案例名称：智慧交通-大数据决策云平

案例描述：打造交通行业数字化运营决策产品，提供给公交企业直接决策人员、公交企业管理人员使用，利用数据挖掘技术深入了解城市交通全景，客流出行规律；解决智能调度、数据运营、科学管理、线网优化等交通行业的核心问题。

案例类别：软件产品/数据平台

案例背景：

1. 公司在20年发展过程中，始终致力于公共交通领域智能化技术的应用、创新和发展，以实力赢得了客户的认可、支持，能充分认知公交行业智能化发展的需求。

   
   

2. 从2013-2019年，全球大数据时长有望以每年26%的速度增长，将从13年148.7亿美元增加到18年的463.4亿美元。世界范围内的公司和团队正在学习如何应用数据挖掘和预测分析以增加利润，尚未应用数据挖掘和预测分析的公司将会在21世纪经济的全球竞争中落伍。

   
   

3. 交通运输十二五发展规划纲要提出通过信息化建设加强城市客运管理；交通运输十三五发展规划纲要提出建设与移动互联网深度融合的智能公交系统、全面推进公交都市建设示范工程

案例介绍：

智能交通大数据决策云平台采用云计算和大数据等技术将公交行业的C端乘客数据、物联网数据、管理过程数据、第三方数据进行收集、整理、挖掘，提升数据有效性的同时，让数据可视，可用，可钻取。

按照乘客、线路、站点、驾驶员、车辆、卡、视频、能耗、物资九大主题和运营、安保建立分析系统。各系统依托大数据，建立分析模型，为公交行业的线网优化，排班优化提供准确的数据依据。通过OD模型，用户画像、用户行为分析等准确数据，充分掌握了解城市用户的乘车出行习惯，消费习惯，依托数据做到真正的数据运营，科学营运。

九大主题

九大主题涵盖了公交集团几乎所有的数据。针对每个主题进行深入挖掘，而不是在各个点上只做出表面的分析与数据记录。从用户的角度出发，对各个主题做了详细的逻辑梳理与展示。

每个主题下，从宏观的概览，到明细的查看，再到数据钻取。一步一步深入利用数据魅力展示出用户所想、所需。

数据可视化

在整个产品的设计过程中，加入了各类可视化数据图表。一方面让提升数据的可视性，不再拘泥于表格。另一方增加页面的操作与交互性。让产品成为易用、易懂的数据平台。

数据联动

产品中九大主题虽然是隔离开的，但是每个主题都加入了跳转的联动，用户在数据钻取和研究方面更为便捷，实现了用户的数据查询逻辑，由整体到局部，再到明细；有线路到车辆，再到站点和乘客，一层一层的实现递进。

大屏监控

大屏幕监控采用层层递进的方式，实现由线路到具体车辆，再到车辆上具体乘客的层层监控。

线路监控：

实时的线网热力图，展示了城市交通在当前时段各交通要道的实时热力值，用不同色系代表当前时段的热力值。颜色越深表明在该道路上跑的线路、车辆越多。

线路监控页面展示了5个指标数据，其中3个是累加数据：营运线路总数、客流总数以及营收总额。还有两个指标为实时数据：实时客流量和实时营收。

监控页面中地图支持缩放、移动，更方便用户查看细微的详情。

车辆监控

车辆监控在一个页面上显示了两部分内容

（1）营运车辆（满载情况）

页面中利用车辆的图标展示了车辆所在的GPS地理位置，且通过利用不用颜色的图标表示了车辆的满载情况

其中：红色代表车辆满载，蓝色代表车辆载客率较高，绿色代表车辆低载

同时页面中展示了两个实时数据：当前营运车辆总数，以及满载车辆数

用户可通过右侧搜索框，或点击页面上具体的车辆图标，选中具体的一辆车，进去车辆详情查看。

乘客监控

当用户选择了具体车辆后，就能进入第三个层级，乘客监控页面，这里的乘客指的都是当前选中车辆上的乘客。

乘客监控页面主要分为两大块

1. 基础信息

基础信息包含车辆信息、今日客流画像。

客流画像中把今日乘坐该车的乘客性别/年龄的分布画出来。

2. 实时乘客看板

实时乘客表示当前在该车辆上的乘客。

乘客信息包含：姓名/性别（颜色区分）/年龄/支付方式/上车点/预计下车点

其中预计下车点是通过乘客的历史OD数据推算得出。

案例经典提炼

根据大数据平台提供历史数据、实时数据为依据，公交集团可对每一条线路进行监控，并作出优化对策。

线路—线路截取

宜昌103路线路OD数据图

通过对103路历史数据的分析，结合乘坐103路的乘客OD数据绘制出103路的线路OD图。通过OD图形可以发现103路的乘客乘车时出现了明显区间分化现象。其中以第27站（公交四分公司）为明显的分化点。

利用OD数据，再结合线路的基础数据，我们可以得到以下几点总结：

1. 
   

2. 1-26站（夷陵广场至公交四分公司）的乘客均在前端区间中上下车。

   
   

3. 而27-44站（公交四分公司至猇亭区政府）的乘客均在线路后半段乘车。

   
   

4. 103路全长25.85KM，线路中包含站点数44个，属于宜昌之最，无论是线路长度还是站点数都远超其他线路的设定。

   
   

5. 线路平均每日计划车次5次，一车排5班，在总营收方面远不及其他线路。

由此我们可针对103路进行调整，以1-27、27-44站两个区间将线路划分成两条线，可有效减少因线路过长，站点过多导致的车辆每趟耗时较多，客流分散不集中的问题。

调整为两条线路后，可增大车辆的投入与排班，也有效较少了因排班较少，车次不足导致乘客候车时间较长的问题，以此来提升线路收益。

线路排班优化

宜昌B9线路排班客流分布

根据数据可以看出，宜昌的B9这条线路是宜昌发车最频繁，每日排班最多的线路。B9线路上下行加起来每日有242趟左右，发车间隔更是7MIN左右一辆，可谓是投入量和投入力度都很大。

结合线路排班的客流分布图查看，我们会发现几个点：

1. B9线路下行的客流数据明显高于上行的客流数据。

   
   

2. B9线路的高峰客流段呈现明显的三处，早上的7:30-9:00，中午的12:30-13:00，下午的17:00-18:30。

   
   

3. B9线路在下午14:30-15:30这一时段，工作日也会呈现出一波高峰客流。

   
   

4. B9线路的高峰时间与非高峰时间的客流量差距明显。

由此可以看出，B9在排班上每日的发车过于频繁，在高峰时间与非高峰时间未做出发

车数上的区分。结合B9的每日班次详情，当日的不同班次出现大于两倍的客流差，这大大造成了人力、物力的浪费。应该结合实际的客流数据，针对每日的客流高低峰，在排班派车的环节上做出优化。一方面将车辆集中投入到客流高峰时段，一方面减少低客流时段的车辆投入。做好数据运营，做到节能降耗，节约物力以及提升收益。

宜昌总共有970个站点，71条线路。线路交错横穿形成密密麻麻的交通网络。但是每个站点的利用率（上下客流/换乘率）都不同，如果了解每个站点的详情，就要通过大数据平台来给出结论。

站点站点OD数据

宜昌十中的站点OD图

站点OD采用桑吉图的模式，用户可根据图表查看出从十中出发的乘客都是乘坐什么车，去了哪里，并通过计算得知站点的每日总客流是多少。

通过站点OD数据用户可用于以下数个场景：

1. 城市在高速发展，多地出现拆迁、搬家的情况。那么乘客在搬移原来住址后，其乘客轨迹必然发生变化，那么乘客搬移后具体的乘客轨迹和规律，就可以通过站点OD来了解。以此来做出新线路、新站点的规划。

   
   

2. 作为旅游城市，特别是在节假日期间，用户想了解到在特殊节假日中来宜昌的旅客都乘车去了哪里，停留时间多久。那么结合高铁站、客运站的站点OD数据，就可查看出旅客的出行轨迹与规律，从而做出相应的营运策略：刺激消费/联合运营/设计专车等。在城市举办大型活动时，如市运会/博览会等，结合历史的站点OD数据，可对参与活动的群众出行有数据借鉴，从而进行特殊日期的排班排车，以最小成本满足最大的乘客出行需求。