大数据应用案例 (2)

大数据应用案例

1 物联网大数据应用

由于遍布全球的众多传感器与智能设备,物联网触发了数据或大数据的淹没。只有大数据技术与框架才能处理这样庞大的数据量,这些数据量可以传输各种类型的信息。物联网的数量增长越多,就需要更多的大数据技术。在这个领域内,机构需要将重点转移到实时易于访问的丰富数据上。这些数据会影响客户群,并可通过挖掘产生有意义的结论。来自传感器的数据应该被处理以实时发现模式与见解,以推进业务目标。现有的大数据技术可以有效利用传入的传感器数据,将其存储起来,并使用人工智能进行高效分析。实际上,对于物联网处理,大数据就是燃料而人工智能就是大脑。

物联网不仅就是大数据的重要来源,还就是大数据应用的主要市场。在物联网中,现实世界中的每个物体都可以就是数据的生产者与消费者,由于物体种类繁多,物联网的应用也层出不穷。下面简述几种典型物联网大数据的使用案例。1、1 车队管理

许多运输公司都携带传感器来监控驾驶员的行为与车辆的位置。好的驾驶技能与道路安全行为得到保险公司的奖励。通过提供所有机械与电气组件的详细机器日志数据,物联网为远程信息处理提供了一个优势。全球物流公司UPS广泛使用该技术来监控车队车辆的速度,行驶里程,休息停靠,油耗,发动机使用情况等。因此,该公司减少了有害排放与燃料消耗。UPS快递为了使总部能在车辆出现晚点的时候跟踪到车辆的位置与预防引擎故障,它的货车上装有传感器、无线适配器与GPS。同时,这些设备也方便了公司监督管理员工并优化行车线路。UPS为货车定制的最佳行车路径就是根据过去的行车经验总结而来的。2011年,UPS的驾驶员少跑了近4828万公里的路程。

1、2 智慧城市

智慧城市,就是一个基于物联网大数据应用的热点研究项目,图1所示为基于物联网大数据的智能城市规划。迈阿密戴德县,就就是一个智慧城市的样板。佛罗里达州迈阿密戴德县与IBM的智慧城市项目合作,将35种关键县政工作与迈阿密市紧密联系起来,帮助政府领导在治理水资源、减少交通拥堵与提升公共安全方面制定决策时获得更好的信息支撑。IBM使用云计算环境中的深度分析向戴德县提供智能仪表盘应用,帮助县政府各个部门实现协作化与可视化管理。智

慧城市应用为戴德县带来多方面的收益,例如戴德县的公园管理部门今年因及时发现与修复跑冒滴漏的水管而节省了100万美元的水费。

图1 基于物联网的智慧城市

1、3 农业

基于物联网应用技术平台可以升级传统农业流程,对农作物的用药、灌溉、施肥及其相关畜牧业等实现实时监控,提高资源利用率,减少对环境的污染,特别就是加强农作物疾病监控与常见传染性疫情预警,在保证农作物增产率的同时提高生产经济效益,从而实现农业现代化高效经营与可持续发展。

约翰迪尔就是一家销售农场设备的跨国公司。它监测各种参数,如土壤湿度水平等。数据发送到一个集中管理平台,根据湿度水平,可以提醒农民何时进行灌溉。这可以防止不必要的灌溉,避免特定地区的水资源集中。

1、4 卫生保健

可穿戴式健身追踪器与医疗应用程序帮助人们监控她们的健康状况。来自这些设备的数据可用于追踪如血压,糖水平等参数,以及预先诊断感染疾病的可能性。Preventice公司整合了应用程序,手机,笔记本电脑,平板电脑与云等,用于远程病人监控。该公司允许客户的医生在线监测其健康状况,以避免常规检查。Proteus 就是一家初创公司,其药丸中含有传感器,可用于检查患者就是否遵医嘱。

2 基于大数据的智能交通

信息通讯技术的发展,使交通运输从数据贫乏转向数据丰富的大数据时代,北京市6万余辆出租车一天就会产生数亿条GPS数据,车牌识别、交通监控视频等数据量更大,交通相关的数据量级已从TB级别跃升到PB级别,对智能交通系统的运营与管理产生了巨大影响。面对众多的交通大数据,如何对其进行准确、高效的处理与分析及预测,挖掘其中蕴含的深层应用,做出即时与正确的交通诱导与疏通以有效改善实际交通拥堵状况成为智能化交通信息处理分析的核心内容。

交通大数据与传统交通数据的不同主要体现在特征中。结合交通大数据的基本类型,认为交通大数据具有6V特征,具体如表1所示。

表1 交通大数据的特征

数据就是智能交通系统的基础,交通数据采集手段与处理方法的深度革新将引领智能交通系统的变革。目前,国际智能交通领域的车路协同系统、公众出行便捷服务、车联网等热点技术领域都在广泛研究与应用大数据技术。

交通大数据的应用对交通的发展将带来巨大的变化,这主要体现在大数据技术的实时性、分布性、高效性及预测性方面。

１)实时性。传统的海量数据模糊查询与统计分析无法达到交通实时性的需求,大数据能够实时地对交通大数据分析、处理,提供秒级响应,帮助人们在海量的交通数据中快速发现交通异常,并定位症结,方便交通管理,使交通运行得更加合理。

２)分布性。传统的数据应用多为单表挖掘分析,一旦涉及到跨表关联就会因

效率问题而无能为力,大数据的分布式并行处理擅长复杂的块表关联分析,推动数据串并关联,提高数据处理能力,支撑高并发多用户访问,协同人们在交通紧急事件中多方协作、快速处置。

３)高效性。高效的交通大数据挖掘能力,能够快速发现海量交通数据中的内在关联规律,进而提高交通运营效率以及路网的通行能力。伦敦市利用大数据减少了交通拥堵时间,提高了交通运转效率。

４)预测性。大数据技术较高的预测能力可降低交通状态误报与漏报的概率,通过建立区域交通状态的监测及预测模型,共享交通运行与路况环境数据,随时对交通的动态性进行实时监控,帮助驾驶者及用户预先了解交通拥堵状况,避开拥堵路段。

大数据对交通的巨大影响除了以上几个方面外,对交通环境的安全性也有巨大影响。大数据的实时性与可预测性以及综合的决策模型有助于提高交通安全系统的数据处理能力。大数据快速整合各个传感器数据,结合车辆运行轨迹数据,综合分析车辆行驶安全性,为应急决策提供辅助,提高应急救援能力,有效降低交通事故的发生。由此可见,大数据技术的出现及应用能够有效地解决智能交通面临的诸多难题。