车云按：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。
国庆七人谈的第二篇，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，主要业务是前装的汽车电子，每年的业务总量超过30亿。他要和我们聊聊商用车联网的大数据服务。
上海航盛电子有限公司副总经理郭正光
航盛电子，总部位于深圳，主要业务是前装的汽车电子，每年的业务总量超过30亿。
车联网和大数据的关系
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、跨界的专题。现在要讨论的是，当前技术状态条件下，车联网大数据服务，如何尽快产品化和产业化。
在车联网的大数据概念出来之前，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的东西。
提到车联网和大数据，就一定提到主机厂。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，如果没有车辆提供这些数据，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，就要把信息全面感知、采集出来，经过处理形成后期的大数据。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呢？
大数据的几个层面：
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，一秒钟就会产生一千个数据，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的处理数据。在后端系统，面临着大量的数据，如果运营十万辆、一百万车，每年都是几十万亿的数据，这些数据的处理都是非常麻烦的问题。
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更大，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，要做什么东西。比如一个工程师的驾驶行为，这个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，或者说让保险公司不接受他的业务等等。
大数据的采集及用途
大数据的关键点是车载终端，是车载设备从车上感知数据，这是一个数据采集层面，当然还包括车辆的姿态，我们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，但是可以通过接口从汽车的总线系统，采集到很多的数据，这些数据都会反应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设备，比如说胎压监测，很多车上不标配，车道偏离的设备，车内温湿度的情况，还有车的载重，是否超员等等，这需要外部的传感器。
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。汽车上现在能够做到的大数据的采集层面的信息。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，在车辆的前进方向，每一个轴向，判断车辆的行驶速度和车辆转弯的情况，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。如果准确的回放，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，这就是安全行驶的部分。这是我们车速上的一个基础的处理，通过大数据的处理：第一个，不考虑多维度，而是提高单一维度的密度，分辨率就会从140米提高到细分到0.5米。这时候就会显示，每隔20毫秒车辆状态发生了变化，事故发生的一秒钟之内，这辆车大概会有50笔数据，会精确的在最后一秒钟，或者最后五秒钟车辆发生了什么，可以依据这个数据处理和判断司机在发生事故时候的本能反应。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的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。
大数据分析，这个仅仅是车速和陀螺仪为主。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，什么动作会不会产生高危害等等。
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。对于一辆车，比如重卡一年少有30多万块钱，如果能够有效的控制油耗，就意味着一辆车一年节约三万块钱，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。
从车速和陀螺仪就可以得出驾驶行为，如果加上发动机的数据，就可以得出更多的信息，可以降低保费，也使保险公司理赔更少。通过发动机的数据分析，可以省油，减少排放，还能够省钱。如果把单独一辆车和路上其他车辆结合起来，还可以可以降低事故率。车联网，其实就是两辆车之间，通过数据交换，也可以有效的防止事故的发生，降低事故率。
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。例如这样的一个场景，在最左边的车道，一号车和二号车，一号比二号快，一号车要超车，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，一号车的司机不太懂需要摁喇叭，就尝试超车，而2号车也不是一个好的司机，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2号变线的时候，是从来不会打转向灯的，这时候会提醒2号车的司机要按喇叭并打灯，甚至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现在掌握的基础的协议，将来商业上会成为事实上的领导者。
