前言
交通运输行业面临着多重挑战。其管控困难，涉及广泛地理范围，导致监控成本高且难以及时响应；同时，行业内数据量大，地理信息数据繁多，缺乏高效的可视化工具来揭示数据规律并优化业务；货运和客运量的波动性大，预测难度大，难以合理调配资源；开放数据访问量低，内外数据对比不足，影响了决策的科学性；此外，行业突发事件频发，数据分析多为事后处理，难以实现提前预警；报表逻辑复杂，统计维度和计算方法多样，增加了数据处理的难度。
一、交通运输行业挑战与数字化建设必要性
1、管控困难
交通运输行业涉及的地理范围较广，监控成本高，管控难以及时
2、数据量大
交通运输行业有着大量地理信息数据，需要可视化工具可视化后进而发现其规律优化交通运输业务
3、货运客运量难预测
交通运输行业的货运量或客运量是不断变化的，有高峰有低谷，需要对其进行预测以备资源
4、开放数据访问量低
开放数据访问量低，外部数据与内部数据没有形成良好的对比。
5、突发事件多
交通运输行业多是突发事件的处理，对于数据的分析也是事后分析，难以做到提前预警。
6、报表逻辑复杂
不仅有各类财务、运作报表需要统计，还有相关国家标准报表需要统计，相关数据的填报与统计维度和计算方法复杂。
二、交通运输行业数据应用目标
-
协助管控
通过数据的汇集与计算，帮助企业机构快速查询数据，并设立预警机制协助管控
-
预测分析
对相应指数进行监控，预测交通运输状况，对货量/车流量/客流量等数据进行预测
-
运营管控
对于运营数据进行实时监控，对安全事故问题进行及时报备预警
-
行业分析
对行业开放数据指标和公司指标进行计算监控，将公司各项指标与行业平均水平进行对比
-
报表生成
自动生成报表，统计各项指标
三、建设主题
以高速公路数字化建设为例，建设业务主题，并对交通运输指标体系建设。
四、建设意义
-
信息集成优势和组合效率：大数据有助于建立综合性立体的交通信息体系，通过将不同范围、不同区域、不同领域的“数据仓库”加以综合，构建公共交通信息集成利用模式，发挥整体性交通功能。例如，将气象、交通、保险部门的数据结合起来，可以高效率地研究交通领域防灾减灾；IC卡数据结合抽样调查，能更快捷、更精确测得城市交通流分布状况。
-
智能配置交通资源：通过对大数据的分析处理，可以辅助交通管理制定出较好的统筹与协调解决方案，减少各个交通部门运营的人力和物力，提升道理交通资源的合理利用。例如，根据大数据结果确定多模式地面公交网络高效配置和客流组织方案，多层次地面公交主干网络绿波通行控制以及交通信号自适应控制。
-
提升交通预测水平：大数据的快速性和可预测性能有助于提升交通预测的水平。
-
跨域管理：大数据的虚拟性有利于其信息跨越区域管理，只要多方共同遵照相关的信息共享原则，就能在已有的行政区域下解决跨域管理问题。