大数据时代的车联网大数据时代的车联网.ppt

BIG DATA * * 大数据时代的车联网 ——李兆荣 第一页，共三十八页。 目录 √ 关于大数据的思考 4 为什么要提大数据 1 大数据的特征 2 车联网的大数据应用 3 第二页，共三十八页。 中国是自然灾害比较多的一个国家，近几年从汶川地震，雅安地震，没看到车联网在应急指挥方面起到任何作用，重点营运车辆已经接入交通部联网联控平台，为什么不快速调度一支应急车队呢? 绿色车队 交通仿真 实时路况 现在很多一线城市的交通主管部门都有交通仿真系统，交通仿真可以清晰的辅助分析预测交通堵塞的地段和原因。全国基本所有城市的出租车都安装了GPS，但没看到那个城市用出租车的数据做交通仿真研究。 路况提供商可以提供部分一线城市的实时路况，但不能提供高速公路、国道、省道的路况，两客一危基本都是走这些路段，且已经联网，这些行驶数据为什么产生不了路况呢？ 为什么要提大数据？ 第三页，共三十八页。 客服 通过对很多4S店的调研，发现4S店对于客户关系的管理依然是粗旷式，客服的电话让车主不耐其烦，没有做到精准营销。 无隐私时代 我们已经步入无隐私的时代，个人的行踪被追踪(GPS,LBS)，个人的消费被追踪(支付宝，财付通)，个人的交往被追踪(SNS)，个人的言行被追踪(邮件，视频监控等)。 众包地图 Waze的成功，是否可以对车联网行业产生一些启发？熟人社会，车联网应该怎么有效利用大数据？ 为什么要提大数据？ 第四页，共三十八页。 目录 √ 关于大数据的思考 4 为什么要提大数据 1 大数据的特征 2 车联网的大数据应用 3 第五页，共三十八页。 大数据的特征 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。 大数据的4V特点：Volume、Variety、Veracity、Velocity。 第六页，共三十八页。 大数据的特征 第一，数据体量巨大。从TB级别，跃升到PB级别； 第二，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。 第三，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。 第四，处理速度快。1秒定律。 数据最小的基本单位是Byte，按顺序给出所有单位：bit、Byte、KB、MB、GB、TB、PB、EB、ZB、YB、DB、NB， 第七页，共三十八页。 大数据的核心在于预测（主动安全） 大数据重相关性，轻因果关系（交通预测） 大数据关键在于全，而不是大（车友兴趣分析） 大数据的关键要素 第八页，共三十八页。 车联网的大数据 车辆上传的每一组数据都带有位置信息和时间。大数据的特征是完整和混杂，小数据的特征是部分和确切。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。车联网与人有关的大数据特征是完整和部分精确。研究车联网的大数据更有意义。 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。 第九页，共三十八页。 目录 √ 关于大数据的思考 4 为什么要提大数据 1 大数据的特征 2 车联网的大数据应用 3 第十页，共三十八页。 车联网的大数据应用——公交 运营排班管理 行车作业计划的优化 线路调整优化 自动排班 电子路单生成 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、车辆运行速度等参数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。 运营计划制定 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。 第十一页，共三十八页。 高速、国道、省道的实时路况,加油站、维修站、服务站的选址依据。 移动中的每辆货车作为一个仓储空间—移动云仓储。 对于在途存货的管理，McKesson开发了一种供应链模型，它根据产品线、运输费用甚至碳排放量而提供了极为准确的维护成本视图。这些详细信息使公司能够更加真实地了解任意时间点的运营情况。对配送中心内的物理存货配置进行模拟和自动化处理。评估政策和供应链变化的能力帮助公司增强了对客户的响应能力，同时减少了流动资金。大数据分析帮助公司节省了超过1亿美元的流动资金。 沃尔沃通过在卡车产品中安装传感器和嵌入式CPU，从刹车到中央门锁系统等形形色色的车辆使用信息，这些数据不断地传输到沃尔沃集团总部。通过对这些数据的分析，不仅可以帮助车厂制造更好的汽车，还可以帮助客户们获取更好体验。 车联网