云计算智能交通行业论坛：李德毅院士谈智能车 多家知名企业分享应用实践

高德LBS开放平台与大数据融合部总经理田密

田密的演讲主题是《LBS大数据：从理论到实践》。 他认为，LBS服务已经成为整个移动互联网的标配，最基础是三项服务，分别是定位、搜索和导航，它解决人们最朴素三个需求，一个是我在哪，想去哪和怎么去。LBS服务背后肯定是大数据和云计算。
在LBS中大数据有这样的特点，首先是海量数据规模，LBS是把整个物理世界映射到现实世界。第二个是用户贡献数据，在用LBS服务的时候自动或者被动回传数据，优化服务质量。第三大数据挖掘。第四是个性化数据存储和服务需求。
关于定位，田密重点讲解了用户如何贡献回来（数据）。 用户使用高德地图定位服务的三种场景：（1）使用高德地图高德导航；（2）嵌入了高德定位SDK的其他APP；（3）嵌入了高德定位NLP的手机。而通过用户发起定位的时候，会尽可能传回GPS信息、基站、Wifi数据。通过回传的GPS信息，可以对基站、Wifi数据做校验。

另外，基于LBS的搜索和推荐服务都会用到POI数据。高德拥有亿级别的原始POI数据，千万级别的聚合后的可用POI数据，以及频繁增删改丰富的POI生活详情数据，实时刷新。而通过用户每日千万级搜索和点击反馈的数据分析和挖掘，则可以提供更精准的服务。
此外，为帮助开发者更快速开发LBS应用，高德推出了高德云图，它是一款开发者自有位置数据云存储产品，为开发者提供位置数据上传、存储、查询、空间检索和地图渲染等云服务。借助云图，开发者可以快捷存储并管理海量开发者自有的位置数据，并可以对开发者自有数据进行周边搜索、区域内搜索等空间搜索，还可以将开发者数据渲染后叠加在高德地图上进行个性化展示。

北京友友天宇系统公司总经理姚宏宇

姚宏宇的演讲主题是《云计算技术在智能交通领域的应用与实践》，姚宏宇认为智能交通应用面临众多挑战，主要包括：（1）人、车、路的矛盾日益突出，人海战术、人力作业等传统模式已无法解决当前交通管理问题；（2）交通数据分散，部门之间缺乏开放互通，造成了交通数据资源的条块化分割和信息碎片化等现象；（3）信息采集终端多，每天产生海量数据，但信息模式复杂，数据种类繁多。
而交通行业大数据具有明显的特点，例如数据类型多，有文本数据、RFID数据、GIS数据、图片数据、视频数据；时效性强，需要对违法车辆实时不空、实时交通交流统计；数据量大，中等城市每天机动车行驶文本记录接近500万条，采集的视频数据上百T；挖掘难度大，省级数百亿条记录内进行套牌车对比分析，还需要在连续24小时视频监控数据中发现有用的视频片段。
姚宏宇以某省智能交通管控系统举例，对后台海量数据存储系统可能会有以下需求：（1）可线性延展的图片与相应元数据存储能力；（2）支持Multi-PB级存储容量；（3）大于10Gbps的数据采集写入能力；（4）针对数百亿条纪录秒级时延的数据查询能力；（5）报警测速等实时数据分析支持 。而智能交通从技术解决方案来看有两个核心点，一个是多中心架构。另外一个是大数据处理架构，举例来说，流计算平台，数据进来以后除了存储以外，很多单位组织起来根据数据量不同来进行实时处理。

上海北斗卫星导航公司副总经理/总工程师朱峰

朱峰的主题演讲题目是《北斗高精度定位云服务推动智能交通升级》，他首先介绍了北斗导航的发展历程，2000年北斗一代，北斗实验室采用双星双向的有源定位，基本上覆盖中国区域。2012年国务院新闻办公室发布了北斗二代系统，正式建成能够覆盖亚太区域，提供公开无源定位服务，北斗二代定位精度从目前的官方数据来看精度是10米，测速精度是每秒0.2米。目前北斗二代星总共14颗星，加上北斗一代的一共16颗星，目标是2020年实现全球无源导航定位覆盖，提供全球的定位服务。
北斗产业发展迅猛，这部分主要指民用产业，2012年实现产值或者相关产值达到40.5亿，2013年达到100亿左右，增速超过50%。预测2015年产值是1500亿，其中对整个卫星导航产业渗透率达到15%，最终目标是在2020年实现全球覆盖，这时候产值要达到4000亿，其中对产业的渗透率达到60%，对重要行业、政府、军队，重大的国计民生行业渗透率达到80%。
据朱峰介绍，北斗导航在智能交通与高精度定位方面可以做的几件事情包括：（1）交通信息服务系统(ATIS)；（2）基于车道的车载导航系统；（3）车辆控制系统(AVCS)；（4）智能公交；（5）ETC；（6）交通设施维护；（7）驾校培训与考试；（8）交通规划...... 

中航信研发中心资深分析师李洋

李洋的演讲主题是《新一代民航旅客服务系统中大数据与云计算的应用实践》，他介绍，民航IT系统在大型主机时代就具有云计算的特征—共享系统，按需付费。技术升级催生了新一代旅客服务系统。新一代系统技术包括支持海量访问、大数据平台&商业智能以及支持移动和社交网络。
中航信的大数据产品架构包括两大块，分为内部和外部。内部的大数据应用包括产品预研、算法优化、可视化提升、新业务场景，平台类日志、业务类日志、客户分群、产品KPI报告。外部大数据应用包括航信报告、黄金周指数、航信指数，产品验证、EDM推荐、B2C推荐、渠道推荐，产品KPI、渠道分析、ROI评估等。
中航信采用低成本的数据平台，基于Greenplum构建，支撑灵活多变的业务。在具体大数据应用上，李洋举例基于统计的复杂Shopping，通过哦优化算法，提高计算能力，分析旅客现有行程，提升联程结果的丰富度和可用度，统计历史价格，有针对性的重点搜索，低价命中率提升7个百分点。此外，航空公司还通过大数据应用改善传统的收益管理流程，建立基于热点、历史和实时数据优化的收益管理。

微信扫一扫实时了解行业动态

微信扫一扫分享本文给好友