽车和智能交通灯等进入更加互联的“智能城市”格局时，这对于提供最佳用户体验并确保通勤者的安全极其重要。

大数据，大机遇

虽然技术还无法完全消除交通拥堵或加快地铁速度，但由于大数据和云技术，它改善了我们每天出行和通勤的方式。无论我们是骑着电动滑板上班还是最终让汽车自动驾驶带着我们穿越全国，数据和数据处理将继续是使我们的旅行更安全、更高效的关键支柱。