第三节　贵州交通大数据人才团队建设

交通大数据在实际应用过程中，很难由一个人或一类人去完成所有的工作。人才团队建设是为了集结众多具有不同特长和结构组合的人去解决和完成重大、复杂的任务。人才团队是一定数量的在知识、技能、能力、性格等方面互补的成员为了实现共同目标、完成共同工作任务、承担共同责任而相互协调、配合、合作所组成的正式群体。这个界定包含以下几个含义：第一，团队具有共同目标。团队的产生基于共同任务、实现共同目标，团队的工作是为了完成共同任务、实现共同目标。第二，团队核心成员不多。由于需要高频度的相互沟通和交往，团队的核心成员数量不宜过多，以3～11个为宜。核心成员过多会造成沟通不足、沟通困难等弊端。第三，团队成员是互补的。团队成员在知识、技能、能力，甚至性格等方面存在一定的互补性。“互补”是团队成员凝聚在一起形成合力，既分工又合作，产生集体绩效，形成“1+1>2”的增值效益。互补性越强，凝聚为团队的可能性就越大。第四，团队相互协调配合。团队是一个积极向上、互相影响的群体。每个成员为了实现团队的目标而协调配合，共同分享成功的喜悦，也共同承担失败的责任。第五，团队属于正式群体。团队成员间有着广泛的沟通交往，团队有着相对稳定的内部结构、共同目标、共同责任等，是一个正式群体。

根据贵州交通大数据的使用流程，把贵州交通运输大数据人才团队划分为交通大数据采集存储人才团队、交通大数据分析与挖掘人才团队、交通大数据应用人才团队、交通大数据安全人才团队、交通大数据管理人才团队五大种类，如图2-7所示，本节将介绍各类别团队构成和团队建设层次、水平。

一、贵州交通大数据采集存储人才团队建设

贵州交通大数据采集存储人才团队是由大数据采集人才和大数据存储人才两种人才构成的团队。数据采集与数据存储是个两个不可分离的工作，采集到的大量数据要方便、快速、安全地存储，才能为后续的数据分析挖掘及数据管理工作奠定基础。贵州交通大数据采集存储人才团队是具备共同目标、技能互补、分工协作、有效领导、良好沟通的高绩效群体。要求团队成员在平等、独立的基础上提出自己的想法，并通过与别人交流形成创见，最终使团队绩效高于个人绩效之和。贵州交通大数据采集存储人才团队是由系统日志采集人才、网络数据采集人才、数据库采集人才、数据存储工程师、数据存储运维工程师构成的。团队成员是根据具体负责的工作任务来划分的，其中系统日志采集人才、网络数据采集人才、数据库采集人才是大数据采集人才，数据存储工程师、数据存储运维工程师属于大数据存储人才。贵州交通大数据采集存储人才团队需要对各类交通大数据进行实时、及时、安全、可靠的采集和持久的存储，同时做好数据备份管理工作。具体需要完成的工作任务如下：

大数据采集也称为大数据获取，数据获取可分为数据采集和数据传输。首先，由于数据来自不同的数据源，如包含式文本、图像和视频的网站数据，数据采集是指从特定数据生产环境获得原始数据的专用数据采集技术。其次，数据采集完成后，需要通过高速的数据传输机制将数据传输到合适的存储系统，供不同类型的分析应用使用。交通大数据的来源广泛，不仅包括车辆信息、道路监控视频信息、路网信息等，还包括卡口、收费站、气象台等信息，来自不同方面的大数据，其特点、数据量以及用户数目不同。按照结构特点，可划分为3种类型：结构化数据、半结构化数据以及非结构化数据。大数据采集的挑战是并发数据量高、流式数据速度快。数据来源不同，数据采集方式以及工具也有所不同。对于业务系统产生的网络数据，系统日志采集人才可以用Hadoop的Chukwa、Cloudera的Fume、Facebook的Scribe、Linkedin的Kafka等进行日志采集。网络数据采集人才可用网络爬虫或网站公开API（Application Programming Interface，应用程序编程接口）等方式进行网络数据采集。其中，对于直接开放数据库接口的平台采用数据库直接采集的方式；对于开放程序接口的平台利用其API进行数据获取；对于无开发接口的平台则需进行网络爬虫技术、网页抓取策略及网页分析算法的研究。此外，交通运输领域还涉及大量物联网数据，数据采集人才可以采用用于数据感知的MEMS传感器、纤传感器、无线传感器等获取数据。

大数据存储是把获取到的信息以适当的格式存档以待分析和价值提取。当前大数据存储技术的研究重点有：针对结构化的大数据进行MPP架构的新型数据库集群研究；针对非结构化、半结构化大数据进行分层存储管理机制的研究，以及分布文件系统、Hadoop技术的研究等。大数据的存储中，当数据量超过轻型数据库的存储能力时，则需要借助大型分布式数据库或存储集群平台，且随着互联网技术和云计算技术的发展，建立在分布式存储基础上的云存储已经成为大数据存储的首要趋势。针对某一类型的大数据进行存储的数据存储技术有三类：第一类是存储海量非结构化数据的分布式文件系统，比较有代表性的是Google的GFS和Hadoop开源的HDFS（Hadoop Distributed File System）。第二类是存储海量无模式的半结构化数据的NoSQL数据库，当前主要有四种类型的NoSQL数据库：键值（Key-Value）存储数据库、列存储数据库、文档型数据库、图形数据库。第三类是存储海量结构化数据的分布式并行数据库系统，Greenplum是基于PostgreSQL开发的一款海量并行处理架构的、无共享的分布式并行数据库系统。此外，还有支持结构化数据、半结构化数据、非结构化数据等各种类型的数据统一存储的数据存储技术——云存储，它可以按需提供易管理、高可扩展、高性价比的存储资源。根据存储的数据类型不同和应用需求不同，云存储系统可以分为基于块存储、基于文件存储、基于对象存储以及基于表存储四种类型。

二、贵州交通大数据分析与挖掘人才团队建设

贵州交通大数据分析与挖掘人才团队主要负责大数据使用生命周期中最关键、最重要、价值最大的一个环节——数据分析与挖掘。贵州交通大数据分析与挖掘人才团队是由数据质量管理员、数据分析师助理、数据分析师以及数据科学家构成的工作群体。数据分析挖掘是一项系统化、流程化、科学化的工程。人才团队要构建从数据整合、分析挖掘、支持决策到科学预测的循环迭代、持续优化的流程体系，实现分析挖掘流程化、专业化和规范化。贵州交通大数据分析与挖掘人才团队是能够利用先进的技术和丰富的知识对采集到的交通大数据进行数据价值分析与挖掘，进而解决行业现实问题的高水平团队。

大数据分析与挖掘是大数据生命周期中最重要的一个环节，也是最有意义和价值的一个环节。大数据分析是指把海量类型多样、增长快速、内容真实的数据（即大数据）变成人们想要的、对人们有用的信息的过程。大数据挖掘则是在数据分析的基础上，把信息变成认知的过程，即从数据中认出未知的相关关系、可以帮助决策和预测的隐藏模式以及其他有用信息的过程。数据分析是数据挖掘的基础，数据挖掘是深度的数据分析，两者的侧重点各有不同，但只有把数据分析与数据挖掘结合起来，才能更好地发现数据价值，发挥大数据作用。因此，大数据分析与挖掘是根据数据生成机制，在对数据进行广泛的采集与存储的基础上，对数据进行转换、清洗、拆分、汇总、加载等一系列处理，以大数据分析模型为依据，在集成化大数据分析平台的支撑下，运用相关分析技术挖掘出大数据背后的模式或规律的数据分析过程。

大数据分析与挖掘主要包括数据预处理、数据质量管理、数据分析以及数据挖掘四个流程。根据工作流程，贵州交通大数据分析与挖掘人才团队的工作任务描述如下：

数据分析师助理主要负责数据预处理工作。数据预处理是针对海量数据中不完整或缺失数据进行数据“清理”，或者对数据进行各类转换、清洗、拆分、汇总、加载等，提高数据的质量，便于数据的处理、分析。通过数据预处理对获取的原始数据进行初步的整理，消除原始数据中不利于数据挖掘和信息提取的因素；通过对原始数据的整理，为数据的挖掘及知识的发现提供准确、可靠的数据源。

数据质量管理员主要负责数据质量管理。数据质量管理（Data Quality Management）是指对数据在计划、获取、存储、共享、维护、应用、消亡生命周期的每个阶段可能引发的各类数据质量问题，进行识别、度量、监控、预警等一系列管理活动，并通过改善和提高组织的管理水平使数据质量获得进一步提高。数据质量管理员需要在数据的采集、整理、传输、存储和使用的全生命周期，保证数据的完整性、规范性、一致性、准确性、唯一性和关联性，保证数据中的信息量，提高数据的可用性以及最终分析结果的可信性。由于数据质量的高低直接影响后续数据分析和数据挖掘工作结果的正确性和准确性，故数据质量管理是数据分析挖掘过程中必不可少的一个环节，数据质量管理员也成为了数据分析挖掘团队中质量把控的关键人物。

数据分析师主要负责进行结合交通大数据业务需求的大数据统计、分析工作。数据分析师通过分类、聚类、关联分析等技术对交通业务大数据进行分析。按照处理的时间特性，数据分析师的工作可以分为离线计算、批量计算、内存计算和流计算等不同类型。在数据分析中，经常需要对数据进行分类。大数据分类所采用的算法包括临近算法、SVM支持向量机、Boost树分类、贝叶斯分类、神经网络、随机森林分类等，分类算法中可以融合模糊理论以提高分类性能。聚类可以理解为无监督的分类，主要使用K-Means等算法。关联分析是数据分析的主要方法之一，主要基于支持度和置信度挖掘对象之间的关联关系，基本算法包括Apriori和FP-Grrowth等算法。为了适应大数据的特点，Mahout使用并行计算复杂数据挖掘算法，大大减少了计算时延。

数据科学家则是对数据分析的结果进行加工、升华的人。数据科学家需要掌握TPFP-tree、BTP tree、CARM算法、ARMH算法、基于Hadoop MapReduce框架的RIPPER算法等分布式大数据挖掘算法和PIC算法、基于MapReduce模型和云计算的序列模式挖掘算法（SPAMC）等可扩展的大数据挖掘算法来进行数据挖掘工作。其中，分布式数据挖掘的实现必须有效结合Hadoop MapReduce框架以及云服务，才能更有效地解决分布式数据挖掘问题。数据分析仅以数据为中心进行处理，得到的结果不易被理解且不一定匹配研究目的，可能会得到无用甚至表面上相反的结果。因此，需要数据科学家的参与，以数据挖掘目的为指导，对结果进行过滤和提纯，将结果转化为人能理解的语义形式，做出科学的决策和合理的预测，实现数据挖掘的目标。

三、贵州交通大数据应用人才团队建设

贵州交通大数据应用人才团队是由交通大数据产品应用人才和交通大数据服务应用人才构成的应用型高绩效团队。贵州交通大数据应用人才团队是能够把有价值的交通大数据应用于社会生产实践，为现代综合交通运输行业以及社会创造经济效益和社会效益的应用型人才群体。贵州交通大数据应用人才团队的要求是具有创新性、前瞻性、应用性、智慧性和经济性的能够将大数据产品与服务进行产业化及商业化的人才团队。大数据在现代综合交通运输业中的应用包括数据标准化建设、城市规划、城市建设、智慧出行、城市应急处置、城市交通综合管控、高速公路运行管控、智能公交应急指挥、轨道交通运行管控、智慧航空运维管控、智慧港口运维管控、无人驾驶等。交通大数据产品应用主要是指研究、设计、开发与现代综合交通运输业有关的大数据产品，如车来了APP、交通大数据应用重大工程、交通大数据云工程建设等。交通大数据服务应用则是大数据技术在现代交通运输行业中的实际应用，在宏观层面能为综合交通运输体系的“规、设、建、管、运、养”等提供支撑；在微观层面能够指导优化区域交通组织，如优化交通信号、交通诱导、路况融合、规范停车场管理等。交通大数据服务应用还体现在智慧城市建设、无人驾驶等领域。

贵州交通大数据应用人才团队需要着重关注以下几个应用方面：

第一，交通大数据与交通信息服务产业化。交通大数据应用的一个重要方向是支撑交通信息服务的产业化长久发展。以开放、合作为原则，面向政府、企业、公众不同层面提供具有公益性或增值价值的数据和应用服务的新模式，形成“交通大数据魔方”，支撑交通大数据二次开发和产业化发展。这意味着将会有三个方面的创新，即数据集成服务模式创新、应用集成服务模式创新，以及交通大数据平台运营模式创新。交通大数据运营模式，指政府与掌握全国性交通信息服务数据的行业领先企业共同进行运营管理的创新模式，期待形成面向社会提供公益性全方位的公众信息服务、面向企业提供增值的数据资源，以及分享数据融合成果的开放平台，也就是所谓的“大数据魔方”。

第二，交通大数据与综合交通运输体系。综合交通运输涉及“衣、食、住、行”中的“行”，由交通基础设施、交通工具等按照一定的规则移动来完成。交通大数据在综合交通运输体系中主要应用于以下三个方面：一是为管理者制定科学决策方案提供支持。交通大数据的开发与应用，可以为行业管理者制定综合交通运输体系的“规、设、建、管、运、养”全生命周期的科学决策提供支撑。交通大数据有利于提升交通运输体系的整体信息化水平，实现各种运输方式之间的互联互通，有利于管理者制定各种运输方式之间的衔接方案，提升交通运输服务水平。通过对历史运营数据的分析，系统能够识别出交通运输网络存在安全隐患的点和区域，有利于管理者制定有针对性的改善措施，提高综合交通运输体系的运营安全。二是为出行者确定出行路线、选择出行方式提供支持。交通大数据的开发与利用使各种运输方式之间实现互联互通，而且数据实时更新。出行者在出行前即可在客户端完成出行时间、出行线路、出行方式运行情况的规划，减少行程延误，为出行者提供全方位、个性化、立体化的出行服务。三是对环境保护规划及政策的制定提供支撑。交通大数据的开发利用有利于行业主管部门及时掌握各种交通方式在运行过程中对环境的影响，并结合历史数据，明确各种交通方式对环境的“贡献率”，为环境主管部门制定科学合理的环境保护规划及政策、减少环境污染与环境破坏提供支撑。

第三，交通大数据与智慧城市。交通信息化的发展借助信息技术、交通大数据的广泛应用，将实现以信息化为纽带的人（出行者）、车（出行设备）、路（出行设施）协同目标，形成庞大的产业链，成为国家战略性新兴产业。利用交通大数据，可以支持交通政策和管理的精细化决策，辅助交通设施规划和建设，实现更科学、优化的设计，实现基于智能车辆和道路技术的智能化交通协同，提高各种客货运服务和展示公众出行全过程交通信息的便捷、安全和个性化的服务。作为智慧城市的重要一环，交通大数据的建设在导入其他行业数据的同时也为其他行业提供交通数据服务，打通城市运行的核心环节，从而全面支撑智慧城市的建设与发展。

第四，交通大数据与交通事故分析与处理。随着交通行业信息化水平的发展，各地行业管理部门建立了驾驶员信息系统、车辆管理系统、道路交通事故分析系统，并实现了各个系统的兼容与互通。通过对历年交通事故数据的统计分析，一方面可以借助事故黑点模型，识别出事故多发道路与事故黑点路段，挖掘事故产生的原因，便于道路管理部门有针对出性地制定交通安全改善对策；另一方面结合道路交通运行情况及交通量发展趋势，预测道路交通安全发展形势，为道路交通安全预警系统建设提供支撑。

第五，交通大数据与数据安全。交通大数据在采集、存储、分析、应用等各个方面都存在安全问题，而且数据安全问题是影响数据质量、数据分析结果的重要因素。因此，不仅要关注交通大数据的发展方向和发展形势，而且要解决交通大数据的来源、安全、储存及使用效率，充分发挥交通大数据价值。

四、贵州交通大数据安全人才团队建设

尽管大数据发展比较迅速和火热，但是仍然面临着许多问题，安全与隐私问题是人们公认的关键问题之一。事实上，大数据安全含义十分广泛，大数据安全问题并不仅限于个人隐私泄露。与其他信息一样，大数据在存储、处理、传输、应用等过程中面临诸多安全风险，具有数据安全与隐私保护需求。行业大数据也不可避免地存在同样的问题，交通大数据更不例外，交通大数据在成为竞争和发展新焦点的同时，不仅带来了新机遇，而且带来了更多安全风险。具体表现在以下几个方面：

第一，交通大数据成为网络攻击的显著目标。一方面，交通大数据不仅意味着海量的数据，也意味着更复杂、更敏感的数据，这些数据会吸引更多的潜在攻击者，成为更具吸引力的目标。另一方面，数据的大量聚集，使黑客一次成功的攻击能够获得更多的数据，无形中降低了黑客的进攻成本，增加了“收益率”。

第二，交通大数据加大了隐私泄露风险。交通大数据的数据来源十分广泛，如传感器、车辆信息等，还包括卡口、收费站、气象台信息，大量数据的聚集不可避免地加大了用户隐私泄露的风险。一方面，数据大量汇集，包括大量的道路监控视频信息、路网信息、个人的隐私和各种行为的细节记录。这些数据的集中存储增加了数据泄露风险，而这些数据不被滥用，也成为个人隐私和人身安全的一部分。另一方面，一些敏感数据的所有权和使用权并没有明确的界定，很多基于大数据的分析都未考虑到其中涉及的个体隐私问题。

第三，交通大数据对现有的存储和安防措施提出挑战。交通数据大量聚集的后果是复杂多样的数据存储在一起，如个人用户数据、卡口数据和收费站数据存储在一起，可能会出现数据存放混乱的情况，造成数据管理不规范。大数据的大小影响到安全控制措施能否正确运行。对于海量数据，常规的安全扫描手段需要耗费过多的时间，已经无法满足安全需求。安全防护手段的更新升级速度无法跟上数据量非线性增长的步伐，大数据安全防护存在漏洞。

第四，交通大数据技术也被应用到攻击手段中。当交通大数据分析人才利用数据挖掘和数据分析等大数据技术获取数据价值的同时，黑客也正在利用这些大数据技术发起攻击。大数据分析让黑客的攻击更精准。此外，大数据为黑客发起攻击提供了更多机会。黑客利用大数据发起僵尸网络攻击，可能会同时控制上百万台傀儡机发起攻击，这个数量级是传统单点攻击无法达到的。

第五，交通大数据成为高级可持续攻击的载体。黑客利用大数据将攻击很好地隐藏起来，使传统的防护策略难以检测出来。高级可持续攻击（APT）是无法被实时检测出明显特征的持续攻击的过程。同时，APT攻击代码隐藏在大量数据中，很难被发现。此外，大数据价值的低密度性，让安全分析工具很难聚焦在价值点上，黑客可以将攻击隐藏在大数据中，这给交通大数据安全人才提出了难题。

面临如此多的安全问题，大数据安全的重要性毋庸置疑地凸显出来，贵州交通大数据人才团队除包括交通大数据基础架构人才团队、交通大数据采集存储人才团队、交通大数据分析与挖掘人才团队、交通大数据管理人才团队、交通大数据应用人才团队之外，交通大数据安全人才团队也是必不可少的。贵州交通大数据安全人才团队主要负责交通大数据采集、数据传输、数据迁移、数据存储、数据审计等方面的数据安全问题，是一个具有保障大数据使用生命周期中的数据安全、数据容灾备份意识和准备的技术型、可靠型团队。贵州交通大数据安全人才团队是由交通大数据安全防护人员、交通大数据安全管理人员、交通大数据安全测评人员组成的技术型、高水平工作群体。

交通大数据安全防护人员主要针对涉及大数据网络环境安全、主机环境安全、应用环境安全的防护，上述三类防护也是保障大数据安全服务的关键手段。为有效地对大数据安全环境进行评估，需要大数据安全防护人员利用信息安全的逆向分析和渗透测试技术，并结合威胁识别技术和脆弱性识别技术来对大数据的网络环境、主机环境、应用环境进行综合分析，从而识别复杂大数据环境下的安全风险。

交通大数据安全管理人员是对不同安全级别的大数据资源确立等级保护的人。确立等级保护是对大数据资源进行保护的起始工作和有效且重要的手段。不同的大数据资源或不同的大数据环境，所采取的保护级别和手段不同。为此，交通大数据安全管理员应该具备等级保护划分能力和不同数据安全等级的保护技术。交通大数据安全管理员可以将大数据按照安全保密程度进行分类和分级，针对不同保密级别的数据，采用不同的大数据备份策略。同时按照国家信息安全等级保护标准，采用相应的保护技术与策略，形成基于分级的大数据等级保护体系。交通大数据安全管理员可以利用信息安全、网络工程等理论知识来解决大数据安全防御保护的实际问题。

交通大数据安全测评人员主要是在复杂多变的大数据环境下，对各类安全资源进行综合测试和评估。为有效地对大数据安全资源进行测评，需要大数据安全测评人员从数据的存储、数据传输的加解密、数据资源的访问控制、安全域身份认证、数据虚拟化和数据审计等角度来对各类安全资源进行测评。大数据安全测评着重于大数据资产价值评估、业务应用评估、安全需求评测、安全威胁评估等方面。

五、贵州交通大数据管理人才团队建设

大数据是把双刃剑，需要进行正确管理与运用。一方面，大数据是人们获得新的认知、创造新的价值的源泉，也是改变市场、组织机构以及政府与公民关系的重要路径；另一方面，大数据纷繁复杂、多源异构的特性决定了其价值获取的难度增大、成本增加及风险提高等。大数据管理是进行动态的、系统的、开放的数据整合，利用管理思维、理念、方法等技术革命驱动产业创新、行业发展与组织变革等的管理过程。

大数据管理代表着人类对于信息更加全面的把握能力，大数据技术能够将隐藏于海量数据中的信息和知识挖掘出来，为经济社会活动提供依据，节约资源消耗，提高经济效率及集约化程度，创造新的利润来源，引导投资，而投资本身又可能通过倍数原理成为新的增长机会。大数据推动产业升级，通过数据处理能力极高的计算机并行处理大数据，同时进行大批量的仿真比较和筛选，可以大大提高科研和生产效率，产业流程会发生革命性再造，使整个行业迈入数字化与信息化的新阶段。

贵州交通大数据管理人才团队主要是对交通大数据进行研究、规划、协调、管理、监督、安全保障，统筹交通运输行业的数据中心建设、管理，促进交通大数据资源和其他各领域数据资源的共享与开放，统筹推进交通运输行业大数据的开发应用。贵州交通大数据管理人才团队的团队成员角色划分为大数据政策法规管理者、数据安全标准管理者、基础设施与数据资源管理者、大数据规划投资管理者、交通运输行业大数据政策研究者、交通大数据应用推广管理者。该团队涉及的具体工作任务有制定大数据相关政策法规与标准规范、数据安全标准规范及基础设施管理、数据资源管理、大数据规划投资、交通运输行业大数据政策研究、应用推广等多项事务。基于管理的视角，大数据应是一种“资源”。贵州交通大数据管理人才团队是对交通大数据的获取问题、加工问题、应用问题、产权问题、产业问题和法规问题等进行有效的管理和保障的高水平团队。该团队具体需要完成的工作任务如下：

大数据政策法规管理者主要负责组织起草大数据、信息化相关法规草案和规章；承担法律顾问工作；参与重大项目谈判和合同审签；依法处理涉法事务；参与重大投资项目审核，监督管理财政性专项资金使用及相关项目建设；承担有关规范性文件的合法性审核工作；承担行政执法监督、行政复议、行政应诉工作。

数据安全标准管理者负责结合大数据相关地方性法规和规章草案研究拟定交通运输行业大数据相关标准规范体系，研究拟定交通运输行业大数据采集、管理、开放、交易、应用等标准规范，研究拟定交通运输行业大数据管理的标准体系和考核体系，承担信息安全等级保护等基础性工作，承担网络和信息安全应急协调工作，指导下属各级单位开展工作数据安全管理工作。

基础设施与数据资源管理者承担交通运输行业大数据、信息化基础设施建设规划、协调、管理和监督，统筹交通运输行业数据中心规划建设与集约利用，统筹协调交通政务信息网络系统、交通政务数据中心的建设和管理，促进交通大数据资源共享与开放，指导推进互联网数据中心、公共服务等大数据平台建设。

大数据规划投资管理者负责拟定交通运输行业大数据发展战略、规划和政策措施，拟订交通运输大数据发展专项资金年度计划并协调组织实施，承担交通大数据、信息化等专项资金项目申报工作，承担按照规定权限审批、备案和核准交通大数据、信息化等固定资产投资项目工作。

交通运输行业大数据政策研究者也是促进产业发展的关键人才，主要负责交通大数据产业行业管理，统筹推进交通大数据产业发展，研究拟定交通大数据产业发展战略、规划和政策措施并组织实施，监测分析交通大数据产业运行态势并发布有关信息，协调解决交通大数据产业运行中的重大问题并提出政策建议等。

交通大数据应用推广管理者统筹推进交通大数据政用、民用、商用，牵头推进交通大数据应用重大工程和各专项云工程建设，促进行业、企业交通大数据应用，指导交通大数据相关创业创新平台建设，推动数据增值服务应用。