新闻中心 / News
猛扫二维码有惊喜

车联网大数据平台的系统的设计难度




车联网后台软件数据系统,其实是一套负载量非常巨大的系统。


举个例子,我们有一个小型系统,车并不是特别多,但是基本上每天的数据量已经达到了 900 万条。每条数据的容量大概有 600 个字节,其中包括 200 多个设备的运行参数。


这意味着系统每天要处理的这个量级大概是 20 亿个数据参数。所有这些数据要通过解析、存储、运算、分发等一系列过程,才能实现整个参数的完整处理。


可能有人会说,20 亿条数据并不是特别大的负载,但关键是我们还需要做后台的运算处理以及云计算来进行设备数据分析。


比如,一台农用机械设备,每秒会上传一个位置信息点。后台需要对于大概几分钟、甚至十几分钟之内的数据进行累加和运算,这里要去除重复的位置轨迹点,最后通过去除重复的区域重叠,实现整个作业面积的计算,最后这一作业面积运算完的数据将会下发到信息终端上,显示给客户。


整个过程中,这些数据的拆包、分析、运算、打包、再下发等一整套环节,对于后台的负载量非常大。


传统数据库依据目前的这种数据状态,其实已经没有办法去满足整个系统的负载,必须采用一套大数据架构。但大数据架构往往带来的是高额的运行成本和人员投入。我们建议大家在做这套大数据架构的时候,可以请互联网行业专业人才。



第二,车型的多样性。


从动力角度讲,有汽油车、电动车,从种类讲,有小客车、物流车、专用车、环卫车等等。每一类车辆的客户,其关注点是不同的,有的是效率,有的是安全,有的是服务。


比如说,工程机械车辆,它关注的是在单位小时内做了多少活,实际上更关注的是效率。如大客车、小客车,它关注的是运行过程中系统安全。一旦出现设备故障,系统是不是能够马上收到相关报警信息,能不能马上反馈相关指令,提醒司机注意。


所以,车型的多样性导致客户的关注点不同,我们会抽出某一个行业的共性要求,做一个行业化的信息平台,针对每一个车厂,每个行业的客户去做定制化改造。



这个平台架构设计的难度,比如说,它的底层,其实是非常复杂的,投入也是巨大的。


我们的网关、服务器端的解析服务,后端大数据存储、备份服务以及整个车辆运算、反向算法下发的指令,其实都是有很大难度的。在这一点上,我们希望投入更大精力将底层数据真正做好。


而上层平台,往往很难有一个特别标准化平台。可能每个行业有不同的平台,每个厂家又有不同的平台性的数据要求。我们常用的方法是在软件的功能上进行一定分层,将整个系统分为大数据层,接口层和应用层。


从整个解决方案来看,最好是采用大数据层,购买好的架构予以改造。因为现在市面上,可能多数还是通用型大数据平台,包括私有云的平台。真正适合车联网的应用可能并不多,所以我们需要购买一些好的架构在专用的一些行业数据层上进行改造。


接口层和应用层自行开发为主。一开始我们在做开发的时候,可能我们自身也不了解我们的目标需求,我们经常会面临推翻重做,包括整个系统设计的产品需求,重新设计的问题。所以在这一点讲,我们认为搭建自身队伍是比较好的一种方式。



前台这方面,比如说,车厂可能更关注大数据统计信息,客户只关注具体车辆信息。


我们现在的解决方案是,车厂是重点使用 PC、WEB 端的方式,终端客户如果没有特殊的运营服务、调度管理的要求,可以更多地推荐使用移动端的方式。


车联网的数据和增值的价值



实际上,真正的车联网价值应该不仅仅是采集一些车辆信息,进行一些简单的通缉分析和设置。


未来的车联网的特性,未来的价值,其外延是非常大的。所以很多环节,很多峰值应用可以通过车联网作为一个媒介,去实现它的价值。比如说:


  • 基于大数据的营销和维护服务分析、调度;

  • 车辆下线和试车自动检测;

  • 新能源车辆电池管理动态匹配;

  • 客户驾驶行为分析提升和定期维保报告;

  • 二手车认证服务及专用信息推送;

  • 作业需求信息对接;

  • 农用、工程车辆自动驾驶。



我们目前主要是做了以下应用:


一是新能源汽车的应用,包括给电动物流车,乘用车进行数据分析、金融风险的管控以及政府数据的统计分析、分时租赁等等。



二是农机的大数据平台。我们这套系统给大概 600 万台存量的农机市场提供一个运行的管理工具,更多的是帮助购买农机的农机户,监管自己的农机手在外面作业的时提供远程管控。



还有一个蛮有意思,我们给电动自行车做车联网系统。通过低成本联网模块,实现每台电动自行车的在线联网。客户可以通过手机管理车辆,也可以通过车联网加上保险的模式,把每个客户、每台车和厂家和我们都能够有效连接起来。


我们认为,未来车联网可以无限地连接用户、车辆、厂商、以及服务商。



从整个行业看,我们认为未来的大数据服务,应该是一个需要针对于市场具体细分聚焦并进行垂直应用的行业。如果泛泛而谈,很可能会落不了地。我们之前也有一些做物联网云服务的企业,他们感觉软件平台做得很好,但是一到某个具体行业上,就满足不了客户需求,又要做很大改动。


大数据想要融入人工智能,其实并不是很容易就可以落地的。拿 UBI 保险来讲,即使在国外已经经过 20 年的运行、落地,到目前为止,我们看到的国内真正通过 UBI 方式,能够有效地把车联网保险结合起来给客户真正地节约保费,帮助保险公司有效地提升收益的模式并不多。


我们离这大数据应用还有很远的距离。目前情况来看,即使做一个比较简单的大数据建模,只要我们能够解决基础性问题,其实就已经有足够的市场了。所以在这个领域里,我们希望落实到具体的某一个市场,建立好自己的良性商业模式。


最后,在车联网领域,如果软硬件一起做,是需要巨大投入的。如果真的希望把大数据做好,除了需要具备真正的高超专业技能的人外,最好这个人同时也懂业务。但从整个目前国内环境来看,这部分人确实属于稀缺资源,这可能需要每一个企业花大力气去寻找。

*图片来自公开课 PPT


©2013-2015 北京博创联动科技有限公司 版权所有 | 京ICP备15010821号  技术支持:金方时代 维护 360网站安全检测平台
分享到: