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。

车载信息服务数据与其他形式的物联网数据一样，对于希望构建机器学习(ML)模型以改进自动驾驶软硬件并预测维护问题的数据科学家来说，是一种宝贵的资源。机器学习经常被认为与人类的数据分析相冲突。Halloran说，事实并非如此。探索性数据分析是构建机器学习模型过程中的一个必要步骤。数据科学家需要可视化地探索数据，以确定最佳的数据特征，从而训练他们的模型，或者在一个称为特征工程的过程中，将现有的特征组合起来创建新的特征。同样，这需要采用新的分析技术大规模地进行。

对其他行业的影响

汽车和移动出行行业正在形成一套跨越众多传统行业领域的更广泛的解决方案，。

现在不仅仅是汽车制造商在研究移动出行服务。电信公司正在帮助将数据或信息娱乐传送到汽车上。市政当局希望通过这些数据来确定他们应该修复哪些道路，以及如何改善公共交通。零售商希望在顾客前往购物目的地的过程中，为顾客做广告，或者提供高端的礼宾服务。

Halloran表示:“未来，如果汽车制造商确实声称对移动数据的主要来源拥有所有权，它们将跨越行业分裂的传统壁垒，建立合作关系。这为合作和竞争提供了新的机会。在这个新环境中脱颖而出的最好方法之一就是了解数据告诉他们什么，这样他们就可以利用这些远程数据建立对他们最有利的关系。”