一、車聯網系統

　　根據行業背景不同，對車聯網的定義也不盡相同。傳統的車聯網定義為裝在車輛上的電子標簽通過無線射頻等技術對車輛信息進行提取，使以有效的監管和提供綜合服務系統。但隨著互聯網技術和各產業的迅速發展，傳統的車聯網定義已經不足以覆蓋現如今車聯網的全部內容，根據車聯網產業技術創新戰略聯盟的定義。

　　車聯網是以車內網、車際網和車載移動互聯網為基礎，按照約定的通信協議和數據交互標準，在車與人、車與道路、車與互聯網等之間，進行無線通訊和信息交換的大系統網絡，然后系統通過實現對海量數據的“過濾清洗”，平臺對數據進行處理，進而實現智能化交通管理、智能動態信息服務和車輛智能化控制的一體化網絡，是物聯網技術在交通系統領域的典型應用。

　　車聯網系統

　　車聯網系統，是指是利用先進智能技術、傳感技術、網絡技術、計算技術、控制技術，使系統對道路和交通進行全面感知，使所有車輛可以通過自身環境和狀態進行信息采集，并將自身的各類信息上傳到互聯網大數據平臺，由中央處理器對大量上傳信息進行匯總、分析和處理，系統將對每一輛交通參與車輛進行全程控制，對每一條道路進行實時管控，為使用者提供交通的效率與安全。

　　車聯網的重要性

　　車聯網（IOV：Internet ofVehicle）是物聯網在汽車領域的一個細分應用，是移動互聯網、物聯網向業務實質和縱深發展的必經之路，是未來信息通信、環保、節能、安全等發展的融合性技術。

　　“車-路”信息系統一直是智能交通發展的重點領域。在國際上，歐洲CVIS，美國的IVHS、日本的SmartWay等系統通過車輛和道路之間建立有效的信息通信，實現智能交通的管理和信息服務。RFID技術近年來在物流與供應鏈管理領域以及交通運輸領域智能化管理中得到了應用，如智能公交定位管理和信號優先、智能停車場管理、車輛類型及流量信息采集、路橋電子不停車收費、高速公路多義性路徑識別及車輛速度計算分析等方面取得了一定的應用成效。

　　二、車聯網系統的組成

　　1、車機，是安裝在汽車內的車載信息娛樂產品的簡稱。車機在有些功能上可以實現駕駛者與車輛和車與外界的交互，增加駕駛者的用戶體驗和安全系數。有些車機包含了預約保養、遠程診斷、接打電話、語音控制、車輛救援等功能。

　　2、智能手機，國內以百度Carnet為代表的產品，國外以蘋果carplay、android auto為代表的產品。駕駛者可以將手機的內容投射到車機屏幕上，讓車輛智能系統更具靈活性和延展性，給予駕駛者更便捷的上手感受。

　　3、地圖導航，很多車輛的車機都帶有導航，但由于版本更新慢等問題，實際使用量很少，一般駕駛者都轉為使用手機APP進行操作。

　　4、語音技術，在計算機領域中的關鍵技術有自動語音識別技術（ASR）和語音合成技術（TTS）。是未來人機交互的發展方向，其中語音成為未來最被看好的人機交互方式。語音比其他的交互方式有更多的優勢，同樣語音技術將會成為車聯網的重要的組成部分。

　　WCDMA/LTE移動通信技術、車載Wi-Fi和3G/4G等安全、高速的移動通信技術為汽車這一快速交通工具接入互聯網提供了可能，同時也可以為移動運營商帶來巨大的利益。車載Wi-Fi是面向現代交通工具推出的特種上網設備，車載Wi-Fi使移動交通工具轉化成為一個移動網絡，并且運營商通過LBS（Location Based Service基于位置服務）獲取移動終端用戶的位置信息，在地理信息系統平臺的支持下，為用戶提供相應服務，從而使駕駛者或乘客享受到無處不在的信息服務。所以說，車載Wi-Fi技術和WCDMA/LTE移動通信技術將會成為智能汽車的關鍵一環。

　　5、HUD（Head Up Display平視顯示器），現如今很多豪華車都已自帶簡單的HUD附件，但僅是簡單的實時速度和簡單的導航映射。不過國內外也有很多科技公司開始設計并開發新型的HUD，甚至有前風擋玻璃就是一面大的HUD，通過駕駛者的肢體操控，人機交互或者是車內傳感器就可以完成操作，這樣就能使駕駛者脫離手機，解決了分心困擾。

　　6、OBD（On-Board Diagnostic車載診斷系統），OBD起初實質性能就是通過監測汽車的動力和排放控制系統來監控汽車的排放。當汽車的動力或排放控制系統出現故障，當污染量超過設定的標準，故障燈就會點亮報警。現如今OBD集成于檢測、維護和管理一體，系統會進入發動機、變速箱等系統的ECU（Electronic Control Unit電子控制單元，又稱“行車電腦”）中讀取故障碼及其他相關數據。現部分OBD已集成GPS芯片、加速傳感器等，可以獲取駕駛數據，結合手機App能夠起到一定的安防作用（震動、位移、點火告警），對車況進行實時監控。

　　7、CAN（Controller Area Network控制器局域網絡），是國際上應用最廣泛的現場總線之一。近年來，其所具有的高可靠性和良好的錯誤檢測能力受到重視，被廣泛應用于汽車計算機控制系統。

　　8、RFID（Radio Frequency Identification射頻識別技術），是一種通信技術，可通過無線電訊號識別特定目標并讀寫相關數據，而無需識別系統與特定目標之間建立機械或光學接觸。其實RFID大家已經非常熟悉，我們常用的各種門禁卡就是基于這種技術制作而成。RFID對于車輛輔助或者管理的系統有ETC、停車場、車位導引、特殊車輛管理等。

　　9、ITS（Intelligent Transport System智能交通系統）是未來交通系統的發展方向，它是將先進的信息技術、數據通訊傳輸技術、電子傳感技術、控制技術及計算機技術等有效地集成運用于整個地面交通管理系統而建立的一種在大范圍內、全方位發揮作用的，實時、準確、高效的綜合交通運輸管理系統。ITS可以有效地利用現有交通設施、減少交通負荷和環境污染、保證交通安全、提高運輸效率，因而，日益受到各國的重視。21世紀將是公路交通智能化的世紀，人們將要采用的智能交通系統是一種先進的一體化交通綜合管理系統。

　　三、車聯網系統架構圖

　　一、數據源

　　大數據平臺的數據源包括兩類數據：

　　1、車載終端數據

　　系統規模由車載終端并發接入量與消息并發處理需求決定，其特點為增長迅速，數據類型繁多且數據格式多變。大數據平臺必須可能保證車載終端高并發遠程接入并傳輸數據。同時還應兼顧歷史數據的導入，傳統數據存儲及分析方式往往以兩種形式處理這些車載終端數據：一是用傳統型關系型數據庫，二是用文件系統。

　　2、 應用數據

　　應用系統相關數據，數據相對較小，增長較慢。數據結構與應用強相關且較為穩定。

　　二、數據傳輸

　　針對上述數據源，大數據平臺應提供相應的數據傳輸接入工具：

　　1、車載終端數據

　　2、實時數據

　　大數據平臺應支持多設備同時接入并進行數據傳輸。高并發的規模應考慮在十萬級別。

　　3、歷史數據

　　大數據平臺應提供面向關系型數據庫與文件系統的數據導入接口。

　　4、通訊協議

　　如果車載終端由不同供應商提供且使用不同的私有自定義通訊協議，大數據平臺應提供私有協議解析適配功能。

　　5、應用數據

　　大數據平臺不應對建設在其上的應用系統附加限制，如開發語言，通訊協議等。大數據平臺應遵循‘面向服務架構’（Service-Oriented Architecture）的設計模式，即各種異構的應用系統可通過獨立的消息中間件進行通信，且通信的數據路由、消息傳輸協議、傳輸質量與安全都可管理。大數據平臺應提供面向消息中間件的數據接入與導出接口。

　　三、數據預處理

　　車載終端數據的一個顯著特點是數據源源不斷，且具有周期性。因此此類數據隨車載終端數量增多，系統部署規模的擴大會迅速積累增長，對數據存儲與分析帶來較大壓力。對此，大數據平臺需在數據存儲之前進行一些必要的預處理：

　　1、解析

　　每種車載終端數據均有固定的schema，大數據平臺應提供一種統一的schema定義工具，所有車載終端供應商可便捷的通過此工具將數據schema導入或直接編輯。大數據平臺還應提供‘通用信號’功能，在應用與數據間提供了一個適配層，使應用無需關注某一信號在每個異構車載終端中的名稱。即將類似‘車速’、‘車門故障’這樣的通用描述與各種異構車載終端中的信號名（例如不同列車總線對車速信號的定義可能是Spd/speed/carspeed等）進行綁定。

　　2、過濾

　　針對解析后的數據值，大數據平臺應提供去重、降噪、篩選、清洗等工具將無效數據進行過濾，以達到節省存儲空間的目的。這些操作應該是在數據接入時實時處理的。

　　3、預處理

　　此外，大數據平臺為數據分析提供預處理功能，以便提高后續數據分析的效率。預處理包括合并、分類、轉換與增強等。

　　四、數據存儲

　　傳統的集中式的數據存儲方案在存儲車載終端數據時均存在一些性能瓶頸。關系型數據庫的規模擴展是其最大的性能瓶頸，縱向擴展意味著花費高昂的成本采購硬件設備，橫向擴展則對數據庫管理軟件、數據庫管理員乃至網絡帶寬與環境等均提出非常高的要求。這主要是因為在其核心設計理念提出的上世紀70年代，分布式的概念尚未出現。而文件系統則在數據分析時面臨數據索引、文件切分等問題，影響分析效率。

　　大數據平臺應針對車載終端數據與應用數據提供分布式與集中式的混合型存儲建構。其中對車載終端數據的存儲是對客觀事實的記錄，即一旦存入便不會變更，應采用分布式方案來存儲車載終端數據，以便于靈活擴展系統存儲規模。應用相關數據則可采用傳統關系型數據庫進行存儲。此外，系統應提供數據導出功能以便用戶使用專業工具進行數據處理。

　　五、數據分析

　　大數據平臺的核心功能是將原始數據通過各種數據分析的手段轉換成對用戶有意義的信息。大數據平臺的數據分析包括：

　　1、基礎數據運算

　　針對各種數據類型，提供相應基礎數據分析功能，例如求平均數、最值、變化率、數值積分等。

　　2、機器學習

　　大數據平臺應內置各種機器學習的算法，并為用戶提供友好的客戶端接口。

　　3、自定義數據分析工作流

　　用戶可結合應用需求將基礎數據運算功能、機器學習以及其他分析手段結合在一起組合成自定義工作流，由大數據平臺提供任務的調度與結果的展示。

　　4、實時分析

　　有些數據時效性較強，即需要被實時處理才能將原始數據轉化為對用戶有意義的信息或被用于支持一些即時決策。一旦處理不及時，這些數據所包含的信息量將大幅下降。大數據平臺可在數據預處理時提供實時數據處理.