航盛副总郭正光：商用车联网的大数据

车云网10月10日报道 国庆小长假，车云菌邀请七位来自咨询、科研、投资、移动互联网等行业的代表，一起探讨汽车前沿科技的市场观、投资观和学术观。作为我们春节“七人谈”系列策划的延续，我们试图通过一个人以及他背后的群体和机构，为变革中的汽车产业图景提供某种个人化表达。希望这七篇文章能让你度过一个极富深意、远瞻未来的小长假。

国庆七人谈的第三篇，来自上海航盛电子有限公司副总经理郭正光先生。航盛电子总部位于深圳，以前装汽车电子业务为主，是中国汽车电子行业的龙头企业，每年的业务总量超过30亿。

车联网、大数据、云计算、产业整合是当前非常热门的概念，也是非常复杂的、跨界的课题。目前行业遇到的一项挑战是在当前技术条件下，车联网大数据服务如何尽快产品化和产业化。实际上车联网早期有一个技术原型，在车上安装设备，通过网络把数据发送到平台并在后端形成一个管理软件，经过十年的发展，已经形成了一整套管理体系。

大数据的四个层面

早期的汽车都相对简单，没有太多复杂的数据。现在汽车的关键部件，例如发动机就可以有数百种参数，提供一些非常关键的信息。这些复杂的数据是车联网大数据的前提，如果仅仅是一个位置信息，就还不能算是广泛意义上的大数据。

要从车上获取更多的信息，就要对信息进行全面感知和采集，经过处理形成后期大数据。现在汽车提供了一个更加开放的策略，某种程度上，车载设备也可以控制车辆，当然没有自动驾驶那么先进，但是至少可以实现辅助安全驾驶。例如，规定客车晚上不能超过80km/h，白天不能超过100km/h。常规的方式是通过教育司机到了晚上不能超过80km/h。现在可以通过技术手段控制发动机，到晚上八点以后，自动把速度降到80km/h，不管怎么踩油门，客车都不会加速了。

而后端的系统，经过发展已经是一个大数据系统。这个大数据的系统是什么？我们该如何使用这个大数据系统？可以从几个层面来看待：

200000762939453px; text-align: left; background-repeat: repeat repeat;">

第一个层面：车端感知能力要足够强、类型足够多。最早的GPS只是反映经纬度和速度，而且还不准确。现在车的数据很多，比如发动机上就有数百种数据，而且这些数据都是按照毫秒发生的，所以说，一辆车一天的数据，如果按照数量来就是以亿来计算，这还只是数据量，还要考虑数据维度之间的关系，比如速度和喷油之间的关系。

第二个层面：大量的数据如何处理。一方面要在车上处理，车运动高达100km/h，每秒钟超过20米。如果处理完再给车辆下指令，车都已经掉沟里了，所以要在车上迅速及时地处理数据。在后端系统，如果运营十万辆、一百万辆车，每年是几十万亿的数据，这些数据的处理非常麻烦。

第三个层面：经营能力。例如，要出一个像腾讯的聊天系统，技术上的难度不大，但是要经营到这样的规模难度很大，因此即便开发出一个大数据系统，不能经营得很好，那也不行。

第四个层面：大数据IT方面的架构。得到大数据要做什么架构。比如一个工程师的驾驶行为会带来什么样的影响，如何让保险公司给他降低保费等等。

大数据的采集及应用

大数据的关键点是车载终端从车上感知数据，这是一个数据采集层面。我们还需要度量车辆的姿态，如果车辆翻滚，就要判断车辆是否已经发生事故了，要触发一个报警。

设备本身不能提供的数据，可以通过接口从汽车的总线系统采集，这些数据会反映车辆的运行是否健康正常。还有一些数据是车辆本身也没有的，我们要加一些外部的传感器，比如说胎压监测、车道偏离监测、车内温湿度的情况，还有车的载重、是否超员等等。

大数据的起点来源于采集的车辆数据，如果没有一个良好的数据采集源，很难挖掘到深度的大数据。这些数据采集回来以后，真正我们要做的就是在大数据的应用。

对于车辆行驶当中的姿态，在车辆前进的每一个轴向判断行驶速度和转弯情况，这是需要处理的两个问题。

举个例子，当汽车速度达到100km/h的时候，每秒钟28米，也就是说，以GPS速度为数据来源，每五秒钟采集一次数据，五秒钟之内这个车开出140米，这个曲线是这个车真正的运行轨迹。如果准确地回放，仅仅按照GPS处理速度，五秒钟一次是没有办法还原事故现场的。

如果采用更高的精度，通过大数据有几种处理方式：第一，不考虑多维度，而是提高单一维度的密度，分辨率就会从140米提高到0.5米。这时候就会显示每隔20毫秒车辆状态如何。事故发生的一秒钟之内，这辆车大概会有50笔数据会精确地显示在最后一秒钟，或者最后五秒钟发生了什么，可以据此来处理和判断司机在发生事故时候的本能反应。第二，如果时速达到100km/h的时候，采样率从5秒提高到20毫秒，分辨率从140米到0.56米，运用两个维度的高密度数据就可以精确地还原事故是怎么发生的。

其实车里面有更多的数据，这些数据处理好以后和第三方进行交换，通过这个交换降低保险公司的风险，降低车辆的保费，这是真正有意义的事情。

这只是大数据应用的一部分，当然，也有一套完整的系统。例如一个老板需要管理一千辆车，这套系统能够分析所有司机驾驶行为的排名，司机做了哪些动作，每个动作做了多少次，出现了多长时间，什么动作会产生高危害等等。

对企业的管理者来讲，必须要形成一套简单的报表和统计，对司机进行排名。不良的驾驶行为可能会导致车辆运行的油耗提升，运营成本的提升。一辆重卡一年油费30多万，如果能够有效控制油耗，就意味着一辆车一年节约3万块钱，如果可以为一百万辆车提供服务，节约的油费就是一笔巨款。

从车速和陀螺仪可以得出驾驶行为，通过发动机的数据分析，可以省油、减少排放。如果把单独一辆车和路上其他车辆结合起来，还可以降低事故率。车联网，其实就是车辆之间，通过数据交换。

除了前面的V2I（车与网）的部分，事实上，在V2V（车与车）部分，车联网也会发生一个非常复杂的作用。例如常规情况下超车会按喇叭提示，提示前车要超车了，但有的时候司机不摁喇叭就尝试超车，如果另一个司机不知道避让，就会发生危险。通过大数据的分析，比如说这都是车联网的用户，数据显示某个司机变线的时候是从来不会打转向灯的，这时候就会提醒他要按喇叭并打灯，甚至当系统判断他要超车的时候，会自动按下喇叭，提示前面的车不要动，这样可以有效避免撞击的概率。

将来车上可能不需要太多的设备，或许一个设备就能在V2I的层面掌控市场，而V2V现在掌握基础协议，将来商业上会成为事实上的领导者。