2017华为开发者大赛进行中丨100G交通大数据公开挖掘

交通实时监控数据是智慧交通的基石，从大量的监控数据中及时准确地挖掘出知识，并提供给管理者作为决策依据，是现代交管系统的基本诉求。

作为智能时代的在线数据应用平台，科赛网已上线华为开发者大赛之交通大数据赛题，参赛选手可于科赛网报名提交，并体验万名数据科学家的全程组队支持。

本次交通大数据赛为开放式赛题，组委会已开放100G真实交通数据，参赛者可以利用组委会提供的交通监控数据、也可以基于自有或公开数据（如OpenStreetMap等），对通行模式的特征进行挖掘和评估，建立相关模型，并可以通过相关案例解释挖掘到的结果。

参赛者可参考以下三个场景案例，但参赛作品不局限于此：

1. 交通拥堵预测

交通拥堵是现代城市管理中的顽疾，怎样通过庞大的交通监控来预测拥堵是城市管理者密切关注的课题。参赛者基于交通数据，也可自行补充开源数据，来定义拥堵特征，建立预测模型，并通过相关案例证明其预测的效果及效率。下图为交通卡口车流量情况的可视化效果示例供参赛者参考，参赛者可以考虑用这种方式将预测结果展示给评委，参赛作品不局限于此。

图一 南京市卡口数据拥堵情况可视化（引用自Visual Exploration of Sparse Traffic Trajectory Data）

2. 交通通行模式挖掘

随着中国城市化进程不断加快，大量人口迅速聚集造成了特大城市的交通面临巨大挑战，对人群通行模式的研究应运而生。

通行模式一般可以是对城市人群行为的提炼，如图二展示了温州市在两个时段挖掘出的通行模式（a、市区内短途通行；b、市区和开发区间通行）。图三展示了伦敦市民的通行模式，以市中心展开，各个区域热点间有联动。对城市通行模式的挖掘有助于发现城市规划中的弊病，设计合理的交通管制措施。

图二 温州市两个时段的通行模式（引用自Spatial–temporal visualization ofcity-wide crowd movement）

图三 伦敦市民的行为模式（引用自MobilityGraphs: Visual Analysis ofMass Mobility Dynamics via Spatio-Temporal Graphs and Clustering）

3. 交通污染分析

从卡口数据拟合出个体车辆出行轨迹，结合气象及空气污染指数数据，分析空气污染和车辆出行间的时空关联关系，帮助环保部门分析车辆出行对雾霾等空气污染问题的影响等。

比赛报名

参赛者可直接在华为开发者大赛论坛提交作品；也可先在科赛网报名组队，寻找队友，合力设计作品并完善后再至华为论坛提交。科赛网将为平台参赛选手提供专业组队支持，万名数据科学家与你同战。

比赛交流

请加HDC大数据交流群539191432