藉助阿里雲 浙江交通用大數據預測未來哪堵車

“半個小時後出發到中關村，請根據當時的路況規劃線路。”這個問題估計會難倒所有導航軟件，難點在於誰也不知道半個小時後中關村大街堵不堵，該不該繞道。

但大數據可以。浙江省交通運輸廳正在開展一項新的試點：將高速歷史數據、即時數據與路網狀況結合，基於阿里雲大數據計算能力，預測出未來1小時內的路況。結果顯示，預測準確率穩定在91%以上。

浙江省交通信息中心主任韓海航表示，通過對未來路況的預測，交通部門可以更好的進行交通引導，用户也可以做出更優的路線選擇。

阿里雲大數據計算服務(ODPS)為項目提供了分析支持，並有多位資深數據科學家參與了聯合研發。來自阿里雲的閔萬里博士介紹，對於浙江省內近1300公里的高速路段，ODPS的強大計算能力可以在20分鐘完成歷史數據分析，10秒鐘完成即時數據分析。

用手機信號計算即時路況

要想預測未來，首先需要了解當下。即時路況的檢測，一直是個難題。由於受採集技術的制約，即時交通數據的更新時間普遍較長，有的高達15分鐘。且傳統鋪設線圈的方式，硬件投資巨大。

為此，浙江省交通運輸廳引入了新的技術：將手機信令數據同道路通行數據進行關聯。在城市道路上，一般每隔500米一個運營商基站，在市郊高速路上大約為2公里。當手機用户經過基站時，形成的信令數據可以較準確地反映出單位時間內通過該路段的即時路況變化。

比如，檢測到樣本車輛在高速公路上停止行駛，而同路段大部分車輛速度下降，那麼就可以判斷這一路段上可能出現事故或擁堵。

韓海航介紹，從成本投入來説，相比較於傳統傳感器採集高速路況數據，這種方式至少可以降低90%的成本。建設週期也大大縮短，2至3個月即可完成。

意義重大，算的準是關鍵

粗略估計，駕駛員通過選擇合適的出行路線和出行時間，可以縮短5%至10%的出行時間，減少2%至10%的燃油消耗成本。

對未來路況的預測，也可用於支持無人駕駛技術。無人駕駛汽車除了通過各種傳感器對“眼下”的數據進行快速判斷外，還需要了解10分鐘、20分鐘後即將到達的路段狀況，提前做出路線選擇。

閔萬里表示，路況預測的應用價值很高，但關鍵在準確性，需要“算得準、算的快、算的起”。如果僅僅基於歷史平均數據來做簡單預測，那並沒有實際意義。只有分析因素和維度越多，數據越豐富，得出的預測結果才會越準確。

此前，微軟曾聯合巴西一所大學進行了相似的嘗試，準確率為80%。微軟希望在加入更多數據源後，將這一成績提升到90%。

“路網關係、上下游事件，甚至天氣等外部綜合因素都應該加入進來。但當這些海量數據納入到全網路況的時空演變模型後，對雲平台的大數據計算能力就提出了很高的要求”。閔萬里介紹，在這方面阿里雲可是世界冠軍。

據瞭解，阿里雲在Sort Benchmark排序競賽中，用不到7分鐘(377秒)就完成了100TB的數據排序，成為世界冠軍。Sort Benchmark被認為是大數據界的奧運會，每年全球頂尖公司和學術機構都會帶着他們最新的研究成果來參加，以評估他們的研究成果。