【51CTO.com原創(chuàng)稿件】目前大數(shù)據(jù)的概念已經(jīng)深入人心，特別是大數(shù)據(jù)在汽車(chē)行業(yè)的應(yīng)用，也是越來(lái)越廣泛。從數(shù)據(jù)的產(chǎn)生或來(lái)源來(lái)看，汽車(chē)企業(yè)可謂是得天獨(dú)厚：如整車(chē)出廠合格產(chǎn)量數(shù)據(jù)、車(chē)輛基礎(chǔ)信息、零部件信息、細(xì)分市場(chǎng)調(diào)研采樣數(shù)據(jù)、4S店維修數(shù)據(jù)等。隨著車(chē)聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，車(chē)輛還可以通過(guò)各式各樣的傳感器采集更多的信息：如車(chē)主的駕駛情況、行車(chē)路線、路況信息等。這些海量的數(shù)據(jù)隱藏著巨大的商業(yè)價(jià)值。

特別是在商用車(chē)市場(chǎng)，油耗成本、運(yùn)輸效率、市場(chǎng)定位等利益相關(guān)因素，直接影響商用車(chē)的市場(chǎng)銷(xiāo)量和企業(yè)發(fā)展，也包括物流公司的營(yíng)收利潤(rùn)。因此，很多大型企業(yè)、研究機(jī)構(gòu)都熱衷于研究大數(shù)據(jù)在商用車(chē)市場(chǎng)的潛在商業(yè)價(jià)值。目前比較流行的應(yīng)用有以下幾類(lèi)：

一、通過(guò)大數(shù)據(jù)分析不良駕駛行為，進(jìn)而降低油耗

國(guó)外很多公司都意識(shí)到駕駛行為對(duì)油耗會(huì)產(chǎn)生很大的影響，所以對(duì)駕駛員進(jìn)行環(huán)保駕駛的培訓(xùn)，指導(dǎo)他們?nèi)绾螠p少油耗。目前，全球領(lǐng)先的運(yùn)輸供應(yīng)商Scania運(yùn)營(yíng)的車(chē)輛上，配備了監(jiān)控駕駛員和車(chē)輛數(shù)據(jù)的終端設(shè)備，進(jìn)而分析CAN總線數(shù)據(jù)和其他相關(guān)信息如天氣等和油耗的關(guān)系。該項(xiàng)目在駕駛行為方面提出了6項(xiàng)挑戰(zhàn)：更多的滑行，更少的剎車(chē)，更少的空轉(zhuǎn)，更少的加速，更少的高轉(zhuǎn)速，更多使用巡航控制。所有這些都與燃料消耗有關(guān)【1】。

圖 1

如圖 2所示，統(tǒng)計(jì)車(chē)輛每天的巡航時(shí)長(zhǎng)、怠速時(shí)長(zhǎng)、油門(mén)開(kāi)度、制動(dòng)頻次、空擋滑行、行駛里程和平均速度，并以網(wǎng)格的方式劃分?jǐn)?shù)據(jù)。該方法與其他自動(dòng)聚類(lèi)技術(shù)相比，結(jié)果具有可比性。這種格式很直觀，容易被理解。根據(jù)網(wǎng)格圖，我們還能夠看出不同的物流模式區(qū)域：長(zhǎng)途運(yùn)輸(右上區(qū)域)、短途運(yùn)輸(左上區(qū)域)和配送運(yùn)輸(左下區(qū)域)。

圖 2

二、通過(guò)大數(shù)據(jù)分析和預(yù)測(cè)車(chē)輛故障，進(jìn)而降低維修成本

對(duì)于車(chē)隊(duì)運(yùn)營(yíng)商來(lái)說(shuō)，商用車(chē)的維修保養(yǎng)成本將會(huì)占用很大一部分支出。雖然去4S店定期去做保養(yǎng)，能夠避免一些零部件故障的發(fā)生。然而，商用車(chē)由于其特殊的運(yùn)輸用途，經(jīng)常受到利益的驅(qū)使(比如為了拉更多的貨而不愿意耽誤時(shí)間、或者為了節(jié)省費(fèi)用支出)，并不會(huì)按時(shí)去4S店，做這種定期的保養(yǎng)或者維修。

那么問(wèn)題來(lái)了，一旦車(chē)輛中途發(fā)生故障，便會(huì)給司機(jī)、貨主造成更多的麻煩，車(chē)輛不得不停運(yùn)，也會(huì)嚴(yán)重影響運(yùn)營(yíng)的收益。所以很多大型企業(yè)、研究機(jī)構(gòu)提出故障預(yù)測(cè)和預(yù)先提醒，也便于司機(jī)/車(chē)隊(duì)管理人員提前安排運(yùn)輸計(jì)劃。

Scania也在重型卡車(chē)維修領(lǐng)域展開(kāi)研究，采用數(shù)據(jù)挖掘技術(shù)預(yù)測(cè)車(chē)輛零部件的運(yùn)行狀態(tài)，并構(gòu)建零部件的故障預(yù)測(cè)模型【2】。

圖 3

Scania采集了車(chē)間維修歷史數(shù)據(jù)、故障碼和車(chē)輛運(yùn)行數(shù)據(jù)，通過(guò)數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)算法，發(fā)現(xiàn)潛在的故障跡象，在發(fā)生嚴(yán)重故障之前完成維保，能夠有效降低維修成本，也避免了車(chē)輛停運(yùn)。文中【2】建立了三類(lèi)預(yù)測(cè)模型：***類(lèi)模型通過(guò)一組故障碼識(shí)別出發(fā)動(dòng)機(jī)出現(xiàn)什么故障;第二類(lèi)模型研究車(chē)輛運(yùn)行數(shù)據(jù)和故障碼的關(guān)系;第三類(lèi)模型綜合了車(chē)輛運(yùn)行數(shù)據(jù)和故障碼進(jìn)行評(píng)估，建議是否需要更換零部件。

圖 4

三、通過(guò)大數(shù)據(jù)分析和統(tǒng)計(jì)車(chē)輛運(yùn)行熱點(diǎn)區(qū)域，作為重點(diǎn)銷(xiāo)售投放市場(chǎng)

商用車(chē)主要用途是運(yùn)輸貨物，通過(guò)大數(shù)據(jù)技術(shù)分析商用車(chē)主要運(yùn)行區(qū)域，就可以在這些熱點(diǎn)區(qū)域進(jìn)行重點(diǎn)銷(xiāo)售。比如在車(chē)輛行駛密集區(qū)域，可以部署更多的4S店。因?yàn)檫@些區(qū)域用戶(hù)需求也更加豐富，既便于銷(xiāo)售車(chē)輛也便于提供維修、保養(yǎng)、車(chē)險(xiǎn)等售后服務(wù)。

圖 5

國(guó)內(nèi)外很多車(chē)企、保險(xiǎn)公司都已經(jīng)開(kāi)始深入挖掘這些數(shù)據(jù)的潛在價(jià)值：不同銷(xiāo)售分公司或營(yíng)業(yè)點(diǎn)，通過(guò)分析所在區(qū)域的運(yùn)行車(chē)輛，分析車(chē)輛的類(lèi)型、配置甚至故障率等，對(duì)庫(kù)存車(chē)型進(jìn)行優(yōu)化調(diào)整。因?yàn)椴煌瑓^(qū)域/市場(chǎng)運(yùn)輸貨物類(lèi)型不同、運(yùn)輸距離不同，因而用戶(hù)對(duì)車(chē)輛的配置等需求不同。那么，借助于大數(shù)據(jù)技術(shù)，我們可以分析出某個(gè)區(qū)域主要運(yùn)行的車(chē)型配置，進(jìn)而有針對(duì)性的推廣相匹配的產(chǎn)品。

隨著車(chē)聯(lián)網(wǎng)、機(jī)器學(xué)習(xí)、人工智能等技術(shù)的不斷運(yùn)用，相信大數(shù)據(jù)技術(shù)一定會(huì)為商用車(chē)市場(chǎng)注入新的活力，帶來(lái)新的利潤(rùn)增長(zhǎng)點(diǎn)。

參考文獻(xiàn)

[1] 《Modeling the Relation Between Driving Behavior and FuelConsumption》

[2] 《Modelling of patterns between operational data, diagnostic trouble codes and workshop history using big data and machine learning》

【51CTO原創(chuàng)稿件，合作站點(diǎn)轉(zhuǎn)載請(qǐng)注明原文作者和出處為51CTO.com】