当前位置：搜档网 › 车联网及大数据分析报告

车联网及大数据分析报告

车联网产业链深度报告

2014-07-22易欢欢阿尔法工场本文由中国车联网产业技术创新战略联盟秘书长方竹推荐导读：2020年全国的汽车总规模将突破2亿辆，假设每车能带来3000元的增量效益（车载导航设备以及各种保险、流量、通讯等增值服务），车联网将拥有1200亿元的市场空间，成为大数据时代的下一个蓝海一、车联网前景广阔，千亿市场可预期我国各行业的信息化建设，以及手机、汽车、互联网、智能交通、物联网等的发展为地理信息产业的发展提供了巨大的牵引力。我国利用后发优势，采用“引进消化吸收再创新”的模式，靠引进国外先进卫星导航技术和新产品而迅速崛起的我国卫星导航产业逐渐成熟，技术创新对未来对我国GNSS 企业的要求对产业今后发展有至关重要的作用。地理信息产业与国家军事安全、信息安全息息相关，随着我国国际竞争力的提高，我国国家安全保护变得越发重要，北斗卫星导航系统建网以及国家基准设施建设为地理信息产业发展提供巨大空间。（一）汽车市场繁荣带来车联网千亿需求我国汽车销量再创新高，汽车行业迎来春天。2013年国内汽车产销分别为2211.68万辆和2198.41万辆，同比增长14.8%和13.9%，比上年分别提高10.2和9.6个百分点，增速大幅提升，创全球产销最高纪录。根据汽车工业协会的数据显示，截止到2013年年底，我国国内汽车保有量已达1.37亿辆，约占全球汽车保有量的十分之一，随着我国汽车销量不断增加，汽车行业附加服务将越来越多元化，汽车及相关行业的市场空间也将随之增长。在国内汽车销量不断创新高的背景下，汽车总体规模不断扩大，与汽车密切相关的车联网市场将得以迅猛发展。易观智库分析数据表明，目前车联网在国内市场的渗透率不到5%，预计2014年至2015年，国内车联网渗透率即将突破10%的临界点，而到2020年，车联网渗透率有望突破20%。目前我国拥有大约1.4亿汽车，按现在每年2000万辆的增速，2020年全国的汽车总规模将突破2亿辆，这意味着车联网的用户数将从500多万激增至4000多万，假设每车能带来3000元的增量效益（车载导航设备以及各种保险、流量、通讯等增值服务），车联网将拥有1200亿元的市场空间，成为大数据时代的下一个蓝海。（二）两客一危先行，政策指引车联网落地政府的导向和投资是车联网落地的推动因素。今年以来的政策也表明政府在不余遗力推动整个车联网生态系统的建设。国家颁布的《道路运输车辆动态监督管理办法》将正式实施，《办法》规定，已经进入运输市场的重型载货汽车和半挂牵引车，各地应合理制订安装计划，确保于2015年12月31日前全部安装、使用卫星定位装置，并接入道路货运车辆公共平台。旅游客车、包车客车、三类及以上班线客车和危险货物运输车辆、重型载货汽车和半挂牵引车要在出厂前安装符合标准的卫星定位装置。对于要求两客一危车辆使用卫星定位装置，这意味着国家将从政策层面上支持和促进车联网的发展。随着交通系统的进一步铺设，对于卫星定位装置的要求将从客车和载货车逐步渗透到个人汽车上，带动整个机动车车联网的融合和连接。在未来几年时间内，政府将鼓励个人汽车也使用卫星定位装置，这有利于完善动态交通监控系统，达到智慧交通的目标，并且进一步扩大车联网系统在个人汽车领域的渗透率，市场规模将不断扩大。二、全产业链价值盛宴

【完整版】2020-2025年中国车联网和自动驾驶行业市场发展战略研究报告

（二零一二年十二月） 2020-2025年中国车联网和自动驾驶行业市场发展战略研究报告可落地执行的实战解决方案让每个人都能成为战略专家管理专家行业专家 ……

报告目录第一章企业市场发展战略研究概述 (6) 第一节研究报告简介 (6) 第二节研究原则与方法 (6) 一、研究原则 (6) 二、研究方法 (7) 第三节企业市场发展战略的作用、特征及与企业的关系 (9) 一、企业市场发展战略的作用 (9) 二、市场发展战略的特征 (10) 三、市场发展战略与企业战略的关系 (11) 第四节研究企业市场发展战略的重要性及意义 (12) 一、重要性 (12) 二、研究意义 (12) 第二章市场调研：2018-2019年中国车联网和自动驾驶行业市场深度调研 (13) 第一节5G推动车联网与自动驾驶腾飞 (13) 第二节5G时代来临，推动车联网与智能驾驶发展 (14) 一、5G具有大流量、低时延、高可靠性等优点 (14) 二、5G赋予车联网更多功能 (16) 三、5G是自动驾驶实现的先决条件 (19) 第三节车联网C-V2X或后来居上，车载终端有望先行爆发 (21) 一、DSRC与C-V2X对比，C-V2X有望后来居上 (22) （1）DSRC (22) （2）C-V2X (23) （3）LTE-V2X完胜DSRC，为车联网的最优解 (25) 二、车联网产业链涵盖芯片模组、终端设备等主要环节 (28) 三、车联网潜在市场规模近万亿 (29) 四、车联网硬件设备有望率先受益 (30) 第四节智能驾驶产业链涵盖感知、决策、执行等环节 (35) 一、智能驾驶产业链 (35) 二、中国或成为最大的自动驾驶市场，未来规模超万亿 (37) 三、ADAS加速渗透，带来行业新机遇 (40) 第五节5G商用箭在弦上，产业链各环节蓄势待发 (44) 一、5G牌照发放，开启商用化进程 (44) 二、产业链各环节进展顺利 (48) （1）芯片及模组 (48) （2）终端设备 (49) （3）整车企业 (49) （4）基础设施 (50) 第六节部分企业分析 (53) 一、均胜电子：安全整合推动业绩增长，汽车电子前景广阔 (53) 二、德赛西威：汽车电子龙头，车联网智能驾驶逐步落地 (53) 三、华域汽车：汽车零部件龙头，智能电动打开成长空间 (54)

车联网大数据平台架构设计

车联网大数据平台架构设计-软硬件选型 1.软件选型建议数据传输处理并发链接的传统方式为：为每个链接创建一个线程并由该线程负责所有的数据处理业务逻辑。这种方式的好处在于代码简单明了，逻辑清晰。而由于操作系统的限制，每台服务器可以处理的线程数是有限的，因为线程对CPU的处理器的竞争将使系统整体性能下降。随着线程数变大，系统处理延时逐渐变大。此外，当某链接中没有数据传输时，线程不会被释放，浪费系统资源。为解决上述问题，可使用基于NIO的技术。 Netty Netty是当下最为流行的Java NIO框架。 Netty框架中使用了两组线程：selectors与workers。其中Selectors专门负责client端（列车车载设备）链接的建立并轮询监听哪个链接有数据传输的请求。针对某链接的数据传输请求，相关selector会任意挑选一个闲置的worker线程处理该请求。处理结束后，worker自动将状态置回‘空闲’以便再次被调用。两组线程的最大线程数均需根据服务器CPU处理器核数进行配置。另外，netty内置了大量worker功能可以协助程序员轻松解决TCP粘包，二进制转消息等复杂问题。 IBM MessageSight MessageSight是IBM的一款软硬一体的商业产品。其极限处理能力可达百万client并发，每秒可进行千万次消息处理。

数据预处理流式数据处理对于流式数据的处理不能用传统的方式先持久化存储再读取分析，因为大量的磁盘IO操作将使数据处理时效性大打折扣。流式数据处理工具的基本原理为将数据切割成定长的窗口并对窗口内的数据在内存中快速完成处理。值得注意的是，数据分析的结论也可以被应用于流式数据处理的过程中，即可完成模式预判等功能还可以对数据分析的结论进行验证。 Storm Storm是被应用最为广泛的开源产品中，其允许用户自定义数据处理的工作流（Storm术语为Topology），并部署在Hadoop集群之上使之具备批量、交互式以及实时数据处理的能力。用户可使用任意变成语言定义工作流。 IBM Streams IBM的Streams产品是目前市面上性能最可靠的流式数据处理工具。不同于其他基于Java的开源项目，Streams是用C++开发的，性能也远远高于其他流式数据处理的工具。另外IBM还提供了各种数据处理算法插件，包括：曲线拟合、傅立叶变换、GPS距离等。数据推送为了实现推送技术，传统的技术是采用‘请求-响应式’轮询策略。轮询是在特定的的时间间隔（如每1秒），由浏览器对服务器发出请求，然后由服务器返回最新的数据给客户端的浏览器。这种传统的模式带来很明显的缺点，即浏览器

物联网大数据分析实验室建设方案章鱼大数据

物联网大数据分析实验室建设方案一、项目背景 “十三五”期间，随着我国现代信息技术的蓬勃发展，信息化建设模式发生根本性转变,一场以云计算、大数据、物联网、移动应用等技术为核心的“新 IT”浪潮风起云涌，信息化应用进入一个“新常态”。章鱼大数据为积极应对“互联网+”和大数据时代的机遇和挑战，适应经济社会发展与改革要求，开发建设物联网大数据平台。物联网大数据平台打造集数据采集、数据处理、监测管理、预测预警、应急指挥、可视化平台于一体的大数据平台，以信息化提升数据化管理与服务能力，及时准确掌握社会经济发展情况，做到“用数据说话、用数据管理、用数据决策、用数据创新”，牢牢把握社会经济发展主动权和话语权。二、物联网行业现状数字传感器的大量应用及移动设备的大面积普及，才会导致全球数字信息总量的极速增长。根据工信部的统计结果，中国物联网产业规模在2011年已经超过2300亿元，虽然和期望的“万亿规模产业”还有一定距离，但已经不可小视。其中传感器设备市场规模超过900亿元，RFID产业规模190亿元，M2M终端数量也已超过2100万个。另一个方面，我国的物联网企业也呈现出聚集效应，例如北京中关村

已有物联网相关企业600余家，无锡国家示范区有608家，重庆、西安等城市也有近300家。从区域发展来看，形成了环渤海、长三角、珠三角等核心区以及中西部地区的特色产业集群。在2009年以前，可能没有哪家企业说自己是物联网企业。一夜之间产生的上千家物联网企业，他们的核心能力、产品或服务价值定位、目标客户和盈利模式都是如何呢？首先来看这些物联网企业从哪里来。现在的物联网企业主要分为三类，第一类是以前的公用企业转型，最典型的是电信运营商，他们有自己的基础设施，有客户资源，因此自然转型到物联网行业。除了电信运营商，一些交通基础设施运营商、甚至是气象设施运营商，也都转型为物联网企业。第二类是传统IT企业，例如华为、神州数码，以及众多上市公司等。这一类公司也是在传统的优势积累基础上开拓物联网新业务。第三类是一些制造企业，包括传感设备制造企业，网络核心设备制造企业，还包括如家电等一批传统制造企业。这一类企业不能说没有大企业，但是绝大多数都是中小型企业。这些企业的核心能力主要体现在三个方面，第一是传感器和智能仪表，第二是嵌入式系统和智能装备，第三是软件与集成服务。再来看我国物联网应用的领域。通过对多个部委和地区的物联网专项进行汇总，下图列出了目前提到最多，也是应用最成熟的八个领域。但是换个角度再看，不管是工业控制、供应链管理、精准农业，还是建筑自动化、远程抄表、ETC，其实都并不是新的技术领域，而是在物联网这个大概念下重新包装后再次引起了人们的兴趣。总的来

车联网项目立项申请报告

车联网项目立项申请报告泓域咨询规划设计/投资分析/产业运营

车联网项目车联网是自动驾驶感知层的不可替代环节。当前的自动驾驶大多依靠雷达、摄像头、定位等手段实现感知层信息的输入，但依靠以上技术远远不够，信息的实时交互能力和广度都无法突破，在这一背景下车联网成为自动驾驶感知层的不可替代的环节。在数字经济时代，数字化转型是必然的要求和发展方向。无论是数字政府、数字社会还是数字经济本身，数字化转型既是目标和方向又是手段。对于数字化转型的两种形态：产业数字化和数字产业化都离不开新型的基础设施作为支撑，没有基础设施作为保障条件，数字化转型的目标难以实现。自2020年3月，提出加快5G和数据中心等新型基础设施建设进度，工信部倡导加快新型基础设施建设后，引发全民热议的“新基建”概念，新基建的本质，是能够支撑传统产业向网络化、数字化、智能化方向发展的信息基础设施的建设。该车联网设备项目计划总投资9694.02万元，其中：固定资产投资7431.85万元，占项目总投资的76.66%；流动资金2262.17万元，占项目总投资的23.34%。

达产年营业收入15481.00万元，总成本费用11726.17万元，税金及附加172.71万元，利润总额3754.83万元，利税总额4445.45万元，税后净利润2816.12万元，达产年纳税总额1629.33万元；达产年投资利润率38.73%，投资利税率45.86%，投资回报率29.05%，全部投资回收期4.94年，提供就业职位325个。坚持“社会效益、环境效益、经济效益共同发展”的原则。注重发挥投资项目的经济效益、区域规模效益和环境保护效益协同发展，利用项目承办单位在项目产品方面的生产技术优势，使投资项目产品达到国际领先水平，实现产业结构优化，达到“高起点、高质量、节能降耗、增强竞争力”的目标，提高企业经济效益、社会效益和环境保护效益。 ...... 自2020年3月，提出加快5G和数据中心等新型基础设施建设进度，工信部倡导加快新型基础设施建设后，引发全民热议的“新基建”概念，新基建的本质，是能够支撑传统产业向网络化、数字化、智能化方向发展的信息基础设施的建设。

2020年车联网行业深度分析报告

２０２０年车联网行业深度分析报告

正文目录 1. 汽车智能网联升级，大国领先布局 (7) 1.1. 面对车联网战略新兴产业，各国政策加持不断 (8) 1.2. 中国持续完善产业标准，加强产业顶层设计 (12) 2. 关键技术全面突破在即，为智能驾驶保驾护航 (15) 2.1. 中国LTE-V2X有望后发先至，5G加速新一代通信技术演进 (16) 2.2. 环境感知+高精地图：汽车“看到”并“认识”环境 (24) 2.3. 我国自主建立的北斗系统助力实现自动驾驶应用 (28) 2.4. TSP：车联网产业链核心环节，两种模式主导，竞争激烈 (32) 2.5. T-BOX：有望成为智能网联汽车标配 (33) 2.6. AI：实现人机交互，成为最先落地的AI场景 (35) 3. UBI：融合车联网技术，提供用户定制化“管理型”车险 (37) 4. 智能网联化铺垫智能驾驶发展 (39) 5. “云-管-端”构建车联网产业链，潜在市场空间广阔 (45) 6. 中国互联网ICT巨头布局车联网，ETC设备将成车联网重要入口 (50) 6.1. 互联网及ICT巨头争先开展车联网布局 (50) 6.2. ETC设备将成车联网重要入口且撬动智能交通市场 (52) 7. 问题和挑战 (54) 7.1. 信息安全风险抑制消费选择 (54) 7.2. 基础设施薄弱，投资需求大 (54) 7.3. 通信标准尚未统一不利产业做大做强 (54) 7.4. 法律伦理体系滞后，落地后问题不容忽视 (54) 7.5. 用户需求恐不及预期，车联网或变现困难 (55) 8. 投资逻辑&受益标的 (56) 8.1. 海格通信 (56) 8.2. 移远通信 (57) 8.3. 广和通 (58) 8.4. 移为通信 (59) 8.5. 高新兴 (60) 8.6. 大唐电信 (61) 8.7. 高鸿股份 (61) 9. 风险提示 (63) 图目录图 1 车联网应用发展进程和演进方向 (7) 图 2 车联网网络层次 (8) 图 3 截至2019年车联网专利全球地域分布情况 (8) 图 4 美国车联网发展进程 (9) 图 5 日本ITS系统为驾驶员提供的信息 (10) 图 6 车联网产业标准体系建设结构图 (13) 图 7 智能网联汽车、电子产品与服务和车辆智能管理标准体系结构图 (13) 图 8 信息通信和智能交通标准体系结构图 (13) 图 9 智能网联汽车技术逻辑结构 (14) 图 10 智能网联汽车智能化等级 (15) 图 11 智能网联汽车产品物理结构 (15) 图 12 车联网五大应用场景 (16)

中位物联网大数据平台总体设计V1.0

物联网大数据平台总体设计V0.2

目录 1.引言 (3) 1.1.文档目的 (3) 1.2.文档范围 (3) 1.3.预期的读者及阅读建议 (3) 1.4.术语 (3) 2.项目概述 (4) 2.1.项目背景 (4) 3.1.设计目标 (4) 3.1.1.技术规划路线建议 (4) 3.1.2.大数据软硬平台/网络架构规划建议 (5) 3.1.3.大数据应用集成点规划建议 (5) 3.1.4.大数据团队建设规划建议 (5) 3.1.5.大数据系统实施指导建议方案 (5) 3.数据平台总体架构规划 (5) 3.1.数据平台愿景 (5) 3.2.数据处理流程 (8) 3.3.主要功能 (8) 3.4.设计原则 (9) 3.5.平台建设路线 (9) 4.数据平台软件架构设计 (10) 4.1.数据平台结构图 (10) 4.2.数据采集系统 (11) 4.3.数据存储系统 (11) 4.4.离线计算系统 (12) 4.5.海量数据库系统 (12) 4.6.管理系统 (13)

5.应用平台架构设计 (14) 5.1.应用平台架构图 (14) 6.平台安全 (15) 7.平台监控 (15) 8.部署架构 (15) 9.平台运维 (15) 10.团队建设 (16) 10.1.运维工程师 (16) 10.2.应用开发工程师 (16) 10.3.通信协议开发工程师 (16) 10.4.基于Hadoop的开发工程师 (16) 10.5.数据开发工程师 (16) 10.6.数据挖掘工程师 (17)

1.引言 1.1.文档目的本文档是关于xx公司物联网大平台的总体架构设计方案。本文包括以下内容： 1.平台总体架构设计； 2.五大子系统设计； 3.应用平台设计 4.平台部署架构设计； 5.平台运维及团队建设； 1.2.文档范围本文档仅限于北京xx科技公司内部人员和直接协助北京xx科技进行大平台建设的相关人员阅读。 1.3.预期的读者及阅读建议本文档的预期读者： 1.北京xx科技的大平台项目相关人员； 2.直接协助北京xx科技进行大平台建设的相关外部人员； 1.4.术语 1.Hadoop: Apache的分布式框架。 2.HDFS : Hadoop的分布式文件系统。 3.NameNode : Hadoop HDFS元数据主节点服务器。负责保持DataNode文件存

车联网行业深度分析报告

目录 1. 标准滞后，车联网十年发展不温不火 (4) 1.1 供给端：标准滞后导致主导方模糊、技术不达 (6) 1.2 需求端：用户碎片化带来车主体验提升不高 (8) 2. 车联网标准制定上升至国家层面，2020 年落地有望 (9) 3. 5G、自动驾驶风口，车联网机遇挑战并存 (10) 3.1 车联网市场将在2020 年迎来高速发展 (10) 3.2 车联网商用路线:先连接后升级 (12) 4. 5G 推进车联网标准发展的新动力 (14) 4.1 5Ｇ推动C-V2X 标准演进 (15) 4.2 5G 边缘计算为车联网提供低时延保证 (17) 5. 自动驾驶技术革新带来车联网质地飞跃 (19) 5.1 传感器技术：自动驾驶之眼 (21) 5.2 高精度地图 (25) 6. 互联网车企合作开启，车联网生态联盟已具雏形 (26)

7. 相关标的 (29) 7.1 高新兴 (29) 7.2 四维图新 (30) 7.3 科大讯飞 (31) 7.4 宝信软件 (31) 7.5 北斗星通 (32) 8. 风险提示 (32)

1. 标准滞后，车联网十年发展不温不火车联网是物联网在智能交通领域的运用，它借助新一代信息和通信技术，实现车内、车与车、车与路、车与人、车与服务平台的全方位网络连接，提升汽车智能化水平和自动驾驶能力，构建汽车和交通服务新业态，从而提高交通效率，改善汽车驾乘感受，为用户提供智能、舒适、安全、节能、高效的综合服务。广泛而言，车联网涵盖车自身全部生命周期的信息以及车辆与外界交互的信息。这就意味着，从车辆研发、生产、销售、使用、回收过程中的所有信息交换都被包括在车联网中，因此，车联网除支持车辆与交通三要素———人、车、路互联，实现在智能交通领域的应用以外，还将与移动互联网、通讯网、智能工厂、智能电网、智能家居等外部网络互联，形成自车与人、车、路、网相互连接及信息交互的有效平台。理想状态下，车联网通过连接车、路等交通关键要素，能够提供面向个人、企业、政府等不同用户提供各种不同类型的服务，构建高效、安全、绿色的交通环境。车联网目标是减少80%的交通事故、减少20%的碳排放和增加30%交通效率。

分析车联网大数据时代汽车保险业的机遇和挑战

分析车联网大数据时代汽车保险业的机遇和挑战移动互联网能够通过电子商务、金融投资等手段，与汽车保险业进行广泛而有效的联合，从而推动汽车保险业的改革与升级。车联网技术是对汽车保险进行统一管理的技术，它依托云计算与大数据技术，对汽车保险业的众多数据进行统计归纳，统一管理汽车保险的各种事务。车联网保险产业与传统保险业的联合，一方面能促进汽车保险业的改革升级;另一方面也能推动物联网等其他相关产业的发展。一、车联网与大数据技术的必然融合互联网大数据的发展使得物联网、云计算、移动互联网、车联网等网络数据与电脑更为紧密地连成一体。全球电子行业的迅猛发展也加快数据在全球范围内的传播速度，它们承载着众多的虚拟数据。而车联网是全球网络数据中最重要的环节，车联网在对各种车辆行驶的速度、加速度、温度、压力、亮度等多方面数据采集后，全面分析驾驶员的操作状态、车辆自身的运行状态以及路况情况，最后用准确的数据表述出来。车联网建设的关键环节是大数据技术，但车联网的发展也存在着诸多问题。目前的车联网的发展没有相关规章制度予以限制，同

时在数据库建设与数据智能处理方面也存在着很多的技术难题，整体的商业运作还不够完善。大数据技术能够大大提高车联网数据搜集的速度与储存的数量，也能够有效地对众多数据进行处理，得出可靠的结论。车联网的大数据智能分析，会得到有关汽车运行的各种信息。车联网的数据信息不仅能用于汽车保险行业，也能应用于其他众多汽车行业，这表明车联网的数据信息能产生1+12的效果。汽车行业的服务人员能够利用可靠的汽车数据信息，开展汽车销售方面的营销活动。大数据技术在车联网中的广泛应用，能够带动整个汽车行业产品的增值，也能够推动整个汽车行业的信息化发展，为企业未来的发展创造条件，从而实现良性循环的商业模式。车联网数据技术的发展，是汽车行业信息时代来临的标志。汽车行业依托强大的车联网信息资源，进行产品推销、汽车保险行业的规范管理、汽车产业链的深度扩张等方面的商业活动，获得更大的利润收入。二、车联网汽车保险的产品发展美国咨询集团的统计数据表明：全球车联网汽车保险项目的规模在不断扩大，车联网汽车保险的用户也在不断增多。目前车联网汽车保险制度发展较为规范的国家为欧美，它们在汽车拥有量与车联网汽车体系发展上处于全球领先地位。美国咨询集团指出：随着发展中国家的崛起，未来的车联网汽车发展规模会呈现指数增长，全球车联网汽车保险

浅谈车联网与大数据

浅谈车联网与大数据李承贤未来汽车将成为最为智能的移动终端，平均每个人每天都有2个小时甚至更长的时间在车里度过，现有的功能已经不能满足车主的需求，用车来炒股票、语音社交、订酒店和机票等逐渐成为车主希望实现的功能，汽车成为生活的一部分已经成为趋势。伴随着中国互联网十多年的发展，越来越成熟的互联网络、上网设备催生了新的移动互联网时代，如同手机的普及一般，汽车的普及也将崔使汽车变身新的移动终端。车联网的时代就此诞生，而车联网的精髓恰恰是大数据。大数据是什么我们已经全面进入云时代，大数据（Big data）也吸引了越来越多的关注。其三个特点分别是，首先是数据量大，从TB级别，跃升到PB级别；其次是数据种类繁多；类型的多样性使得数据被分为结构化数据和非结构化数据；相对以文本存储为主的结构化数据，非结构化数据包括音频、视频、图片、地理位置等，这些多类型的数据对数据的处理能力要求更高;然后处理速度快；这是大数据区分于传统数据挖掘处理的显著特征；在海量的数据面前，处理数据的效率则是重中之重。当大数据联合车联网提供服务时，车联网大数据则主要包含有丰富的兴趣点和海量资料，其中又分为动态深度信息、静态深度信息、兴趣点、地理信息(图1.1)。来源上，目前的图商占有整合该类数据整合的天然优势，遍布全国的外业队伍可快速精准的采集到我们需要的信息；凭借图商在地理信息行业十年来积累的经验及多年累积的对客户的了解，对这些海量数据进行挖掘、分析、利用也是有一定优势。聚合各领域最优秀的数据，并分别提供服务，，这便是大数据的运维之道。大数据及车联网的应用同时，在小小的导航仪上显示满屏的文字，也是驾驶者很苦恼的一件事情。不但不便于观看，更有重大的安全隐患。所以，智能车载系统必将走上语音控制这条路。车联网大数据的未来以往对出行的理解，仅仅是导航。当引入大数据的概念时，我们可以延伸出很多车联网的增值服务。未来车联网服务的竞争将愈演愈烈，前景也一片大好。大数据引入的必要性已不言而喻。图商打造的车联网数据云，可以提供优质、稳

2020年车联网市场分析报告

2020年车联网市场分析报告 2020年3月

1 车联网产业趋于成熟2020 年是重要政策窗口 1.1 定义：从标准和应用的角度审视车联网的内涵从不同的主体出发，车联网被赋予了不同的定义，包括车联网、V2X、车路协同、智能网联汽车等。我们认为不同定义背后的内涵是基本一致的，即通过无线通信为主的方式，实现车内、车与人、车与车、车与路、车与云平台的网络连接，从而实现汽车智能化水平提升、交通效率提升、自动驾驶等目标。图1：C-V2X 通信示意图资料来源：《C-V2X白皮书》IMT-2020（5G）推进组、XXX市场研究部车联网的演变经历了从CAN 总线到车载以太网、从有线网络到蜂窝、从4G 到5G、从集中到边缘的过程。通信方式上，我们认为技术延展性更好的C-V2X 路线涵盖了车辆与交通参与方的所有通信方式，包括：车与车之间的直接通信（V2V）、车与行人之间的通信（V2P）、车与道路基础设施之间的通信（V2I）、以及车辆通过移动网络与云端进行通信（V2N）。图2：奇瑞自动驾驶暨智慧交通总体技术方案示例资料来源：奇瑞汽车、XXX市场研究部 C-V2X 蜂窝通信技术衍生的行业应用。相关组织在标准制定的过程中，即做出了对

应用的规划。3GPP 规划了 25 种应用场景，我国汽车标准委员会规划了 17 种应用场景，2019 年信通院四跨测试安排了 11 个场景。 3GPP 标准：功能从基础到高级，包括了传感器延伸、自动驾驶、遥控驾驶和车辆编队，落地难度有较大的区别。 T/CSAE 53-2017 标准：定义了 17 个 C-V2X 基础业务场景，基础业务场景大部分应用的实现都是通过车辆、道路设施等参与者之间的实时状态共享。表1：3GPP TR 22.886 的 25 种应用场景应用类型Platooning 序号5.1应用名称 eV2X support for Vehicle Platooning Information exchange within platoon （车辆编队） 5.25.5Automated Cooperative Driving for Short distance Grouping Information sharing for limited automated platooning Information sharing for full automated platooning Changing Driving-Mode 5.125.135.175.9Cooperative Collision Avoidance(CoCA)Information sharing for limited automated driving Information sharing for full automated driving Emergency Trajectory Alignment 5.15.115.25.22 5.235.255.4Intersection Safety Information Provisioning for Urban Driving Cooperative lane change(CLC)of automated vehicles 3D video composition for V2X scenario eV2X support for Remote Driving Advanced Driving (高级驾驶)Remote driving (远程驾驶) 5.215.3Teleoperated Support (TeSo) Automotive: Sensor and State Map Sharing Collective Perception of Environment Video data sharing for automated Driving Communication between vehicles of different 3GPP RATs Multi-PLMN environment Extended Sensor 5.6(扩展传感器) 5.165.75.85.15 5.195.145.185.24 Use case on Multi-RAT General Use case out of 5G coverage (基础功能) Dynamic Ride Sharing Tethering via Vehicle Proposal for secure software update for electronic control unit 资料来源：3GPP 、XXX 市场研究部我们认为，3GPP 仅从通信角度规划功能，与车辆的实际驾驶要求存在距离，信通院“四跨”测试场景更贴近实际。在未来的 1-3 年的短期规划中，落地基于 LTE-V2X 安全类和效率类业务、5G Uu 大带宽业务、5G NR-V2X 自动驾驶类业务组合将是车联网产业落地的核心方向。

物联网大数据分析实验室建设方案

物联网大数据分析实验室建设方案物联网大数据分析实验室建设方案一、项目背景 “十三五”期间，随着我国现代信息技术的蓬勃发展，信息化建设模式发生根本性转变,一场以云计算、大数据、物联网、移动应用等技术为核心的“新IT”浪潮风起云涌，信息化应用进入一个“新常态”。章鱼大数据为积极应对“互联网+”和大数据时代的机遇和挑战，适应经济社会发展与改革要求，开发建设物联网大数据平台。物联网大数据平台打造集数据采集、数据处理、监测管理、预测预警、应急指挥、可视化平台于一体的大数据平台，以信息化提升数据化管理与服务能力，及时准确掌握社会经济发展情况，做到“用数据说话、用数据管理、用数据决策、用数据创新”，牢牢把握社会经济发展主动权和话语权。二、物联网行业现状数字传感器的大量应用及移动设备的大面积普及，才会导致全球数字信息总量的极速增长。根据工信部的统计结果，中国物联网产业规模在2011年已经超过2300亿元，虽然和期望的“万亿规模产业”还有一定距离，但已经不可小视。其中传感器设备市场规模超过900亿元，RFID产业规模190亿元，M2M终端1

物联网大数据分析实验室建设方案数量也已超过2100万个。另一个方面，我国的物联网企业也呈现出聚集效应，例如北京中关村已有物联网相关企业600余家，无锡国家示范区有608家，重庆、西安等城市也有近300家。从区域发展来看，形成了环渤海、长三角、珠三角等核心区以及中西部地区的特色产业集群。在2009年以前，可能没有哪家企业说自己是物联网企业。一夜之间产生的上千家物联网企业，他们的核心能力、产品或服务价值定位、目标客户和盈利模式都是如何呢？首先来看这些物联网企业从哪里来。现在的物联网企业主要分为三类，第一类是以前的公用企业转型，最典型的是电信运营商，他们有自己的基础设施，有客户资源，因此自然转型到物联网行业。除了电信运营商，一些交通基础设施运营商、甚至是气象设施运营商，也都转型为物联网企业。第二类是传统IT企业，例如华为、神州数码，以及众多上市公司等。这一类公司也是在传统的优势积累基础上开拓物联网新业务。第三类是一些制造企业，包括传感设备制造企业，网络核心设备制造企业，还包括如家电等一批传统制造企业。这一类企业不能说没有大企业，但是绝大多数都是中小型企业。这些企业的核心能力主要体现在三个方面，第一是传感器和智能仪表，第二是嵌入式系统和智能装备，第三是软件与集成服务。再来看我国物联网应用的领域。通过对多个部委和地区的物联网

车联网来袭汽车大数据的商业价值何在

物联网知识 “经济学在当今已不是一个神秘的现象，我们正在不断的挖掘信息背后的价值，而不是制造成本的价值。随着实体社会与信息越来越紧密的结合，信息将作为“一门生意”，变得越来越重要。“这是互联网预言家凯文-凯利对大数据时代的预言。其实，他的这一观点在汽车行业同样受用，未来，车主数据将跟客户的购买意向一样拥有价值。无论是用户在车内还是车外的数据，都将成为汽车企业捕捉用户需求的重要依据。而在2014年TCC论坛上，汽车大数据也成为被屡次提及的关键词，很多行业内外的专家、企业家都认为大数据的应用将彻底颠覆传统制造业的商业模式。上汽集团股份有限总工程师程惊雷认为，汽车企业与互联网巨头合作的最关键目的就是在合乎规则的条件下充分掌握客户需求。现在的汽车企业是在预测客户的需求，但在未来的互联网经济下，客户将告诉企业自己真正需要什么。未来的汽车生活将给用户提供一整套与汽车相关的定制化组合服务，而这样的商业模式离不开大数据在汽车行业的应用。由此可以看出，由大数据主导的汽车时代，汽车产品本身将不再是车企的主要盈利点，汽车产品上所搭载的定制化服务和用户在使用服务时所产生的行为信息才是未来汽车生态链中的最大盈利因素。凯文凯利认为：“在未来，各个产业都将成为数据产业，汽车也将如此。目前，互联网所掌握的消费者喜好、生活习惯等数据信息如果应用到汽车行业，将使汽车产品更加智能，大数据的应用甚至能够影响到汽车产业的生产制造，帮助汽车企业生产出更加符合消费者需求的产品。”其实，以分析用户需求为目的“客户素描”是目前汽车企业已经在探索的方向，随着大数据技术的日渐成熟，“客户素描”也将变得越来越精准、广泛。这将对整个传统制造产业带来根本性的颠覆，大数据将让制造产业真正变成服务产业，让制造企业变成数据。对此，JBJAdvisor创始人兼CEO求不礼表示，大数据的应用不仅是收集这些数据，还要了解数据的重要作用和价值，用以解决合适的问题。大数据的关键不是物联网，而是我们从看似无序的数据中获得有价值的信息。在汽车大数据时代，汽车企业将可以向消费者提供定制化的服务体验。车企可以通过用户信息预测车辆将要去哪以及去目的地的原因，从而为用户提供合适的服务和广告资讯。如果汽车大数据的定制化推送服务能够成为现实，汽车作为互联网时代的第四块屏幕，未来改变的将不仅是汽车行业的商业模式，还将改变很多消费类行业的营销渠道。同时，也有人提出在汽车大数据时代，整车厂甚至OEM(代工工厂)都将和消费者直接建立联系，而不再需要通过经销商，并将彻底颠覆汽车传统的销售渠道。就像现在特斯拉所建立的直销模式和车企都在的O2O销售模式，虽然行业内的大多数人还处于观望态度，但是这些商业模式无疑都为汽车传统经销模式的颠覆撕了口儿。总之，汽车大数据的应用改变的将不仅是自动驾驶、智能车载系统等技术层面的思维模式，而是将彻底颠覆传统汽车行业的商业模式。无论是目前正在尝试的汽车电商和精准营销，还是未来可能实现的精确客户素面和定制化服务，都离不开大数据技术的应用。对于汽车产业而言，

基于车联网大数据的UBI系统研究

基于车联网大数据的UBI系统研究车联网随着信息技术的发展而迅速崛起,路上行驶的车辆每天会产生亿数量级的数据。通过车联网和大数据技术对车辆产生的数据进行采集和分析处理,从而得到驾驶员的驾驶行为,为UBI(User Behavior Insurance,基于驾驶行为的车险)提供依据,让UBI成为可能。本文在国内外车联网大数据保险研究和应用基础上对基于车联网大数据的UBI系统进行研究,该系统将传统的“从车”车险费率模式转换到新型的“从人+从车”的综合车险费率模式,这种模型具有重要的现实意义和研究价值。本文主要研究的内容如下:(1)研究基于Logistic模型的影响道路交通事故的因子。该模型通过从人、从车、从路和从环境四个方面对影响道路交通事故的各个因子进行概率计算,经Logistic模型计算表明,驾驶员的年龄、驾龄、疲劳驾驶、速度、照明条件等因子会影响交通事故的发生并造成出险赔偿,这为UBI研究提供了理论依据。(2)通过对交通事故影响因子的分析提出了基于车联网大数据的UBI新型架构,该架构将OBD(On-Board Diagnostic,车载诊断系统)获取的车辆行驶数据传输到后台服务器,运用大数据技术对数据进行分析、处理、建模、预测后,对驾驶行为中的行驶里程、四急行为、车速和出行时间进行了分析,并推导出这四个驾驶行为与出险率之间的关系,结果表明,这些因子作为厘定车险费率的重要因素,能为UBI费率的制定提供依据。 (3)最后使用层次分析-熵权算法对驾驶员的月行驶里程、月四急总次数、月超速时间、出行时间四个指标的权重进行计算,依据权重进行分值分配。综合考虑本文的驾驶行为评分结果得出UBI车险费率调整系数。

翼卡车联网与互联网大数据

大数据，既是“因为小所以大”，也是“因为大所以小”。因为小所以大，是大数据的“有”。因为互联网上有很细节、很海量的数据，在互联网的社会环境下可以通过技术方法在经济可承受的前提下把数据找回来。而因为大所以小，是大数据的“用”。由于有了丰富的数据，各类互联网媒体、服务才可以针对某一个特定用户，给他提供更精准的服务，翼卡车联网将传统的“一对多灌输式的广告”变为“个性化推荐”。大数据由后台走向前台其实，我们一直生活在数据的世界里，但以往受限于技术，主要应用抽样、局部、片面的数据，或者在不能获得实证数据的时候依赖经验、理论、假设等去发现未知领域的规律。而现在，互联网推动了大数据由后台走向前台。互联网时代最大的意义在于可以做全流量的监测。随着各类社会行为迅速向互联网迁移，物联网、云计算、移动互联网、车联网、手机、平板电脑以及遍布各个角落的各种各样的传感器，使互联网承载远超以往的数据量。从以往数据研究的样本规模看，一般消费者调研采用样本量在400左右，大型消费者调研约有1,000样本，第三方独立机构消费者调研规模在80,000样本以上，中大型网站自有数据可达10,000,000级网络行为。而作为第三方数据机构，缔元信的DDMP平台平均每天跨网采集2亿网民、30亿条网民行为数据。面对互联网的海量信息，数据的作用将远远超出以往。大数据具有导航仪的功用。对于营销者来说，目标受众、目标客户是“谁”已经不重要，重要的是TA的偏好特征和传播相关信息的时机——根据数据判断TA在什么时候需要什么。因此，基于抽样调查+人口学特征的“小样本模式”不再具有指航性。我们也经常把大数据比喻成显微镜，因为大数据提供了从更细的颗粒度层面认知世界的可能和条件。大数据时代之前，我们只能依据小样本或适度抽样后的小数据进行群体规律的知识发现。而真正的大数据，让人类第一次有机会把来自不同地方、不同类型的数据联结起来形成对一个事物的完整描述，就像显微镜一样从更细的颗粒度层面认知世界。亚马逊CTOWernerV ogels则将大数据喻为“纠错器”：“长期以来，亚马逊一直通过大数据分析，尝试定位客户和和获取客户反馈。在此过程中，你会发现数据越大，结果越好。为什么有的企业在商业上不断犯错？翼卡车联网认为，那是因为他们没有足够的数据对运营和决策提供支持。一旦进入大数据的世界，企业的手中将握有无限可能。” 互联网时代，大数据还是发动机。互联网不再只是媒体，更是用户不断转化的平台。相应的，营销由独立转为系统性工程，而数据在营销全程中扮演的角色也必然要由参考工具转向驱动发动机。数据驱动的精准营销引擎，将颠覆传统的营销决策模式及营销执行过程，给网络营销行业乃至互联网及传统行业带来革命性的冲击。其实，我们已看到，网络营销的大数据应用正在加速前进。虽然以大数据支撑的RTB（RealTimeBidding，实时竞价）还在起步阶段，垄断媒体形成卖方市场、广告主决策过程并非百分百取决于业务层面价值仍对RTB 形成阻力，但RTB应用越来越成熟，越来越成规模，百度、阿里等也都推出了自己的RTB 平台，都足以让我们相信，RTB一定会成为未来网络广告的主流。而国内的互联网行业，特别是腾讯、阿里、百度等领头企业更在其他业务层面搜集、挖掘数据，进行大数据应用的准备和尝试，更使大数据向网络广告之外的领域渗透。