数据科学如何将车联网由理想变为现实?

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。

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。

另一大挑战在于信息安全。最近,克莱斯勒吉普被黑客病毒入侵的事件是一个很好例子。在该事件中,黑客们控制了一辆在路上行驶的吉普车,此外还操控了它的空调和引擎。想想如果这个场景发生在更大尺度上,比如交通信号被黑,或是通过向车辆发送虚假信号来恶意拥堵隧道和桥梁。这些事情可以很容易地演变为国土安全事故。

汽车制造商们如果不针对信息安全问题采取策略加以重视的话,他们的品牌将受到极大损害,因为这些直接影响到其对客户个人信息的可靠性、安全性的潜在承诺。

由于互联网的出现,出版业和零售业等其他行业都经历了彻底的转型。汽车行业虽然充分利用了互联网的效率,如全球产品设计和供应链改进,但车联网才是完成转型之旅的关键点。

创新的汽车制造商们正在脱离仅仅“销售汽车”的层面,朝着提供移动性解决方案的方向前进。这种方案,是一种包含了所有合作伙伴的生态系统,包括基础设施供应商、移动数据公司、维修店、保险供应商和其他合作伙伴,可以最大限度地为客户提供价值。

本文作者:Raman Mehta

来源:51CTO

时间: 2024-07-28 12:59:56

数据科学如何将车联网由理想变为现实?的相关文章

2016美国大选预测失败意味着什么?14位专家帮你分析数据科学的未来

雷锋网按:2016年眼看就要结束,外媒KDnuggets近期就机器学习.人工智能.大数据.数据科学和预测分析等领域在2016年取得的主要发展,以及2017年可能发生的变化趋势,询问了业内诸多的专家学者,组成了一个系列文章.昨天,雷锋网(公众号:雷锋网)编译了其中关于大数据的文章:<大数据领域在2016年都有哪些成果及趋势?听听8位专家怎么说>,今天带来关于数据科学和预测分析的部分. 本文中一共采访了14位数据科学和预测分析领域的专家.除了表示大数据和预测分析技术将在2017年度得到更大的发展之

做好数据科学,离不开这7步

<哈佛商业评论>曾宣称"数据科学家"是二十一世纪最性感的职业.所谓性感,既代表着难以名状的诱惑,又说明了大家对它又不甚了解. 如何做好数据科学呢? 微软高级数据科学家 Brandon Rohrer 概括了做数据科学的七大步骤,手把手教你做数据科学. 1. 获取更多的数据 数据科学的原材料是数字和名称的集合,测量.价格.日期.时间.产品.标题.行动等,数据科学无所不包.你也可以使用图像.文字.音频.视频等复杂数据,只要你能将它们简化为数字和名称. 获取数据的机制可能非常复杂,

从原始数据到数据科学:使非结构化数据结构化,以推动产品开发

数据科学正在快速发展成所有行业开发人员和管理人员的关键技能,它看起 来也十分有趣.但是,它非常复杂,虽有许多工程和分析工具助力,却也难清楚掌握现在做得对不对,哪里是不是有陷阱.在本系列中,我们解释了如何发挥数据科学的作用,理解哪里需要它,哪里不需要它,以及如何令它为你产生价值,如何从先行者那里获得有用的经验. 这是"Getting A Handle On Data Science(理解数据科学)"系列文章中的一部分. 本文要点 从非结构化的机器日志到提供当前特定信息的高度结构化的数据分

一份语言选择指南带你玩数据科学,选出你心中支持的语言

更多深度文章,请关注:https://yq.aliyun.com/cloud 随着大数据时代的到来,网络每天会产生大量的数据,一些行业会对这些数据进行分析并协助企业不断地发展新业务.创建运营模式等,比如电子商务.推荐系统等.那么谁对这些大数据进行分析呢?对应的工作领域是数据科学(Data Science),该领域需要结合先进的统计知识.定量分析能力和编程能力.涉及到编程,大家都会面临一个问题,有太多的编程语言可供选择,那么哪些编程语言适合数据科学领域呢?虽然没有正确答案,但想成为一名成功的数据科

数据科学工具包(万余字介绍几百种工具,经典收藏版!)

本文简介:数据科学家的常用工具与基本思路,数据分析师和数据科学家使用的工具综合概述,包括开源的技术平台相关工具.挖掘分析处理工具.其它常见工具等几百种,几十个大类,部分网址.为数据科学教育和知识分享,提高数据科学人员素质. 数据科学融合了多门学科并且建立在这些学科的理论和技术之上,包括数学.概率模型.统计学.机器学习.数据仓库.可视化等.在实际应用中,数据科学包括数据的收集.清洗.分析.可视化以及数据应用整个迭代过程,最终帮助组织制定正确的发展决策数据科学的从业者称为数据科学家.数据科学家有其独

详谈数据科学与大数据技术专业

从IT时代进入DT时代,高校在大数据方向上设置了哪些专业,具体学什么,就业怎么样,作为新兴专业,考生如何报考? 具体内容: 专业名称:数据科学与大数据技术; 人才培养目标:以大数据为核心研究对象,利用大数据的方法解决具体行业应用问题. 学制:四年;学位:工学或理学学位. 目前已有35所高校申报了大数据专业: 第一批(3所):北京大学.对外经济贸易大学.中南大学; 第二批(32所):中国人民大学.复旦大学.北京邮电大学.华东师范大学.电子科技大学.北京信息科技大学.中北大学.长春理工大学.上海工程

构建你的数据科学作品集:机器学习项目

数据科学公司在决定雇佣时越来越关注你在数据科学方面的作品集Portfolio.这其中的一个原因是,这样的作品集是判断某人的实际技能的最好的方法.好消息是构建这样的作品集完全要看你自己.只要你在这方面付出了努力,你一定可以取得让这些公司钦佩的作品集. 构建高质量的作品集的第一步就是知道需要什么技能.公司想要在数据科学方面拥有的.他们希望你能够运用的主要技能有: 沟通能力 协作能力 技术能力 数据推理能力 动机和主动性 任何好的作品集都由多个项目表现出来,其中每个都能够表现出以上一到两点.这是本系列

福利 | 分析554条数据科学面试问题,给你靠谱求职攻略

◆ ◆ ◆ 导言 全世界顶尖的数据科学团队正在做着令人难以置信的工作,分析世上最有意思的数据集. 相比20世纪的研究者,谷歌(Google)拥有更多与人类利益相关的数据,而优步(Uber)每天无缝地协调着超过一百万人的行程.价格.借助机器学习和人工智能,顶尖的数据科学团队正在改变我们摄取和处理数据的方式,而且他们提出的众多确实可行的见解,影响了数百万人的生活.初出校门的你们.或者准备跳槽的你们,是不是激情澎湃地想要加入这史诗般的工作? 假若这些顶级数据科学团队的面试都有类似的模式,可以让求职者掌

《数据科学实战手册(R+Python)》一第2章 汽车数据的可视化分析(R)

第2章 汽车数据的可视化分析(R) 数据科学实战手册(R+Python) 本章涵盖如下内容. 获取汽车燃料效率数据 为了你的第一个项目准备好R 将汽车燃料效率数据导入R 探索和描述燃料效率数据 进一步分析汽车燃料效率数据 研究汽车的产量以及车型 简介 本书介绍的第一个项目是分析汽车燃料经济数据.我们首先用R对该数据集进行分析.R常常被称为数据科学通用语言,因为它是目前最流行的统计和数据分析语言.在本书前半部分的各个章节中,你将会看到R在数据处理.建模.可视化方面的过人之处,并开发一些有用的脚本,