大数据时代的选择
大数据的概念兴起数年来,关于其核心价值和应用场景的讨论从未间断。有人称,宏观上,数据科学的核心使命在于对“人”(用户)的习惯、喜好的把握,从而结合人的需求指定合理的调整和优化策略;也有人认为,数据科学的实际应用应更贴近微观层面,在捕捉客户需求、实现服务优化、整合管理体系、降低人工成本等方面为机构或企业提供支持。
不可否认的是,数据科学已经不再是孤立于计算机领域的理论学科。从地球大气环境到城市建设规划、从国家经济调控到企业财务管理、从数理理论模型到生物医药研究……随着数据分析方法的发展,数据科学在跨学科领域的应用场景逐渐丰富起来,甚至有些产业已经全面依赖数据驱动。那么我们选取几个典型的数据驱动的例子,来看看数据科学的方法发挥了什么样的作用、又实现了哪些效果.
交通大数据的数据来源和应用范围大致可以分为以下几种:
物流和供应链
物流中的数据应用包括运输、仓储、管理等多个方面,合理的数据管理方法可以有效降低多个环节的成本
市政公共交通
通过收集公交、地铁、出租车等的时间数据、位置数据等,最终实现缓解交通拥堵、推荐最优路线、测算出租车费用,甚至指导未来路网建设和城市发展;
车联网
将车辆作为数据的收集和应用终端,收集速度、位置等数据并生成相对数据,实现车车互联,车联网是实现自动驾驶的重要课题;
GPS定位和导航
除针对个体用户的定位服务,区域化的定位导航可以实现交通高峰期(如春运)的流量监控、或分析因人为自然原因引发的人口迁移等。
人工智能与大数据
深度神经网络(Deep Neural Networks)是人工智能与大数据相结合的主要研究方向之一,数据支持下的人工智能技术可实现更接近于人脑、甚至超过人脑的运算和识别能力。
深度神经网络作为深度学习的基础,主要的应用是语音和图像的分类、识别。基于庞大的数据库,神经网络在自然语言识别中的准确率不断上升,英语同声速记产品已经能够将错误率降至5%以下,国内多家公司也推出了基于深度神经网络的同声传译工具。计算机视觉(Computer Vision)则是通过各层特征划分完成图像分类、目标检测和追踪,目前已广泛应用于公共领域。