大数据下的公共交通

大数据下的公共交通（精选五篇）

大数据下的公共交通 篇1

推动公共交通的发展可以缓解城市交通拥挤, 提高空气质量。但是目前公共交通的建设仍然满足不了人们的出行需求, 通过提高公共交通的管理水平, 可以提高公共交通的运送能力。大数据具有超强的数据处理能力, 运用到公共交通管理, 可以很好的提升公共交通管理水平, 完善管理体系[1]。

二、大数据概述

大数据目前尚无统一的概念, 但对其的认识逐渐在统一, 大数据拥有海量的数据, 以至于目前主流的数据处理软件不能在合适的时间内对数据处理。大数据是大量数据的集合, 具有较高的管理难度和巨大的利用价值, 具有体积大、速度快、种类多和实时性的特点。

三、大数据在公共交通中应用的优势

1、显著提高公共交通的工作效率。

公共交通的体量庞大, 如果要对其加以改善, 则需要大量的计算, 而大数据的大体积特性则可以处理这么多数据。大数据的数据库的数据越多, 所需要的计算量则越少。在对公共交通资源进行优化配置的过程中, 数据库中的数据会越来越多, 配置成本则随着大数据的聚合减少。大数据的高效计算可以提高车辆的有效路段里程, 进而提高公共交通的工作效率。2、可以实现公共交通的智能化管理。大数据的实时性功能可以将闲置的数据在需要的时候即刻利用起来, 然后经过面向用户的应用软件处理成人性化的图形界面, 供用户使用。大数据实现公共交通的智能化管理表现在:当某个路段发生交通问题, 可以利用大数据及时获取有用信息, 确保交通顺畅;利用大数据进行预测, 帮助用户预知前方路段的交通状态。3、节约投入成本。利用大数据建立起来的智能化交通管理系统, 可以提高车辆的有效行驶里程, 提高了效率, 进而可以减少车辆投入。利用大数据可以解决拥堵问题, 进而可以减少公路、地铁的新建和扩建, 进而节约了大笔城建资金, 而且提高了城市交通的管理水平。4、处理海量交通数据。基于大数据的交通管理系统在数据处理时使用的是云计算、云管理和云操作系统, 所以可以做到对大数据的实时准确分析。基于大数据的交通管理系统还可以做到全天候覆盖, 并可以将信息跨区域共享。大数据的这种能力可以成为破解交通问题的强大动力。

四、大数据在公共交通中应用产生的问题

1、数据开放问题。

数据是大数据系统的基础, 数据越多预测的效率越高, 准确率也高。但是目前数据多存储在私人数据库, 造成数据封闭管理的不良现象。数据只有公开共享才可以增值, 这是使数据增值的唯一方法。数据开放具有多重好处:对于政府而言, 可以提高政府的公信力以及管理水平;对于企业而言, 可以给企业带来巨大的商业利益;对于公民而言, 可以有助于其参加决策。所以, 为了数据的升值, 不闲置, 必须开放数据。

2、个人隐私问题。

大数据应用在公共交通上有诸多好处, 但其也可以造成数据泛滥, 导致个人信息有被泄露的风险。在过去, 可以采用密钥编码等技术保护个人信息。如果利用大数据技术则会扩大信息传递范围, 加快共享速度, 如果不能采取合理措施则会导致商业或者私人信息泄露。比如个人的位置信息、偏好的出行路线等, 这会给用户带来不安全感, 进而造成用户弃用基于大数据的交通系统。

3、数据的存取方式。

基于大数据的交通管理系统可以利用动态数据, 如传感器等硬件采集的数据, 但是对于静态格式的数据管理系统是无法读取并利用的, 所以必须统一成管理系统可以利用的数据格式。

五、提高大数据在公共交通应用水平的措施

广泛开放公共交通数据。交通数据的开放, 可以促进公私部门形成良好的关系, 促使政府交通部门使用私人的专业技术, 而私人部门可以完善信息服务。政府交通部门可以建立数据共享的门户网站, 采用机器可读的数据存取形式。门户网站可以增加数据挖掘工具, 方便用户获取自己需要的数据。[2]政府相关部门要制定相应的规则, 保护知识产权, 推动数据开放, 使多方获取利益。

保护个人隐私。在推广基于大数据的公共交通管理系统中政府要制定相关法律与信息传播、获取的原则, 保证私人、商业信息不会被泄露。交通管理部门要细化管理办法, 并开展数据隐私、安全的教育活动。为了避免数据的过渡开发和过渡保护, 交通管理部门要把握好商业开发、公益利用与个人隐私之间的平衡。

提高数据存储的多样性。交通管理部门要进行数字化建设, 并可以做到动态化提取, 减少向数据中心插入数据的环节。交通管理部门要聚合各种数据来满足用户特定的数据结构需求。交通管理部门应建立智能化的交通数据中心, 可以实现用户自动收发数据。

摘要：大数据具有体积大、速度快、种类多以及实时性的特点, 将其应用到公共交通领域可以为建设合理的城市交通管理体系提供技术支撑。在公共交通中应用大数据具有提高效率, 降低成本以及实现智能化管理等多个优点, 但也存在着数据公开方式、个人隐私以及数据存取等问题, 可以采取广泛开放数据、保护个人信息以及提高数据存取的多样样等措施加以解决。

关键词：大数据,公共交通,应用

参考文献

[1]陈美.大数据在公共交通中的应用[J].图书与情报, 2012 (6) :22-28.

大数据下的公共交通 篇2

关键词 图书馆 读者访问 数据挖掘 行为分析

分类号 G252

DOI 10.16810/j.cnki.1672-514X.2016.10.017

Analysis and Application of Public Library User’s Behavior Based on Big Data

Shi Yeming

Abstract Under the development of information technology， the public libraries face the increasing needs of readers. They need to be able to understand and master the readers’ interests and reading characteristics in time. In this paper， through analyzing the source and characteristics of various types of user behavior data， it expounds the purpose and significance of the reader’s behavior analysis from the aspects of library service efficiency， personalized service and the innovation of management mode.

Keywords Library. Reader access. Data mining. Behavior analysis.

信息技术发展的背景下，公共图书馆面对日益增长的读者需求，需要能够及时了解并掌握读者的兴趣爱好及阅读特征情况，在为读者提供服务的过程中能够精准的、能够主动的引导读者需求。如果将每位读者的个体行为通过数据挖掘技术进行分析，可以为服务质量的改进提供第一手的参考资料。目前，基于数据挖掘技术的行为分析在图书馆行业的关注度最近几年呈上升趋势，本文拟就图书馆的读者行为进行相关数据的归类分析，并在行为分析的基础上探讨其数据分析应用的目的和意义。

1 基于数据挖掘技术的图书馆用户行为分析

图书馆用户行为分析，是指在获得图书馆用户新型多结构数据的情况下，对相关数据进行交叉融合分析，建立关联数据模型，预测用户行为，从中发现用户访问图书馆资源的规律，并将这些规律与服务策略等相结合，以发现服务过程中存在的问题，并为进一步优化服务提供数据和建议，从而改进服务方式。

1.1 数据分析方法

基于数据挖掘（Data Mining）的读者行为分析，在处理过程中会应用到语义分析技术、图文转换技术、信息感知技术、GIS技术等手段，并依次按数据采集、规律探索、规律形成三个阶段进行处理，最终将某些规律尽可能以可理解的方式表现出来。在处理数据过程中，并非所有的信息发现过程都被视为数据挖掘，例如利用搜索引擎进行信息检索时，虽然这些检索任务会包含内在的复杂算法，但是它们还是基于传统的计算机技术实现信息的检索与关联，与数据挖掘的真正含义还是有所差别[1]。

1.2 数据的来源

读者行为分析就是指对读者访问数据的行为分析。读者访问的数据产生于图书馆服务系统中，包括机构信息化系统与数字服务平台。从数据的属性来看，产生的数据存在于基础性数据和运行数据两大部分。图书馆基础性数据是指图书馆的设施设备、服务资源、人员、用户基本情况等数据。图书馆运行数据是是指基础性数据中的某些要素发生服务或使用关系时产生的服务数据与行为数据，包括图书馆传统业务与管理数据，图书馆数字与信息服务数据，图书馆各类传感器和监控设备数据。

1.3 数据处理方法与步骤

数据收集常常通过Chukwa、Flume、Scibe等工具，而在数据挖掘过程中可能会用到Pagerank、CART、K-means等很多算法，并借助于SPSS、SQL、EXCEL、互联网统计等多种工具进行数据处理。数据处理过程有数据预处理、数据降噪、数据筛选、数据转换、数据合成。数据预处理和降噪是将大量的原始数据中没有利用价值数据去除，并对部分数据进行“修补”，在数据的筛选和转换中，需要建立关联规则，用来揭示数据间联系，并提炼出有内在关系的数据组，从中找出有价值的信息[2]。

2 基于数据挖掘技术的读者行为特征

在处理大量的读者访问数据信息过程中，主要通过下列一些常见指标来分析访问图书馆的读者行为特征[3]。

2.1 读者访问时段分析

读者访问图书馆可以访问实体馆和网络图书馆。对于读者访问实体馆数据，通过视频捕捉来统计实时到馆人数，网络访问量则通过计算机系统实现。网络访问量指标有单位时间内的浏览量（PV）、访客数（UV）、IP数、跳出率、平均访问时长。这些指标可以进行排列组合，统计时间可以定制为每日、每时，统计分析粒度按处理需求可设置为一日、一周、一月。如此我们便可以取得读者不同时段对于图书馆实体和网络访问情况，不仅仅局限于原先的特定对象在单位时间内的访问结果。这对于图书馆管理者来说，不再是了解大概的访问情况，完全可以了解到一天中每个小时内的访问情况，合理安排图书馆开放时间，并在不同时段进行精细化管理。

2.2 互联网访问特征分析

nlc202309081716

对于网络访问图书馆，我们可以通过数据分析来查看网络访问来源的具体细节。在数据分析中选择“转化目标”后，按来源可划分为直接域名访问、搜索引擎、外部链接等类型。读者通过搜索引擎访问主要有baidu、360搜索、Google、Bing、搜搜等，目前从统计结果看通过baidu搜索图书馆网站后点击访问比例最大，占比达80%，这与网民的使用中文搜索引擎情况相一致。读者在访问网络时所运用到的浏览器大致依次为IE、Google chrome、Firefox等类型。从目前的统计结果来看，访问图书馆网站的使用PC的读者占多数，而使用手机、平板等移动浏览终端的只占极少数。如将来图书馆不断扩大受众面，并迎合读者的移动阅读趋势，可以大力发展手机图书馆、移动版图书馆网站来满足读者这一方面的需求。

2.3 访客地域分析

从访客的来源分析可以得到主要用户群的地域分布，一般从网络和实体两个途径进行统计。统计网络访问数据，设置的最小区域单位为省份，并以表单形式呈现读者所在的省份，如对南京图书馆网站访问数据分析，得知2016年上半年，来自江苏本省内的读者访问量最多，占89.36%，其次是北京，占1.79%。这样从统计结果表明，南京图书馆的网络用户主要分布于省内各地，对全国的辐射能力还是有限的。实体数据统计是根据读者办理借阅证的注册信息获取，如统计数据后发现在到馆读者中，南京图书馆所在地的附近居民和南京所在的各大学的学生居多，因此随着暑期的到来，南京图书馆就要意识到学生族会剧增的到馆量，要在这一时段做好应对措施。

2.4 访客特征构成分析

每一位访问读者都有其性别、年龄、职业、学历等常规属性，除此以外，读者的兴趣、爱好、专业、从事课题，以及借阅图书情况等属性也是读者特征构成的不可或缺的部分，图书馆应根据读者的不同构成属性提供相关服务。如对南京图书馆访问读者进行统计，其结果是以男性居多，年龄分布以20-39为主，学历水平多在本科以上，职业分布以教育/学生、IT从业人员较多，这说明南京图书馆的读者知识构成相对较高，那么在提供服务中应侧重于满足文化层次相对较高的年轻人的知识信息服务，不只是满足简单的借阅需求服务。

2.5 忠诚度、新老读者比例分析

读者到馆访问量大、浏览网站次数多、频率高等可以反映一个图书馆资源情况，也可以反映出一个图书馆的服务水平。图书馆网站的可读性、易用性、稳定性、互动性等方面若具有较高的水平，可以提升读者的“忠诚度”，访问时就会浏览多个页面。在对某些图书馆网站进行数据统计时，浏览一、二页的读者占绝大多数，说明忠诚度不高，也就表明图书馆网站存在着这样或那样的不足，或者是网页设计上存在易用性差现象，或者是网站资源内容不够丰富。图书馆应及时对网站进行改版，让读者在访问时更容易获取到想要的资源。如南京图书馆网站目前只有一个入口，一方面在网站首页提供了很多馆内信息，同时也链接了很多馆外信息资源，这样由于链接层次较深，就会导致读者没有足够的耐心寻找下去。作为公共图书馆，既要留住老读者，又能吸引新读者，就要能够产生粘滞性。如果读者粘滞性较高，说明图书馆服务质量较高；如果新访客占比较多，则说明需要进一步提高和改善服务质量和水平。

2.6 电子资源监控统计分析

目前，电子资源在图书馆馆藏资源中增速极为迅猛，访问量也在迅速攀升。如何科学、全面、精细地满足读者对各类电子资源的需求？图书馆需要不断地对馆藏电子资源的访问状况和使用价值进行相关的会话分析和模型分析，乃至进行正确合理地科学评价，这样才能为图书馆优化、购买馆藏电子资源提供科学决策支撑。对于访问量大的数据库，要积极地联系数据库厂家及时更新资源内容，并扩大访问席位。另一方面对于访问量少，但具有使用价值的数据库要扩大宣传，或延伸其访问IP地址，尽可能地让用户知晓并加以利用。确实因质量或内容不符的数据库要立即停止购买，以节省图书馆的资金。

3 读者行为分析的目的与意义

在互联网浪潮发展趋势下，现在整个社会都在讲创新与转型，谈“互联网+”的概念，同样图书馆也不能置身事外，要积极的融入社会变革的大潮。用创新的思维和独特的理念，塑造新时期下图书馆发展的新业态[4]。就此，基于大数据背景下的图书馆通过数据挖掘对读者行为分析的目的与意义，笔者认为是要达到以下几个方面。

3.1 利于智慧图书馆的建设，以提升服务质量和工作效能

大数据分析可以将数据库中类似属性的数据进行关联分析，找出共同特性，从而为群体提供分类信息，为个体提供个性化、智能化信息。这样就有针对性的满足了个体和群体的需求，较以往的方式有了质的飞越。技术的进步正在让人类的行为变得可量度、可预测，同时行业的发展也在呼唤这样的技术，区分读者需求差异，识别场景，提炼出个体需求，行为分析技术正是拨云见日的利器。借助于行为分析系统可以帮助图书馆掌握馆藏资源的使用状况和质量，实现资源发展与遴选的科学决策，了解哪些馆藏资源最受读者欢迎，监管用户对资源的规范使用[5]。

3.2 利于个性化定制服务，提升文化品牌知名度

基于用户体验的信息构建从空间上构建了面向用户开展个性化服务的支撑环境、流程和服务框架，这一框架为图书馆定制个性化服务的开展奠定了基础，如根据读者现有的喜好和浏览行为，通过建立模型来匹配与读者的相关信息，推送其感兴趣的知识信息，制定有针对性的服务内容。对信息构建而言，读者的属性信息如性别、年龄、文化程度等特征已经不能体现最大价值，还要进一步分析其他异构的个体信息。构建信息空间时，信息构建应体现个性化特征，形成有针对性的信息集合，并以用户体验为中心，从服务内容到服务风格上以非固态的组织架构来匹配用户的需求[3]。只有这样，图书馆才能从读者的角度出发，更好的提升服务质量，富有效率地满足读者的内在需求。也只有这样，图书馆才能真正地根据实际需求，合理调整资源布置，建设好馆藏资源，提升文化品牌知名度。有社会影响力的文化也是一种软实力，文化品牌也是一种无形的价值。

nlc202309081716

3.3 利于社会化诚信数据库建立，创新服务管理模式

个人征信信息不仅存在于金融行业，对于交通、安全、文化等领域，都会有个人征信的数据体现。图书馆通过对读者的访问原始数据进行挖掘分析，可以详细、清楚地了解读者的行为习惯，同样可建立个人诚信指数，指数较高的个体或年度优秀读者，可以优化其借阅权限和额度。社会化信息资源统一是社会发展的趋势，在将来，个体原始数据必将引入社会化管理范畴中，读者在图书馆获取的征信也可以成为社会征信系统数据的来源。另外，从读者现实需求出发，图书馆可以根据读者的个人阅读倾向、习惯等特征找出服务方式中存在的不足，更好地优化服务措施，提升服务水平和效能，更加精准、有效地满足读者需求，收获更多的社会收益。

3.4 利于图书馆对读者类型的细分、吸纳与维护

图书馆根据读者个体行为进行类型细分，可以使图书馆对不同的个体采取更有效的知识服务策略，提供个性化服务，使双方都受益。

随时间推移，部分读者或因丧失阅读兴趣、或有更好的阅读场所、或无暇阅读等等原因流失，但同时新读者也在源源不断地加入图书馆的阅读体验中。图书馆怎样来继续吸引已有的读者，可采用数据挖掘技术对已流失读者的数据进行分析，如进行一些关联分析找出流失相关的规则，对流失读者群建立决策树模型，然后对活跃的读者进行预测，对可能流失的读者群采取预防措施。具体可在读者类型细分的基础上，进行“一对一”的个性化服务来提高读者的满意度，通过满意的服务来维持住一个相对稳定的读者群[6]。我们通过个性化服务推荐准确度的两个测试可进行验证，在测试1中采用基于用户模式聚类与Mapreduce结合的个性化推荐方法，在测试2中采用基于关联规则挖掘与Mapreduce结合的个性化推荐方法。结果表明，测试1中为图书馆新用户的推荐平均准确度为81%，普通用户的推荐平均准确度为73%；测试2中为图书馆新用户的推荐平均准确度为71%，普通用户的推荐平均准确度为93%。通过数据对比，测试1的图书馆个性化推荐方法适用于新用户，测试2的图书馆个性化推荐方法适合普通用户。因此，图书馆对于新老读者可选择不同的应用方式来满足不同类型读者的需求，提高图书馆的满意度，将吸引并留住更多的读者[7]。

4 结语

通过大数据为核心的行为分析来提供个性化服务是图书馆在互联网变革的大潮中服务创新的利剑。传统的图书馆读者服务模式在信息化时代只有通过创新理念、深化服务手段，在业务创新领域深耕细作，才能在保持传统优质服务的前提下，构建新型图书馆发展生态圈，让图书馆成为区域内的人文中心、宣教中心、创新发源地。

参考文献：

[ 1 ] 李德新.基于数据挖掘的网络日志分析[J].电脑知识与技术，2011（11）：6074-6075.

[ 2 ] 王菲.数据挖掘在图书馆用户行为分析上的应用研究[D].上海：上海交通大学，2013.

[ 3 ] 江长斌，陈莉.基于读者行为分析的高校图书馆主动服务研究[J].武汉理工大学学报，2009（3）：133-135.

[ 4 ] 谭丹丹.基于读者到馆行为分析的图书馆服务优化策略[J].图书馆工作与研究，2011（1）：111-112.

[ 5 ] 刘英梅.大数据时代的信息用户行为分析[J].科技情报开发与经济，2014（5）：61-62.

[ 6 ] 陈臣.基于大数据的图书馆个性化服务用户行为分析研究[J].图书馆工作与研究，2015（2）：28-29.

[ 7 ] 李仁玲，王建岭.数据挖掘技术在中医院校图书馆读者的行为及研究[J].当代教育实践与教学研究，2016（7）：41-42.

大数据下的公共交通 篇3

近年来,大数据浪潮席卷世界各国,我国以习近平为总书记的中央领导集体站在时代的前列,引领全国人民进入大数据时代。在第十八届五中全会的“十三五”规划建议中提出:“实施国家大数据战略,推进数据资源开放共享。”现如今,我国政府积累的大量数据资源已运用到医疗、教育、食品等各个行业,尤其是在公共交通领域,及时有效地开放交通数据,有利于提高公共交通运行效率,推进交通运输低碳发展,保障交通运输安全,从而促进城市交通智能化发展。充分利用交通信息资源,使得政府资源价值最大化,有力地推动着国家治理体系和治理能力走向现代化。

2. 政府数据开放与公共交通

2.1 政府数据开放

随着国家信息通信技术以及电子政务的迅速发展,政府通过向公众开放数据,可以创造公共价值,提升国家竞争力。“政府数据开放”是指政府使用信息技术,主动向所有公众免费地、无需授权地、无差别地提供一手的、原始的、无专属所有权的、可被机器读取的,并具有多种格式以满足不同类型用户需求的数据,任何个人、企业和社会组织都可对这些数据进行开发利用和分享,以实现增值与创新。①目前,我国政府数据开放还处于起步阶段但发展迅速,在气象、医疗、交通等方面实现了政府信息资源的部分增值利用。一些城市如北京、上海、青岛等已建立了政府数据开放平台,政府数据开放已是未来中国政府改革创新的发展新趋势。

2.2 公共交通发展的新趋势——智慧交通

随着城镇化进程的加快,土地资源短缺,环境污染加剧等问题的出现导致公共交通发展的滞后。而互联网与大数据技术为公共交通的发展打开了新的思路,将大数据、云计算、物联网等新技术应用于交通领域,在现有的交通网络下,大大提升了交通系统的运营效率。于是智慧交通就在供需矛盾的内因以及社会技术环境变革的外因的双重因素下产生。智慧交通是2009年由IBM提出的理念,是在智能交通的基础上,为了交通运输系统具有感知、预测、分析以及解决问题的能力,从而使其具有智慧性,通过融入物联网、云计算等高新IT技术来汇集交通信息,提供实时的交通信息的服务。智慧交通是目前解决交通问题的最佳方法,是经济发展的重要动脉,我国也已出台《2012-2020年中国智能交通发展战略》,到2020年基本形成智能交通体系,为本世纪中叶实现公共交通运输现代化建设打下坚实基础。

2.3 数据开放与公共交通的关系

通过政府开放交通数据,非政府组织和公众能够及时获取相关数据,满足各种交通需求,以解决实时交通障碍,这是一个十分有意义的提案。在2015年“两会”期间,全国政协委员郭为提出:“积极建立数据开放的统一管理平台以及开展相关立法工作,充分利用‘数据资源管理中心’的公益价值,促进智慧城市健康可持续发展。”公共交通的范围广泛,涵盖交通基础设施、运载装备、客货、交通管理等各方面,尤其是现在倡导的智慧交通,其每一方面都是建立在公共交通数据的采集、整合和利用基础之上的。这种对大数据的开发和利用的需求与政府数据开放的趋势是契合的。所以我们必须学会将政府数据开放和公共交通有机结合起来的思维,这不仅可以提高数据的利用价值,还可以提高城市智能化的水平,从而满足对公众服务的需求。

3. 国外相关实践

3.1 美国Data.gov网站的公共交通数据建设完善

美国在2009年正式启用了官方的公共数据资源分享网站——www.Data.gov,该网站公布了经济、教育、医疗、农业等14个关键领域的数据。其中,在首页全站搜索栏中输入“public transportation”关键词,就有9468条数据,另外用户还可以在条件限定框中根据自己的目的按不同的条件来搜索相关数据,大大提高了效率,且这些数据有不同的下载格式。美国政府明确要求各部门开放的数据必须是机器可读、标准化、高价值的数据,同时还提供了大量的数据分析工具,供企业和个人充分挖掘和利用这些数据的价值。在每一条数据下方都会有用户的年、月、日的访问量、下载排行的统计,有助于发现用户的操作倾向和一些利用价值较高的数据。更重要的是,登录Data.gov网站不需要对用户的个人信息进行强行登记,也不为用户提供永久cookies,因此说明美国政府数据开放网站十分注重对用户个人隐私的保护。

3.2 美国与商界的合作项目提高交通运输业节能减排

Smartway是美国环境保护署(EPA)与商界(如:公路铁路承运商、物流公司等)为减少运输造成的环境影响而建立的自愿性合作项目,通过信息资源的共建共享,以及严谨规范的管理控制,系统性地解决数据采集、处理、整合与应用的问题,实现货物移动与运输可持续发展的经济、能源以及环境保护。具体做法是Smart Way将货物环保成本,变成可以被均匀量化和排名的环境绩效指标,帮助承运商、物流公司和托运人做出明智选择。而此做法成功的关键就是将测量和记录的废气排放量数据准确、完全地输入到系统中。为了确保数据的完整性,Smart Way成员们制定了一系列数据质量保证的方案并成功实施,比如精细化管理和六西格玛管理等质量管理方法确保数据收集、输入及报告过程的一致性、可靠性。该项目自2004年实施以来,美国每天都在减少燃料使用和废气排放,Smart Way的合作伙伴们已节省6500万桶燃油,相对于一年在路上减少500万辆汽车;合计减少2800万吨二氧化碳排放。②美国环保署通过将交通运输业的节能减排与信息化的深度融合,把交通数据准确而完整地开放给公众,实现了可持续发展。

3.3 英国市民利用开放数据选择最佳出行模式

英国投入了大量资金创建全国网络和改善互联网接入,目的在于开展“连接城市”项目,以使用大数据减少城市交通拥堵。“连接城市”是指通过大数据推进各部门对基础设施的高度共享,并便捷地实现跨部门合作,从而完善交通和道路系统。③其具体的原理就是利用大数据的不间断分析,使各城市之间互联互通,及时开放各城市交通数据信息以供市民查询。使用户了解何处正在拥堵,从而选择出行的最佳模式,减少时间成本损耗;另外对于预测的拥堵路段进行及时地清理和改善,不仅降低了事故发生的概率,也大大提高了城市公共交通的运行效率。

通过以上国外发达城市的数据开放在公共交通中的应用案例,可以表明各种交通信息的公开为公共交通的发展提供了便利,具体表现在:第一,对于广大公众来说,可以通过开放的数据实时了解交通状况,方便出行的选择;另外,用户也可以下载相关软件,参与政府事务,消除政府与公众之间的信息不对称。第二,对于企业来说,可以实时跟踪货物流通信息,通过对物流全过程进行动态监控并快速决策,提高运输效率,降低物流成本,尤其是政企合作,促进双赢。第三,对于其他社会组织来说,可以对开放的交通数据搜集有用信息进行再处理,优化交通服务,提高运输安全。

4. 目前我国政府数据开放在公共交通中的应用情况

目前,我国政府数据开放在公共交通上的应用虽在起步阶段,但各地区积极开展相关工作并发展迅速,北京、上海、深圳等地已取得一定成效。2013年,召开的首届北京交通行业信息化大会确立了北京交通信息化的发展规划和目标,目前已初步建成交通专用地理信息系统、公交一卡通数据采集系统和车辆运行状况数据采集系统等,并将这些数据应用到公众日常出行信息服务上。④上海市积极推进互联网+交通,已建成了上海数据服务网,通过整合全市交通信息资源,促进交通出行信息的开放与共享。目前,在上海市杨浦区很多的公交站点都可以看到电子站牌,通过显示车辆距离目标站的时间预测,方便出行者实时了解公交车的运行情况,避免出现车辆久等不来、错过末班车等情况,以影响出行者对下一步出行的规划和判断。未来上海还将利用新媒体多平台的采集和发布路况信息、车载信息、停车信息等,提高公共交通服务。2010年,深圳市政府投资10亿元建立“智能交通1+6”项目,“1”是指构建一个信息资源共享平台,“6”是指六方面交通信息,具体是交通监测信息、交通管理信息、道路交通调控信息、公共出行信息、交通指挥应急信息、交通管理决策信息,通过这个平台为以上交通信息的采集利用提供支撑。

政府数据的开放在为公共交通发展带来便利的同时,也出现了一些问题与挑战,主要可以归纳为以下几个方面。(一)涉及隐私安全问题。随着政府数据开放应用范围的逐渐扩大,信息传递的速度逐步增快,一些含有商业私密信息的数据就有可能泄露,比如个人所在位置、喜爱出行的交通路线等等。这就使公众的隐私存在一定风险,一旦个人发现自己的信息被泄露,就会严重影响数据开放的建设。(二)政府数据开放政策法律不完善。在大数据时代,我国目前更注重政府数据开放的应用发展,但还没有统一系统的数据开放法规,在现有的相关政策中也存在内容过于宏观,实践操作性弱,缺乏有效的反馈机制等问题。(三)公共交通数据共享和利用率不高。公共交通大数据有速度快、实时性的特点,然而大多数数据库由专门的政府工作人员进行严密的监控,这种管理方式不利于数据的传递与共享,造成了数据资源的浪费。另外,政府公开的交通数据在学者、专家、普通公众等不同群体利用程度上有很大差别,尤其是对一些无专业背景、非技术性的用户利用率更低,有的数据甚至被闲置。数据本身没有价值,只有充分地挖掘、利用才能发挥其重要的意义。

5. 对数据开放在公共交通应用中的建议

5.1 加大对政府数据开放平台的建设

政府数据开放平台涉及内容丰富且信息量大,可以为公众、企业、科研部门等组织提供所需数据。但是目前政府数据开放平台的数量比较少,还没有构建全国统一的政府数据开放平台,只有在北京、上海这样的一线城市已建成并开放给公众,所以全国各地区更大范围的数据开放平台的建设刻不容缓。现有已上线的平台在公共交通方面公开的数据也存在更新不及时,只停留在文件阶段等问题。比如上海政府数据服务网,在道路交通模块,一共有56个数据资源,就2016年2月20日登录网站查看,只有2条信息是2016年的,其余全是2015年以及以前的数据信息。

5.2 保障隐私信息安全

保护公民个人隐私在公共交通管理中是非常必要的,然而要避免公众的私密信息被非法泄露,就必须规范数据传递的方式方法。首先,政府应制定一部完整的数据隐私法,对个人数据的定义、数据使用范围、使用原则、使用范畴等进行规范,从而为个人信息安全提供法律保障。其次,公共交通管理部门应开展数据隐私、安全的教育项目,使公民用科学的方法保障信息安全。最后,交通主管部门应保持数据的商业性利用与个人隐私权之间的平衡,在不侵犯公民隐私的前提下,充分开发公共交通大数据的价值。

5.3 制定完善政府数据开放政策法律

规范化的政府数据开放要建立在完善系统的法律基础之上,而目前我国相关的法律法规还比较缺失。就现在实施的《政府信息公开条例》和《政府信息公开工作要点》都不成体系且缺乏法律约束力,而且关于隐私保护和信息安全的相关法律也严重缺位。政府数据开放的标准、责任主体、使用权限等很多工作细节尚需规范,所以在我国政府数据开放共享的过程中要加快相关政策法律的顶层设计。

5.4 政企合作,优势互补

数据的收集、整理和挖掘仅仅依靠政府的力量是远远不够的,政府可以利用企业的相关信息技术知识,建立良好的公私合作伙伴关系,实现共赢。例如南昌交管局与百度地图建立了政企合作关系。2014年,南昌市政府为了给群众提供有效准确的路况信息,南昌交管局决定与百度地图达成政企合作。在这次合作中,交管局开放南昌交通数据,共享全市单行道信息、重大的交通管制信息,如地铁建设、禁行、禁左等交通组织信息,以及实时交通道路事故等数据,这些数据及时录入到百度地图交通云平台,经过加工后,输入到百度地图、百度导航、百度路况等产品中,让用户借助南昌交管局的官方数据和百度地图的技术保障,使出行更加方便快捷。⑤通过政企合作,可以充分利用各种信息资源,实现双方利益的最大化,优势互补,促进共赢。

6. 结语

在大数据时代,政府数据开放在公共交通领域中的应用无疑是有很大潜力和巨大价值的,但我国在这方面还处于起步阶段,所以要积极学习国外的先进经验。本文在探讨数据开放与公共交通之间关系的基础上,简明阐述了政府数据开放在公共交通应用上存在的一些问题和建议。要真正地充分利用数据开放,不仅要加大平台的建设,保护个人隐私,完善政策法律,还要同企业合作以弥补政府相关工作的缺陷。将政府数据开放与公共交通有机结合起来,促进城市智慧交通的发展和国家现代化治理。

摘要：及时、准确、高效的公共交通数据的获取是城市快速发展的前提,如今在大数据时代,充分利用和发挥数据的价值离不开各种数据的开放,尤其是占整个社会数据80%以上的政府数据。在“十三五”规划中数据开放已上升为国家战略层面,是国家公共交通快速发展的新助力。本文以国际视野探究了世界各地尤其是发达国家在公共交通领域中以数据开放为核心的具体案例,通过总结其先进经验,提出政府数据开放在我国公共交通发展中的对策和建议。

关键词：大数据,政府数据开放,公共交通

参考文献

[1]郑磊.开放政府数据的价值创造机理:生态系统的视角[J].电子政务,2015(07):2-7

[2]王雅琼,杨云鹏,樊重俊.智慧交通中的大数据应用研究[J].物流工程与管理,2015(05):107-108

[3]徐慧娜,郑磊.面向用户利用的开放政府数据平台:纽约与上海比较研究[J].电子政务,2015(07):37-45

[4]王兴阁,巴云军.探寻公共交通中大数据的应用[J].北方经贸,2015(07):39

基于大数据分析下的智能交通浅析 篇4

1 大数据对现代交通的影响

随着车流量的增加, 交通运载压力加大, 交通相关的数量级已经上升到PB的级别, 随着大数据研究的日益活跃, 大数据技术所表现处理的优势受到了行业内的广泛认可。

1.1 大数据的实时性

传统交通数据信息的处理只能达到在海量信息数据中模糊的查询、分析和预测, 已经无法满足现代交通数据分析的实时性要求, 而大数据的实时性特点可以为交通大数据的查询和分析提供秒级的响应速度。运用大数据技术可以交通运行状况实时的监控, 并迅速的对交通异常发出响应, 快速定位, 为交通管理的高效性提供数据保证。

1.2 大数据的分布式

以往数据应用分析以单表挖掘为主, 具有一定的局限性, 无法实现跨表关联, 这在一定程度上阻碍了数据分析的质量和效率。大数据能够对复杂度高的块表关联采用分布式并行的方式进行分析处理, 推动数据串并关联, 在数据处理能力方面表现突出, 而且能够处理来自多方面用户的访问要求。当发生紧急交通事件时, 能够有效的为事件处理提供协同帮助, 使问题得到快速的处理和解决。

1.3 大数据的高效性

大数据具有强大的数据搜索和挖掘的能力, 可以在海量的数据信息中快速准确的挖掘不同数据之间具有的内在关联, 善于发现规律, 从而能够为用户快速提供准确有效的信息, 提高交通运载能力。从国外发达国家的实践经验来看, 大数据能够有效的提高交通通行效率, 减少拥堵。

1.4 大数据的预测性

大数据具有良好的预测能力, 减少了交通状态报警的失误率和漏报率, 利用预测模型可以对交通运行的情况和监测区域的路况状态进行共享, 达到实时动态监测交通的目的。用户根据大数据的预测结果可选择最优的交通路线, 绕过拥堵路段, 实现顺畅快捷的通行。

除了上述大数据对现代交通运输的影响之外, 大数据对于交通安全也具有重要的影响。大数据能够对分布在多处的若干个传感器数据快速的采集和整合, 并且根据车辆的运行轨迹对车辆行驶的安全系数进行分析和判断, 为交通应急方案和决策的制定提供有价值的参考, 从而快速制定救援方案, 降低事故发生率。

2 基于大数据的智能交通框架体系

计算机信息技术在交通领域的应用, 为交通信息化道路提供了技术支持。随着多种数据采集技术的开发和应用, 磁感线圈、视频技术等在交通领域的引入, 使得交通数据的采集更加多元化, 相应的数据信息量也不断增加, 每分每秒都有大量的数据产生。交通实时数据是持续的、大量的, 而且不断发生变化, 同时具有极高的时效性。要从海量的实施数据中快速准确的提取出有价值的信息, 并进行分析整合做出预测结果, 然后发送给向交通控制系统用于交通决策和方案的制定, 以达到指挥交通运行、改善交通拥堵的目的, 这是具有很大难度的, 一直以来都是困扰各个国家交通运输部门的难点问题。多年来, 很多学者和专家致力于大数据技术在智能交通领域的应用, 建立起智能交通框架体系, 典型的智能交通框架如图1所示:

3 大数据在智能交通中的应用

3.1 不断提升智能交通感知能力

智能交通系统充分的利用了物联网技术, 在物联网中, 感知层在基础元件的基础上配合传感器、R FID标签以及嵌入式软件等, 从硬件方面提升感知水平, 从而得到更为精确的数据, 为了交通运行提供更加有效的参数, 进而使交通感知体系更为完善, 保证智能交通系统的正常运行。

3.2 数据共享, 创新管理途径

大数据技术的应用, 打破了传统数据管理在行政区域上的局限性, 在保证信息共享的前提下, 是跨区域管理得以实现。大数据实现了海量数据的高度集成, 用户能够根据实际需要将需要的数据类型在自身的交通管理系统中引入, 使数据信息的利用更为高效, 协同效能得到充分的发挥, 道路通行效率大幅度提高。大数据技术的应用使公共交通资源配置更加优化, 为工作资源的统筹与协调提供有力的参考依据。同时, 大数据为公共交通的均衡发展提供了保证, 提高交通资本的利用率。

3.3 建立智能交通信息服务系统

建立智能交通信息服务系统, 可以使用户在出行前可利用信息传感设备查询交通信息, 了解交通运行状态, 为出行路线的选择提供参考。同时通过信息互通和信息共享, 了解交通相关的综合信息, 以选择最优路线, 为用户提供更加便利的服务。

参考文献

[1]李哲.大数据时代:智能交通发展的机遇和挑战[J].经济研究导刊, 2014.

[2]岳建明, 袁伦渠.智能交通发展中的大数据分析[J].生产力研究, 2013.

大数据下的公共交通 篇5

十八届五中全会以来, 经济社会改革不断深入, 国家在大数据领域不断加大投入, 为我国经济社会在新常态下的健康发展创造良好条件, 当前我国经济已经发展到了一定的程度, 社会很多领域面临持续和深入的变革, 但是传统的交通运输管理模式和应用系统已经越来越不适应物流行业的发展以及人们的正常交通运输需求, 特别是交通的拥堵问题已经成为大中城市的通病。大数据时代已经悄然到来, 这是社会发展的必然结果, 智能交通的发展使得各个地区的数据的采集量巨大, 这些巨大的数据包含了不可估量的价值, 需要我们不断地进行挖掘和处理分析, 这些都会给智能交通的发展产生重大的影响, 将会为智能交通的发展提供新的发展机遇。

大数据可以这样来给它下定义, 采用先进的现代化的高速计算机的信息处理手段, 对搜集的大量的信息进行有效的分析和处理, 在短时间内找到有效的信息。大数据是在传感器以及微处理器这两件物品的广泛应用下而产生的, 再加上互联网在中间起到了互联互通的作用, 因而构成了数量巨大的信息源。大数据的运用相比于传统数据处理手段, 数据量明显增大, 查询分析方式明显复杂化, 一般来说, 大数据有四个明显的特点:“首先就是数据的数目是巨大的, 其次是数据的类型十分多样繁杂, 第三就是对于数据的处理十分迅速, 最后一个就是大数据它的时效性很强, 专业的术语可以终结为四个V, ——Volume (数据体量大) 、Variety (数据类型繁多) 、Velocity (处理速度快) 、Value (实时性高) [1]。”

智能交通系统 (Intelligent Traffic System, 简称ITS) 又称智能运输系统 (Intelligent Transportation System) , 是用先进的科学技术 (电子控制技术、计算机信息技术、数据通信技术、自动控制理论、传感器技术、运筹学、人工智能等) 有效地运用于交通运输控制和管理, 加强人、车、路三者之间的协调, 形成一种提高效率、改善环境、节约能源、保障安全的综合运输系统。“智能交通系统是一个复杂的综合性系统, 主要由公共交通系统 (APTS) 、车辆控制系统 (AVCS) 、交通信息服务系统 (ATIS) 、交通管理系统 (ATMS) 、电子收费系统 (ETC) 、货运管理系统以及紧急救援系统 (EMS) 等构成[2]。”

2 大数据在智能交通系统中的应用

智能交通系统应用一些先进的手段, 比如说通信与检测, 计算机等方式对传统的交通运输系统进行改造升级, 使得系统的运行的效率得以增强, 也能够提升地面交通网络的安全性, 在环境保护上以及能源的节约上等综合性的运输以及管理的系统。在智能交通系统里面采用了集成的技术, 这使得用户以及系统的运营商和维护人员具备了更高的操作和管理运输系统的能力, 智能交通运输系统允许利用技术手段获取交通运输方式以及交通基础设施的状态与数据, 通过整合这些数据来提升智能交通系统的操作性。

2.1 智能交通子系统间的数据相互融合

“ 智能交通系统各项功能的实现离不开各个子系统相互之间的信息的共享和整合, 因而实现各个子系统之间信息的融合的主要方法就是建立信息共享平台。”这个平台能够为相关的子系统提供所需要数据资源以及信息上的共享服务, 一个完整的智能交通运输系统还应该有智能的交通信息中心和管理控制中心以及车上的一些智能设施和道路上的检测设备等等一些交通基础设施。它可以实现城市里面交通信息的规范化, 包括各信息的性质、功能以及传送的方式上, 形成有效的信息流通机制, 形成有效的数据库系统, 对共享的数据可实现存储整合以及管理的功能。

通过利用大数据的相关功能, 这些共享的数据能够从不断变化的智能交通的各个子系统里面的数据信息提取出来, 实现不同地区、不同领域的数据库进行综合, 把历史数据迁移到大数据的平台上, 还应该保持数据的完整性以及数据之间相互关系的可理解性, 同样的, 可以根据各个子系统的不同需求以及相互之间的相互关系为客户提供相应的数据信息方面的服务, 组织内部的存储的相关数据实现直接输出, 其他的子系统的存储的相关的数据要由信息的共享平台来提供相关的查询功能。

2.2 信息采集技术下的大数据的运用

智能交通的根本还是对于数据的处理和运用, 智能交通系统里面的各个系统的功能都离不开对大量的数据的获取, 整理分析以及预测, 离不开科学管理的手段来实现, 在交通参数里面, 平均的汽车速度, 平均的车道的占有率以及道路上的车流量和车速等等都是很重要的参数。当前正处于大数据快速发展的时代, 智慧交通实现不同实时数据系统的集成, 常见的汽车车载导航系统的大量使用, 路上的交通信号设施以及全球定位, 通过实现停车引导以及信息系统和天气信息系统的结合, 实现了人车在任何时间和时间点上的连接, 然后通过如基于IPv6 的交通信息采集系统等系统来采集数据信息, 可以实现有效的分析交通的状态和交通行为, 实现多个系统数据的融合, 提升决策的水平和效率, 对于突发事件的处理提供了良好的条件, 交通管理和服务在运行的时候, 就有了大量可靠的事实数据作为参考, 对于交通行为预测的精度实现大幅度的提升, 如利用信息采集系统采集路网交通状态信息、车辆位置信息、突发事故信息等信息, 为交通指挥中心和司机提供信息交流及数据分析, 保证行车路线的合理分配和控制交通流。

3 大数据分析的智能交通系统平台架构及存在的问题

大数据背景下的智能交通系统平台有三个部分构成, 分别是交通数据的信息采集与接入模块、交通数据分析与处理模块, 交通数据的决策与应用模块。

3.1 当前智能交通系统普遍存在的问题

智能交通系统的应用对于传统交通系统的改善确实有了很大的提升, 但是智能交通系统在运用的时候还普遍存在一些问题。

3.1.1 我国在推动产学研相关领域有所欠缺

欧美发达国家的智能交通系统的相关的项目已经实现高度的产业化了, 而我们国家在大数据智能交通相关领域还远远没有形成产业式的运作, 那些在国家的扶持下的智能交通领域项目产业化后投入应用的很少, 虽然我国当前涉及到智能交通系统领域的企业数目已经十分庞大了, 也已经有几千家的规模了, 但是这些企业从事的都是系统的集成工作, 没有太高的技术水平, 企业缺乏技术创新的能力, 没有形成有规模和品牌影响力的能主导未来方向的实力企业, 这是当前我们急需解决的问题。

3.1.2 智能车载信息服务的欠缺

精度比较高的交通数据的获取技术在国际上也是刚刚发展起来, 同样的城市道路行驶感知技术也才起步时间不是很长, 我们国家和欧美发达国家在此领域的差距也是十分明显的, 我们的智能车载信息服务综合水平更是处于起步阶段, 在应用技术上一般是依靠外国进口的技术, 我国智能交通领域的基于多传感器的复杂驾驶环境的感知技术;辅助安全技术 (主要是给用户提升安全和舒适度的, 能增强感官的性能) ;“基于网络的三维式的全景导航技术;以及具体的基于网络大数据平台的综合性的车载信息服务等技术和国外有着明显的差距”[4]。

3.1.3 智能车路协同技术上的不足

当前在国内, 人车以及路的协同控制的机理, 车载和路侧信息资源的优化配置等基础理论的研究尚未开展, 在环境的有效的感知方面, 特别是在车辆在高速的运行的时候, 对那些距离比较远的环境的感知, 以及在传感器网络化的情况下的相关环境的感知还没有很有效的手段, 当前的车载信息还不能够实现有效的交互管理以及优化, 车与车之间以及车与路之间的协同交互通信的基础技术十分的缺乏, 当前我国的车路协同的标准规范体系还没有能够建立。

3.1.4 智能化交通控制技术主要是靠进口

我们在智能交通系统领域所使用的交通控制系统产品几乎都是靠外国进口的典型产品包括SCOOT, SCATS以及RHODES系统。这些关键技术都是在遵照外国的交通模式下和外国的交通的特点来进行设计开发的, 具备点控以及线控的功能, 和中国的混合型的交通模式是不能实现良好的兼容的, 特别是当前我国很多的大城市交通网络异常的复杂, 车流的密度很大, 急需建立起来本地以及更大范围的分级管理的控制体系, 实现区域的交通智能化控制是我国在智能交通领域发展的新的方向, 因此, 面对此情况, 我们要早日摆托对外国智能交通控制系统的依赖性, 支持我们国家本土相关企业的成长和发展。

3.2 大数据背景下的智能交通系统应对之策

3.2.1 加强交通信息化水平与推进产学研的发展

积极推进交通信息化水平建设, 打造车联网和路联网下的多维式的智能交通系统信息网络技术, 着重提升车辆电子标签, 高可信交通信息获取设备以及基于新一代传感器网络的车联网和路联网技术等, 同时政府加大推进产学研的发展, 积极发展在国家智能交通产业技术创新战略联盟框架下的企业间的合作力度, 提升我国智能交通系统的整体实力。

3.2.2 提升交通运输系统的效能和交通服务的水平

通过网络的资源配置以及结构的优化技术和一体化的无缝衔接运输组织技术来协同提高交通运输系统的综合效能, 实现构建布局合理化分工明确的交通运行以及服务系统, 真正实现优势互补和各系统的顺畅衔接, 进一步提升和开发高效便捷的公众出行所需的智能化服务技术, 比如多方式实时交通信息发布服务技术和公交运营智能化技术等[5]。

3.2.3 大力发展智能交通控制技术

智能车路协同技术在一段时间内会引领智能交通的发展方向, 在此领域的发展程度将决定我国智能交通系统整体的实力, 是我们应大力加强的技术高地。汽车安全多系统协同控制技术是能够提升汽车的综合安全性能的新技术, 在汽车安全领域的差距也是我国目前和世界上领先的智能交通系统国家的主要差距所在, 我国还没能真正掌握有效支撑汽车安全多系统协调控制的先进安全汽车技术体系, 对于这一前沿技术还需要进一步消化吸收和创新。

3.2.4 提升大城市区域交通控制水平

智能交通系统产业重要的技术支撑是大城市下的区域交通控制技术, 外国在大范围下的交通信号控制系统已经发展的比较成熟, 形成了完整的测试标准和体系, 相关的交通仿真软件也已经实现商品化的阶段, 我们在此仍需不断加强, 在关键技术上仍需加大科研力度, 逐渐摆脱依靠进口的局面, 我们国家动态信息采集系统缺乏, 大部分交通信号属于单点控制, 水平落后, 交通运行不够通畅区域交通效率优化, 因此我们要提升区域交通效能评估和仿真等关键技术, 这是我们提升大城市区域交通控制水平有待突破的重点。

4 结语

智能交通系统规模十分庞大, 集合了多元化的技术手段, 涵盖的领域广泛, 涉及到了众多的子系统, 本文构建的智能交通系统能够对城市的交通状况进行有效的管理和控制, 有利于城市基础设施的完善, 大数据技术实现在智能交通领域的运用, 已经能够充分表明数据挖掘以及大数据处理技术的优越性, 利用这些先进的技术收单实现交通信息的数据融合和数据平台的搭建, 能够有效应对当前交通信息膨胀繁冗的问题, 也有助于解决信息使用者的信息的孤岛问题, 对于基础设施的灵活建设以及交通资源的合理分配等问题都提供了很好的解决手段, 可以有效提升智能交通的运作效率。

参考文献

[1]刘小明, 何忠贺.城市智能交通系统技术发展现状及趋势[J].自动化博览, 2015:57-60.

[2]王静远, 李超, 熊璋等.以数据为中心的智慧城市研究综述[J].计算机研究与发展, 2014:28-31.

[3]于艳华.宋美娜.大数据[J].中兴通讯技术, 2013, 19 (01) :96-97.

[4]郭骅, 周吉.数据挖掘在智慧交通领域的应用[J].现代商贸工业, 2013 (12) :152-153.