译:数据科学如何将车联网由理想变为现实?

大数据

原文作者: Raman Mehta,本文由36大数据翻译组-晓舟翻译,并授权36大数据转载,拒绝不标明出处的转载,转载必须获得译者以及本站的同意。

数据科学驱动的规范预测分析技术可以改进车联网的安全性和移动性,提供新的车载信息系统,带来一个崭新的环境。

根据美国高速公路安全管理局 (National Highway Traffic Safety Administration,NHTSA)的统计,因为交通事故,仅在2013年美国就有超过三万两千人死亡。对于科技而言,没有比拯救生命更有意义的应用了。车联网代表了主流的革新性道路。目前正是一个转折点,汽车、遥测、信息基础设施等技术以及最重要的思维理念都正在汇集到这一点——让车联网成为现实。

总体而言,术语“车联网(connected vehicles)”强调的是车车互联(vehicle-to-vehicle ,V2V) 以及车与基础设施互联(vehicle-to-infrastructure,V2I)的连接性。车联网在安全方面的好处包括:盲点检测(blind spot detection),行人告警(pedestrian warning)和碰撞规避(collision avoidance)。可以想象一下,汽车将可以与周边环境交互信息,如临近学校、建筑工地、危险转弯和薄冰路面等交通安全信息,并能立即对驾驶员告警。

根据美国高速公路安全管理局的研究,在驾驶员有健全能力的前提下,多达80%的交通事故都可以借助车联网技术来规避。

车联网的目的是为了改进安全性,移动性并减小环境影响,还可以提供车载信息系统的新方式,并带来一系列其他类型的商业利益。可以使驾驶员更安全,更环保,更聪明。还提供了一种方法,将我们的“生活连接”(connected lives)自然延伸到车辆上,这也是最大的物联网(IoT)应用之一。随着汽车款型的年年更迭,越来越多的车辆都配置了传感器,具备远程通信和联网解决方案等。

这些都很伟大,但将这些变为现实所需的基础设施、法规以及各类海量数据等领域仍在发展中。汽车公司尚在应对数据多样性及非结构化特征的挑战中挣扎。大数据的种类、速度和体积等特点使传统的数据库处理技术无法适用。我们需要更先进的大数据平台,如Hadoop,来处理这些海量数据。

汽车公司在数年前就已经开始使用远程信息处理和传感器数据技术。他们只是不知道如何充分存储利用并获得数据收益。随着大数据及其分析技术的兴起,现在可以实时处理这些海量数据,使其可通过车载信息系统提供可操作的告警信息。基于声学数据科学原理实现的传感数据采集和分析技术可以带来汽车物联网技术的大幅飞跃,这将彻底改变“游戏规则”。

大数据的真正价值应该是创造出独特的客户洞察力。利用来自远程传输、传感器、基础设施和环境的输入数据,选择合适时机通过合适途径将其创造为信息、告警和市场资料等输出数据。

大数据
保险公司可以改变自己在消费者心中那种时刻进行监控的“老大哥”【译者注:英语里的专有名词,BIG BROTHER,直译为汉语便是“老大哥”,出自乔治·奥威尔的名著《1984》。小说中描述了一个无处不在的“老大哥”形象,监视着所有的人的一举一动,无论是吃饭、睡觉、工作或者走在街上、躲进洞穴——包括思想活动。老大哥在这里象征着无处不在的监控。】形象,转而去想想如何通过大数据的洞察力来引导驾驶者改进驾驶习惯,同时降低安全行驶者的保费。

数据分析技术可以加强车联网的原因在于其可以将连接拓展到交通信号灯,高速公路传感器,隧道和桥梁上。这种大规模的数据量再加上天气服务和其他数据来源,可以在个人车辆的层面上提供一个关于道路情况、安全隐患和交通拥堵等路况的真实写照。

理清告警信息的背景和可靠性是非常重要的。由于缺乏严谨的应用数据分析,使用者可能会得到大量无意义的告警信息,这是极其危险的。考虑一下这个处理设定,当车辆在密切贴近彼此时,可以发出一个告警信息同时在车辆上释放一个急刹。如果这个场景发生在高速公路的小段盲区上还是有用的,这类告警信息可以避免连环事故。然而,如果同样的刹车处理发生在球赛结束后,大量汽车涌出市中心拥挤的体育场时,就没什么意义了。我们需要数据科学驱动的先进规范的预测模型,这样才可以区分实际信号与噪声。