在大数据蓬勃发展的今天，像极光大数据这样的大数据平台可借助云计算的快速可扩展性、标准化服务、自助服务等特征，强化大数据的获取、处理、整合、分析、服务等技术支撑能力，进而促进敏捷化、个性化的数据应用开发，最终助力业务转型。运用大数据平台和大数据技术不仅可以帮助企业提升生产力，更可帮助政府部门在城市的公共管理中提升效率、提高管理水平。

例如在与道路交通有关的执法效率问题上，通过智能手机和其他位置感知的设备（如导航单元）获得交通数据分析，包括平均速度分析（描述性，诊断，预测，规定性分析），可预测其交通情况趋势，进而实现有效的交通疏导和管理；在社会媒体监督上，大数据可以有针对性地对社会媒体进行监督分析，甚至预测选举结果；大数据下的智能服务还可以提供更好的用户体验，例如在垃圾容器中的传感器可让垃圾车线路得以优化等等。从管理效率提升、舆情数据管理、透明服务监控到城市规划优化、公共安全管理水平优化到刑侦手段提升，都有丰富的服务场景可以通过大数据技术和数据分析应用实现质的飞跃。

要实现以上场景，有两个前提。一是要有足够数量的数据，二是要有与之匹配的数据挖掘、清洗及运用的能力。极光大数据运用自身数据和自身技术实现了移动互联网大数据应用创新，为城市公共管理领域提供了多样化、全方位的支持。

以下是极光大数据在城市公共管理中的实际应用案例。

极光大数据在城市交通治理中的实际应用

交通治理一直是市政规划管理的重点和难点。运用大数据技术，极光数据团队与全球知名的智能交通企业PTV Group合作，帮助客户（某交通规划管理局）实现了动态的数据实时采集，数据实时加工以及数据实时分析，为该交管局在区域交通管理方面提供了道路优化算法，即通过对交通道口红绿灯策略的优化降低了道路拥堵，实现了一定程度上的交通运力优化。在这个案例中，极光的数据体现了以下价值：

1) 极光大数据可以实现数据全生命周期服务

2) 极光的数据密度和频度均可以保证实现区域客流的分析和预测

3) 极光大数据平台保证数据处理的时效性和准确性

方案介绍

数据来源于极光自有数据平台的数据采集。极光大数据依靠手机终端的位置信息进行实时采集获取设备位置，从而通过算法进行道路匹配和交通流量预测。

通过上图可以看到，1小时内，通过交通信号灯的优化，该区域排队车辆（黄色线条）明显减少，而道路行驶流量（绿色线条）明显改善。

此案例中，极光大数据运用了时序回归分析对道路交通的流量进行预测分析。普通问题都是线性问题，数据挖掘方法为解决非线性复杂系统的问题提供了一种新的解决途径，如神经网络、决策树、时序回归分析等。时序回归分析是将时间变量作为预测关键因子，通过时间序列搜索出的重复发生概率较高的模式，与回归一样，它也是用已知的数据预测未来的值。但这些数据的区别是变量所处时间的不同，所采用的方法一般是在连续时间流中截取一个时间窗口（一个时间段），窗口内的数据作为一个数据单元，然后让这个时间窗口在时间流上滑动，以获取建立模型所需要的训练集。

我们在该区域采集到了20万设备信息，并将它们连续一周的3000万条位置轨迹信息进行了数据分析。结合客户提供的该区域路网信息，我们基于聚类算法开发了一套道路拟合算法实现位置轨迹到路网轨迹的拟合，通过轨迹采集的时间建立了时间序列模型，通过该模型对车辆停留时间和路网信号灯长短信息进行相关度分析，利用卷积神经网络算法建立了路网信号灯长度和拥堵情况的算法模型，通过模型训练，优化信号灯长度策略，实现排队车辆的数量降低。

以上就是就极光大数据运用自身数据和自身技术实现的移动互联网大数据在城市公共管理中的应用创新。更多极光大数据在政府机关、金融机构、企事业单位、互联网企业、媒体广告、咨询调查机构等多个行业的实际案例，我们会陆续分享。