大数据的定义和特征

大数据的定义和特征

大数据(big data)，或称巨量资料，指的是所涉及的资料量规模巨大到无法透过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。

我们从权威的定义可以看到，大数据的特征有四点，分别为：

数据体量巨大。从TB级别，跃升到PB级别;

数据类型繁多。提到的网络日志、视频、图片、地理位置信息等等；

价值密度低，商业价值高。

以视频为例，连续不间断监控过程中，可能有用的数据仅仅有一两秒。

处理速度快。1秒定律。

车联网的大数据在预测方面可以发挥到极致。如，预测交通堵塞的地段，实时交通信息，主动安全，公交的排班。驾驶者驾驶行为分析。

大数据的核心在于预测，这在车联网行业非常有用，例如，对于交通流量的预测，就非常需要大数据。

对于交通流量，目前我们的仿真系统更加重视交通流量大，拥堵的原因，而大数据时代，不再在乎因果关系，而重视相关性，也就是不去分析产生拥堵的原因，但确实某个时段某个路段会发生拥堵。也可以根据车联网的大数据对车友的兴趣进行分析。

大数据在商用车领域已经有相当多的应用，如公交领域的运营排班管理、出租车领域的浮动车数据，物流行业的大物流。

如何解决公交企业面临的三大问题：运力配备最少、车辆运行距离最短、驾驶员作业时间最少?如何分析各时间段、各站点的客流分布情况呢?如何实现运营的安全智能化、运营排班的智能化?在公交行业，以上问题普遍存在，通过车联网的大数据，可以解决公交行业所面临的这些问题。根据各个时间段，各站点的客流量大小，线路配备的运营车辆数、线路配备驾驶人员、线路长度、车辆运行速

度等大数据，可确定一条线路各个时间段的配车数及发车间隔，从而解决运力配备最少、车辆运行距离最短、驾驶员作业时间最少三大问题。

根据客流量、节假日、气候、节气、自然灾害、道路、车况事故、历史同期数据、售票方式、居民小区建设等条件建立计划模型，从而用最快的速度对这些影响运营计划的因素做出反映。比如增加线路，增加车辆，增加司机，有效地制定公交运营计划。同时可对于运营排班精准管理，可通过大数据可以自动排班，对行车作业计划进行优化，并快速地对运行线路进行调整和优化。

自从菜鸟网络公司出现以后，大物流的概念终于被业界提及。

什么叫大物流呢?是指企业的自有物流系统(由车队、仓库、人员等组成)，和第三方物流企业的配送信息与资源进行共享，从而能充分地利用各方面资源，减少物流总支出、降低运营成本。

目前物流行业随着业务的扩大，车辆数日益增多，而且

型号众多。很多企业还是采用手工方式进行车辆管理，工作量大，对车辆运营数据统计分析比较困难，统计结果相当滞后，不利于公司的决策管理;同时在车辆行驶过程中没有进行全程的监控，对司乘人员的违法违规行为无法进行及时预警，也无法对司乘人员的求助及时进行反应。

如何改善物流企业在管理上较为落后的现状，达到货主“高服务质量、严格的准时率、极小的货损率、较低的物流成本”的要求?

如何解决物流行业运行信息反馈滞后、运营高成本、货运车辆的高空驶率、司机作弊给货物和车辆的安全带来的极大隐患?

如何快速、高效的为用户提供可靠的物流服务?

如何最大程度的利用运力资源提高整体业务运营效率?

这些是目前物流行业迫在眉睫的问题。

对以上问题，车联网技术正好可以解决车主迫在眉睫的问题，通过透明化的运输过程管理，合理调度车辆，根据车辆行驶的大数据，对车辆行驶的线路畅通情况进行预测，规