背景

　　交通运输行业作为全球最大的行业之一，每年以较快的速度持续增长。无论是占比最大的陆运、速度越来越快的空运，还是运载量越来越大的海运，都面临客户日益增长的多样化的需求。其中，在空运方面运输速度要求越来越快，有的商家甚至要求货物全球24小时内送达；在海运方面，运输的物品越来越多，航线越来越复杂；在陆运方面，运输距离也在逐渐扩大，车辆调度数量日趋增长，车队协作要求提高，对车辆的维护难度也在逐渐加大。

　　挑战

　　面对数据庞大且种类繁多的交通数据，如何解决交通运营管控、交通营销及服务精准化、智能用户行为分析、智能路网运行监测、智能路网综合分析，帮助预测车辆发生事故风险等具体问题，构建新一代的智能交通系统，则成为推动交通信息化发展的重中之重。在交通领域，以一个中等以上城市而言，交通出行单位至少在百万量级，实时信息并发量巨大，要面临对海量非结构化大数据的组织与分析，对处理时效性和效率提出巨大挑战。

　　方案

　　建立一个集成的数据平台，一揽子解决存储，查询和分析的需求。由一个统一的系统来支撑各类场景。通过低成本的HDFS存储，高ANSI SQL兼容的超融合架构MPP引擎，实现了数据平台无缝scale-out的性能提升为了应对各类业务场景，平台独有的基于容器技术的编排工具，使得各类业务分析通过模块化的抽象固化，做到分析流程效率的大幅度提高。从而实现在百TB量级的端到端数据平台完整解决方案。

　　典型应用场景

　　最大化路线运营

　　通过大数据分析平台优化运输路线运营，缩短货物运输时间，全面提升货物运输运力。

　　汽车部件故障预测

　　通过大数据分析平台预测大量车辆的部件使用情况，在故障真正出现前进行维修，提高运输效率并减小维修成本。

　　司机择优

　　通过大数据分析平台对历史运输数据进行分析，对大量运输司机的关键指标进行比对，找到最佳的运输司机及其具备的特点。同时还可以依照最佳司机的特点，招募新的司机。

　　提供最优价格

　　通过大数据分析平台分析可用车辆和客户订单之间的关系，从而制定最优价格，实现公司利润最大化。

　　事故预测

　　通过大数据分析平台对历史事故车辆的信息进行分析，找到可能导致事故产生的因素，并对将来潜在的事故进行预测。

　　优化运输效率

　　通过大数据分析平台分析营运车辆的使用情况，提供最优的往返方案，降低货车的空置率。