高质量数据集典型案例 | “交通+能源”高质量数据集

    推荐单位：交通运输部
    申报单位：中国交通通信信息中心、中海石油气电集团有限责任公司
    一、背景
    为推动交通能源智能融合发展，聚焦液化天然气（LNG）与交通运输交叉领域人工智能应用需求，依托LNG“产-供-储-销-运”全链条数据资源，本案例构建了LNG载运工具、基础设施、运输行为、供需分析等4大类、37项的高质量数据集，支撑LNG产业链数智化转型升级，助力交通与能源基础设施协同规划，赋能LNG贸销业务提质增效。
    二、方案和成效
    一是强化LNG供需分析与运输保障能力。基于LNG车辆、船舶运输行为与供需分析等数据集，构建LNG供需智能预测模型，常态化监测全国2.3万辆LNG槽罐车、全球900余艘LNG运输船舶实际运行情况，研判LNG运输保障形势，连续多年协助交通运输部开展“冬春季保暖保供”“迎峰度夏”等重点时段用气需求分析。
    二是助力LNG国际贸易市场感知与采购决策。以LNG船舶运输行为、供需分析等数据集为基础，构建全球LNG资源流动图谱，感知国际LNG市场态势，辅助LNG资源采购决策，支撑企业国际现货运作量突破1000万吨/年。
    三是优化完善企业LNG销售市场开发模式。依托车辆、路网等数据集，研发站点设施智能标注模型应用，发掘并标注2万余个潜在LNG用气终端，由此转化新增天然气销量超3万吨。标注识别全国6000余个LNG加注站点，辅助推荐500余个加注站点建设开发，推荐开发的站点年均LNG销量超企业其他站点30%以上。
    三、创新点
    一是采用深度学习方法构建车辆运输行为高质量数据集。构建车辆轨迹插补模型，设计车辆轨迹点聚类算法，并利用文本训练模型对聚类中心点地址信息进行识别标注，有效辨识车辆运输行为。
    二是以数据挖掘分析支撑LNG贸销业务高质量发展。依托车辆、船舶、路网、加注站点位置等数据集，实现了对路网流量、车船加注站点流量的实时分析预测，并提出了一套基于数据驱动的LNG加注建站选址及优质站点发掘决策方法。
    三是构建交通+能源数据协同标注模式释放数据要素价值。依托交通+能源数据资源优势，提出了一套数据标注动态优化方法，构建了“数据标注-模型迭代-业务赋能”闭环生态，充分发挥交通+能源数据要素的乘数效应。