大數據時代的車聯網

隨著互聯網的不斷發展，大數據正在成為一股熱潮，且業界對大數據的討論已達到一個前所未有的高峰。車聯網作為移動互聯網大背景下誕生的一個產物，不管是車輛的接入、服務內容的選擇還是服務的精準性，都離不開大數據。

車輛上傳的每一組數據都帶有位置信息和時間，并且很容易形成海量數據。一方面，如果說大數據的特征是完整和混雜，而車聯網與車有關的大數據特征是完整加精準。如某些與車輛本身有關的數據，都有明確的一個ID，根據這個ID可以關聯到相應的車主信息，并且這些信息還是精準的。

另一方面，我們可以看到車聯網與駕駛人的消費習慣、興趣愛好等大數據特征是完整和部分精確。因此，研究車聯網的大數據更有意義。

大數據的定義和特征

大數據(big data)，或稱巨量資料，指的是所涉及的資料量規模巨大到無法透過目前主流軟件工具，在合理時間內達到擷取、管理、處理、并整理成為幫助企業經營決策更積極目的的資訊。

我們從權威的定義可以看到，大數據的特征有四點，分別為：數據體量巨大。從TB級別，躍升到PB級別；數據類型繁多。提到的網絡日志、視頻、圖片、地理位置信息等等。，價值密度低，商業價值高。以視頻為例，連續不間斷監控過程中，可能有用的數據僅僅有一兩秒。處理速度快。1秒定律。

車聯網的大數據在預測方面可以發揮到極致。如，預測交通堵塞的地段，實時交通信息，主動安全，公交的排班。駕駛者駕駛行為分析。

大數據的核心在于預測，這在車聯網行業非常有用，例如，對于交通流量的預測，就非常需要大數據。對于交通流量，目前我們的仿真系統更加重視交通流量大，擁堵的原因，而大數據時代，不再在乎因果關系，而重視相關性，也就是不去分析產生擁堵的原因，但確實某個時段某個路段會發生擁堵。也可以根據車聯網的大數據對車友的興趣進行分析。

大數據在商用車領域的應用

大數據在商用車領域已經有相當多的應用，如公交領域的運營排班管理、出租車領域的浮動車數據，物流行業的大物流。

如何解決公交企業面臨的三大問題：運力配備最少、車輛運行距離最短、駕駛員作業時間最少？如何分析各時間段、各站點的客流分布情況呢？如何實現運營的安全智能化、運營排班的智能化？在公交行業，以上問題普遍存在，通過車聯網的大數據，可以解決公交行業所面臨的這些問題。根據各個時間段，各站點的客流量大小，線路配備的運營車輛數、線路配備駕駛人員、線路長度、車輛運行速度等大數據，可確定一條線路各個時間段的配車數及發車間隔，從而解決運力配備最少、車輛運行距離最短、駕駛員作業時間最少三大問題。

根據客流量、節假日、氣候、節氣、自然災害、道路、車況事故、歷史同期數據、售票方式、居民小區建設等條件建立計劃模型，從而用最快的速度對這些影響運營計劃的因素做出反映。比如增加線路，增加車輛，增加司機，有效地制定公交運營計劃。同時可對于運營排班精準管理，可通過大數據可以自動排班，對行車作業計劃進行優化，并快速地對運行線路進行調整和優化。

自從菜鳥網絡公司出現以后，大物流的概念終于被業界提及。什么叫大物流呢？是指企業的自有物流系統（由車隊、倉庫、人員等組成），和第三方物流企業的配送信息與資源進行共享，從而能充分地利用各方面資源，減少物流總支出、降低運營成本。

目前物流行業隨著業務的擴大，車輛數日益增多，而且型號眾多。很多企業還是采用手工方式進行車輛管理，工作量大，對車輛運營數據統計分析比較困難，統計結果相當滯后，不利于公司的決策管理；同時在車輛行駛過程中沒有進行全程的監控，對司乘人員的違法違規行為無法進行及時預警，也無法對司乘人員的求助及時進行反應。

另一方面，在我國現行的物流運輸方式中無論是自營物流，合營物流還是第三方物流，隱性成本占據了很重要的地位，這些隱性成本在物流運輸過程中主要包括以下幾個方面：返程或起程空駛：空車無貨載行駛，這些都是不合理運輸的方式。

-如何改善物流企業在管理上較為落后的現狀，達到貨主“高服務質量、嚴格的準時率、極小的貨損率、較低的物流成本”的要求？

-如何解決物流行業運行信息反饋滯后、運營高成本、貨運車輛的高空駛率、司機作弊給貨物和車輛的安全帶來的極大隱患？

-如何快速、高效的為用戶提供可靠的物流服務？

-如何最大程度的利用運力資源提高整體業務運營效率？

這些是目前物流行業迫在眉睫的問題。

對以上問題，車聯網技術正好可以解決車主迫在眉睫的問題，通過透明化的運輸過程管理，合理調度車輛，根據車輛行駛的大數據，對車輛行駛的線路暢通情況進行預測，規劃出一條安全暢通的行駛路線，減少由于交通原因而引發的在途等待時間。

通過車輛運行的大數據，可以快速地分析出相同路線的油耗情況，事故多發路段的提前預警，精確分析計算車輛的行程，提高了企業的信息化水平，隨時了解到貨物的運行狀態信息及貨物運達目的地的整個過程，確保了運輸過程的透明化管理，使企業的運行管理智能化、服務準時性，提高可預見性。

同時，通過車輛運行的大數據，可獲取高速、國道、省道的實時路況，同時對司機的駕車規律的分析，為加油站、維修站、服務站的選址提供了參考數據。

另一方面，物流的成本有很大一部分屬于倉儲成本。通過車聯網技術，對海量的數據進行分析計算，經過合理地調度，降低車輛的空駛率，把移動中的每輛貨車可以作為一個流動的倉儲空間，提高了倉儲空間的周轉率，從而幫助企業降低倉儲成本。

大數據在乘用車領域的應用

大數據在乘用車領域目前比較成熟的應用有保險和主動安全，未來必將有大量的企業會在CRM和呼叫中心領域尋求更多的業務增長點。

2011年8月， 北美最大的汽車保險公司StateFarm與車聯網服務提供商Hughes結為連理，由此第一個由保險公司主導的車聯網商業模式走上了世界舞臺。由此，關于保險模式的車聯網被業界所熱議。

State Farm主導的車聯網商業模式有如下幾個特點：與保險公司的業務捆綁；提供與駕駛安全度結合的保險費率；與車聯網服務提供商（TSP）Hughes 合作；服務差異化，避免與OnStar 等前裝車廠主導的車聯網產品和導航產品競爭等。

大數據時代，通過對駕駛者總行駛里程、日行駛時間等數據，以及急剎車次數、急加速次數等駕駛行為在云端的分析，有效地幫助保險公司全面了解駕駛者的駕駛習慣和駕駛行為，有利于保險公司發展優質客戶，提供不同類型的保險產品。

目前車聯網所提供的主動安全方面的措施大致有胎壓監測、故障預警、碰撞報警、安全氣囊彈出報警、緊急救援等。但目前在主動安全方面的設備更多是車輛上的一個節點，并沒有真正的和大數據關聯起來。

在大數據時代，當汽車在行駛過程中，平臺可對輪胎氣壓進行實時自動監測，并對輪胎漏氣和低氣壓進行報警，以確保行車安全。胎壓監測有直接和間接兩種，直接的通過傳感器來監測，而間接的監測是當某輪胎的氣壓降低時，車輛的重量會使該輪的滾動半徑將變小，導致其轉速比其他車輪快。

通過比較輪胎之間的轉速差別，以達到監視胎壓的目的。間接式輪胎報警系統實際上是依靠計算輪胎滾動半徑來對氣壓進行監測。間接方式的胎壓監測需要通過上傳OBD的信息至云端，由云端通過大數據來分析出輪胎是否漏氣，并實時提醒司機，確保安全行駛。

對于呼叫中心，很多企業只是簡單的定義為簡單的服務部門，其實，TSP的呼叫中心，不僅承擔客服角色，還承擔售前角色。呼叫中心可以幫助企業快速尋找、鎖定有潛在消費能力的最終用戶。用對的人、合適的時間、適宜的話術換來的就是成功的營銷。

在大數據時代，TSP、汽車經銷商或4S店的業務結構會發生一定的轉移，原有的客服部門從以往的成本中心逐步轉變為利潤中心。

呼叫中心的大數據包括，使用情況，客戶興趣及生活習慣三個方面。通過呼叫中心，我們可以獲取車輛的使用情況、車聯網系統的客戶體驗效果以及與車輛本身的相關咨詢，這對于主機廠市場跟蹤反饋，促進相關部門對質量問題進行快速改進有重要的意義。

通過呼叫中心，可掌握車主的消費習慣，車主的活動范圍、車主的生活習慣及車主商旅情況（訂票、訂酒店、訂餐、訂鮮花），車主的消費心理。如車主在生活消費過程中,在日常購買行為中的心理活動規律及個性心理。消費需要問題，消費時間與消費習慣問題，物質消費與精神消費問題，通過大數據的分析，從而有效地制定相應的營銷策略及營銷話術。

關于大數據的思考

大數據時代，影響著我們的思維。以前我們對于出行過程的理解，傳統的觀念只注重為客戶提供導航和娛樂這一功能，并沒有對這一過程進行深度的分析。這個過程中，分別為去之前，在路上，停車后。對于這個過程，我們可以延伸出很多車聯網的服務內容，并且每個階段都離不開熟人社會，每個階段都會產生大數據，大數據可延伸很多增值服務。

服務內容的精準性如果單純靠服務提供商的力量，那服務商將要投入巨大的人力或資本并且要經歷很長的時間，顯然這種方式不可行。解決這種問題，理想的方法就是通過車主的與社區網站的互動，只有通過這種方式，才能快速地采集到相應的興趣點。這必須要進行大數據分析。

對于客戶信息，無論是車廠還是汽車銷售商，都視為命根子，可事實是什么？事實是現階段這些客戶信息一點用都沒有，能從這些客戶信息中延伸出一些增值服務嗎？很難。說白了，這些信息無法帶來“顧客終生價值”(Customer Lifetime Value)，顧客終生價值指的是每個購買者在未來可能為企業帶來的收益總和。

如同某種產品一樣，顧客對于企業利潤的貢獻也可以分為導入期、快速增長期、成熟期和衰退期。顯然，現階段的產品形態或者企業的信息化水平有限，一方面無法完成大數據的挖掘，另一方面，缺少專業化的分析工具，而車聯網時代，給了我們無限的想象空間，讓一切皆有可能！