OBD車聯網商業模型如何在大數據上作文章？

　　本文將從大數據的角度描述車聯網數據的商業模型及挖掘之道。OBD車聯網按照"賣××"來分商業模式，有三種東西可賣：設備、服務、數據。

　　賣設備：把OBD設備賣給車聯網的運營商。OBD設備必須包含OBD模塊;通訊模塊多是藍牙的或GSM;定位模塊可以選擇GSM基站定位、或者GPS;還有些廠家的設備包含G-Sensor。

　　賣服務：一般是由車聯網運營商為車主提供各種用車管車服務，比如車隊管理;也包括增值服務，比如4S集團使用OBD設備來加強與客戶的聯接。服務通常按年收費，服務費可能包含或者不包含設備價格。目前，面向個人車主的服務模式不給力。

　　賣數據：這種方式非?；ヂ摼W化，指通過對車聯網數據的分析，從而提供某種個性化的服務，這種服務不限于汽車使用，更側重汽車活動。目前盛行的是賣保險，從之前基于里程的PAYD，到考慮駕駛安全的的PHYD，發展到現在綜合各種因素的UBI。

　　"賣××"的模式，不僅僅限于車聯網的OBD設備，對前裝的車機同樣試用。目前的UBI主要通過便于安裝和拆卸的OBD接口;將來則可能在汽車出廠時就已攜帶。

　　可控、開放是王道

　　以UBI為例，為了發揮數據的最大價值，數據應該具備一定的、可控的開放性，才能形成良好的生態鏈及其多樣性。具體而言，數據開放性體現在三點：設備、車聯網服務、保險服務。

　　設備。對于UBI運營平臺來說，設備是哪個廠家的并不重要，重要的是這些設備采集的數據能夠進入運營平臺。這些數據可以是異構的，即結構是不一樣的，但應該是同義的，即具備同樣的含義和價值。

　　車聯網服務。目前的車聯網服務商是要控制設備的，而OBD設備更多是由服務商自己做(因為需要賣設備來賺錢)。對這些服務商，UBI也可以采取數據合作的形式，讓車主自主選擇。另外，將來基于這些數據的其它衍生服務，應以OpenAPI的方式提供基礎數據。

　　保險服務。對于車聯網服務商來講，可以同時為幾家保險公司提供設備、系統或者服務，那么，他們就有可能讓自己的客戶來選擇保險公司。UBI運營平臺可以對此開放相關保險數據，而保險公司要控制的是現金流等金融操作。

　　當然，開放是相對的，必須是在可控的、安全的前提條件下。要做到數據的開放與可控，需要運營管理與技術處理的良好結合。

　　大數據挖掘之道

　　以賣數據中的賣保險為例，整個數據的處理流程，如下圖所示：

　　如果是其它的賣數據方案，則駕駛行為模型、保費風險模型、汽車保險管理系統、保單理賠數據四個部分可能做相應的調整，比如，駕駛行為模型變為LBS的位置模型。

　　在上面的流程圖中，斜體部分標注了不同的環節對數據計算的要求。在對車輛做監控管理的時候，要求實時性高;當計算駕駛行為模型時，可以采取批處理的方式，若有一些及時性的要求，則可以結合事件驅動的計算模式;當做保險的風險模型時，則屬于BI的范疇，保費風險模型也是屬于近年出現的新需求。

　　針對這樣的系統，過去的方案一般是：關系數據庫+大內存+總線或消息系統，根據需要可能會包含工作流和規則引擎。若使用Java開源技術，那么這種方案里，通常是把數據庫操作組件、內存組件、總線組件等作為一個整體框架的組成部分，程序整體打包后運行在Server下;根據不同的需要，可能要解決分表、Failover、熱部署等問題。

　　大數據技術普及的現在，對這樣的系統可選方案為：關系數據庫+NoSQL+流式計算+分布式批量計算+BI。這些方案目前都有較為成熟的技術，并且都較好地解決了透明化通信、熱部署、Failover等編程及系統管理性問題。(注：上面的系統構成中沒有給出人的操作端、車的操作端等終端部分。而在這個方面，整個體系也有變化，過去以車機和PC為主，當前則多了手機。手機的加入，改變的不僅僅是多了一種顯示界面、多了很多操作方式，而是多了很多需求。)

　　關系數據庫用在車聯網運營管理部分，這個部分的業務和技術都已經比較成熟，指保存車及********(包括維修保養)。

　　NoSQL用于管理從汽車上采集到的數據，以及后面流程的數據，但是，不同的部分應選用不同的、適應各自特性的NoSQL方案：

　　車輛行駛數據，更適合以日志文件的方式存儲。車輛上報的數據通常是基于字節編碼的比如ASN.1，需要計算時再解碼。

　　監控管理結果，更適合采用一種內存數據庫方案，可能需要支持快速讀寫歷史數據、以及定時或定量將數據寫入(固態)硬盤。

　　駕駛行為模型，則需要考慮解決變更計算參數后重新計算、增減模型因子后增刪相關數據、因子的值的類型多樣化(甚至是復合類型)、等問題。

　　保費風險模型，或者采用與目前保險公司方案兼容的，或者采用適合新型BI的(新型BI在后面會有介紹)。

　　流式計算用于滿足實時性要求高的汽車監管。不同的流式計算系統側重解決不同的問題。比如Storm解決了實時的分布式計算問題，包括計算流可以分布在一個或多個機器上、動態增減服務器及Failover自管理、通信機制透明化、熱部署計算流等;Esper解決了事件之間的規則及關系問題。如果監控需求導致數據多且復雜，那么一個內存數據庫是有必要的。

　　分布式批量計算，目前最流行的方案就是Hadoop。當前Hadoop的熱點之一就是改造Hadoop以滿足一定的及時性要求，而不單單是批量處理;之所以說是及時性，因為它還達不到實時性的程度。

　　BI(商業智能)。在當前的大數據環境下，傳統的基于關系數據庫的方式呈現出幾個不足：1、傳統方案側重社會化(分析出整體模型，拿個體特征與其對比)，難以滿足個體在某時某地的"復雜性/混沌的/發散的"的需求;2、傳統方案在數據量非常大時，可能是抽樣的，難以做到全量分析;3、更多互聯網公司的數據和企業化系統的數據，其存儲已經使用NoSQL方案，傳統方案難以匹配。能解決以上三個問題的BI框架還未成熟。

　　不管在數據處理的哪個環節，使用那種處理技術，對于數據的質量識別、優劣控制都是必須的。在車聯網中，從車機或OBD設備開始，由于車型的多樣性、設備工作環境的復雜性，數據就不可能達到統一的質量標準，如何處理不同的可用率的數據，如何對待由這些數據產生的價值精準性，是必須考慮的重點問題。
 

聲明:

凡文章來源標明“中國智能交通網”的文章版權均為本站所有，請不要一聲不吭地來拿走，轉載請注明出處，違者本網保留追究相關法律責任的權利；所有未標明來源為“中國智能交通網”的轉載文章均不代表本網立場及觀點，“中國智能交通網”不對這些第三方內容或鏈接做出任何保證或承擔任何責任。