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

隨著企業(yè)希望對(duì)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(duì)管理方面的好處。事實(shí)上，86%的互聯(lián)車隊(duì)運(yùn)營商表示，通過降低運(yùn)營成本，其在互聯(lián)車隊(duì)技術(shù)上的投資在一年內(nèi)獲得了可觀的回報(bào)。

此外，采用先進(jìn)遠(yuǎn)程信息處理技術(shù)的聯(lián)網(wǎng)車隊(duì)在管理和維護(hù)車輛方面提供了額外的好處。另一項(xiàng)研究表明，燃料成本降低了13%，同時(shí)改進(jìn)了預(yù)防性維護(hù)。其還顯示，緊急制動(dòng)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(duì)、保險(xiǎn)提供商、維修和售后市場(chǎng)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(gè)過程中對(duì)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(duì)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(chǎng)上現(xiàn)有的解決方案是利用5G的低時(shí)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(shí)時(shí)的。根據(jù)越來越多的以實(shí)時(shí)為導(dǎo)向的用例，如道路援助、ADAS、主動(dòng)駕駛員評(píng)分和車輛評(píng)分報(bào)告，對(duì)于車隊(duì)、保險(xiǎn)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(gè)問題，但將這些數(shù)據(jù)量傳輸?shù)皆贫怂a(chǎn)生的成本仍然令人望而卻步。因此，必須在汽車內(nèi)部識(shí)別先進(jìn)的嵌入式計(jì)算能力，以便盡可能高效地進(jìn)行邊緣處理。

車輛對(duì)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(jì)算對(duì)于確保聯(lián)網(wǎng)車輛能夠大規(guī)模運(yùn)行至關(guān)重要，因?yàn)閼?yīng)用和數(shù)據(jù)更接近源頭，可以提供更快的周轉(zhuǎn)時(shí)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(chǔ)的分布式計(jì)算環(huán)境，汽車物聯(lián)網(wǎng)可縮短響應(yīng)時(shí)間并節(jié)省帶寬，從而獲得快速的數(shù)據(jù)體驗(yàn)。將此架構(gòu)與基于云的平臺(tái)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(shí)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(shí)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(chǎng)和車輛維護(hù)，其中有效的算法可以近乎實(shí)時(shí)地分析車輛的健康狀況，以針對(duì)發(fā)動(dòng)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(duì)可以讓維護(hù)團(tuán)隊(duì)以更有效的方式對(duì)車輛進(jìn)行維護(hù)，因?yàn)榇蟛糠衷\斷工作都是實(shí)時(shí)執(zhí)行的。

此外，保險(xiǎn)和延長保修可以通過提供主動(dòng)的駕駛員行為分析而受益，以便可以根據(jù)實(shí)際駕駛歷史和分析創(chuàng)建針對(duì)個(gè)別駕駛員需求的培訓(xùn)模塊。對(duì)于車隊(duì)而言，主動(dòng)監(jiān)控車輛和駕駛員的評(píng)分可以降低車隊(duì)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(shí)為駕駛員提供積極的培訓(xùn)。

助力車隊(duì)管理的未來

利用物聯(lián)網(wǎng)、邊緣計(jì)算和云的人工智能分析正在迅速改變車隊(duì)管理的執(zhí)行方式，使其比以往任何時(shí)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(jià)值的信息，以提高車隊(duì)效率、降低成本和優(yōu)化生產(chǎn)力。從實(shí)時(shí)分析到駕駛員安全管理，人工智能已經(jīng)在改變車隊(duì)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(cè)。這意味著未來的自動(dòng)駕駛汽車更安全、更直觀，路線更準(zhǔn)確，車輛實(shí)時(shí)診斷也更好。