人工智能、邊緣計算、物聯(lián)網(wǎng)和云如何重塑車隊管理

　　利用優(yōu)化數(shù)據(jù)交換和數(shù)據(jù)存儲的分布式計算環(huán)境可以節(jié)省帶寬，從而獲得快速的數(shù)據(jù)體驗。

　　隨著企業(yè)希望對其車輛進(jìn)行現(xiàn)代化改造，聯(lián)網(wǎng)汽車的好處可能使之成為新標(biāo)準(zhǔn)，尤其是在車隊管理方面的好處。事實上，86%的互聯(lián)車隊運(yùn)營商表示，通過降低運(yùn)營成本，其在互聯(lián)車隊技術(shù)上的投資在一年內(nèi)獲得了可觀的回報。

　　此外，采用先進(jìn)遠(yuǎn)程信息處理技術(shù)的聯(lián)網(wǎng)車隊在管理和維護(hù)車輛方面提供了額外的好處。另一項研究表明，燃料成本降低了13%，同時改進(jìn)了預(yù)防性維護(hù)。其還顯示，緊急制動減少了40%，這表明改變駕駛習(xí)慣既有助于延長零部件的使用壽命，又能提高駕駛員的安全性。

　　大量的數(shù)據(jù)難以處理

　　車隊、保險提供商、維修和售后市場企業(yè)都希望利用更多此類智能遠(yuǎn)程信息處理數(shù)據(jù)。但是，生成的數(shù)據(jù)量不斷增長。因此，這些企業(yè)擁有比以往更多的數(shù)據(jù)來幫助做出明智的業(yè)務(wù)決策。但是，如此龐大的數(shù)據(jù)量給以經(jīng)濟(jì)有效的方式捕獲、消化和分析全部信息帶來了新的挑戰(zhàn)。

　　為了真正有效和有用，必須在整個過程中對數(shù)據(jù)進(jìn)行跟蹤、管理、清理、保護(hù)和豐富，以產(chǎn)生正確的見解。因此，擁有汽車車隊的企業(yè)正在轉(zhuǎn)向新的處理能力來管理和理解這些數(shù)據(jù)。

　　嵌入式系統(tǒng)技術(shù)已成為常態(tài)

　　傳統(tǒng)的遠(yuǎn)程信息處理系統(tǒng)依賴于嵌入式系統(tǒng)，這些系統(tǒng)旨在訪問、收集、分析(車載)和控制電子設(shè)備中的數(shù)據(jù)以解決一系列問題。這些嵌入式系統(tǒng)已被廣泛使用，尤其是在家用電器中，并且該技術(shù)在分析車輛數(shù)據(jù)方面的使用正在增長。

　　市場上現(xiàn)有的解決方案是利用5G的低時延。在AWS Wavelength或Azure Edge Zone上使用AI和GPU加速，汽車原始設(shè)備制造商可以在可行的情況下將汽車處理器卸載到云端。這種方法使5G設(shè)備與波長區(qū)域中托管的內(nèi)容或應(yīng)用服務(wù)器之間的流量能夠繞過互聯(lián)網(wǎng)，從而減少可變性和內(nèi)容丟失。

　　為了確保數(shù)據(jù)集的最佳準(zhǔn)確性和豐富性，并最大限度地提高可用性，嵌入在車輛中的傳感器用于收集數(shù)據(jù)，并在車輛和中央云機(jī)構(gòu)之間進(jìn)行無線傳輸，所有這些都是近乎實時的。根據(jù)越來越多的以實時為導(dǎo)向的用例，如道路援助、ADAS、主動駕駛員評分和車輛評分報告，對于車隊、保險企業(yè)和其他利用數(shù)據(jù)的企業(yè)來說，低延遲和高吞吐量的需求變得越來越重要。然而，雖然5G在很大程度上解決了這個問題，但將這些數(shù)據(jù)量傳輸?shù)皆贫怂�產(chǎn)生的成本仍然令人望而卻步。因此，必須在汽車內(nèi)部識別先進(jìn)的嵌入式計算能力，以便盡可能高效地進(jìn)行邊緣處理。

　　車輛對云通信的興起

　　為了提高帶寬效率并緩解延遲問題，最好在邊緣(在車輛內(nèi))進(jìn)行關(guān)鍵數(shù)據(jù)處理，并且只將與事件相關(guān)的信息共享到云端。車載邊緣計算對于確保聯(lián)網(wǎng)車輛能夠大規(guī)模運(yùn)行至關(guān)重要，因為應(yīng)用和數(shù)據(jù)更接近源頭，可以提供更快的周轉(zhuǎn)時間，并顯著提高系統(tǒng)性能。

　　技術(shù)進(jìn)步使汽車嵌入式系統(tǒng)能夠以有效和高效的方式與車輛內(nèi)的傳感器以及云服務(wù)器進(jìn)行通信。利用可優(yōu)化數(shù)據(jù)交換和數(shù)據(jù)存儲的分布式計算環(huán)境，汽車物聯(lián)網(wǎng)可縮短響應(yīng)時間并節(jié)省帶寬，從而獲得快速的數(shù)據(jù)體驗。將此架構(gòu)與基于云的平臺集成，進(jìn)一步有助于創(chuàng)建強(qiáng)大的端到端通信系統(tǒng)，以實現(xiàn)具有成本效益的業(yè)務(wù)決策和高效運(yùn)營�？偟膩碚f，邊緣/云和嵌入式智能將邊緣設(shè)備(嵌入車輛中的傳感器)連接到IT基礎(chǔ)設(shè)施，為基于現(xiàn)實環(huán)境的一系列以用戶為中心的新應(yīng)用讓路。

　　這在垂直領(lǐng)域有廣泛的應(yīng)用，原始設(shè)備制造商可以使用由此產(chǎn)生的洞察力并從中獲利。最明顯的用例是售后市場和車輛維護(hù)，其中有效的算法可以近乎實時地分析車輛的健康狀況，以針對發(fā)動機(jī)、機(jī)油、電池、輪胎等車輛資產(chǎn)中即將發(fā)生的車輛故障提出補(bǔ)救措施。利用這些數(shù)據(jù)，車隊可以讓維護(hù)團(tuán)隊以更有效的方式對車輛進(jìn)行維護(hù)，因為大部分診斷工作都是實時執(zhí)行的。

　　此外，保險和延長保修可以通過提供主動的駕駛員行為分析而受益，以便可以根據(jù)實際駕駛歷史和分析創(chuàng)建針對個別駕駛員需求的培訓(xùn)模塊。對于車隊而言，主動監(jiān)控車輛和駕駛員的評分可以降低車隊運(yùn)營商的TCO(總擁有成本)，以減少因盜竊和疏忽造成的損失，同時為駕駛員提供積極的培訓(xùn)。

　　助力車隊管理的未來

　　利用物聯(lián)網(wǎng)、邊緣計算和云的人工智能分析正在迅速改變車隊管理的執(zhí)行方式，使其比以往任何時候都更加高效和有效。人工智能分析來自遠(yuǎn)程信息處理設(shè)備的大量信息的能力為管理人員提供了有價值的信息，以提高車隊效率、降低成本和優(yōu)化生產(chǎn)力。從實時分析到駕駛員安全管理，人工智能已經(jīng)在改變車隊的管理方式。

　　人工智能通過云收集的OEM處理數(shù)據(jù)集越多，其就能做出更好的預(yù)測。這意味著未來的自動駕駛汽車更安全、更直觀，路線更準(zhǔn)確，車輛實時診斷也更好。