京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代,现代公路交通出行将被重塑
“无需多言,看看窗外就能明白。”坐在环球贸易中心大厦20层办公室,英特尔中国区总经理夏乐蓓说,“我们初步计算每年(中国)因交通拥堵造成的价值损失达到了2500亿元人民币”。这个价值是根据因交通拥堵而导致的时间损失,根据这些时间成本换算出的结果。
然而,她同样认为,这存在更为巨大的机会。英特尔研究的结果显示,中国的乘用车总量为1.54亿台,仅次于美国排名全球第二,而到2020年之前的每一年,中国销售的机动车数量均将达到4000万台。从汽车制造、交通运输监管、车辆公司管理,以及个体驾驶员,都可以有技术上的创新和优化的空间。
与英特尔同样看重这一市场的还有国内的BAT。腾讯地图业务负责人马喆人称,“未来中国每一辆车都会联网,市场是非常巨大的。”腾讯在推出车联网硬件产品后,并宣布了包括多款软件产品的车载开放平台。而在此之前,中国另外两家互联网巨头百度和阿里巴巴也推出了针对车联网的解决方案。
自1885年,德国工程师卡尔·奔驰在曼海姆制造成一辆装有0.85马力汽油机的三轮车。汽车就成为人的重要代步工具,也是现代公路交通的重要组成部分。在手机、手表等围绕人的终端设备逐步被智能化之后,汽车成为了另一个被视为可被改造的移动设备,此时接过产业发展“接力棒”的则是科技公司。
也正因为如此,汽车本身成为了一个巨大的数据收集器,以及可以产生大量数据的信息源。在大数据价值不断被挖掘的今天,现代公路交通出行或因此而改变。
芯片技术推动车的智能化
数据的作用首先被应用在了驾乘体验上,原因无他,前者最容易被普通消费者所感知的。
在夏乐蓓看来,驾驶员最应该得到的体验是“随时与外界保持互联”。从一个物理的移动终端角度来看,应当为驾驶员、汽车以及外界提供实时互联获取信息的通道,从而可以提供更为优化的驾乘体验。
一个名为“ADAS”(高级驾驶员辅助系统)的概念正在被业界所接受,芯片公司正在希望携手汽车公司寻求为这个概念填充更多的内容。具体来说,就是借助各种可以获取相关信息的传感器和芯片的计算能力,为驾驶者提供停车辅助、免碰撞、紧急刹车等功能,从而使驾乘体验更安全简单。
智能汽车应当能帮助驾驶员减少80%汽车的碰撞或者事故。为了达到这一目标,需要依靠非常快速的信息交换,夏乐蓓称,“技术可以帮助我们显著提高安全性”,如果驾驶员能够提前半秒得到预警,就能够将事故数量降低60%,如果能够提前一秒钟获得相关信息,就可以避免90%的碰撞。
英特尔此前曾披露过一系列与汽车厂商的合作:其正在与路虎合作,将3D实感技术引入汽车中,可以通过远程控制将汽车停到指定的车位,与福特的合作则利用3D摄像头,将手机与汽车连接,远程观察汽车内的一切。
事实上,整个芯片行业已经真正意识到了汽车在物联网时代的重要价值。英伟达在今年早些时候推出了车载处理器,并锁定汽车制造商作为新客户;索尼则希望其为汽车打造的图像处理器能够打动福特、Toyota这样的汽车公司老板;高通则考虑通过收购,以扩大起在汽车领域的触角。
“我的好友”会是一辆车?
你会考虑在聊天软件中与汽车对话吗?互联网公司正在重新定义人与汽车的关系。例如日前展出的名为“MyCar”的服务,用户可以添加汽车为好友。用户可以通过对话,获取简单的车辆的状态以及通过联网获取更多的信息资讯。
作为“好友”,用户可以或许使用更为人性的语言与汽车发生直接的联系,但更为重要的是,互联网公司期望通过服务黏住用户,并利用地图数据资源产生更大的价值。
在行业历经一系列“整合收编”之后,BAT(百度、阿里巴巴和腾讯)已将地图业务成为一项平台化的基础设施,可以开放给更多的应用和服务场景所使用。这样的商业故事已经在多个垂直互联网领域得以验证。
不过,值得思考的是,人和汽车的关系改变后,如何真正的利用数据。显然,汽车不应该只是O2O的一个工具。
叫车软件可优化交通规划
叫车软件已经成为消费者出行的重要工具,其背后的数据数据的价值愈发为人所认知。
《大数据时代》一书的作者维克托·迈尔·舍恩伯格日前在一次公开演讲中表示,打车软件已经成为一个关于移动信息的数据搜集平台,它能够基于数据重新分配资源,从而提高汽车的使用率,有利于环境和缩短交通时间。
滴滴快的技术副总裁、商业事业部总经理朱磊表示,“我们可以拿到整个出行数据,包括城市分时迁徙和拥堵情况,以及用户打车平均里程、时长和费用等,覆盖整个交通基础设施和用户出行行为”。
朱磊称,这些数据将在多个维度产生价值:可以支持政府进行城市交通规划的优化升级;帮助企业优化运力时间和成本;为用户提供优化的出行方案参考。
更为重要的是,在大数据系统建设中,对数据采集到数据联动的设计,后者将对交通出行与物联网支持对接,从而为商业拓展奠定基础。
未来:改变整个公路交通运输
菜鸟网络的概念已经提出数年,其希望通过大数据,对现有的快递运输资源实现更为合理的调配。这是目前对数据在交通行业发展的远景之一。业界相信,大数据的应用将使得预测更具可操作性和确定性。
虽然距离实现这样的目标,仍相距甚远,但一些通过数据改变交通运输的尝试正在开始。在英特尔的帮助下,研发建设“全国道路货运车辆公共监管与服务平台”中交兴路的数据中心已经建立,已经具备数据存储的能力。夏乐蓓表示,接下来要做的事情就真正地获取数据。
中国科学院深圳先进技术研究院多媒体集成技术研究中心主任汤晓鸥表示,大数据技术的意义不在于掌握规模庞大的数据信息,而在于对这些数据进行智能处理,从中分析和挖掘出有价值的结构化的信息。
环球贸易中心大厦门前的三环路一直以来是北京最为拥堵的路段之一。修建时,只是考虑了当时的周边配套需求,而十多年时间,北京发展迅速。北京市社科院管理研究所公共管理专家张耘表示,“设计的时候缺乏前瞻性导致后面一系列问题。”
或许,大数据的应用将会成为改变这一问题有效手段。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在pandas数据处理工作流中,“列标签”(Column Labels)是连接数据与操作的核心桥梁——它不仅是DataFrame数据结构的“索引标识 ...
2025-11-25Anaconda作为数据科学领域的“瑞士军刀”,集成了Python解释器、conda包管理工具及海量科学计算库,是科研人员、开发者的必备工 ...
2025-11-25在CDA(Certified Data Analyst)数据分析师的日常工作中,表格结构数据是最常接触的“数据形态”——从CRM系统导出的用户信息表 ...
2025-11-25在大数据营销从“粗放投放”向“精准运营”转型的过程中,企业常面临“数据维度繁杂,核心影响因素模糊”的困境——动辄上百个用 ...
2025-11-24当流量红利逐渐消退,“精准触达、高效转化、长效留存”成为企业营销的核心命题。大数据技术的突破,让营销从“广撒网”的粗放模 ...
2025-11-24在商业数据分析的全链路中,报告呈现是CDA(Certified Data Analyst)数据分析师传递价值的“最后一公里”,也是最容易被忽视的 ...
2025-11-24在数据可视化实践中,数据系列与数据标签的混淆是导致图表失效的高频问题——将数据标签的样式调整等同于数据系列的维度优化,或 ...
2025-11-21在数据可视化领域,“静态报表无法展现数据的时间变化与维度关联”是长期痛点——当业务人员需要分析“不同年份的区域销售趋势” ...
2025-11-21在企业战略决策的场景中,“PESTEL分析”“波特五力模型”等经典方法常被提及,但很多时候却陷入“定性描述多、数据支撑少”的困 ...
2025-11-21在企业数字化转型过程中,“业务模型”与“数据模型”常被同时提及,却也频繁被混淆——业务团队口中的“用户增长模型”聚焦“如 ...
2025-11-20在游戏行业“高获客成本、低留存率”的痛点下,“提前预测用户流失并精准召回”成为运营核心命题。而用户流失并非突发行为——从 ...
2025-11-20在商业数据分析领域,“懂理论、会工具”只是入门门槛,真正的核心竞争力在于“实践落地能力”——很多分析师能写出规范的SQL、 ...
2025-11-20在数据可视化领域,树状图(Tree Diagram)是呈现层级结构数据的核心工具——无论是电商商品分类、企业组织架构,还是数据挖掘中 ...
2025-11-17核心结论:“分析前一天浏览与第二天下单的概率提升”属于数据挖掘中的关联规则挖掘(含序列模式挖掘) 技术——它聚焦“时间序 ...
2025-11-17在数据驱动成为企业核心竞争力的今天,很多企业陷入“数据多但用不好”的困境:营销部门要做用户转化分析却拿不到精准数据,运营 ...
2025-11-17在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13