SAP智慧交通解決方案v8

SAP智慧交通解決方案匯報(bào)SAP南京創(chuàng)新中心2017年2月SAP大道至簡全球76%的交易收入都與SAP系統(tǒng)有關(guān)SAP的客戶占《福布斯》全球上市公司2,000強(qiáng)的87%SAP的客戶生產(chǎn)全球77%的美容與香氛產(chǎn)品SAP的客戶每天制造超過95,000輛汽車SAP的客戶生產(chǎn)超過全球82%的咖啡和茶SAP的客戶生產(chǎn)超過全球79%的巧克力SAP的全球銀行客戶管理價(jià)值超過70萬億美元的資產(chǎn)SAP的客戶包含98%的全球前100最有價(jià)值品牌公司城市化帶來的挑戰(zhàn)與機(jī)遇城市化的進(jìn)程帶來眾多交通問題，對城市經(jīng)濟(jì)的沖擊也越來越大，同時(shí)也創(chuàng)造了新的發(fā)展機(jī)遇。傳統(tǒng)的交通管理信息化進(jìn)程中，存在重視硬件建設(shè)忽視軟實(shí)力建設(shè)。Internal3交通信息化的孤島問題出租車打車難線路換乘問題出行成本問題服務(wù)水平問題公共交通問題公共交通是解決市民出行的根本出路排放實(shí)時(shí)監(jiān)測難限排策略制定缺乏支撐超標(biāo)預(yù)警預(yù)測難排放演變規(guī)律把握難擁堵治理難交通流預(yù)測難中心城停車難重點(diǎn)區(qū)保障難交通帶來的

環(huán)境問題交通尾氣排放、渣土車監(jiān)管等都是市民關(guān)注的焦點(diǎn)交通管理問題影響城市經(jīng)濟(jì)發(fā)展和市民出行滿意度職住分離問題出行特征識別難交通配套問題交通評價(jià)缺乏數(shù)據(jù)支撐城市規(guī)劃問題城市功能設(shè)計(jì)、區(qū)域規(guī)劃影響到了城市發(fā)展和民生數(shù)據(jù)融合問題數(shù)據(jù)質(zhì)量問題IT技術(shù)瓶頸分析預(yù)測缺失交通管理創(chuàng)新需要整體思路智慧就是即時(shí)響應(yīng)

...

智慧就是靈活應(yīng)變...

智慧就是英明決策

…但是傳統(tǒng)的IT技術(shù)架構(gòu)碰到了各種瓶頸…SAP智慧交通理念

融合的數(shù)據(jù)源

支持靈活多維的數(shù)據(jù)分析挖掘

快速上線

迅速看到效果、支撐持續(xù)發(fā)展

靈活開放的平臺

鼓勵與支持各種應(yīng)用創(chuàng)新物聯(lián)網(wǎng)下的智慧交通車

車聯(lián)網(wǎng)及信息服務(wù)

(保險(xiǎn)、保養(yǎng)、停車…)

人

出行信息服務(wù)

(地圖、導(dǎo)航、打車、公交

…)基礎(chǔ)設(shè)施

預(yù)測性維護(hù)保養(yǎng)

（信號燈、攝像頭和其它傳感器）SAP觀點(diǎn)

我們只能管理那些我們

能夠量化衡量的業(yè)務(wù)數(shù)據(jù)是智慧交通重要的第四維度不是副產(chǎn)品而是價(jià)值無量的資產(chǎn)智慧交通數(shù)據(jù)即服務(wù)

實(shí)時(shí)感知與洞察，靈活分析

決策應(yīng)變?nèi)虬咐筮B南京深圳昆明達(dá)姆施塔特新加坡莫斯科墨爾本多哈斯德哥爾摩鎮(zhèn)江開普敦圣地亞哥悉尼奧克蘭多倫多迪拜大數(shù)據(jù)如何支撐科學(xué)決策？管理決策的核心四力決策迭代中的人機(jī)因素大數(shù)據(jù)可以帶來更強(qiáng)大的洞察力、分析力和學(xué)習(xí)力管理決策的核心四力管理過程中的決策行為，究其實(shí)質(zhì)都是決策者充分獲取信息認(rèn)知環(huán)境與目標(biāo)，結(jié)合人的直覺、抽象的思維力作出的判斷。決策質(zhì)量的高低在決策人能力之外，獲取信息的廣度、深度和處理速度往往成為成功決策的最關(guān)鍵要素，大數(shù)據(jù)時(shí)代尤甚。感知

Sense對目標(biāo)與環(huán)境的認(rèn)知分析

Analyze對發(fā)展趨勢的分析預(yù)判應(yīng)對

React基于決策的行動學(xué)習(xí)

Learn對決策反饋的應(yīng)對信息獲取

加工能力計(jì)算推理

預(yù)測能力形象抽象

思維能力決策追蹤

學(xué)習(xí)能力洞察力分析力判斷力學(xué)習(xí)力管理就是決策。——

赫伯特·西蒙

（美）大數(shù)據(jù)時(shí)代方法論的變遷大數(shù)據(jù)驅(qū)動的智能型系統(tǒng)經(jīng)驗(yàn)驅(qū)動的專家型系統(tǒng)傳統(tǒng)方式復(fù)雜建模與算法基于調(diào)研數(shù)據(jù)或小樣本實(shí)際出行數(shù)據(jù)模型|算法需手工調(diào)優(yōu)與更新相對簡單高效的模型與算法基于全樣本實(shí)際出行數(shù)據(jù)自我調(diào)整的自動學(xué)習(xí)機(jī)制更高知識傳遞壁壘|傳遞成本專家依賴限制了生產(chǎn)力提高非專業(yè)人士可讀的信息服務(wù)自動化大幅度提高生產(chǎn)力大數(shù)據(jù)方式針對性強(qiáng)、數(shù)據(jù)支撐要求低更新?lián)Q代成本高數(shù)據(jù)支撐要求高持續(xù)更新、擴(kuò)展自由度高+----+++大數(shù)據(jù)時(shí)代背景下，讓大數(shù)據(jù)說話是釋放生產(chǎn)力的機(jī)遇，也讓智能智慧型應(yīng)用系統(tǒng)成為可能。大數(shù)據(jù)驅(qū)動的應(yīng)用最大的優(yōu)勢是對生產(chǎn)力的巨大提升和自我學(xué)習(xí)機(jī)制的建立。交通擁堵管理交通擁堵管理–實(shí)時(shí)管控10大堵點(diǎn)和交通狀況交通擁堵管理–分析交通擁堵的原因有效幫助交通

：快速定位擁堵的源頭高效分配及調(diào)度巡邏人員處理交通擁堵管理–車輛OD與關(guān)鍵路徑規(guī)律挖掘有效幫助城市管理者：挖掘市民出行規(guī)律，對交通小區(qū)的關(guān)鍵道路及交通流量進(jìn)行預(yù)測性分析制定更有效的交通解決方案使城市在進(jìn)行項(xiàng)目施工和路網(wǎng)升級時(shí)能平衡市民出行需求及疏導(dǎo)交通流

交通擁堵管理–實(shí)時(shí)監(jiān)控交通走廊&關(guān)鍵道路有效幫助城市管理者：全面掌握擁堵時(shí)空分布直觀了解交通流量管制或基礎(chǔ)設(shè)施升級等規(guī)劃方案對交通的影響交通擁堵管理–交通數(shù)據(jù)挖掘及多維分析的工具交通擁堵管理–預(yù)測、部署和規(guī)劃交通擁堵管理–常發(fā)性/突發(fā)性堵點(diǎn)的機(jī)器學(xué)習(xí)ExpectedMeasured99%ConfidenceBand交通擁堵管理–信號燈效率評估的機(jī)器學(xué)習(xí)

西向東東向西南向北北向南直行左轉(zhuǎn)右轉(zhuǎn)直行左轉(zhuǎn)右轉(zhuǎn)直行左轉(zhuǎn)右轉(zhuǎn)直行左轉(zhuǎn)右轉(zhuǎn)轉(zhuǎn)向流量(輛/半小時(shí))471219-376155804671421004047686綠燈時(shí)長(秒)5125-512550442550442550紅燈時(shí)長(秒)103129-103129104110129104110129104車輛平均等待延遲(秒)6384-964045185895618311752等待車輛隊(duì)列長度(米)6638-79881347037425744036*服務(wù)等級(車道)AA-ACAAAABAA服務(wù)等級(方向)ABAB服務(wù)等級(路口)B方法：通過計(jì)算每個車道的小時(shí)流量，得出車輛平均等待延遲，從而評估出車道、方向和路口的信號燈效率。所需數(shù)據(jù)：路口信號燈配時(shí)，道路渠化，路段流量數(shù)據(jù)。服務(wù)等級說明：車輛平均等待延遲與紅燈時(shí)間進(jìn)行比較，當(dāng)延遲時(shí)間小于1個周期的紅燈時(shí)間，此時(shí)交叉口暢通A；當(dāng)延誤時(shí)間大于1個且小于2個周期的紅燈時(shí)間，此時(shí)交叉口為基本暢通B；當(dāng)延誤時(shí)間大于2個及以上周期的紅燈時(shí)間，此時(shí)交叉口為擁堵C。智慧交通平臺智慧交通平臺的軟件組成外部流數(shù)據(jù)源消息中間件SAPHANAStreamingESPAPI數(shù)據(jù)接口服務(wù)智慧交通應(yīng)用SAP

HANAInmemorycomputingplatform高熱模型數(shù)據(jù)SAPIQ

PetabyteScaleColumnDatabase原始數(shù)據(jù)數(shù)據(jù)服務(wù)層外部靜態(tài)數(shù)據(jù)源出租車公交車車牌識別數(shù)據(jù)庫文件/調(diào)查天氣/地圖處理器SAPHANA主要負(fù)責(zé)存儲相關(guān)的交通分析模型，對原始交通數(shù)據(jù)的質(zhì)量進(jìn)行提升并產(chǎn)生上層應(yīng)用需要的交通模型數(shù)據(jù)，為上層應(yīng)用高速處理分析數(shù)據(jù)提供支持。SAPIQ主要負(fù)責(zé)存儲在交通原始數(shù)據(jù)。SAPESP主要負(fù)責(zé)將流式數(shù)據(jù)接入到大數(shù)據(jù)平臺。算法模型層HANA原生與SAPHANAStreaming(ESP)的整合

(

大數(shù)據(jù)的速度)將SAPIQ作為擴(kuò)展存儲

(

大數(shù)據(jù)的容量)與Hadoop整合最終一致性–“無限量”數(shù)據(jù)存儲在存儲和處理上進(jìn)行整合

-使用Hadoop存儲(HDFS)

-把處理需求推送給Hadoop(codetodata)SAPHANADBServerDataEnginesSAPIQ擴(kuò)展存儲SDA+SDAHadoop引擎SQL

Queries

viaHiveExecuteM/RHiveM/R…Execute

JobHDFSLoadDataESP“DataonDisk”整合工具與操作SAPHANA豐富的可擴(kuò)展性在交通中使用SAPHANA

數(shù)據(jù)類型與數(shù)據(jù)量出租車GPS數(shù)據(jù)～5000萬條記錄/天實(shí)時(shí)數(shù)據(jù)公交車GPS數(shù)據(jù)～5000萬條記錄/天視頻基站車牌識別～800萬條記錄/天自