新闻 | 滚动 | 上海 | 政务 | 评论 | 国内 | 社会 | 政法 | 国际 | 军事 | 财经 | 体育 | 娱乐 | 历史 | 汽车 | 图片 | 视频 | 曝光 | 微博 | 专题 | 旅游 | 彩票 | 藏品 | 健康 | 百货 | 导购
奥迪A3三厢
19.40-25.80万
(参考成交价)
车市行情
车型 优惠
赛欧 2
POLO 1.7
DS 4s 4
晶锐 1.3
熊猫 0.4
骊威 1.1
MINI CLUBMAN 5.78
瑞纳 0.7
车型 优惠
福睿斯 1.8
传祺GA3S 1
名图 2.5
速锐 0.3
昕动 0.8
花冠 1.6
6.15
英朗 3.3
车型 优惠
传祺GA6 1
君越 3.4
标致508 4.5
凯迪拉克ATS-L 3
雅阁 3
君威 3.9
帕萨特 3.1
迈锐宝 4.01
车型 优惠
奥迪A8 39.3
捷豹XJ 38.3
宝马6系 3
凯迪拉克XTS 4
林肯MKS 3
Panamera 96
玛莎拉蒂Ghibli 16
捷豹XF 21.5
车型 优惠
奔驰GLE 6
极光 13
Tiguan 5.2
TRAX创酷 1.3
荣威W5 1.4
标致3008 1
揽胜运动版 3.8
兰德酷路泽 8.6
车型 优惠
上汽V80 0.5
埃尔法 0.8
普瑞维亚 1.7
马自达8 2.5
别克GL8 3.1
夏朗 4.7
奥德赛 3.5
艾力绅 2.51

2030年联网汽车数据将创造1.5万亿美元收入机会 可抵消汽车销量下降损失

2018-12-05 11:30 来源: 前瞻网

2030年联网汽车数据将创造1.5万亿美元收入机会 可抵消汽车销量下降损失

车载信息服务(Vehicle telematics)是一种监测移动资产(如汽车、卡车、重型设备或船舶)的方法,通过全球定位系统(GPS)和车载诊断系统,可以产生超大规模、快速移动的数据流,这种数据流在几年前还不存在。现在,车载信息数据已经呈爆炸式增长。

到2025年,美国将有1.16亿辆联网汽车。日立公司(Hitachi)估计,每辆联网汽车每小时将向云端上传25G的数据。如果你计算一下,那就是每年219太字节(terabyte),到2025年,它每年会产生大约250亿太字节的联网汽车数据。

OmniSci首席营销官Grant Halloran表示,这是一场几年前还不存在的数据海啸,它即将改变运输业。

一个全新的运输行业

对汽车制造商来说,过去的收入几乎完全来自一次性汽车销售和跟踪维修。但随着城市人口的增长和交通拥堵问题的加剧,这就给汽车需求量带来了下行压力(并降低了一次性汽车销售的利润率)。

Halloran说:“市场上正在出现一些不可逆转的趋势,比如拼车、更好的(以及新型的)公共交通以及城市化进程的加快,这些趋势导致人们越来越不可能买车。汽车制造商说,我们控制着这个数据中心,但我们如何将其货币化?”

联网汽车和自动驾驶汽车产生的数据开辟了全新的收入来源,汽车制造商可以控制(并与其他行业的合作伙伴分享)。据麦肯锡称,到2030年,将车载信息服务货币化将创造1.5万亿美元的额外收入潜力--或比这高出30%,这将大大抵消汽车销量下降带来的损失。

关于驾驶员和车辆相互产生的数据也可以为汽车制造商、物流公司、车队经理和保险公司提供有关如何使运输更安全,更高效和更愉快的宝贵信息--但他们必须能够处理新的,庞大的数据流并分析这些数据以提取见解。

什么是车载信息服务?

车载信息服务是一种通过GPS和车载诊断记录车辆在某一时刻的运动和状况,从任何移动资产(如汽车、卡车、重型设备或船舶)中监测和获取数据的方法。然后将这些数据传输到一个集中位置进行聚合和分析,通常是在数字地图上。

车载信息服务可以测量位置、时间和速度;安全指标,例如超速、突然刹车、快速换车道或在不安全地点停车,以及维修要求;以及车内娱乐内容的消费。

Halloran说:“例如,我们有一家大型汽车制造商正在对驾驶员的驾驶行为进行分析,以改进汽车设计,并有可能为驾驶员提供增值的车内信息服务。”

传统的分析系统无法处理如此巨大的数据量。

从联网汽车数据中提取见解的挑战

数据方面的挑战是巨大的。主流的分析平台不能处理生成的数据量,或者不能足够快地摄取数据来满足实时用例的需要,比如关于天气和道路状况的实时驾驶员警报。而能够管理时空数据的主流平台非常少。

数据争夺也成了绊脚石。汽车制造商已经为已知的数据流建立了专门的通道,主要是从车内数据生成。但是这需要占用大量的硬件,而且随着新的数据源的出现,这些数据源很难被摄取并与现有数据源连接。IT部门花费大量时间和金钱只是为了争论数据,以便他们可以尝试分析它。

应对挑战

Halloran说,由于远程信息数据是如此多变和前后密切关联,人类探索这些大数据流至关重要。

对于车载信息服务分析,您需要能够查询数十亿条记录并以毫秒为单位返回结果,还需要能够比传统分析工具更快地加载数据,特别是对于流媒体和高摄取速率场景。您需要以超高速处理时空数据,因为您需要计算数十亿个点、线或多边形之间的距离,或者将车辆在某一时间点的位置与数百万个几何多边形关联起来,这些几何多边形可以表示县、人口普查区域或建筑足迹。

1 2 下一页
热门推荐
查看更多精彩