SAP智慧交通解決方案v8

SAP智慧交通解決方案匯報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SAP的客戶占《福布斯》全球上市公司2,000強的87%SAP的客戶生產全球77%的美容與香氛產品SAP的客戶每天制造超過95,000輛汽車SAP的客戶生產超過全球82%的咖啡和茶SAP的客戶生產超過全球79%的巧克力SAP的全球銀行客戶管理價值超過70萬億美元的資產SAP的客戶包含98%的全球前100最有價值品牌公司城市化帶來的挑戰(zhàn)與機遇城市化的進程帶來眾多交通問題，對城市經濟的沖擊也越來越大，同時也創(chuàng)造了新的發(fā)展機遇。傳統(tǒng)的交通管理信息化進程中，存在重視硬件建設忽視軟實力建設。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時監(jiān)測難限排策略制定缺乏支撐超標預警預測難排放演變規(guī)律把握難擁堵治理難交通流預測難中心城停車難重點區(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)管等都是市民關注的焦點交通管理問題影響城市經濟發(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缺乏數據支撐城市規(guī)劃問題城市功能設計、區(qū)域規(guī)劃影響到了城市發(fā)展和民生數據融合問題數據質量問題IT技術瓶頸分析預測缺失交通管理創(chuàng)新需要整體思路智慧就是即時響應

...

智慧就是靈活應變...

智慧就是英明決策

…但是傳統(tǒng)的IT技術架構碰到了各種瓶頸…SAP智慧交通理念

融合的數據源

支持靈活多維的數據分析挖掘

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

鼓勵與支持各種應用創(chuàng)新物聯網下的智慧交通車

車聯網及信息服務

(保險、保養(yǎng)、停車…)

人

出行信息服務

(地圖、導航、打車、公交

…)基礎設施

預測性維護保養(yǎng)

（信號燈、攝像頭和其它傳感器）SAP觀點

我們只能管理那些我們

能夠量化衡量的業(yè)務數據是智慧交通重要的第四維度不是副產品而是價值無量的資產智慧交通數據即服務

實時感知與洞察，靈活分析

決策應變全球案例大連南京深圳昆明達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據如何支撐科學決策？管理決策的核心四力決策迭代中的人機因素大數據可以帶來更強大的洞察力、分析力和學習力管理決策的核心四力管理過程中的決策行為，究其實質都是決策者充分獲取信息認知環(huán)境與目標，結合人的直覺、抽象的思維力作出的判斷。決策質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鍵要素，大數據時代尤甚。感知

Sense對目標與環(huán)境的認知分析

Analyze對發(fā)展趨勢的分析預判應對

React基于決策的行動學習

Learn對決策反饋的應對信息獲取

加工能力計算推理

預測能力形象抽象

思維能力決策追蹤

學習能力洞察力分析力判斷力學習力管理就是決策?！?/p>

赫伯特·西蒙

（美）大數據時代方法論的變遷大數據驅動的智能型系統(tǒng)經驗驅動的專家型系統(tǒng)傳統(tǒng)方式復雜建模與算法基于調研數據或小樣本實際出行數據模型|算法需手工調優(yōu)與更新相對簡單高效的模型與算法基于全樣本實際出行數據自我調整的自動學習機制更高知識傳遞壁壘|傳遞成本專家依賴限制了生產力提高非專業(yè)人士可讀的信息服務自動化大幅度提高生產力大數據方式針對性強、數據支撐要求低更新換代成本高數據支撐要求高持續(xù)更新、擴展自由度高+----+++大數據時代背景下，讓大數據說話是釋放生產力的機遇，也讓智能智慧型應用系統(tǒng)成為可能。大數據驅動的應用最大的優(yōu)勢是對生產力的巨大提升和自我學習機制的建立。交通擁堵管理交通擁堵管理–實時管控10大堵點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度巡邏人員處理交通擁堵管理–車輛OD與關鍵路徑規(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)的關鍵道路及交通流量進行預測性分析制定更有效的交通解決方案使城市在進行項目施工和路網升級時能平衡市民出行需求及疏導交通流

交通擁堵管理–實時監(jiān)控交通走廊&關鍵道路有效幫助城市管理者：全面掌握擁堵時空分布直觀了解交通流量管制或基礎設施升級等規(guī)劃方案對交通的影響交通擁堵管理–交通數據挖掘及多維分析的工具交通擁堵管理–預測、部署和規(guī)劃交通擁堵管理–常發(fā)性/突發(fā)性堵點的機器學習ExpectedMeasured99%ConfidenceBand交通擁堵管理–信號燈效率評估的機器學習

西向東東向西南向北北向南直行左轉右轉直行左轉右轉直行左轉右轉直行左轉右轉轉向流量(輛/半小時)471219-376155804671421004047686綠燈時長(秒)5125-512550442550442550紅燈時長(秒)103129-103129104110129104110129104車輛平均等待延遲(秒)6384-964045185895618311752等待車輛隊列長度(米)6638-79881347037425744036*服務等級(車道)AA-ACAAAABAA服務等級(方向)ABAB服務等級(路口)B方法：通過計算每個車道的小時流量，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。所需數據：路口信號燈配時，道路渠化，路段流量數據。服務等級說明：車輛平均等待延遲與紅燈時間進行比較，當延遲時間小于1個周期的紅燈時間，此時交叉口暢通A；當延誤時間大于1個且小于2個周期的紅燈時間，此時交叉口為基本暢通B；當延誤時間大于2個及以上周期的紅燈時間，此時交叉口為擁堵C。智慧交通平臺智慧交通平臺的軟件組成外部流數據源消息中間件SAPHANAStreamingESPAPI數據接口服務智慧交通應用SAP

HANAInmemorycomputingplatform高熱模型數據SAPIQ

PetabyteScaleColumnDatabase原始數據數據服務層外部靜態(tài)數據源出租車公交車車牌識別數據庫文件/調查天氣/地圖處理器SAPHANA主要負責存儲相關的交通分析模型，對原始交通數據的質量進行提升并產生上層應用需要的交通模型數據，為上層應用高速處理分析數據提供支持。SAPIQ主要負責存儲在交通原始數據。SAPESP主要負責將流式數據接入到大數據平臺。算法模型層HANA原生與SAPHANAStreaming(ESP)的整合

(

大數據的速度)將SAPIQ作為擴展存儲

(

大數據的容量)與Hadoop整合最終一致性–“無限量”數據存儲在存儲和處理上進行整合

-使用Hadoop存儲(HDFS)

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

Queries

viaHiveExecuteM/RHiveM/R…Execute

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

數據類型與數據量出租車GPS數據～5000萬條記錄/天實時數據公交車GPS數據～5000萬條記錄/天視頻基站車牌識別～800萬條記錄/天自