• 文章讲的是车主行车数据成车联网大数据新热点,26日凌晨,谷歌全球开发者大会Google I/O在旧金山启动。盛传已久的智能汽车产品终于浮出水面,一时间,全球开发者都已意识到,基于智能汽车应用的车联网技术即将步入一...
    文章讲的是车主行车数据成车联网大数据新热点26日凌晨,谷歌全球开发者大会Google I/O在旧金山启动。盛传已久的智能汽车产品终于浮出水面,一时间,全球开发者都已意识到,基于智能汽车应用的车联网技术即将步入一个新的时代……

    车主行车数据成车联网大数据新热点

      随着互联网深入到人们生活的方方面面,汽车领域的车联网技术也越来越多的被互联网巨头关注,发展势头凶猛,大有颠覆传统汽车产业链的趋势。所谓车联网,是以车内网、车际网和车载移动互联网为基础,按照约定的通信协议和数据交互标准,在车-X(X:车、路、行人及互联网等)之间,进行无线通讯和信息交换的大系统网络,是能够实现智能化交通管理、智能动态信息服务和车辆智能化控制的一体化网络,是物联网技术在交通系统领域的典型应用。而最近在车联网与大数据挖掘相遇后,对车主行车数据的收集与分析便显得尤为至关重要,其中蕴含着的巨大商业价值和社会价值也自然不言而喻。

      简单来说,车主行车数据,主要涵盖车主的出行行为及驾驶行为两方面。出行行为,包括出行时间、路线等信息的记录,通过这些信息,企业能很容易的分析出车主的出行目的及出行习惯。例如,某日到某日,晚6点到7点,从某地到某地,此类信息代表了该车主每天在这个时段开车下班回家。而车主的驾驶行为,主要体现在对车辆驾驶技术的数据,例如驾驶中的转速、均速、油耗、加油频率、转向次数等信息,以及车主的急加速、急刹车、急变道等驾驶行为,能反映出车主的驾驶习惯。而将这些海量数据汇总归纳,就形成了车联网大数据的一部分。

      这些大数据的实际价值何在?其实还是很有用处的。对车主来说,驾驶数据可以帮助其直观了解爱车的各种技术数据,掌握车辆健康状况,便于及时送店保养或修理维护,保证行车安全。同时,车主还可据此调整驾驶习惯,例如控制车速、避免急刹对刹车片磨损;转弯时留出提前量,控制急转弯对轮胎磨耗;使车辆尽可能保持匀速还可以节省更多能源,降低驾驶成本,更为重要的是,车主驾驶习惯的改变,将能显著提升驾车安全系数。对企业而言,分析挖掘车联网大数据,能得知车主出行及驾驶习惯,这些结论被广泛用于各类商业领域,如驾驶数据可用于车险精算领域及车辆制造技术改进,而出行行为则为很多出行类应用提供了客户管理及潜在客户资源的挖掘帮助以产生后向服务或者二次营销的服务机会等。

      对企业来说,想获得行车数据就需要对应的终端设备。目前,国内主流的车联网信息获取终端有三种,OBD终端、前装车机及智能手机。OBD即车上诊断系统,是一种基于车辆技术数据记录的通用接口,限于成本,很多车辆省去了OBD屏幕,仅保留了检查故障时用的外置OBD接口及信息储存芯片,如此一来,车主就难于直观了解车辆的信息及状态,通过OBD终端则还是可以将OBD记录的信息,通过蓝牙传输到指定设备上,使车主能看到爱车各项指标。前端车机,是指车辆出厂前,内置的综合性终端,这种设备集数据记录、导航、娱乐等功能于一身,在中高端车辆上应用居多,由于事先定制,其与车辆的搭配更为美观、自然。这两种硬件终端的优势在于功能强大,专业性强,但缺点也十分明显,由于成本高,需要添加硬件,较难占领大量市场份额,由此影响其信息采集的广度,难于形成真正的大数据。

      而作为第三种终端,智能手机的最大特点就是普及,几乎人手一个,因此在智能手机上获得行车数据最为现实。例如,最近高德推出的一款APP“高德车生活”为车联网信息采集提供了又一可行性思路。该应用以智能手机为采集终端,通过调用手机自带的陀螺仪、温湿度感应器及重力感应器等装置,接入车主,对行车数据进行侦测记录,并在手机屏幕上实时显示。这是一种全新的车联网信息采集思路,智能手机对于车主群体而言,几乎可算是人手一部的“标配”,零成本+无需添置额外硬件的独特优势,将信息采集源扩展到整个车主群体,信息的广度、精度都得到了保障,可形成真正意义上的车联网大数据。

      对车主行车数据的挖掘不仅对车主的自身驾驶十分有益,也重新定义了众多行业的发展方向,例如车险行业,不同于欧美国家比照行业协会指导价确定金额,国内传统车险的保费通常受驾龄、违章、出险等因素影响,而这些因素往往难以反映出车主的真实理赔风险,如驾龄5年的车主,可能实际上路时间不足1年。而依托车联网大数据的支持,保险公司能够基于车主的驾驶行为,对其综合评估,调整对应的保险方案,投保人也可根据同样的数据信息,来确定自己的投保设置。更为重要的是,保险公司还可以根据不同人群的驾驶习惯,来预先设计未来的保险项目,抢占先机的同时,为投保人提供更优质的服务。

      从高德公司获知通过基于手机的驾驶行为分析系统已经取得了很多有趣的数据,比如说北京的司机比全国的大部分的司机开车都要温柔很多,而深圳的车主,开车10次至少8次出现急刹,据此,可以去透视用户驾驶的特征,包括速度与违章,为交管部门差异化管控,提供支持。

      可以想见,未来随着业内对车联网大数据的深刻挖掘,其辐射面将不断扩宽,而高德车生活一类的应用依托智能手机,联结了车主驾驶行为分析、预计到达时间及路况、专业导航等功能,能够在服务车主过程中自然的积累大量数据,从而为更多的商业模式及服务升级提供有力的支持。


    作者:梦已轩

    来源:IT168

    原文链接:车主行车数据成车联网大数据新热点

    展开全文
  • 我国车联网技术从2009年起步至今,从只能实现基本导航、救援,发展到实时通信、车载系统远程监控,依托于人工智能、语音识别和大数据等技术的发展,我国车联网技术将越来越成熟。 华为坚持开放、合作、共赢的云生态...

    【摘要】 华为云车联网解决方案

    前言

    随着互联网、物联网的快速发展,源于物联网的车联网也渐渐兴起;我国车联网技术从2009年起步至今,从只能实现基本导航、救援,发展到实时通信、车载系统远程监控,依托于人工智能、语音识别和大数据等技术的发展,我国车联网技术将越来越成熟。

    华为坚持开放、合作、共赢的云生态,作为“智能世界”的黑土地,可以为车联网提供稳定安全的云服务和大数据AI能力,让我们的车联网更加智能。

    面临的业务挑战

    平台难以支撑高并发接入

    车联网平台涉及海量数据并发接入,包括车辆状态信息,位置信息,周围环境感知,人车行为数据等;车联网平台负载随着业务发展逐渐增大,难以承受高并发冲击

    海量数据难以挖掘价值

    车联网汇聚了海量的数据,企业当前缺乏有效手段来充分挖掘数据的价值,让数据融会贯通,从而为企业的业务创新和运营的效率提升提供源动力

    应用开发缺乏简易的使能套件

    应用是推动车联网蓬勃发展与成长的关键驱动力,丰富的车联网应用为企业管理提供了智能化便捷,也是培养车联网用户黏性的重要抓手;车联网应用开发缺乏和急需使能套件来降低开发成本和缩短上线时间,使应用快速开发、易于部署,简单管理而无需考虑基础设施

    车联网安全难以保证

    车联网领域,涉及到各种车以个体为单位的差异化数据采集环境,复杂的网络传输环境,涉及到企业数据、车辆数据、用户数据等核心数据资产,尤其是车辆控制、辅助驾驶等场景,黑客攻击将直接威胁到人身安全。

    技术架构

    华为云基于全栈大数据服务提供车辆智能体,助力企业实现业务创新

    全栈的数据分析

    基于开源生态,提供全栈大数据分析和建模能力,快速高效处理和分析车联网数据,在车队管理、驾驶员画像、油耗分析、个性化推荐等方面提供数据支撑,帮助企业优化管理和业务运营方向,实现业务创新

    丰富的存储类型

    华为云基于车联网数据存储各环节提供合适的存储类型,按需使用,大大降低存储成本;表格存储服务支持带时序标签的数据存储和查询,提供高性能读写能力以及数据压缩技术

    华为云解决方案架构

    基于华为云服务,构建面向联接的车联网平台,为企业和个人提供高安全、高性能、高可靠的车联网服务支撑;大数据分析和丰富的云服务助力企业实现业务创新,开放的架构易于对接外部系统,打通企业研、产、销各环节,帮助企业提升运营效率

    华为云优势

    海量接入,适配多种车型

    可以随着业务发展弹性扩展支撑海量车连接,信息处理高效,快速适配多种车型

    安全可靠,企业掌控自主权

    数据自主权完全由企业掌端管云全方位安全防护控,提供高可用解决方案

    智能套件,降低开发成本

    提供开放和兼容社区的算法平台,预制车联网行业大数据人工智能模型算子库,易于集成降低开发成本

    面向未来,支持平滑演进

    结合华为在芯片以及网络等方面的研究,云网协同,车联网支持面向未来智能化演进

    作者:极客潇

    展开全文
  • 作者:孙杰,天泽信息研发总监,负责物联网大数据平台的研发和管理,同时担任江苏省互联网协会理事。曾先后就职于阿里巴巴和烽火科技,在搜索和大数据领域以及大型系统的架构方面有丰富的经验,有6项大数据领域的...

    声明:本文为《程序员》原创文章,未经允许不得转载,更多精彩文章请订阅2016年《程序员》
    作者:孙杰,天泽信息研发总监,负责物联网大数据平台的研发和管理,同时担任江苏省互联网协会理事。曾先后就职于阿里巴巴和烽火科技,在搜索和大数据领域以及大型系统的架构方面有丰富的经验,有6项大数据领域的发明专利。
    责编:郭芮,关注大数据领域,寻求报道或者投稿请发邮件guorui@csdn.net。另有「CSDN Spark用户群」,欢迎加微信guorui_1118申请入群,备注姓名+公司+职位。

    1.导读

    有人说物联网是引领信息技术的第三次浪潮。

    第一次浪潮是个人电脑的出现,开创了信息时代的第一次革命,此次浪潮成就了微软、IBM等巨头。

    第二次浪潮是以信息传输为特征的互联网及移动互联网,实现了计算机与人的联通,此次浪潮成就了Google、Facebook,以及国内的BAT等巨头。

    第三次浪潮是以信息感知为特征的物联网,实现了物与物、人与物的全面联通,这次浪潮还没有形成寡头,但是随着传感技术、通信技术以及大数据处理技术的发展,物联网已经在公共事务管理、公共社会服务和经济发展建设等领域中遍地开花,涉及到的行业也越来越多,如交通管理、节能环保、物流零售等。

    2.背景

    万物互联的时代正逐步到来,据权威报告预测,2020年全球物联网连接的终端数将达到500亿,数据呈现爆发式增长。这个数据究竟有多大呢?举个典型的例子:

    某个工程机械集团,拥有10万台工程机械设备,
    每台设备上的采集终端每隔10秒上传一次数据,每条数据大小1K,
    一年的数据量为365天*8.6亿=3000亿,
    一年占用的存储为3000亿*1K=300TB。

    我们通常为了保证高可用,会对数据做3份冗余存储,也就是说,这样一个企业一年的数据存储量就可以达到1PB,而1PB就相当于50个国家图书馆的总信息量。

    物联网的数据中蕴含的价值也是非常高的,比如:利用车载终端上传的数据,可以提前预测群体出行的时间、方式和路线,可以为城市车辆调度提供决策帮助;在工业设备上安装的传感器,实时收集工业设备的使用状况,可以进行设备诊断、能耗分析、质量事故分析等;通过各种环保传感器采集的数据,可以辅助空气质量改善、水污染控制等。

    3.传统架构的瓶颈

    面对如此海量的物联网数据,传统技术架构已经难以应对。

    首先,传统架构都严重依赖于关系型数据库,而关系型数据库的索引结构基本上都是类B+树,随着终端数量增大,数据库读写压力剧增,读写延迟增大,数据库面临崩溃。其次,难以支持海量数据的存储,传统数据库无法水平扩展,所以扩容成本非常高,难以满足PB/EB级数据的读取和写入。最后,难以进行大规模数据处理,传统情况下依赖数据库的SQL或者存储过程来进行数据分析的模式,无法对数据做分布式处理,经常一个SQL能把整个数据库拖垮。

    为了能够把众多行业的物联网大数据价值发挥出来,天泽信息推出了一个企业级的物联网大数据平台(TIZA STAR)。

    4.TIZA STAR架构解析

    那么TIZA STAR到底是什么呢?它是一个面向物联网的开放的数据处理平台,涵盖了数据接入、计算、存储、交换和管理。用户基于这个平台,可以很轻松地打造自己的物联网解决方案。下图可以展现出TIZA STAR的定位:

    图片描述
    图1 TIZA STAR的定位

    TIZA STAR主要是为了解决什么问题呢?下面的这几个都是典型的物联网应用场景:

    • 物联网安全,解决了从数据接入到最终展现给用户的每个环节的安全防护;
    • 实时接入,解决了百万级别的物联网终端,以很高的频率发送的数据能够实时的接入到系统中;
    • 当前状态,解决了在百万级别的物联网终端中,快速地获取到某个终端的当前的状态;
    • 历史状态,解决了在百万级别的物联网终端中,快速地获取到某个终端在过去的某个时间段内的状态参数;
    • 下发指令,解决了如何给一个或者多个物联网终端下发指令,从而可以实现远程控制和参数调校等。

    4.1架构图

    图片描述
    图2 TIZA STAR架构图

    最底层是设备层,可以全部采用X86通用服务器,无需采购小型机等昂贵的计算设备和高端存储设备,从整体上可以大幅拉低成本。

    最上层是业务层,主要是物联网的各种应用和第三方系统。业务层无需对数据进行处理和分析,只是通过查询接口获取到平台层中已经处理过的数据并在界面进行展示。

    中间的这一层就是TIZA STAR, 包含了数据接入服务、数据存储服务、数据计算服务(包括实时计算和离线计算)、监控报警服务、平台管理服务、数据交换服务。下面会对每个模块详细介绍。

    4.2数据接入

    数据接入时,传感器或者采集终端通过无线或者有线的方式发送到平台端,平台端通过软负载均衡(LVS)或者硬负载均衡(F5等)将流量均匀的负载到各个可水平扩展的网关,每个网关都是基于netty实现的高性能的网络接入程序。

    数据接入协议分两个层次,在通讯层次上,支持TCP、UDP、HTTP和WEBSOCKET等通讯协议;在数据协议层次上,支持MQTT、JSON、SOAP和自定义二进制协议。通过这两个层次的互相搭配,可以轻松实现任何物联网终端、任何协议的数据接入。

    图片描述
    图3 TIZA STAR数据接入协议

    网关接收到数据,并完成解包之后,将数据包发送到消息中间件中,可以有效地应对“井喷流量”和下游服务短暂不可用的问题。在消息中间件的选择上,我们比较了Kafka、RabbitMQ和ActiveMQ,最后选择了Kafka,因为在分布式环境下Kafka的吞吐性能非常优秀,并且其持久化和订阅/发布的功能与物联网的场景非常匹配。

    4.3数据存储

    TIZA STAR综合使用了多种存储引擎,包括HDFS、HBase、RDBMS和Redis。其中HDFS非常适合于非结构化数据的存储,支持数据的备份、恢复和迁移,在系统中主要用于存储原始数据和需要进行离线分析的数据。

    • HBase适合于存储半结构化的数据,可以很好的支持海量物联网终端的历史数据的查询,在系统中主要用于存储终端的历史轨迹和状态等体量比较大的数据。
    • RDBMS适合于存储结构化的数据,通常根据具体的数据库采用不同的高可用部署方案,在系统中主要用来存储终端基础数据、字典数据和数据分析的结果等。
    • Redis是基于内存的KV数据库,在系统中通常用来缓存需要频繁更新和访问的数据,比如物联网终端的当前状态等。在多种KV数据库中我们最后选择了Redis,主要是看重Redis为多种数据类型以及多种数据操作提供了很好的内嵌支持。

    4.4数据处理

    数据处理包括实时计算和离线计算两种。

    实时计算我们比较了Storm和Spark-streaming,最后选择了Storm,主要考虑两点:一方面是因为Storm的实时性更好一些,另一方面是因为在物联网的场景中需要支持对终端数据的全局分组,而Spark-streaming只能在每个RDD中做分组。所以最后我们选择了Storm作为我们的实时处理引擎,在它的基础上我们包装了自己的实时计算服务,可以支持应用层的调度和管理。基于实时计算服务可以很容易实现对物联网数据的清洗、解析、报警等实时的处理。

    离线计算目前支持MapReduce和Hive,对Spark的支持也正在进行中,主要用于对物联网数据做日/周/月/年等多个时间维度做报表分析和数据挖掘,并将结果输出到关系数据库中。

    4.5数据交换接口

    数据交换接口主要是为了简化应用层与平台层之间的数据访问而抽象了一层访问接口,有了这层接口,应用层就不需要直接调用Hadoop、HBase等原生API,可以快速地进行应用开发。

    目前数据交换接口支持:SQL、Restful、Thrift和Java API,用户可以根据实际情况灵活选择数据交换的方式。

    数据交换的内容包括:物联网终端的当前状态、物联网终端的历史状态/轨迹、指令下发、数据订阅与发布等等。

    4.6平台管理

    平台管理包括监控报警和管理UI。

    监控报警我们是用Ganglia和Nagios配合来做的,从三个级别来做:硬件级别(服务器、cpu、内存、磁盘等)、进程级别(进程不存在、端口监听异常等)、关键业务指标(中间队列的元素数、网关建立的tcp连接数等)

    管理UI包括界面化安装部署、用户管理、终端管理、集群管理、数据接入管理、实时和离线计算任务界面化管理。

    4.7平台SDK

    平台SDK是为了方便企业用户基于TIZA STAR定制自己的物联网应用,我们提供了三个SDK:GW-sdk、RP-sdk、OP-sdk。

    • 其中基于GW-sdk可以快速新增一种新的物联网终端协议的接入。
    • 基于RP-sdk可以快速开发一整条实时处理链,也可以快速开发处理链中的某个模块。
    • 基于OP-sdk可以快速开发一个可周期性调度的MapReduce/Spark任务。

    4.8平台安全

    物联网安全也日益重要,前段时间发生的私家车被恶意远程控制的事件就体现出了物联网安全的重要性。TIZA STAR从链路安全、接入安全、网络安全、存储安全和数据防篡改这几个方面来保证物联网安全。

    1. 通过SSL和TLS保证链路安全;
    2. 通过秘钥鉴权对数据的访问有效进行控制;
    3. 通过防火墙等硬件设备防止网络攻击;
    4. 通过副本冗余保证数据的存储安全;
    5. 通过每512字节进行CRC校验的机制保证数据的防篡改。

    5.应用案例

    5.1数据流

    接下来我们以车联网为例,看一下TIZA STAR的数据流。

    图片描述
    图4 车联网数据流

    如图4所示,物联网终端通过无线/有线网络发送到TIZA STAR平台,经过一系列的处理后存入到各种存储引擎中,业务可以通过数据交换接口来访问处理后的数据。具体流程如下:

    1. 车载设备或者传感器设备通过网络经过LVS/F5负载均衡将数据发送至网关;
    2. 网关接收到数据后进行公共协议解析,然后把解析后的数据发给Kafka,存放在原始数据Topic;
    3. 实时计算任务从原始数据Topic中读取数据经过数据清洗后发送至原始数据解析模块;
    4. 原始数据解析模块将解析出来的车辆的参数发送至Kafka解析数据Topic。然后将解析后的数据发送至报警判断模块;
    5. 报警判断模块根据已有规则进行预警,并将产生的结果分别发送至Kafka的报警数据Topic,同时把解析后的数据发送至当前状态分析模块;
    6. 当前状态分析模块对车辆当前状态进行分析,如果状态有变化则更新至Redis;
    7. 数据导入模块异步的将Kafka中的数据分别导入HBase和HDFS;
    8. 离线计算则周期性地从HDFS中读取数据进行各种报表分析和数据挖掘;
    9. 用户业务平台和管理平台可通过数据交换接口访问TIZA STAR平台数据。

    5.2性能对比

    表1是天泽信息为某个大型工程机械集团做的平台升级前后的性能指标对比情况,其中老平台是传统的基于IOE的解决方案,硬件环境包括IBM的小型机、EMC的存储和Oracle RAC,新平台是基于TIZA STAR的解决方案,使用的硬件是30台左右X86架构服务器,服务器中自带存储。

    该工程机械集团注册终端数接近15万,每个终端分布在全国各地,每隔30秒发送一条数据到平台,上传的数据包含工程机械设备的位置、工况等信息,该企业会对上报的数据进行分析,用于生产、经营的改善。

    图片描述
    表1 性能指标对比

    6.结束语

    从研发到正式商用,耗时一年半, TIZA STAR经历了三个阶段:

    第一个阶段是封闭研发阶段。TIZA STAR平台最初的研发缘于公司一个客户的迫切需求,原有的数据平台随着业务量扩大,性能捉襟见肘,经常出现宕机的情况,已经无法支撑正常的业务需求。为了更好的为客户服务,我们决定对老平台进行升级,目标是用业界最新的大数据技术来解决老平台的性能问题。经过半年多的时间,我们发布了新平台,为了不影响客户业务的正常开展,决定新老平台同时运行。几个月后,经过对比,新平台在性能、高可用性、可运维性等方面都完胜老平台。

    第二个阶段是拓展阶段。TIZA STAR平台在第一个客户成功上线后,公司开始在物联网的诸多领域推广这个产品,但推广的过程不是很顺利。一方面,由于目前物联网领域还没有一个统一的标准,不同企业、不同物联网终端都有自己的非标协议,我们在数据接入、协议解析、存储方面都要进行不同程度的定制。另一方面,随着上线的案例越来越多,我们原来的平台架构也暴露出很多问题,针对这些问题,我们做了很多调整,比如将网络通讯组件由Mina替换成Netty,引入了KV数据库,对Hadoop、Hbase和Kafka等进行了大版本的升级。在这个阶段,虽然TIZA STAR平台在不同的行业都有成功案例,但团队做的还是很辛苦。于是把物联网平台进行封装以满足大多数场景的需求就显得迫在眉睫,TIZA STAR的产品化就此应需而生。

    第三个阶段是产品化阶段。在此阶段,我们对数据接入、计算、存储、交换等各个环节进行了封装;累计开发了超过100种行业协议;抽象出了3个SDK,便于用户基于平台定制自己的新协议和业务处理模块;完善了监控和报警,形成一个完整的运维闭环;实现了安装部署、管理和运维的界面化操作;提供了标准版和简化版来满足不同规模的客户需求。经历了半年多努力,TIZA STAR平台终于实现了产品化。

    在产品迭代的过程中,我们经历过产品初次上线成功的喜悦,也经历过产品拓展过程中的迷茫。项目组也从最初的五六人,到几十个人初具规模的研发团队。目前,TIZA STAR平台正式注册了商标,申请了软件著作权和四项物联网大数据领域的发明专利,产品在各个方面都有非常大的提升,希望今后可以给更多的企业提供物联网平台端解决方案。

    2016年11月18日-20日,由CSDN重磅打造的年终技术盛会SDCC 2016中国软件开发者大会将在北京举行,大会秉承干货实料(案例)的内容原则,本次大会共设置了12大专题、近百位的演讲嘉宾,并邀请业内顶尖的CTO、架构师和技术专家,与参会嘉宾共同探讨电商架构、高可用架构、编程语言、架构师进阶、微信开发、前端、平台架构演进、基于Spark的大数据系统设计、自动化运维与容器实践、高吞吐数据库系统设计要领、移动视频直播技术等。点击官网立即参会。

    展开全文
  • 车联网加速业务创新

    2019-09-17 11:54:17
    跨云计算和边缘计算的数据采集、交互和处理成为车联网的基础。云计算、物联网、大数据、人工智能快速转化为汽车行业生产要素,助力业务创新和产业升级。 大数据、物联网和人工智能在汽车行业的持续、快速推进,...

    汽车“智能互联”已经成为全球汽车行业发展的重要战略,改变了汽车产业格局。跨云计算和边缘计算的数据采集、交互和处理成为车联网的基础。云计算、物联网、大数据、人工智能快速转化为汽车行业生产要素,助力业务创新和产业升级。

    大数据、物联网和人工智能在汽车行业的持续、快速推进,催生了汽车产业向“网联化”、“智能化”的持续升级。在这一过程中,车联网逐渐成为全球技术创新和汽车产业变革的焦点,并加速形成新的行业生态圈。美国、日本、欧盟等传统汽车工业发达的国家和地区,都将车联网视为推进汽车行业发展的重要战略,并通过全面布局来加快产业化落地。我国一直以来对车联网的技术和产业发展都给予高度的战略支持,并将发展车联网作为推进人工智能技术真正落地与智能网联汽车产业突破创新的关键。

    车联网在提升汽车智能化水平的同时,为人们提供了更便捷、舒适、智能的出行生活。作为以车辆位置、速度和路线等信息为核心构成的巨大交互网络,车联网通过人、车、路、云之间的数据互通,实现了智能交通管理、智能动态信息服务和车辆智能化控制。麦肯锡认为,车联网高速发展所衍生出的海量车辆数据,在提高车辆出行安全、优化成本的同时,最关键的是带来收入的增长。麦肯锡预测,车联网有望在2030年创造出高达7500亿美元的市场价值。*

     

    车联网的等级划分

    随着汽车网联技术的不断进步,用户的消费预期也相应不断提高。无缝、互联、智能的车联体验成为用户下一步目标。为此,麦肯锡制定了一套清晰的车联网分级框架(图1)。

    车联网加速业务创新

    图1. 车联网等级划分

    在这一框架中,麦肯锡将车联网分成5个等级,包括:

    基础式互联(L1):基础式互联是人-车关系的最根本体现,即通过车联网收集车辆使用情况和技术状态,驾驶员能够随时跟踪和监控所驾驶车辆。

    个性化互联(L2)和基于偏好的个性化(L3):汽车后服务过程中,个性化、数字化的服务能力,直接决定了汽车制造商和提供商的业务增长空间。在L2和L3级别中,不仅是驾驶员,包括同车的乘客,都能够通过数字化服务,以汽车为网络终端,享受数字服务,例如苹果CarPlay、支付宝等。

    多场景实时互动(L4):在人工智能的辅助下,人-车之间已经化被动为主动。L4能够让驾乘人员根据自身需求,随时与车辆进行“沟通”,并通过该对话接收来自车辆服务和功能相关的主动建议。

    虚拟代驾(L5):作为车联的最高级别,在L5级别上,车联网更具智能性,能够预测驾驶员和乘客的所有需求,无缝对接外部环境,并自动完成复杂且突发的任务。

    车联网需要物联网、人工智能和大数据的支撑

    不论是基础式互联(L1),还是个性化互联(L2)和基于偏好的个性化(L3),以及多场景实时互动(L4)、虚拟代驾(L5),首先要解决的是车辆、人、道路基础设施等方面的信息采集问题,之后要对数据进行处理、发布交换、分析、利用,这背后需要物联网、大数据、人工智能等多重技术的驱动与串联。

    物联网:在车辆运行过程中,车辆基础信息和使用状况的实时跟踪是车联网的最基本要求,也是保障安全行车的关键。即车联网系统需要通过车载传感器进行车辆实时信息和行驶信息的收集。这背后,不仅需要物联网进行海量数据的收集,同时还要跨云和边缘计算实现数据传输、快速服务,此外,物联网还要支撑相关应用的开发。

    大数据服务:车联网的大数据不仅要对驾驶员和乘客的社交和消费偏好数据进行分析,从而为驾驶员和乘客提供个性化的数字服务,满足个性化互联(L2)和基于偏好的个性化(L3),还要应对人工智能对于数据实时分析和人-车交互的需求,通过提高数据的智能分析速度和人机交互的速度,来确保数据的实时分析和交互的稳定性。

    人工智能:多场景实时互动(L4)意味着需要快速响应不同场景下的人机交互;虚拟代驾(L5)意味着在高度复杂的通讯和协调任务时AI要能够进行认知,并通过AI执行复杂的任务。L4和L5这些智能服务,不仅需要对车载智能系统的大数据进行实时处理和交互,还要通过机器学习提高驾驶安全分析能力,从而实现高度智能化且可靠的智能驾驶系统。这些都离不开基于人工智能的车联网系统的支撑。

    AWS车联网整体解决方案助力业务创新

    在全球化、数字化和网联化大趋势下,通过云平台开发和部署各种创新的车联网服务,已经成为传统汽车制造企业和供应商加速业务创新,实现业务创造价值的关键。AWS 基于行业的最佳实践经验和强大的技术实力,通过云计算平台提供了车联网整体解决方案(图2),让传统汽车制造企业和供应商无需部署架构前提下,将物联网、大数据、人工智能、机器深度学习等技术转换为业务创新能力,从而为其通过新技术加速业务创新和产业升级提供助力。

    车联网加速业务创新

    图2. 车联网整体解决方案

    AWS基于云计算平台搭建的车联网解决方案包括AWS物联网(AWS IoT Core)、AWS大数据服务(AWS Lambda、Amazon Kinesis)、AWS存储(Amazon S3)、AWS机器学习(Amazon API Gateway)的部署。这一车联网解决方案提供车辆到AWS云的安全连接,在为车辆内部提供计算能力的同时,还包括用于车辆、复杂的事件规则以及数据的处理和存储。利用该方案,汽车制造企业和供应商能够解决各种使用案例,例如语音交互、导航及其他基于位置的服务、远程车辆诊断和运行状况监控、预测性分析和必需的维护通知、媒体流服务、车辆安全服务、汽车音响主机应用程序以及移动应用程序等。

    AWS物联网能够轻松连接设备,并与云应用及其他设备实现安全互动。AWS物联网可以支持数十亿台设备和数万条消息,这意味着用户能够在全球范围内将联网设备生成的数据进行收集、存储、处理和分析。AWS物联网能够存储互联设备的最新状态,这意味着用户可以随时通过应用跟踪所有设备并与其进行通信,即使这些设备未处于连接状态也不例外。

    在AWS物联网规则引擎下,AWS大数据服务能够轻松收集、处理和分析实时流数据,并且扩展灵活,能够处理来自几十万个来源的任意数量的流数据,延迟非常低。借助AWS大数据服务,用户可以获取视频、音频、应用程序日志和网站点击流等实时数据,也可以获取用于机器学习、分析和其他应用程序的 IoT 遥测数据,从而轻松创造丰富、个性化的应用程序体验。

    AWS存储能够对来自于全球的海量车辆敏感数据进行存储。用户只需要对所需的CPU和内存进行相关设定,即可通过AWS容器技术对所有扩展和基础设施进行高效、安全管理,从而确保所需存储的可靠、可用、可扩展和全局性。

    AWS 的API驱动型机器学习,通过物联网向AI系统提供数据的持续训练,以改进物联网的流程,提升效率。例如,通过对驾驶车辆的环境特征和行为的学习的不断更新,提高“虚拟代驾”的响应准确度。

    下面通过两个实际案例来看看AWS 车联网如何助力汽车制造商和供应商进行业务和服务创新。

    • 宝马集团采用AWS 车联网方案实现动态地图实时更新

    作为全球领先的豪华轿车制造商和移动服务提供商之一,宝马集团旗下拥有BMW、MINI和Rolls-Royce三大品牌;同时提供汽车金融和高档出行服务。宝马集团在14个国家拥有31家生产和组装厂,销售网络遍及140多个国家和地区。宝马集团基于AWS的车联网解决方案,打造了新的car-as-a-sensor (简称“CARASSO”)服务。采用CARASSO服务,系统能够自动收集宝马7系车型的传感器数据,并上传至AWS云服务平台,之后驾驶员便可获得实时更新的动态地图信息。通过部署AWS车联网解决方案,CARASSO能够快速适应不断变化的负载需求,在24小时内可实现服务规模两个数量级的上下变化。

    • Avis Budget采用AWS车联网方案优化服务及运营

    Avis Budget集团是美国一家经营汽车租赁的大型跨国企业,也是全球最大的汽车共享服务公司,在世界超过160个国家及地区拥有约2900个营业点。旗下有安飞士租车、巴杰特租车、巴杰特卡车租赁等著名汽车租赁公司。目前,Avis Budget集团在全球拥有10万辆互联汽车。为了提高公司的整体运营效率,Avis Budget集团采用AWS的车联网方案,旨在打造其数据分析平台,利用AWS的人工智能(AI)、机器学习(ML)、数据管理技术以及高度安全、可扩容的云端服务,来简化操作流程并降低成本,包括实时存货盘点(inventory counts)、续航里程数管理等。车联网数据还能实现更为成熟的闲置车辆追踪、待租赁车辆的自动流程处理。借助AWS 车联网解决方案,Budget集团实现了各类创新型车联网应用及移动出行服务。

    AWS在云平台基础上,借助物联网、大数据、人工智能,构建车联网解决方案,实现传统汽车制造商和供应商的业务创新和突破。宝马集团和Avis Budget集团,借助AWS车联网解决方案,通过车辆数据的采集、交互和处理,实现车辆智能互联,打造全新的车辆出行服务。

    * 数据来源,麦肯锡,https://www.mckinsey.com/industries/automotive-and-assembly/our-insights/setting-the-framework-for-car-connectivity-and-user-experience

    展开全文
  • 排名不分先后:哈哈 1、talkingdata (数据平台) 2、明略数据(解决方案) 3、百融金服(金融大数据) 4、国双科技(营销大数据) ...5、国信优易(媒体大数据) ...12、南大通用(gbase基础架构

     排名不分先后:哈哈

    1、talkingdata  (数据平台)

    2、明略数据(解决方案)

    3、百融金服(金融大数据)

    4、国双科技(营销大数据)

    5、国信优易(媒体大数据)

    6、百分点(营销大数据)

    7、华院集团(解决方案)

    8、个推(数据平台)

    9、奥维云网(数据平台)

    10、数梦工场(解决方案)

    11、极光推送(营销大数据)

    12、南大通用(gbase基础架构)

    13、智慧足迹(解决方案)

    14、聚合数据(数据银行/解决方案)

    15、永洪科技(BI)

    16、51信用卡(金融大数据)

    17、海致BDP(BI)

    18、多盟(营销大数据)

    19、星环科技(基础架构)

    20、帆软(BI)

    21、春雨医生(医疗大数据)

    22、海量数据(大数据基础架构)

    23、同盾科技(金融大数据)

    24、数云信息(营销大数据)

    25、友盟+(解决方案)

    26、光音网络(营销大数据)

    27、集奥聚合(解决方案)

    28、广联达(建筑大数据)

    29、天脉聚源(媒体大数据)

    30、数联铭品(金融大数据)

    31、翱旗科技(解决方案)

    32、联动优势(金融大数据)

    33、拓尔思(解决方案)

    34、品友互动(营销大数据)

    35、天远科技(车联网)

    36、汇纳科技(房地产大数据)

    37、璧合科技(营销大数据)

    38、数据堂(数据交易)

    39、AdMaster(营销大数据)

    40、新意互动(营销大数据)

    41、泰一传媒(营销大数据)

    42、零点有数(解决方案)

    43、银联智慧(金融大数据)

    44、时趣互动(营销大数据)

    45、数聚股份(BI)

    46、融信数联(政府大数据)

    47、博雅立方/CubeAD(营销大数据)

    48、银联智策(金融大数据)

    49、勤智数码(政府大数据)

    50、中交慧联(交通大数据)

    51、农信互联(农业大数据)

    52、中商数据(房地产大数据)

    53、慧辰资讯(营销大数据)

    54、智子云(营销大数据)

    55、安讯科技(营销大数据)

    56、博彦多彩(营销大数据)

    57、医渡云(医疗大数据)

    58、昆仑数据(工业大数据)

    59、普林科技(解决方案)

    60、美林数据(工业大数据)

    61、有米科技(营销大数据)

    62、识代运筹(营销大数据)

    63、脉策数据(房地产大数据)

    64、奥维云网(营销大数据)

    65、蓝标移动(营销大数据)

    66、日志易(日志数据分析)

    67、艾漫数据(媒体大数据)

    68、海云数据(可视化)

    69、DataEye(营销大数据)

    70、通付盾(金融大数据)

    71、巨杉数据库(数据库)

    72、安沃(营销大数据)

    73、力美(营销大数据)

    74、晶赞科技(营销大数据)

    75、智慧星光(媒体大数据)

    76、国政通(数据交易)

    77、城市象限(房地产大数据)

    78、龙信数据(政府大数据)

    79、金棕榈(旅游大数据)

    80、佰聆数据(解决方案)

    81、网智天元(解决方案)

    82、快云科技(营销大数据)

    83、悠易互通(营销大数据)

    84、金电联行(金融大数据)

    85、迈外迪(wifi大数据)

    86、艺恩(媒体大数据)

    87、希嘉创智(教育大数据)

    88、云房数据(房地产大数据)

    89、法海风控(金融大数据)

    90、众调信息(汽车大数据)

    91、盟广信息(房地产大数据)

    92、聚效广告(营销大数据)

    93、绿网科技(解决方案)

    94、久其数字(久其软件)(营销大数据)

    95、芝华数据(农业大数据)

    96、亿美软通(大数据基础架构)

    97、数字冰雹(可视化)

    98、号百信息服务(电信大数据)

    99、智慧图科技(室内位置服务)

    100、博晓通(营销大数据)

    还有几个有名的如growingio、神策、piwik等


























    展开全文
  • 物联网大数据平台软件开发架构案例解析2017年03月04日 08:39:21阅读数:3481有人说物联网是引领信息技术的第三次浪潮。第一次浪潮是个人电脑的出现,开创了信息时代的第一次革命,此次浪潮成就了微软、IBM等巨头。第...
  • 2.2. 大数据应用架构 2.3. 大数据行业应用 2.3.1. 医疗行业 2.3.2. 能源行业 2.3.3. 通信行业 2.3.4. 零售业 3、大数据解决方案 3.1. 大数据技术组成 3.1.1. 分析技术 3.1.2. 存储数据库...
  • 2018第九届中国数据库技术大会,阿里云高级技术专家、架构师封神(曹龙)带来题为大数据时代数据库-云HBase架构&生态&实践的演讲。主要内容有三个方面:...
  • 三、云上对标架构及技术详解 我们对传统IDC应用架构进行分析之后,我们发现之前的系统架构存在一些不合理的地方导致了很多的痛点,为了解决这些痛点我们最终考虑上云。开始思考怎样利用云上产品来解决目前遇到的痛点...
  • 大数据架构设计用来处理对传统数据库系统而言太大或太复杂的数据的引入、处理和分析。组织进入大数据领域的门槛各不相同,具体取决于用户的权限及其工具的功能。对某些组织来说,大数据可能意味着数百个 GB 的数据,...
  • 白帽黑客”査理•米勒(Charlie Miller)和克里斯•瓦拉塞克(Chis hlmlk)演示了如何通过入侵克莱斯勒公司Ucomect裁系统,以远程指令方式“劫持”正在行驶中的 Jeep 自由光,并导致其翻车,这样的安全威胁已经严重的...
  • 云上对标架构及技术详解 我们对传统IDC应用架构进行分析之后,我们发现之前的系统架构存在一些不合理的地方导致了很多的痛点,为了解决这些痛点我们最终考虑上云。开始思考怎样利用云上产品来解决目前遇到的痛点。...
  • 旗下共享汽车平台采用新能源汽车作为运营工具以B2C+C2C汽车共享作为商业运营模式采用车联网技术作为运营管理技术目前已与国内多个城市建立合作。1. 业务介绍车纷享是国内首家进行汽车共享开发和运营的公司。旗下共享...
  • 旗下共享汽车平台采用新能源汽车作为运营工具以B2C+C2C汽车共享作为商业运营模式采用车联网技术作为运营管理技术目前已与国内多个城市建立合作。1. 业务介绍车纷享是国内首家进行汽车共享开发和运营的公司。旗下共享...
  • 大数据,IT行业的又一次技术变革,大数据的浪潮汹涌而至,对国家治理、企业决策和个人生活都在产生深远的影响,并将成为云计算、物联网之后信息技术产业领域又一重大创新变革。未来的十年将是一个“大数据”引领的...
  • 继 PC、智能机之后,汽车及家电行业成为众多资本家第三个战场。随着移动互联网和...基于此,我们特别采访了荣之联·车网互联有限公司副总裁李旭,请他从车联网现状、瓶颈、解决方案等角度全方位的为我们答疑解惑。
  • 什么是大数据架构

    2019-10-08 21:59:32
    大数据架构设计用来处理对传统数据库系统而言太大或太复杂的数据的引入、处理和分析。组织进入大数据领域的门槛各不相同,具体取决于用户的权限及其工具的功能。对某些组织来说,大数据可能意味着数百个 GB 的数据,...
1 2 3 4 5 ... 20
收藏数 2,670
精华内容 1,068