车联网创新离不开大数据

于慧

IBM公司是大家公认的做IT、信息技术的传统企业。而车联网技术中的数据管理、搜集都需要用到云计算，需要用到大数据的技术来管理。因此，IBM也一直在跟汽车行业伙伴、车联网制造商、服务商以及主要的动力和传感设备供应商一起做研究项目。来自IBM中国研究院的资深研究总监孙伟从汽车产业本身、车内的传感技术、控制技术等方面，家介绍了从车上搜集信息以后，IBM如何对数据动态的、精准的分析信息技术，把车辆通过云平台真正的联网起来，并通过辅助驾驶服务或自动驾驶服务来实现。

记者：IBM在车联网中承担了那些工作？

孙伟：从汽车产业角度讲，车联网是一个纯设备产品的业务，是研究产品价值的模式。车联网自然带来了很多的新服务，如自动驾驶服务、电子商务，或者是定餐以及其他娱乐功能。比如在汽车保险行业里，如何利用汽车的车联网更好地降低客户驾车的风险，如何进行分析和掌握，之后做出更精准的客户群细分，是汽车保险行业客户一个非常重要的需求。IBM公司最近在跟保险行业的客户合作，虽然有一系列的传感器可以捕获驾车人的驾车行为，但驾车人在什么样的情况、什么样的天气驾驶汽车，把信息融合之后如何更精准地进行细分，正是IBM在做的工作。

记者：IBM如何理解车联网？

孙伟：今天在谈车联网和十年、十五年以前是不一样的。十年、十五年以前不叫车联网，叫Telematics，那时不细分单向、双向、依靠、并靠为主题的服务形态。在过去十年里不断发展演化，今天的车联网已经被赋予了完全不同的含义。国内联网在飞速发展，但是真正意义上的车联网的车车、车路结合，深度服务的价值，才是其真正的内涵。我们在和一线的TM1的OEM交流车联网的话题时，发现他们在关注一个非常重要的题目，即如何搜集到车联网的信息后，对他们服务的客户有更深刻的理解。比如在国内，很多买车人和驾车人不是同一个人，一辆车不止一个人在开。最近我们的一个客户就提出一个课题，如何提高车联网的数据，用来识别到底有几个人在开这个车，开车的人的行为到底有什么样的差别。基于这些信息，他可以更容易地去做定向的客户服务、维修服务。特别是商用车，对于物流行业，商用车是用户的工具，如何降低物流运输成本，非常重要的环节就是如何更好地了解司机的驾驶行为，在不同工况下、不同负载情况下优化价值，如果对采集来的数据做到合理的分析与综合理解，再加上合理运用车辆主动控制功能，就可以很好地解决此问题。

此外，我们要降低汽车对生态环境的影响，也要使车辆联网。但如果没有一个有效的方法去搜集和管理车辆的移动信息，那么车联网中的大部分服务就会遇到阻滞。今天车联网创新的目的是要把车辆和各种各样的基础设施关联在一起。这个关联需要物联网的技术，不管是车内的传感器、道路、交通管理、路旁的交通设施、路旁微波交通监控设备，这些收集来的信息都需要综合，需要一个大的网络。这个网络能够把车辆和互联网上的天气、交通状况等其他信息整合在一起，透过云平台，开发出创新服务的生态环境。这是车联网一个非常重要的话题。

记者：您认为车联网最大的问题是什么？

孙伟：最大的问题就是如何合理利用收集来的大数据。按照将来一辆车一天搜集的数据是15～30兆，那么一天一个平台收到的数据量非常大。把车辆本身的信息综合在一起，就可以利用大数据的数据分析出很多有用的信息，甚至可以对司机的行为进行理解，如他的驾驶行为、出行模式，他在驾驶过程中对不同服务请求和需求的意见模式。对于一些商用车的车队，车辆的车况诊断、故障的识别和预警以及道路情况，也都能够发掘出更多更深层次的动态。除了辅助自动驾驶，大数据的应用对汽车维修也有很大的帮助。如果对于车辆的故障模式、车辆行驶的工况、驾驶员的习惯有深入了解，我们会对这个车辆在什么时候发生故障有一个预测性维修的模式。客户如何驾驶这个车辆，走在什么样的工况模式下，以及对车辆本身的设计升级、下一步不断演化，都能得到大的改善。

另外一个非常重要的问题是高精度地图。没有高精度地图我们的自动驾驶就不能实现，我们要定位到厘米量级，道路信息要精确到这个时刻的路况。如果要做到这一点，高精度地图是不可或缺的。一方面我们可以基于第三方地图商给我们提供的数据，另一方面，车辆搜集来的信息也可以作为动态数据地图的补充，叠加之后可以形成一个时刻更新的高精度地图。基于这些数据的分析和挖掘，我们对司机、车队、车辆、地图信息有深度的了解之后，可以做很多不同创新的服务。在高精度动态地图的支撑方面，国内高速公路动态限速不是很普遍，在欧洲和美国高速公路会有动态限速，这是非常有效的交通管理手段。如果车辆有了车内动态限速识别的设备，就可以很好地避免这个问题，例如，当前限速是75公里，你把这个信息叠加到动态地图上，形成一个高精度地图，并利用这个高精度地图的信息，得到实时精准的通知。这就是高精度地图的一个简单的应用，要实现这一功能，后台需要有非常强大的大数据支撑。此外，汽车对地形和道路感知的优化、智能停车、导航服务等都离不开动态高精度地图。

记者：车辆如何通过云平台做车车协同呢？

孙伟：车车协同并不单是车辆和车辆之间的相互通讯，车车协同在一定范围内也包括主机厂协同的问题、政府推广的问题。如何实现车辆到云平台再到车辆的通讯，车辆在路上通过传感器识别到了路滑、路面积水等特别的路况，或者利用车辆转速的差别、ESP报警的信号以及车内其他类型的车速、刹车信号系统，通过视频捕获到的信号，把它同步到互联网的云平台上。同步之后在路网上去找到哪些车辆订阅了我的服务范围，快速地通知、协同、导航，使驾驶者可以做一些辅助的控制，以避免交通事故，降低出行拥堵。

解决这些问题需要有一系列的技术作为支撑。如果车辆从传感器搜集数据到互联网平台、云平台同步的频率比较低，一秒钟同步一次，那么十万车联网一个小型平台，一秒钟就需要十万次的数据传递，每一次传递几十项。此外不光是传输本身，传输这些数据需要在非常低的延时范围内处理。要把信息非常快地同步到其他车辆，这都需要大量实时的流数据处理，需要关键的技术作为支撑。

记者：作为一家IT企业，IBM在这个领域有哪些特长？

孙伟：IBM在这些领域有一些特长，对于大数据的传递，车辆高速、高频的传感速度和在云平台做同步和传输时，IBM利用MQTT技术在数据高速传输的过程中，提高传输速率，对带宽的占用也低几十倍。数据在非常快速的搜集了以后，要去做加工处理，从车内搜集的数据和天气、路况等其他信息很多数据都需要融合，融合之后要做识别。如这个地方出现了交通事故，那个地方有湿滑，这些信息需要在一个非常短的时间内做加工处理分析。所以从技术支撑的角度，我们可以非常好地应用到流计算。由于拥有这样一个流计算，我们从来源的数据搜集到之后，可以在非常短的时间内指导车辆行车服务，也可以在非常短时间内了解这个车辆的驾驶者。

针对这样一个领域，IBM还有一个非常好的研究成果。它结合高德、四维、谷歌、百度等基础地图，在车辆驾驶和其他类型的行车服务过程中，整合很多从车内、单一车辆、众多车辆搜集的在复杂路网下实时的交通状况、工况。这需要有地图多维度数据的融合。融合之后，我们可以对车辆行车的线路进行分析，对车辆驾驶人的行为进行分析，对于车辆行驶的工况，下雨、降雪等微观的天气情况，有一个非常好的管理和掌握。

从IBM的角度来讲，虽然我们是一个IT企业。但我们一向和行业内的客户和合作伙伴共同来做各行各业创新的尝试。从IBM服务能力来讲，我们从业务的规划到设计、到平台的搭建，到后期的云平台，都可以为大家提供各种技术。车联网也是我们特别期待和感兴趣参与的一个市场，IBM希望和合作伙伴共同推进车联网的发展。