上周点外卖,App 上显示骑手离我 1.2 公里,预计 17 分钟送到。结果这 17 分钟里,他在同一个路口转了三圈。我盯着那个小摩托图标慢慢挪动,突然意识到:屏幕上那条歪歪扭扭的线,其实就是一小段“时空大数据”。
听着挺唬人,拆开看没什么玄机。任何一条记录,只要同时带着“哪儿”和“什么时候”,就沾上了时空的边。手机连基站、公交刷卡、共享单车开锁、快递签收、卫星拍下的一片农田,都是如此。单独一条没什么意思,成千上万条攒到一起,规律就浮出来了:几点钟哪条路开始堵,周末哪个商圈人最多,哪片区域下过雨容易积水。
真正的难点,其实不是“大”
很多人以为这类数据的关键在于量大。量只是表面,磨人的是又碎又乱:坐标有偏移,时间有先后,设备有好坏。一个点在软件里看着在路上,实际可能飘进了居民楼。
打个比方,你要在一本随时被人撕页、又不断往里插页的账本上,飞快翻到“某个街区、某十分钟”的记录。翻得慢,数据就过期了。所以背后得做两件事:给每条记录贴上一层时间和空间的“双层标签”,业内叫时空索引,让你能秒级定位;再把一条几百个点的轨迹压缩成几十个关键拐点,既省存储又不失真。
- 位置本身:GPS、基站、Wi-Fi、地磁,精度从几米到几百米不等。
- 时间戳:看着简单,设备时钟不同步,两条轨迹就会错位。
- 属性:速度、方向、停留时长,往往比坐标本身更有价值。
它已经在悄悄干活了
你可能没注意,很多路口的红绿灯配时,是根据早晚高峰的真实车流反复调过的。哪边排队更长,绿灯就多给几秒。靠的不是数摄像头里的车,而是把大量车辆轨迹叠在一起,算出每个方向、每个时段的通行习惯。
共享单车的调度也一样。早上地铁口堆成山,晚上小区门口一辆难求。运维人员没法靠肉眼判断,于是拿历史骑行记录去预测第二天早上哪里会缺车、哪里会淤积,提前把车挪过去。
还有更贴身的:导航说“这条路未来十分钟会堵”,靠的是把此刻正在这条路上所有车辆的行驶速度汇总起来,推演接下来的走势。这本质上就是时空大数据在几秒钟内完成的一次集体经验汇总。
几个常见的误会
第一个误会,是觉得这等于“被盯着”。其实绝大多数分析用的是脱敏后的群体数据——系统知道“有 200 辆车在这个路口停了 90 秒”,并不需要知道哪辆车是谁的。位置和身份,通常是两套分开存放的东西。
第二个误会,是以为数据越多越准。恰恰相反。如果采样只覆盖了开导航的那部分人,结果就会系统性偏斜。不用智能手机的老人、走小路的人,常常是数据里的“隐形人”,这恰恰是最该警惕的地方。
短板也明摆着
数据孤岛是最现实的一道坎。交通的、气象的、市政的,各自躺在不同的库里,格式和口径对不上,打通的成本比想象中高得多。其次是算力开销:把海量轨迹实时算一遍,胃口不小。
更根本的是,模型擅长处理“平常的日子”,遇到突发就不太行。一场临时演出、一次意外封路,历史规律立刻失效。这也是为什么不少预测产品仍然保留着人工干预的入口。
最后
回到那份迟到的外卖。骑手绕路的原因很简单——那个路口临时在施工。数据能告诉他过去一万次该怎么走,却没法提前知道今天多了一堆围挡。这大概就是时空大数据最真实的样子:它能把城市的“习惯”摸得一清二楚,却永远得给意外留个位置。
