浅析疫情过后 智能交通的新机遇

2020-02-14 07:16 来源:赛文交通网

疫情还没有结束,很多人仍然坚守在疫情防控一线的工作岗位上。对于企业经营者来说,已经开始思考:这场疫情过后,智能交通市场会出现哪些新的市场机会,哪些新的市场需求。

这场疫情是一场公共卫生安全事件,其背后的主要需求是应对公共卫生安全事件,公共安全事件,大型突发事件等场景,因此这次市场需求的背景是城市级,大范围的交通管控和服务。

不少智能交通企业、互联网公司已经发布了针对这次疫情防控的解决方案,相关应用和产品。赛文前几日也做过相关的汇总报道,但整体而言,各家的产品和方案基本还处于热成像及体温监测的范畴,那么就智能交通行业而言,会有哪些新的需求和机会呢。

人流和车流的需求维度

这次疫情发生后,就交通而言非常重要的一项内容就是人流和车流的管控与服务。

疫情发生正值春节,大量的人员回乡、旅游过春节,交通出行非常集中,跨省、跨城市、甚至跨国的流动都非常大。出行方式主要包括铁路、飞机、长途客运和私家车等几种方式,因此考虑新市场需求,新产品管控和服务的对象主要是个体人和车辆。

车流管控上,需要掌握车辆在重点疫区(及周边城市)的跨地区活动情况、出现位置,并进行实时、动态的统计分析及实时过车预警,进一步加强针对经过疫区车辆信息的感知防控能力。

人流的管控上,需要掌握人的出行轨迹和信息,车辆的出行轨迹和信息,人员乘坐不同交通工具出行的信息。

宏观和微观的需求分析

这次疫情防控工作中,对交通个体和车辆管理的最大需求是需要知道人和车的来向,从哪个省份来,哪座城市来,经过哪些城市,驻足过哪些地方,乘坐了哪些交通工具,所乘坐交通工具的车次/航班次等。

因此考虑新市场需求,新产品管控和服务,宏观层面的根本需求是掌握人和车辆的趋势迁徙需求;微观层面的需求是个体出行行为和对应个体的信息需求。

而需求方的性质,宏观需求是面向决策者,对全国、全省交通迁徙趋势、迁徙流向的把控,以此来制定相关资源的投入方向,交通管控措施以及医疗资源布置实施的重点区域。

微观需求则是面向执行者,人和车辆个体的防控,需要知道更详细的信息。

从需求方来讲,不同的需求是由不同的机构来买单。

u=2142795953,4144750445&fm=26&gp=0.jpg

浅析疫情过后 智能交通的新机遇

宏观层面的需求从目前来看,是国家及各省、重点城市的卫生健康委员会和疫情防控指挥部,他们行使医疗资源调配和防控总体工作的开展。

微观层面的需求方则比较多,但总领需求应该在国家及各省、重点城市的公安交通管理,交通运输管理部门。

需求场景描述

具体到需求场景,产品和解决方案功能设计,曾有人提过建议,问可不可以在路口电子警察和卡口上增加测量体温的功能,对于一项并不高频使用且有其他更合适替代方案的设计,感觉并不具有可行性。

(一) 车辆轨迹追踪

基于道路视频监控、卡口等视频数据,车牌二次识别,以掌握重点车辆的重点疫区旅居史、停留史、活动轨迹,分析目标车辆的密切接触对象等信息,以及有关车辆和人员管控的外延信息,数据整合。

在这次疫情防控过程中,某行业企业的大数据疫情防控系统应用在湖北、山东、广东、浙江、福建、安徽等全国二十多个省的公安机关疫情防控工作当中,另外也有企业的防疫重点车辆核查系统则在深圳市的防控工作中得以应用,但这些系统主要应用在省内,城市等一定区域内的轨迹追踪。

虽有前期沉淀,但这些稍显匆忙上阵的智能系统显然还有提升的空间。

除此之外,车辆数据的追溯效果还受前端数据采集质量,以及跨省数据共享等问题影响。养军千日,用兵一时,多说一句:重视交通基础数据的采集,重视交通采集前端设备的运维。

(二)人流、车流迁徙

在疫情发生之初的春节之际,某地图商曾经对外发布了迁徙大数据,数据显示了春节期间不同城市人口的迁入量和迁出量,迁徙关系。由于地图数据主要是基于机动车数据生成,因此我们可以认为其数据样本表达为机动车的迁入和迁出量,距离更大口径范围的人口迁徙还有空间。

个体人的出行方式不仅仅有机动车,还包括铁路、航空、长途客运等方式,因此整合大交通方式的人口迁徙特征则是需求提升的目标之一。

就仅以机动车方式来描述迁徙趋势而言,基于视频,结合其他固定点交通流量采集;基于移动通讯信号的两种技术方案,也可以生成与某地图一样,甚至更贴近需求的方案与产品。而这些技术路线的选择,传统智能交通企业和移动运营商都有市场机会,满足宏观层面的大数据特征描述与挖掘需求。

另外,我们也了解到这次疫情期间,很多城市的公安交警及交通部门有现场卡点的道路疫情管控数据采集需求。有企业提供通过微信、支付宝等扫码快速登记车辆、车主、同车人信息和体温信息的服务,做到实时更新统计疫情状态等效果。

(三)基于Maas的出行链追溯

这次疫情防控工作中,一个高频出现的场景是同架次/车次的个体出行者寻找。当某个航班、某列火车出现确认的病毒感染者,由于强传染性,因此要追溯同乘人员进行检查与隔离。

其追溯过程中,我们看到一开始是媒体发布公告的形式召集,后期面向公众上线了疫情跟踪、同车查询系统,寻找过程还是相当被动。

实际上,我们在购买飞机票的时候都会提供本人的移动联络方式,但为什么没有通过打电话的方式联系本人呢。

在出行信息化非常发达的航空领域尚且如此,在铁路、长途客运领域差距更大。目前,城市出租车出行有很多打车软件,都绑定有个人的移动联络方式,应急状况下主动的个体出行信息服务实际上也可以延续到城市出行末端。

通过Maas这个理念打通一体化出行链后,这些信息要素就可以完全掌握,让追溯更加主动高效。

结尾

无论是本文提供的三种场景需求描述,还是有其他的应用场景,其产品和解决方案的基础都是大数据的应用,大数据在智能交通领域的应用。然后才是数据共享机制的建立,交通采集的稳定,个人隐私的保护等问题。

从这个角度看,大数据在智能交通领域的发展还很初级,还有很大的发展空间。

疫情爆发的突发事件,不仅仅是对政府治理能力的考验,也是对每年投入千亿的智能交通系统的考验,也是对智能交通人,智慧城市人的考验。

养军千日,用兵一时。每一次危机和困境都会伴随新的机会出现,疫情过后,我们都希望它能为智能交通沉淀些什么。

责任编辑:潘一大