交通大数据应用细分_大数据、数据挖掘在交通领域有哪些应用？

相比于其他城市规划管理领域，城市交通相关的细粒度精细化数据较多也较丰富，所以大数据、数据挖掘在交通领域的应用也较广。

一、数据来源与分类

除了Han Hsiao已经提到的大数据来源，还包括停车管理数据、牌照识别数据等交通领域数据及POI数据、手机信令数据等相关领域数据，并借鉴同济大学杨东援老师在某次学术会议上的发言，结合个人工作经验进行进一步归类：单次观测数据：如浮动车GPS数据、道路卡口数据、停车管理数据等；

连续观测数据：手机信令数据、LBS(Location-based service)数据(如我们使用微信、百度时留下的位置数据)、道路路况数据(如高德、百度等公司发布的拥堵指数)、公交刷卡数据、牌照识别数据等；

基础数据：POI(Point of Interest)数据(如大众点评上的商家数据)、企业工商管理数据、房屋价格数据等；

(以上的“单次观测”和“连续观测”，是基于对个体出行(或交通设施)观测的角度进行区分的。有些数据在不同语境下所属的类别不同，比如浮动车GPS数据，对于个体出行而言是“单次观测”，而对于出租车运营而言则是连续观测)。

二、为什么要用大数据分析城市交通

这些数据的好处主要在于：细粒度：这里包括数据对象的细粒度、时间的细粒度和空间的细粒度。首先是数据对象，大数据往往描述的是“某个人、某条路、某辆出租车/公交车、某家餐馆”等等，而不是“某个区”、“某群人”、“某种交通方式”啦。而数据对象的细粒度往往伴随着空间的细粒度，很多数据都是用经纬度表示空间位置的，而不是之前的“市/区/街道”等。至于时间的细粒度，可以参加下面的更新速度；

更新快：拿城市交通综合调查举例子，可能五六年才