2017年6月13日，由泰伯网主办、主题为“空间大数据的崛起”的WGDC2017，在北京国家会议中心盛大开幕。大会由空间信息产业创新创业服务平台泰伯主办，秉承不断引领和促进空间信息技术创新与变革的宗旨，WGDC已走过六个年头，如今成为全球最具前瞻性的跨界创新风向标。
13日下午，由四维图新主办的位置大数据峰会隆重召开。峰会上，世纪高通产品经理陈驭龙进行了精彩演讲。以下是现场实录：
陈驭龙：大家好!接下来我为大家介绍一下MineData平台在各个垂直行业的应用案例，希望大家看了这些案例之后，能够为我们平台在数据、算法、可视化等方面的能力有所了解，并且了解我们是如何利用平台能力来封装业务解决方案的。
首先来看第一个案例，车道路况。在很多路口不同专项车道路况存在很大差异，比如存在排队长，还有很多封闭道路，在进出道路出现了排队拥堵，但是远离进出铡刀的车道是畅通的。因为是基于不同车道上所有行驶车辆的平均值，所以一般是按照畅通状态来发布的。同时也导致导航在计算这套道路通行时间变得很精确，给我们带来很好的体验。
MineData平台是如何利用分车道计算来解决业务痛点的呢?首先我们需要选择一类数据，MineData每分钟介入百万量车的实时轨迹数据，包含了我们所需要的分车道路况信息。然后我们需要选择一个算法模型，要计算分车道路况需要知道这些数据里每辆车具体行驶在哪个车道上，所以我们选择智能车道判断模型作为算法模型，从而计算出分车道路况来。最后选择一种可视化解决方案来呈现这个数据，因为不同车道路况差异主要体现在路口和进出铡刀的这些地方，所以我们选择平台所提供路况放大图来呈现数据。当用户行驶到接近这些路口和铡刀的时候，就可以弹出路口放大图，提示用户提前变换到更加合理的车道。同时，我们的引擎也可以精准计算不同专向需要付出的时间代价。另外分车道路况还可以帮助交通管理部门来评价路口信号登在不同专项上配时的合理性。这就是MineData平台封装一个完整业务解决方案。
我们从业务痛点出发，然后提炼出需求方案，然后从MineData平台数据仓库中选择一类数据，再从算法库中选择一类算法，结合用户场景进行可视化方案，就可以计算方案、呈现出数据，这就是MineData封装一个业务解决方案完整的流水线。
第二个案例是路况预测。在我们开车的时候，导航给出的预计行驶时间和实际行驶的时间通常会有很大的差距，而且还有很多路在我们出发的时候，路况显示是畅通的，但是当我们行驶到这条路的时候，路况已经变成了拥堵。这些都是因为路况在我们行驶过程中发生了很大的变化，但是我们的导航因为计算路径预计到达时间都是出发时间来计算，没有考虑到路况在行驶过程中的变化，所以导致计算出来预计到达时间不够精准，失去了参考意义。
我们来看MineData平台如何对路况进行预测解决这个痛点的呢?首先还是选择数据，我们选择海量的历史数据，海量历史数据里包含路况不同时空变化模式，然后选择路况的实时数据。实时数据用来判断路况在短期的变化趋势。然后看选择什么样的算法，刚才提到我们需要这些路况模式的提取和匹配，所以我们选择机器学习算法，来完成路况模式聚类和分类，并且结合实时数据进行回归预测，从而对路况完成预测。最后选择什么样的可视化方案呢，因为我们希望客户可以查看各个路况信息，所以我们希望通过概览图来呈现路况，同时交管部门可以通过路况预测对即将发生的重大拥堵事件进行提前预案，提前应对。
下面一个案例是交通天气，在我们进行中长距离驾驶，尤其是行驶到山区、草原地方的时候，天气是我们最为关注的一个问题，因为在这些地区天气瞬息万变，在一个小山沟的两侧就有可能出现一边晴天一边是冰雹的状况。因为我们的信息时空和空间信息都比较粗，无法体现天气的变化，所以导致天气变化会随时影响我们的出行舒适度，甚至威胁到我们的出行安全。为了解决这个问题，MineData封装了一个交通天气的解决方案，还是这种方法论，首先选择数据，数据上选择精准天气数据，这个数据是MineData平台介入的精度高达1000×1000精准实时预测的天气数据。算法选择路径规划引擎，可以按照时间和空间匹配到规划的路径上。最后选择路径概览图的可视化方案来呈现，就可以把路线上预测的天气状况都呈现出来。数据+算法+可视化封装了交通天气的解决方案，从而可以让我们的用户规避在恶劣天气出行，或者是规避天气比较恶劣的出行路线，提高出行的舒适度和安全度。
下面一个案例，在路网中严重拥堵点对区域通行能力会造成非常大的威胁，而这里又分为常规拥堵点和异常拥堵点，尤其对异常拥堵点的发现和检测对我们的交警具有非常重要的实战意义。我们选择海量的历史轨迹数据和实时路况数据，然后选择指数模型和离群检测模型，就可以检测出来当前路网上我异常拥堵的道路，因为面向交警业务， 需要选择面向大屏的可视化方案，构建了面向交警异常拥堵检测的解决方案。
下一个案例是拥堵态势分析，我们利用海量的路况数据，然后结合四维图新路网数据，利用空间聚类的算法可以把散乱的拥堵数据组织成为在时空维度传播的过程数据，再结合一种非常巧妙的可视化方法，就形成了一张拥堵态势的分析图。这张图巧妙在哪里呢?它表达了拥堵在时间和空间两个维度上的传播过程。图中的颜色深浅代表了拥堵发生时间的早晚，也就是说拥堵最先在图的红色，也就是颜色最深的地方发生，然后拥堵会上它的上游路段进行传播，一直传播到颜色最浅的路段，也就是最晚发生拥堵的路段，这个路段就是这次拥堵传播范围的一个末端，一个终点。这张度用地图来表达了拥堵在空间上的传播，而颜色的深浅又表达了在时间维度上的传播，这就是这张图的巧妙之处。
我们交警客户告诉我们一个非常大的痛点，就是在一个区域全部陷入严重拥堵状态的时候，就造成了一个毛线球，从哪里疏导才能解开这个毛线球呢，这张图就是为了解决这个问题。我们积累了海量拥堵传播图，通过空间上的聚类，就可以判断出来任意道路如果发生了交通事件或者是严重拥堵之后，这个用途传播的范围、传播的末端和终点在哪里，然后交警在拥堵传播的末端有针对性的进行疏导，从而解开毛线球。
比如可以对重大的交通事故进行复盘，可以回溯和评估重大交通事件造成的拥堵在时间和空间上的影响范围。
下面一个案例是我们面向物流行业打造的面向物流大板车的系统，有很多的痛点，我们就是四维图新丰富精彩的曲率数据将物流大板车打造路径引擎系统。除此以外，还可以提供他们收集到的物流卡车实际行驶的轨迹数据。我们通过MineData数据蜂巢，把客户提供的轨迹数据和四维图新自由数据进行关联，然后利用位置数据的挖掘处理分析算法，就可以算出他们的经验路径，经验路径经常包含了卡车合理的绕城点、绕行点、休息点等等非常有价值的数据，这就是客户数据和四维图新自有数据进行关联融合分析所带来的价值。
MineData是一个非常的数据图书馆，不仅包含四维图新自由的数据、合作伙伴的数据，再加上客户的数据，以及客户的用户的数据，就形成了一个丰富的数据形态。然后再利用我们丰富的位置数据处理挖掘分析的算法，就可以开发出各种开发模型，把这些数据最大化。
以上就是MineData平台的一些应用案例，MineData通过提供位置数据的可视化、交互式的配置模型和算法，我们希望让您能够自主式的可以结果自己的业务问题。我们希望MineData让您不再把精力花费数据的介入、管理、可视化的工作上，而是可以直接把数据呈现在地图上，使您更多聚焦在自己的核心业务上，而位置相关的工作就交给MineData替您完成。
欢迎大家试用我们的产品，如果您有任何问题，欢迎您随时与我们联系。谢谢!
{{item.content}}