
大數(shù)據(jù)時代的車聯(lián)網(wǎng)
隨著互聯(lián)網(wǎng)的不斷發(fā)展,大數(shù)據(jù)正在成為一股熱潮,且業(yè)界對大數(shù)據(jù)的討論已達(dá)到一個前所未有的高峰。車聯(lián)網(wǎng)作為移動互聯(lián)網(wǎng)大背景下誕生的一個產(chǎn)物,不管是車輛的接入、服務(wù)內(nèi)容的選擇還是服務(wù)的精準(zhǔn)性,都離不開大數(shù)據(jù)。
車輛上傳的每一組數(shù)據(jù)都帶有位置信息和時間,并且很容易形成海量數(shù)據(jù)。一方面,如果說大數(shù)據(jù)的特征是完整和混雜,而車聯(lián)網(wǎng)與車有關(guān)的大數(shù)據(jù)特征是完整加精準(zhǔn)。如某些與車輛本身有關(guān)的數(shù)據(jù),都有明確的一個ID,根據(jù)這個ID可以關(guān)聯(lián)到相應(yīng)的車主信息,并且這些信息還是精準(zhǔn)的。
另一方面,我們可以看到車聯(lián)網(wǎng)與駕駛?cè)说南M習(xí)慣、興趣愛好等大數(shù)據(jù)特征是完整和部分精確。因此,研究車聯(lián)網(wǎng)的大數(shù)據(jù)更有意義。
大數(shù)據(jù)的定義和特征
大數(shù)據(jù)(big data),或稱巨量資料,指的是所涉及的資料量規(guī)模巨大到無法透過目前主流軟件工具,在合理時間內(nèi)達(dá)到擷取、管理、處理、并整理成為幫助企業(yè)經(jīng)營決策更積極目的的資訊。
我們從權(quán)威的定義可以看到,大數(shù)據(jù)的特征有四點,分別為:數(shù)據(jù)體量巨大。從TB級別,躍升到PB級別;數(shù)據(jù)類型繁多。提到的網(wǎng)絡(luò)日志、視頻、圖片、地理位置信息等等。,價值密度低,商業(yè)價值高。以視頻為例,連續(xù)不間斷監(jiān)控過程中,可能有用的數(shù)據(jù)僅僅有一兩秒。處理速度快。1秒定律。
車聯(lián)網(wǎng)的大數(shù)據(jù)在預(yù)測方面可以發(fā)揮到極致。如,預(yù)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(shù)據(jù)的核心在于預(yù)測,這在車聯(lián)網(wǎng)行業(yè)非常有用,例如,對于交通流量的預(yù)測,就非常需要大數(shù)據(jù)。對于交通流量,目前我們的仿真系統(tǒng)更加重視交通流量大,擁堵的原因,而大數(shù)據(jù)時代,不再在乎因果關(guān)系,而重視相關(guān)性,也就是不去分析產(chǎn)生擁堵的原因,但確實某個時段某個路段會發(fā)生擁堵。也可以根據(jù)車聯(lián)網(wǎng)的大數(shù)據(jù)對車友的興趣進(jìn)行分析。
大數(shù)據(jù)在商用車領(lǐng)域的應(yīng)用
大數(shù)據(jù)在商用車領(lǐng)域已經(jīng)有相當(dāng)多的應(yīng)用,如公交領(lǐng)域的運營排班管理、出租車領(lǐng)域的浮動車數(shù)據(jù),物流行業(yè)的大物流。
如何解決公交企業(yè)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(yè)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(xiàn)運營的安全智能化、運營排班的智能化?在公交行業(yè),以上問題普遍存在,通過車聯(lián)網(wǎng)的大數(shù)據(jù),可以解決公交行業(yè)所面臨的這些問題。根據(jù)各個時間段,各站點的客流量大小,線路配備的運營車輛數(shù)、線路配備駕駛?cè)藛T、線路長度、車輛運行速度等大數(shù)據(jù),可確定一條線路各個時間段的配車數(shù)及發(fā)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(yè)時間最少三大問題。
根據(jù)客流量、節(jié)假日、氣候、節(jié)氣、自然災(zāi)害、道路、車況事故、歷史同期數(shù)據(jù)、售票方式、居民小區(qū)建設(shè)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(zhǔn)管理,可通過大數(shù)據(jù)可以自動排班,對行車作業(yè)計劃進(jìn)行優(yōu)化,并快速地對運行線路進(jìn)行調(diào)整和優(yōu)化。
自從菜鳥網(wǎng)絡(luò)公司出現(xiàn)以后,大物流的概念終于被業(yè)界提及。什么叫大物流呢?是指企業(yè)的自有物流系統(tǒng)(由車隊、倉庫、人員等組成),和第三方物流企業(yè)的配送信息與資源進(jìn)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(yè)隨著業(yè)務(wù)的擴大,車輛數(shù)日益增多,而且型號眾多。很多企業(yè)還是采用手工方式進(jìn)行車輛管理,工作量大,對車輛運營數(shù)據(jù)統(tǒng)計分析比較困難,統(tǒng)計結(jié)果相當(dāng)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(jìn)行全程的監(jiān)控,對司乘人員的違法違規(guī)行為無法進(jìn)行及時預(yù)警,也無法對司乘人員的求助及時進(jìn)行反應(yīng)。
另一方面,在我國現(xiàn)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(jù)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?shù)姆绞健?/span>
-如何改善物流企業(yè)在管理上較為落后的現(xiàn)狀,達(dá)到貨主“高服務(wù)質(zhì)量、嚴(yán)格的準(zhǔn)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(yè)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(wù)?
-如何最大程度的利用運力資源提高整體業(yè)務(wù)運營效率?
這些是目前物流行業(yè)迫在眉睫的問題。
對以上問題,車聯(lián)網(wǎng)技術(shù)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(diào)度車輛,根據(jù)車輛行駛的大數(shù)據(jù),對車輛行駛的線路暢通情況進(jìn)行預(yù)測,規(guī)劃出一條安全暢通的行駛路線,減少由于交通原因而引發(fā)的在途等待時間。
通過車輛運行的大數(shù)據(jù),可以快速地分析出相同路線的油耗情況,事故多發(fā)路段的提前預(yù)警,精確分析計算車輛的行程,提高了企業(yè)的信息化水平,隨時了解到貨物的運行狀態(tài)信息及貨物運達(dá)目的地的整個過程,確保了運輸過程的透明化管理,使企業(yè)的運行管理智能化、服務(wù)準(zhǔn)時性,提高可預(yù)見性。
同時,通過車輛運行的大數(shù)據(jù),可獲取高速、國道、省道的實時路況,同時對司機的駕車規(guī)律的分析,為加油站、維修站、服務(wù)站的選址提供了參考數(shù)據(jù)。
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(lián)網(wǎng)技術(shù),對海量的數(shù)據(jù)進(jìn)行分析計算,經(jīng)過合理地調(diào)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(zhuǎn)率,從而幫助企業(yè)降低倉儲成本。
大數(shù)據(jù)在乘用車領(lǐng)域的應(yīng)用
大數(shù)據(jù)在乘用車領(lǐng)域目前比較成熟的應(yīng)用有保險和主動安全,未來必將有大量的企業(yè)會在CRM和呼叫中心領(lǐng)域?qū)で蟾嗟臉I(yè)務(wù)增長點。
2011年8月, 北美最大的汽車保險公司StateFarm與車聯(lián)網(wǎng)服務(wù)提供商Hughes結(jié)為連理,由此第一個由保險公司主導(dǎo)的車聯(lián)網(wǎng)商業(yè)模式走上了世界舞臺。由此,關(guān)于保險模式的車聯(lián)網(wǎng)被業(yè)界所熱議。
State Farm主導(dǎo)的車聯(lián)網(wǎng)商業(yè)模式有如下幾個特點:與保險公司的業(yè)務(wù)捆綁;提供與駕駛安全度結(jié)合的保險費率;與車聯(lián)網(wǎng)服務(wù)提供商(TSP)Hughes 合作;服務(wù)差異化,避免與OnStar 等前裝車廠主導(dǎo)的車聯(lián)網(wǎng)產(chǎn)品和導(dǎo)航產(chǎn)品競爭等。
大數(shù)據(jù)時代,通過對駕駛者總行駛里程、日行駛時間等數(shù)據(jù),以及急剎車次數(shù)、急加速次數(shù)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(xí)慣和駕駛行為,有利于保險公司發(fā)展優(yōu)質(zhì)客戶,提供不同類型的保險產(chǎn)品。
目前車聯(lián)網(wǎng)所提供的主動安全方面的措施大致有胎壓監(jiān)測、故障預(yù)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(shè)備更多是車輛上的一個節(jié)點,并沒有真正的和大數(shù)據(jù)關(guān)聯(lián)起來。
在大數(shù)據(jù)時代,當(dāng)汽車在行駛過程中,平臺可對輪胎氣壓進(jìn)行實時自動監(jiān)測,并對輪胎漏氣和低氣壓進(jìn)行報警,以確保行車安全。胎壓監(jiān)測有直接和間接兩種,直接的通過傳感器來監(jiān)測,而間接的監(jiān)測是當(dāng)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(dǎo)致其轉(zhuǎn)速比其他車輪快。
通過比較輪胎之間的轉(zhuǎn)速差別,以達(dá)到監(jiān)視胎壓的目的。間接式輪胎報警系統(tǒng)實際上是依靠計算輪胎滾動半徑來對氣壓進(jìn)行監(jiān)測。間接方式的胎壓監(jiān)測需要通過上傳OBD的信息至云端,由云端通過大數(shù)據(jù)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(yè)只是簡單的定義為簡單的服務(wù)部門,其實,TSP的呼叫中心,不僅承擔(dān)客服角色,還承擔(dān)售前角色。呼叫中心可以幫助企業(yè)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(shù)換來的就是成功的營銷。
在大數(shù)據(jù)時代,TSP、汽車經(jīng)銷商或4S店的業(yè)務(wù)結(jié)構(gòu)會發(fā)生一定的轉(zhuǎn)移,原有的客服部門從以往的成本中心逐步轉(zhuǎn)變?yōu)槔麧欀行摹?/span>
呼叫中心的大數(shù)據(jù)包括,使用情況,客戶興趣及生活習(xí)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(lián)網(wǎng)系統(tǒng)的客戶體驗效果以及與車輛本身的相關(guān)咨詢,這對于主機廠市場跟蹤反饋,促進(jìn)相關(guān)部門對質(zhì)量問題進(jìn)行快速改進(jìn)有重要的意義。
通過呼叫中心,可掌握車主的消費習(xí)慣,車主的活動范圍、車主的生活習(xí)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(guī)律及個性心理。消費需要問題,消費時間與消費習(xí)慣問題,物質(zhì)消費與精神消費問題,通過大數(shù)據(jù)的分析,從而有效地制定相應(yīng)的營銷策略及營銷話術(shù)。
關(guān)于大數(shù)據(jù)的思考
大數(shù)據(jù)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(tǒng)的觀念只注重為客戶提供導(dǎo)航和娛樂這一功能,并沒有對這一過程進(jìn)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(lián)網(wǎng)的服務(wù)內(nèi)容,并且每個階段都離不開熟人社會,每個階段都會產(chǎn)生大數(shù)據(jù),大數(shù)據(jù)可延伸很多增值服務(wù)。
服務(wù)內(nèi)容的精準(zhǔn)性如果單純靠服務(wù)提供商的力量,那服務(wù)商將要投入巨大的人力或資本并且要經(jīng)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(qū)網(wǎng)站的互動,只有通過這種方式,才能快速地采集到相應(yīng)的興趣點。這必須要進(jìn)行大數(shù)據(jù)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(xiàn)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(wù)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(yè)帶來的收益總和。
如同某種產(chǎn)品一樣,顧客對于企業(yè)利潤的貢獻(xiàn)也可以分為導(dǎo)入期、快速增長期、成熟期和衰退期。顯然,現(xiàn)階段的產(chǎn)品形態(tài)或者企業(yè)的信息化水平有限,一方面無法完成大數(shù)據(jù)的挖掘,另一方面,缺少專業(yè)化的分析工具,而車聯(lián)網(wǎng)時代,給了我們無限的想象空間,讓一切皆有可能!
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
訓(xùn)練與驗證損失驟升:機器學(xué)習(xí)訓(xùn)練中的異常診斷與解決方案 在機器學(xué)習(xí)模型訓(xùn)練過程中,“損失曲線” 是反映模型學(xué)習(xí)狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據(jù)生態(tài)中兩類核心工具的差異與協(xié)同 在數(shù)字化轉(zhuǎn)型加速的今天,企業(yè)對數(shù)據(jù)的需求已從 “存儲” 轉(zhuǎn)向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計基本概念成為業(yè)務(wù)決策的底層邏輯 統(tǒng)計基本概念是商業(yè)數(shù)據(jù)分析的 “基礎(chǔ)語言”—— 從描述數(shù)據(jù)分布的 “均 ...
2025-09-19CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計學(xué)領(lǐng)域,假設(shè)檢驗是驗證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學(xué)計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學(xué)計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11