大数据时代的车联网.pdf

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 T B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的应用 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。 另一方面，在我国现行的物流运输方式中无论是自营物流，合营物流还是第三方物流，隐性成本占 据了很重要的地位，这些隐性成本在物流运输过程中主要包括以下几个方面：返程或起程空驶：空 车无货载行驶，这些都是不合理运输的方式。 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