【51CTO.com原創稿件】目前大數據的概念已經深入人心，特別是大數據在汽車行業的應用，也是越來越廣泛。從數據的產生或來源來看，汽車企業可謂是得天獨厚：如整車出廠合格產量數據、車輛基礎信息、零部件信息、細分市場調研采樣數據、4S店維修數據等。隨著車聯網技術的不斷發展，車輛還可以通過各式各樣的傳感器采集更多的信息：如車主的駕駛情況、行車路線、路況信息等。這些海量的數據隱藏著巨大的商業價值。

特別是在商用車市場，油耗成本、運輸效率、市場定位等利益相關因素，直接影響商用車的市場銷量和企業發展，也包括物流公司的營收利潤。因此，很多大型企業、研究機構都熱衷于研究大數據在商用車市場的潛在商業價值。目前比較流行的應用有以下幾類：

一、通過大數據分析不良駕駛行為，進而降低油耗

國外很多公司都意識到駕駛行為對油耗會產生很大的影響，所以對駕駛員進行環保駕駛的培訓，指導他們如何減少油耗。目前，全球領先的運輸供應商Scania運營的車輛上，配備了監控駕駛員和車輛數據的終端設備，進而分析CAN總線數據和其他相關信息如天氣等和油耗的關系。該項目在駕駛行為方面提出了6項挑戰：更多的滑行，更少的剎車，更少的空轉，更少的加速，更少的高轉速，更多使用巡航控制。所有這些都與燃料消耗有關【1】。

圖 1

如圖 2所示，統計車輛每天的巡航時長、怠速時長、油門開度、制動頻次、空擋滑行、行駛里程和平均速度，并以網格的方式劃分數據。該方法與其他自動聚類技術相比，結果具有可比性。這種格式很直觀，容易被理解。根據網格圖，我們還能夠看出不同的物流模式區域：長途運輸(右上區域)、短途運輸(左上區域)和配送運輸(左下區域)。

圖 2

二、通過大數據分析和預測車輛故障，進而降低維修成本

對于車隊運營商來說，商用車的維修保養成本將會占用很大一部分支出。雖然去4S店定期去做保養，能夠避免一些零部件故障的發生。然而，商用車由于其特殊的運輸用途，經常受到利益的驅使(比如為了拉更多的貨而不愿意耽誤時間、或者為了節省費用支出)，并不會按時去4S店，做這種定期的保養或者維修。

那么問題來了，一旦車輛中途發生故障，便會給司機、貨主造成更多的麻煩，車輛不得不停運，也會嚴重影響運營的收益。所以很多大型企業、研究機構提出故障預測和預先提醒，也便于司機/車隊管理人員提前安排運輸計劃。

Scania也在重型卡車維修領域展開研究，采用數據挖掘技術預測車輛零部件的運行狀態，并構建零部件的故障預測模型【2】。

圖 3

Scania采集了車間維修歷史數據、故障碼和車輛運行數據，通過數據挖掘和機器學習算法，發現潛在的故障跡象，在發生嚴重故障之前完成維保，能夠有效降低維修成本，也避免了車輛停運。文中【2】建立了三類預測模型：***類模型通過一組故障碼識別出發動機出現什么故障;第二類模型研究車輛運行數據和故障碼的關系;第三類模型綜合了車輛運行數據和故障碼進行評估，建議是否需要更換零部件。

圖 4

三、通過大數據分析和統計車輛運行熱點區域，作為重點銷售投放市場

商用車主要用途是運輸貨物，通過大數據技術分析商用車主要運行區域，就可以在這些熱點區域進行重點銷售。比如在車輛行駛密集區域，可以部署更多的4S店。因為這些區域用戶需求也更加豐富，既便于銷售車輛也便于提供維修、保養、車險等售后服務。

圖 5

國內外很多車企、保險公司都已經開始深入挖掘這些數據的潛在價值：不同銷售分公司或營業點，通過分析所在區域的運行車輛，分析車輛的類型、配置甚至故障率等，對庫存車型進行優化調整。因為不同區域/市場運輸貨物類型不同、運輸距離不同，因而用戶對車輛的配置等需求不同。那么，借助于大數據技術，我們可以分析出某個區域主要運行的車型配置，進而有針對性的推廣相匹配的產品。

隨著車聯網、機器學習、人工智能等技術的不斷運用，相信大數據技術一定會為商用車市場注入新的活力，帶來新的利潤增長點。

參考文獻

[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原創稿件，合作站點轉載請注明原文作者和出處為51CTO.com】