人工智能、边缘计算、物联网和云计算如何重塑车队管理

　　每天产生的数据量不断增长。因此，这些企业拥有的数据比以往任何时候都多。

　　随着车队企业希望实现车辆现代化，联网车辆的好处可能使这些技术成为车队管理的新标准。事实上，86%接受调查的互联车队运营商表示，通过降低运营成本，一年内对互联车队技术的投资获得了丰厚的回报。

　　此外，采用先进远程信息处理技术的互联运输车队在管理和维护车辆方面提供了额外的好处。另一项研究表明，在接受调查的企业中，燃料成本降低了13%，预防性维护也得到了改善。其还显示，紧急制动减少了40%，这表明驾驶习惯的改变既有助于延长零部件的使用寿命，又能提高驾驶员的安全性。

　　这意味着运输车队、保险提供商、维护和售后企业都希望利用更多的智能远程信息处理数据。然而，每天产生的数据量不断增长。因此，这些企业拥有比以往更多的数据来帮助做出明智的业务决策。如此庞大的数据量给以经济有效的方式捕获、消化和分析整个数据方面带来了许多新的挑战。

　　为了真正有效和有用，数据必须在整个过程中被跟踪、管理、清理、保护和丰富，以产生正确的洞察力。这就是为什么一些企业正在转向新的处理能力来实现这一目标，以便正确使用和计算数据。

　　嵌入式系统技术已成为常态

　　传统的远程信息处理系统依靠嵌入式系统来解决一系列问题，嵌入式系统是设计用于访问、收集、分析(车内)和控制电子设备中的数据的设备。这些嵌入式系统已被广泛使用，特别是在家用电器中，并且如今该技术在分析车辆数据方面的应用正在不断增长。

　　市场现有的解决方案是利用5G的低延迟。使用AWS Wavelength或Azure Edge Zone上的AI和GPU加速，车辆OEM可以在可能的情况下将车载车辆处理器卸载到云端。5G设备与托管在波长区域的内容或应用服务器之间的流量不需要穿越互联网，从而减少了可变性和内容丢失。

　　为了确保数据集的最佳准确性和丰富性，并最大限度地提高可用性，车辆内嵌入的传感器用于收集数据，并在车辆和中央云管理机构之间进行近乎实时的无线传输。根据越来越面向实时的用例，如道路辅助、ADAS、主动驾驶员评分和车辆评分报告，车队、保险企业和其他利用数据的企业对低延迟和吞吐量的需求已经变得越来越大。

　　然而，尽管5G在很大程度上解决了这个问题，但收集并传输到云的数据量所产生的成本仍然令人望而却步。因此，必须确定汽车内部先进的嵌入式计算能力，以便尽可能高效地进行边缘处理。

　　车辆到云通信的兴起

　　为了提高带宽效率并减轻数据延迟问题，最好在车辆边缘进行关键数据处理，并且只向云共享与事件相关的信息。由于应用和数据更接近源头，车载边缘计算对于确保联网车辆能够大规模运行变得至关重要，从而提供更快的周转并大幅提高系统性能。

　　技术进步使嵌入式系统能够以有效且高效的方式与车辆内的传感器以及云服务器进行通信。物联网利用可优化数据交换和数据存储的分布式计算环境，缩短响应时间并节省带宽，从而实现快速的数据体验。将该架构与基于云的平台集成进一步有助于创建端到端通信系统。总的来说，边缘云和嵌入式智能组合将边缘设备(车辆传感器)连接到IT基础设施，为基于现实环境的一系列以用户为中心的新应用让路。

　　这在各个垂直领域都有广泛的应用，原始设备制造商可以使用这些数据并将其货币化。最明显的用例是售后市场和车辆维护，其中非常有效的算法可以近乎实时地分析车辆的健康状况，针对发动机、机油、电池、轮胎等车辆资产即将发生的车辆故障提出补救措施。利用这些数据，车队可以让维护团队做好准备，对车辆进行维修，从而以更高效的方式返回车辆，因为大部分诊断工作都是实时执行的。

　　此外，保险和延长保修可以通过提供主动的驾驶员行为分析而受益，这样就可以根据实际驾驶行为历史和分析制定针对个别驾驶员的培训模块。对于车队而言，主动监控车辆和驾驶员评分可以降低车队运营商的TCO(总拥有成本)，减少因盗窃和疏忽造成的损失，同时再次为驾驶员提供主动培训。

　　推动车队管理的未来

　　利用物联网、边缘计算和云的人工智能分析正在迅速改变车队管理的执行方式，使其比以往更加高效和有效。人工智能能够分析来自远程信息处理设备的大量信息，为管理人员提供有价值的信息，以提高车队效率、降低成本和优化生产力。从实时分析到驾驶员安全管理，人工智能已经改变了车队的管理方式。

　　人工智能通过云通过OEM处理收集的数据越多，就能做出更好的预测。这意味着未来的自动驾驶汽车将更安全、更直观，拥有更准确的路线和更好的实时车辆诊断。