决胜大数据时代各国如何未雨绸缪.doc

决胜大数据时代 各国如何未雨绸缪？ 大数据时代的车联网 随着互联网的不断发展，大数据正在成为一股热潮，且业界对大数据的讨论已达到一个前所未有的高峰。 车联网作为移动互联网大背景下诞生的一个产物，不管是车辆的接入、服务内容的选择还是服务的精准性，都离不开大数据。 车辆上传的每一组数据都带有位置信息和时间，并且很容易形成海量数据。 一方面，如果说大数据的特征是完整和混杂，而车联网与车有关的大数据特征是完整加精准。如某些与车辆本身有关的数据，都有明确的一个ID，根据这个ID可以关联到相应的车主信息，并且这些信息还是精准的。 　　另一方面，我们可以看到车联网与驾驶人的消费习惯、兴趣爱好等大数据特征是完整和部分精确。因此，研究车联网的大数据更有意义。 　　大数据的定义和特征 　　大数据(big data)，或称巨量资料，指的是所涉及的资料量规模巨大到无法透过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。 我们从权威的定义可以看到，大数据的特征有四点，分别为： 数据体量巨大。从TB级别，跃升到PB级别; 数据类型繁多。提到的网络日志、视频、图片、地理位置信息等等； 价值密度低，商业价值高。 以视频为例，连续不间断监控过程中，可能有用的数据仅仅有一两秒。 处理速度快。1秒定律。 　　车联网的大数据在预测方面可以发挥到极致。如，预测交通堵塞的地段，实时交通信息，主动安全，公交的排班。驾驶者驾驶行为分析。 大数据的核心在于预测，这在车联网行业非常有用，例如，对于交通流量的预测，就非常需要大数据。 对于交通流量，目前我们的仿真系统更加重视交通流量大，拥堵的原因，而大数据时代，不再在乎因果关系，而重视相关性，也就是不去分析产生拥堵的原因，但确实某个时段某个路段会发生拥堵。也可以根据车联网的大数据对车友的兴趣进行分析。 　　大数据在商用车领域已经有相当多的应用，如公交领域的运营排班管理、出租车领域的浮动车数据，物流行业的大物流。 　　如何解决公交企业面临的三大问题：运力配备最少、车辆运行距离最短、驾驶员作业时间最少?如何分析各时间段、各站点的客流分布情况呢?如何实现运营的安全智能化、运营排班的智能化?在公交行业，以上问题普遍存在， 　　通过车联网的大数据，可以解决公交行业所面临的这些问题。根据各个时间段，各站点的客流量大小，线路配备的运营车辆数、线路配备驾驶人员、线路长 度、车辆运行速度等大数据，可确定一条线路各个时间段的配车数及发车间隔，从而解决运力配备最少、车辆运行距离最短、驾驶员作业时间最少三大问题。 　　根据客流量、节假日、气候、节气、自然灾害、道路、车况事故、历史同期数据、售票方式、居民小区建设等条件建立计划模型，从而用最快的速度对这些影响运营计划的因素做出反映。比如增加线路，增加车辆，增加司机，有效地制定公交运营计划。同时可对于运营排班精准管理，可通过大数据可以自动排班，对行车作业计划进行优化，并快速地对运行线路进行调整和优化。 自从菜鸟网络公司出现以后，大物流的概念终于被业界提及。 什么叫大物流呢?是指企业的自有物流系统(由车队、仓库、人员等组成)，和第三方物流企业的配送信息与资源进行共享，从而能充分地利用各方面资源，减少物流总支出、降低运营成本。 目前物流行业随着业务的扩大，车辆数日益增多，而且型号众多。很多企业还是采用手工方式进行车辆管理，工作量大，对车辆运营数据统计分析比较困难，统计结果相当滞后，不利于公司的决策管理;同时在车辆行驶过程中没有进行全程的监控，对司乘人员的违法违规行为无法进行及时预警，也无法对司乘人员的求助及时进行反应。 如何改善物流企业在管理上较为落后的现状，达到货主“高服务质量、严格的准时率、极小的货损率、较低的物流成本”的要求? 如何解决物流行业运行信息反馈滞后、运营高成本、货运车辆的高空驶率、司机作弊给货物和车辆的安全带来的极大隐患? 如何快速、高效的为用户提供可靠的物流服务? 如何最大程度的利用运力资源提高整体业务运营效率? 这些是目前物流行业迫在眉睫的问题。 对以上问题，车联网技术正好可以解决车主迫在眉睫的问题，通过透明化的运输过程管理，合理调度车辆，根据车辆行驶的大数据，对车辆行驶的线路畅通情况进行预测，规划出一条安全畅通的行驶路线，减少由于交通原因而引发的在途等待时间。 通过车辆运行的大数据，可以快速地分析出相同路线的油耗情况，事故多发路段的提前预警，精确分析计算车辆的行程，提高了企业的信息化水平，随时了解到货物的运行状态信息及货物运达目的地的整个过程，确保了运输过程的透明化管理，使企业的运行管理智能化、服务准时性，提高可预见性。 同时，通过车辆运行的大数据，可获取高速、国道、省道的实时路况，同时对司机的驾车规律的分析，为加油站、维修站、服务站的选址提