《公共交通商业智能大数据研究与应用项目建议书》由会员分享，可在线阅读，更多相关《公共交通商业智能大数据研究与应用项目建议书（6页珍藏版）》请在金锄头文库上搜索。
1、公共交通商业智能大数据研究与应用公共交通商业智能大数据研究与应用 -基于上海交通卡有限公司数据仓库二期 的数据挖掘决策支持系统长期规划实施方案 当前版本：当前版本： V1.0 版本日期：版本日期： 2013 年年 12 月月 10 日日 作者作者：夏玮夏玮 联系方式：联系方式： 项目面临的问题：项目面临的问题： 1. 数据源获取： 数据源分散于各个不同的政府部门， 如公交信息，站点GIS相关信息都不容易获取。 2. 得不到领导重视： 领导对于整个数据挖掘的概念及决策支持系统的建立目标较模糊，容易与（运营的MIS+绚丽的展现）系统混淆。 3. 。 。 。 。成本，范围定义，很多因素不方便多说了
2、 4. 希望真正内行人士以及希望交为中国公共通事业的明天一起奋斗的同志们看到了，联系我给与我支持一起为实现中国的强大努力！ ！ 数据挖掘应用内容：数据挖掘应用内容： 面向交通管理者 a. 以交通线网点线面的实施方法论为理论基础， 参考公共交通白皮书研究开发公共交通一体化线网标准模型及实际模型 （交通行业线网模型建立） 。 b. 结合交通行业相关数据，研究开发公共交通行业综合线网拟合优化及诊断评价决策支持系统（交通行业当前线网优化） 。 c. 通过一体化公交线网的GIS仿真模拟， 通过假设数据的输入； 实现站点、线网规划重置,变化相关影响模拟运算及假设分析（变化影响智能仿真模拟） 。 面向企业运
3、营 a. 面向运营的轨道、公交智能分析辅助决策支持（企业运营优化决策支持） b. 通过实时运营数据、结合城市公交一体化线网模型，对于城市突发事件的运营指导提供快速响应的辅助决策支持系统（突发响应方案提供） 面向用户出行 a. 人工智能分析模拟用户出行偏好， 提供符合用户出行习惯的实时出行建议（个人用户出行诱导） b. 为实现城市客流管控及导向性，提供各种用户出行诱导的综合便捷服务体系（人群群体诱导） 决策支持系统平台长远目标： a. 为公共交通行业建立一体化线网标准模型及实际模型， 建立智能公交，智慧城市为目标的信息化基础 b. 为线网研究者提供直观，易理解的公交线网现状及优化线网方案分析的辅
4、助决策拟合系统 c. 为决策制定者提供高仿真的智能线网综合模拟平台，提供真实科学的多因素综合分析信息化模拟平台（类似于战争中的战争推演过程由系统完成） ，真正做到公交立体化系统牵一发而动全身的高等级的智能规划辅助决策支持系统 d. 为实际运营者提供真实可信赖的辅助决策平台，优化日常运营的科学解决方案 e. 对突发的各种事件，提供有理有数据可依的强大智能支撑平台提供科学应对方案 f. 建立高效便捷且基于图形操界面的决策支持系统开发研究。 g. 提供用户出行偏好模型最终为客流诱导服务 （7）公共交通）公共交通云平台云平台系统系统建设建设。-夏夏 基于云计算的理论指导建设实施公共交通大数据基础的云平
5、台系统，包括硬件软件以及规范的应用与实施。建立基于多源的数据存储基础架构，建立基于多维的数据存储模型；采购以云为基础架构的数据中心硬件设备，实现高效低成本且可扩展的决策支持系统。 云计算（Cloud Computer） ，是一种基于互联网的计算方式，通过这种方式，共享的软硬件资源和信息可以按需提供给计算机和其他设备。 从服务类型划分有基础架构即服务（Infrastructure as a Service，IaaS） ，平台即服务（Platform as a Service，PaaS） ，软件即服务（Software as a Service） 。 云管理的特点： 通过虚拟化技术实现基础设施和基
6、础服务统一管理 动态的、可伸缩的架构，满足应用和用户规模扩展的需要。 节约信息化基础设施的投资，避免重复建设。 充分利用企业富余的计算能力，提高应用系统的处理速度。 按需使用资源、按需使用服务，降低下属单位信息化门槛，提高整体信息化水平 应用的快速部署，加快应用实施和推广速度 统一的应用支撑平台，开放的API，提高信息系统开发效率，规范建设 实现企业大的信息资源池，互联互通、信息共享 （8）公共交通辅助公共交通辅助决策支持系统决策支持系统开发。开发。-夏夏 决策支持系统（Decision Support System） ，是以管理科学、运筹学、控制论、和行为科学为基础，以计算机技术、仿真技术和
7、信息技术为手段，针对半结构化的决策问题，支持决策活动的具有智能作用的人机系统。 该系统能够为决策者提供所需的数据、 信息和背景资料，帮助明确决策目标和进行问题的识别，建立或修改决策模型，提供各种备选方案，并且对各种方案进行评价和优选，通过人机交互功能进行分析、比较和判断，为正确的决策提供必要的支持。 平台开发内容： 1、主数据的管理 基础数据是所有系统的基础， 主要实施各种维度数据的统一管理与分发，以实现业务系统与云平台系统基础数据的统一整合。 2、多源数据管理 主要处理散布于各个不同地域不同平台中各种数据源数据的集中存储、数据质量分析、异常值检测，数据质量保证等。 3、数据抽取转换处理 实现
8、数据从多个源系统中抽取到云平台，在云平台中实现面向应用的数据转换建模及高维系统中的加载，以实现数据准备。 4、基础数据建模 面向不同主题的应用，从基础数据的分析开始，逐步实现服务于不同主题的数据模型。 5、多维分析Cube建立 在多维分析系统中实现Cube主题模型，为OLAP系统及数据挖掘的实施建立平台模型基础。 6、前台展现系统 通过各种图形，图表以及透视表等技术将CUBE模型中的数据展现出来。系统主要特色是直观可理解性，易用性，可维护性，易扩展性，高性能等。 研究开发内容（部分已实现） ： 1、出行参数 通过分析轨道交通、 地面公交等公共交通数据的特征参数统计方法研究，如居民公交出行时间成
9、本（换乘时间、候车时间、乘车距离） 、出行费用成本等方面的挖掘。 2、分析评价系统 根据分析评价指数对当前公共交通系统提供全方位的运营评价分析系统。 3、非结构化数据的研究与应用 对于交通视频数据的探索 公共交通相关的微博数据的信息挖掘技术 数据挖掘方法内容： 1、数据分析及商业理解 主要是对于各种多源数据本身及商业应用上进行理解分析，以分析所用的数据是否和试验设计框架一致。 2、数据理解及质量评估 数据清理转换对分析数据的准备，并从数据层面上确保模型数据的正确性及科学性。可以从2方面进行数据质量评估： 从数学上分析评估多维数据的分布情况，从统计学上对于主题数据的独立性、共线性方面等进行质量评估。 3、主题数据准备 通过ETL等各种专业工具实现多源数据到面向主题分析的特定数据集合的准备过程。 4、应用挖掘模型建立 对于不同主题需求的挖掘模型建立，通过基于人工智能、机器学习、模式识别、统计学、数据库、可视化技术等，高度自动化地分析企业的数据，以计算机技术、仿真技术和信息技术为手段建立可运用的公共交通挖掘模型。 5、主题模型评估 此步骤是数据挖掘流程中非常重要的环节，这一步直接决定模型是否达 到了预期的效果，模型是否可以发布应用。主要从技术层面及模型意义 上进行评估。 6、结果部署及发布 运用数据挖掘的结果解决公共交通系统中面临的实际问题，这一阶段将 实现数据挖掘的商业价值。
