超过 4PB 的数据怎么用？四维图新搞了个 MineData 位置大数据平台
百度最近因为自动驾驶风光无限，但在地图领域占据半壁江山的四维图新也没闲着。6 月 13 号，他们发布了一个名为「MineData」的位置大数据平台。 这也成为继数字地图、车联网、自动驾驶之外，四维图新第四个重要的业务板块。这个产品将由四维图新旗下的子公司世纪高通负责运营。 我们先来说说四维图新做这个平台的缘由。 世纪高通副总经理兼四维图新首席架构师石清华在发布会上作了说明。在他看来，现在的地图早已不再是单纯的地图，而是变成了一个平台和载体，开始为各行业提供全方位的服务。未来，各行各业对地图的需求将与各自的特征紧密结合，越来越专业化、定制化。但是，现在企业用到的地图大多是从 2C 端的产品演化而来各种开放平台，同质化非常严重，缺乏专门定制的行业地图。因此，MineData 应运而生。 当然，如果以上说法太晦涩，我们再换个角度来看。根据四维图新副总裁、世纪高通总经理梁永杰的说法，MineData 其实是一个随项目而生的平台，也就是说，四维图新在解决用户遇到的问题的过程中，慢慢发现可以做一个这样的产品。这在 MineData 的一些特点中也有体现，如数据的可视化和数据分析便利性，数据在行业和业务里的适应性等等，这些都是 MineData 所要重点服务的 B 端用户所关注的点。 所以，MineData 位置大数据平台到底是什么？事实上，它主要包含数据蜂巢（MineCatalog）、可视化地图（MineMap）、实验室（MineLab）三大板块，通过数据汇聚、可视化和分析能力，为全行业提供基于位置大数据的解决方案。 先说说数据蜂巢。既然是大数据平台，自然少不了数据的收集和整理。目前，四维图新的数据总量已经超过了 4PB，而且还在以每天 2.8TB 的速度增长（这些都是规格化之后的有序数据，而不是原始的、杂乱无序的数据）。随着车联网、自动驾驶等业务的发展，数据规模的增长速度势必会更加迅速。 不过，这体量庞大的数据并不是集中在一起的，而是分散在四维图新不同事业部乃至子公司的服务器上，如何聚集、整合、打破潜在的信息孤岛，让数据发挥更大的价值，是一个必须要解决的问题。「数据只有盘活才有新的价值，数据只有跨界才有新的故事」。而这正是数据蜂巢要做的事情。 数据蜂巢系统由「探针-蜂巢-数据沙盒」这个三层结构组成。首先，在每个业务口的数据集群处有一个如探针般导流数据的机器，这些机器把数据源源不断地导流入被称为「蜂巢」的数据仓库，并进行数据清洗。然后，它们被依据属性分门别类地存储在数据沙盒里对外供给。而且，企业也可以在自己那边部署数据蜂巢和四维图新的数据蜂巢相对接，形成一个生态循环网络。世纪高通副总经理兼四维图新首席架构师石清华在专访时透露，四维图新采取了自建 IDC 和腾讯云的混合云机制来为这些数据提供双重的安全保障。作为 MineData 的基石，数据蜂巢系统保证了数据的活力和多维度性。 有了数据，接下来就要考虑如何去用了，这也就是 MineMap 和 MineLab 要干的事儿。 按照四维图新的说法，MineMap 提供所见即所得的地图定制服务，将以前非常专业的地图配置问题按照互联网的交互体验进行了重构，使数据在视觉方面达到用户想要的效果。 考虑到具体业务需要与地图进行叠加显示，MineMap 推出了可视化模板，包含轨迹点亮图、城市柱形图、热力图等等各种地图特效。 此外，MineMap 还提供了表现一致的引擎，为 Web、Android 和 IOS 多平台准备了第三方开发接口，实现了一处配置、多屏运行。 如果说 MineMap 的操作流程大致是选择数据、配置数据、出定制地图，那么 MineLab 则是选择数据、配置算法、出分析结果。如春节期间的人口迁徙图就是基于一种叫做 OD(交通出行量) 的算法得出的结果。而且，相比于 MineMap 的锦上添花，MineLab 的数据分析才是 MineData 的核心所在。 在石清华看来，MineLab 是 MineData 中最有魅力的部分，因为它可以提供近似真实环境的实验室，里面有近似真实的场景数据。他认为，现在大数据分析最难的不是技术，也不是算法，更不是可视化，因为算法可以不断调整，可视化有很多借鉴，最难的是数据和完备的数据场景。 说了这么多理论的东西，MineData 具体可以有哪些应用场景？梁永杰举了一个汽车长途行驶的例子：当行驶区域天气状况恶劣复杂时，传统的天气预报就不够用了，而 MineData 的处理方式是，首先选取实时更新的、精确的天气数据，然后选择路径规划算法，将天气数据按时间和空间与路径相匹配，最后再选择路径的可视化方案，将路径上的天气生动地呈现出来。这样，乘客就可以规避天气比较恶劣的出行路线，提高出行的舒适度和安全度。 除了一般的汽车行驶，MineData 同样可以运用到自动驾驶上。例如，一方面汽车可以为 MineData 提供数据来源，另一方面，MineData 可以帮助训练自动驾驶模型。 而不管是梁永杰还是石清华，他们口中提到最多的词就是「开放」。在四维图新看来，MineData 是个开放且极具互动性的平台，而且只有开放和互动才能发挥这个平台真正的作用。 例如，在数据整合方面，作为 B 端产品，MineData 不像 C 端产品那样仅仅自己收集数据，而是同样允许用户自己上传数据，通过数据的融合去发掘更大的价值，并通过这样一种互动和配合来实现定制化、个性化的服务。 同样，在如何处理数据这个问题上，MineData 也将给予用户很大的自由，它仅仅只是在 MineMap 和 MineLab 中为用户提供基本的模板和算法，具体的结果需视用户自己上传的数据以及选择的数据处理方式而定。 总而言之，MineData 的使命和任务是基建和开放。也就是说，四维图新完成基础地图和位置大数据的工作，为各行各业提供一个开放合作的大数据平台，而各行各业则根据自身的需求，运用这个平台为自己定制个性化服务，二者分工合作，以盘活更多的商业价值和行业价值。 在 MineData 的实际应用上，目前，世纪高通已经和西安交警互联网服务中心联手建立了「西安交警互联网+路况大数据平台」，通过提供各种位置大数据服务来协助交通管理部门进行指挥调度，疏导城市交通。 总之，如何利用好自己手中的数据，让它不再是冷冰冰的数据，甚至产生更大的价值，这就是四维图新在想的事儿，其实也是很多手握数据的公司在琢磨的。MineData，只是这股大潮的一个缩影。 有一个细节很有意思。在发布会当天早上，天空阴云密布、雷雨交加，后来转而晴空万里。梁永杰应着这个景说了一句「雨就是财，晴空万里就是顺」。或许，这也是这个时代对大数据的祝福？ 原创声明： 本文为 GeekCar 原创作品，欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」，并附上原文链接，不得修改原文内容，谢谢合作！ 欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车 （微信号：GeekCar）& 极市 （微信号：geeket）。
你所不知道的 Formula E：比的其实是软件和大数据
去年 10 月，我在鸟巢观看了电动方程式（Formula E）北京站的比赛。 虽然没有发动机的声浪，但好在主办方为大家准备了背景音乐和主持人解说，否则可能会安静得尴尬。在现场观看 FE 比赛到底是一种怎样的体验，你可以看 GeekCar 这篇文章 。 说起 F1，有人会吐槽现在的 V6 增压发动机声浪太难听，也有人会娓娓道来 KERS 等各种黑科技。至于刚起步的 FE，用了全新的车和全新的赛事规则，可能就没多少人懂了。FE 到底有什么不同？如何才能摆脱业余观众的身份？我们今天从科技角度来让你涨涨姿势。 大数据下的 FE FE 赛车全车身布满了各种传感器，基本都布置在车壳之下。这些传感器相互连接构成一个神经网络，据估算，每场比赛每辆车会产生大约 1.2GB 的关键数据。 车身所有传感器收集到的实时数据，会传给 ECU（由迈凯伦统一提供）。由于 FE 赛车高度电子化，动力系统的表现很大程度上取决于「 软件」，这也是各个车队的核心竞争力之一。 当车手返回 P 房时，工程师团队会从车上下载数据。出于网络安全考虑，他们以有线传输的方式进行。一般来说，自由练习赛会产生约 600MB 的数据，排位赛会产生约 150MB 数据，正赛会产生约 450MB 数据。 对于车队来说，是可以通过无线通讯实时获取赛车状况的，以此规避某些潜在故障。车队能够监测到的数据有：冷却系统的水压、系统电压、电池组温度等。但相比其他运动来说，车队数据通讯频道很少，「 耗电量」 和「 动能回收率」 无这两个至关重要的数据无法通过无线通讯传输。 关于「 耗电量」，其实是在赛车方向盘上有显示的。所以工程师如果想知道耗电量，可以通过无线电问车手。另外，FIA（国际汽联）可以实时监测每辆车的所有数据，以防有车队作弊，比如悄悄调大电机功率输出。 这种「 沟通不畅」，有时候会让工程师抓狂。比如去年北京站的比赛，马衡达车队的 Nick Heidfeld 第三个冲过终点，但一位工程师表示根据他的计算，车已经没电了才对。这时候 Heidfeld 通过无线电说：「 兄弟们不用担心，方向盘上显示我还有 0.07kWh…」 压力山大的工程师们 在硬件方面，FIA 对赛车有诸多的规定，所以工程师团队会想尽办法在「 软件」 方面战胜其他车队。由于 FE 比赛的车手练习赛、排位赛、正赛集中在一天进行，所以需要工程师迅速反应，果断做出决策。 当赛车在赛道上跑的时候，工程师们在 P 房会紧盯各项参数，同时考虑气候和赛道因素，保证赛车的可靠性与动力性；比赛之后，工程师团队会继续分析收集到的数据。然后不断更新迭代软件模型，保证在整个赛季的每场比赛都有进步，周而复始。 为了保证赛车的最佳表现，赛车发车五分钟前工程师才会把最新版本的软件更新到赛车内。 在第二赛季的 FE 比赛中，FIA 开放了更多控制软件的修改权限，车队可以对赛车进行更高阶的升级。 比如通过修改扭矩输出策略，来用尽每一匹有限的马力。然而这就需要对转速和油门踏板位置进行不断标定，基本都是人工劳动，费时费力。马衡达车队计划使用较低级的人工智能技术，来解放工程师双手。 另外，FE 赛车的高度电子化，给很多玩法带来了可能。 作为 FE 的观众，你可以参加「FanBoost」 粉丝加速活动，给自己喜爱的车队投票，比如我去年就给蔚来车队投了一票。排名前三的车手会在正赛中会获得 100kJ 的额外电能，车手可通过方向盘上的按钮，可将电机提升至 200kW 的最高功率，在较短时间内使用；也可将功率提升至 180kW，在较长时间内使用。 FE 所涉及的技术不仅仅是软件、数据方面的，随着 FIA 对赛车限制逐渐放开，相信会出现更多黑科技。下面这个视频来自 Formula E 官方，讲解的是一辆电动方程式赛车是怎么构成的，推荐一看： 原创声明： 本文为 GeekCar 原创作品，欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」，并附上原文链接，不得修改原文内容，谢谢合作！ 欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车（微信号：GeekCar）& 极市（微信号：geeket）。
从数据创新大赛看大众怎么「玩」大数据
上周日的清华科技园的清华 x-lab，大众汽车举办了一场数据创新大赛（Hackathon）：10 支参赛队伍经过 29 个小时马拉松式的高强度数据开发和创意竞赛，从多个维度给大家呈现了大数据在汽车方面的重要应用。 本次比赛是由「 大众汽车数据创新实验室」 举办。同时由大众联合四维图新等合作伙伴，给参赛选手提供二手车、车联网、物流以及地图等相关数据。参赛选手则需要通过对这些数据进行分类、筛取、分析，给出一些创意性的方案，最后由评委嘉宾进行评比。 参赛队伍的成果主要有以下几方面： 1. 汽车经销商（4S 店）数据 通过对大众提供的用户、车联网等数据的分析，为汽车销售提供精准定位。具体涉及到产品的销售区域以及营销的定位。同时也有参赛队伍基于数据分析，切入二手车以及汽车维修保养，来设计软件服务这些经销商。 2. 车联网保险的数据挖掘 基于人、车的一些基本数据，根据实际过往的行车历史记录，准确地把用户分为不同档次。这样可以根据用户的驾驶习惯确定保费，同时还可以通过实际行驶公里数来进行保费核算。两种途径其实都属于目前车险领域很火的一个概念—— UBI（Usage Based Insurance）。 3. 数据挖掘进行的产品创新 基于数据的深度挖掘，优化车的服务功能和人机交互。在具体应用中，可以考虑行车中红绿灯等待的碎片化时间的利用；智能化个性化推送各种信息，如新闻、歌曲；甚至是团队脑洞大开提出的挡风玻璃弹幕等等。实现这些功能的同时还要根据数据分析考虑产品优化中的安全问题。 基于大数据分析，参赛队伍还实现了反向指导汽车的研发生产，诱导一些新业务的产生，增长价值链。比如，有团队就提出考虑大众车型的增值旅游服务，实现大众车主社群价值的最大化开发。 基于用户路径（trace）数据，选手还实现了提升用户的使用体验。Maxsenz 队展示的 CarLife App 项目，通过挖掘用户行车路径数据，使消费者得到了的天气、日程安排和服务推荐等语音信息，成功把第三方服务和用户关联起来。凭借这个极具前瞻和实用性的创意，Maxsenz 队最终获得大赛的最佳商业前景大奖。有嘉宾认为，以往的推送服务主要以「 get attention 」 为主，而未来的方向则是要抓准用户的 intention（意图）」。 数据创新大赛本身只是一次参赛团队的数据挖掘和创意展示，但是对于大众来说远远不止这些表面的意义。通过这场比赛，大众希望能够充分发挥「 大数据」 的作用，发现一些规律。可以作用于汽车产品的开发、后期营销以及价值链拓展上。毕竟基于庞大的车辆和车主，大众拥有丰富的数据来源。 我们也在比赛的中看到，数据的来源和准确度还存在一些问题。所以那些想要利用大数据的汽车厂商们，要从软硬件以及整个流程来完善数据采集。即使拥有庞大市场占有率的大众，单纯依靠自己的数据也是远远不够的。未来的大数据还是要融合与产品相关的领域，这也需要和第三方公司进行合作。 不管怎么说，大数据对于一家车企的重要性不言而喻。但是如何去得到好的数据、如何进行更有效的分析、如何把数据结果和产品服务联系起来，这些都是要啃的「 硬骨头」。 所以这不仅仅是一场数据创新比赛，也是车企对于大数据进行深度挖掘一个探索。 原创声明： 本文为 GeekCar 原创作品，欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」，并附上原文链接，不得修改原文内容，谢谢合作！ 同时欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车 （微信号：GeekCar）& 极市 （微信号：geeket）。
新浪的大数据分析可以告诉我们，到底是谁在看车展，以及他们究竟在看什么
在车展上办画展？ 刚看见这几个字，我们都有点搞不清状况。后来知道了真相：原来是前新浪汽车的高巍老师，把自己的画展办到了车展上新浪的展台里。 新浪的这个跨界有点夸张了。但实际上，他们在本职工作上也没闲着，比如，通过大数据总结车展。 按照新浪给出的数据，截止到 4 月 27 日，「 上海车展」 微博话题阅读量达到 2.1 亿，微博网友中，年轻人群对上海车展的关注热情明显高过其他年龄段，25-34 岁人群占总体比重 66.02%，而 19-24 岁人群比例也达到了 15.15%，二者相加后，34 岁以下年轻群体总体占比超过 8 成。 此外，在所有关注上海车展的微博网友中，男士对车展的关注程度远高于女士，二者比例分别为 69.18%比 30.72%，这与当下汽车消费潜在人群性别比基本一致。 移动端的浏览数据要明显高于 PC 端。从新浪汽车车展阅读数据来看，车展 21 日峰值覆盖人群数 4786 万，70%的用户通过手机看新浪车展报道。这次车展新浪汽车首次推出 PC 端、移动端多屏联动的 H5 车展专题，实现了 PC、WAP、新闻 App、iPad 全面终端覆盖。 利用微博大数据技术进行用户行为分析，新浪实现了向不同人群定向推送不同类别内容，从而实现了新闻定制。在这次车展上，每一位新浪用户所浏览的车展专题页，都是完全属于其本人的定制页面。 大家在车展上看什么？ 豪华品牌依旧是大家关注的热点领域，在最受关注品牌前 6 名中，迈凯伦获得第一，加上奔驰、兰博基尼这两家品牌，前六排行榜中豪华品牌占了三个。 而车型关注度上，兰博基尼 LP750-4 SV、奔驰 GLC Coupe、全新奥迪 R8 的文章在新浪的新闻排行榜上排在前三。 在本届车展上，包括宝马、奥迪、沃尔沃在内的诸多高端品牌都推出了新的 SUV 产品，就连红旗也推出了一款 SUV LS5。放其他档次品牌里，硬派的江铃福特撼路者、时尚的北京奔驰 GLA、热销的东风本田 CR-V 等等，都在车展上拿出了最新产品。 除此之外，长城旗下 SUV 品牌哈弗也进入了新浪的品牌关注榜第七位。在这次车展上，长城汽车发布了哈弗红蓝标战略，并带来了「 回炉重造」 的 H8，引发了高度的关注。 根据新浪汽车图集报道的统计，在热门新车方面，最受关注的图集报道前六包括红旗 LS5、雪佛兰 FNR、奔驰 F 015、迈凯伦 675LT、揽胜极光、迈凯轮 540C。 媒体的「 新花样」 IT 入侵汽车，给汽车行业的变革带来了更多的可能性，在这种情况下，媒体如果再以原来的老套路报道车展，就显得不那么与时俱进了。这次新浪邀请到了沈晖、周航、刘兴亮等跨界精英与陈安宁、龚兵、宁述勇等传统车企老总激辩「 未来汽车」 系列话题。另外，品牌策划《老总问老总》也以集锦形式对过去六年进行全面回顾，以相对独特的视角解读汽车行业的发展脉搏。 更开放的视野、更前瞻的眼光、聚焦未来汽车的核心概念、关切未来汽车的人文变革、展望未来汽车的技术前景，这应该是汽车媒体在未来的方向。
如果你怕堵，最好别住这几个城市了
12 月 3 号高德正式发布了《2014 年第三季度中国主要城市交通分析报告》，基于高德积累的大数据通过挖掘计算以及相关算法，采用「 拥堵延时指数」 指标来对交通状况进行了量化分析，高德副总裁、首席交通数据分析师董振宁和媒体分享了这份报告的相关细节。（此次报告的样本是全国 38 个重点城市，包含北上广深、杭州、沈阳、重庆、成都、厦门、南通、绍兴等不同规模、不同区域特色的城市。）注：拥堵延时指数=高峰旅行时间/自由流（非拥堵）状态下旅行时间 报告讲了什么？ 高德首先对选取的 38 个城市样本依据「 拥堵延时指数」 进行了排名，并且提供了一份三季度中国主要城市拥堵排名 TOP 10 的排行榜：它们分别是北京、杭州、上海、福州、大连、济南、沈阳、温州、广州、郑州。数据分别选取早晚高峰和全天两项进行了「 拥堵延时指数」 的排位，并且量化了高峰旅行速度、高峰十公里旅行时间和延时时间以及自由流下的对应数据，具体数据见下表。 从数据中可以清楚看到北京在三季度拥堵排名全国第一（首堵），高峰拥堵指数达到 2.12，即意味着北京采用私家车出行的上班族需要花费在非拥堵状态下 2.12 倍的时间才能达到目的地。同时我们也能看到在榜单中出现了大连、温州、郑州这样的城市，甚至把深圳这样的一线城市挤出了 TOP 10 拥堵榜单。 很多非一线城市出现这种高拥堵状况原因的估计：和一线城市相比缺乏快速路，交通压力较为集中；近年非一线城市近年的城市化速度很快，整个交通网络滞后于人流、车流量的增速。 同时报告中对城市的通勤日拥堵模式进行了对比分析，每个城市由于自身地理气候的原因以及城市结构、文明程度等差异，在高峰期拥堵时间段以及拥堵峰值水平上也会有不同。报告还分析了诸如暑期、开学、假日、限行措施、雨雪天等具体因素对城市拥堵所造成的影响。报告中以北京、杭州、上海、福州、大连这几个城市为例，从拥堵延时指数的一天 24 小时变化、以及这个季度每天的变化图表，对市民通勤日出行拥堵模式、城市拥堵特性、主干路拥堵路段占比、高峰拥堵道路排名、商圈拥堵特性等方面进行了剖析。 从报告中我们可以发现一些「 有趣」 的事情： 城市主干路在通勤日高晚高峰最高有 20% 的路段发生拥堵，80% 路段相对畅通；城市高峰拥堵呈现明显的「 潮汐」 现象；北京 APEC 期间单双号限行期间高峰拥堵延时指数下降 38%，城市高峰平均车速提升 60%。 当然最有趣的事情莫过于自从发布了「 中国主要城市拥堵排名」 后，据说高德相关部门就变得非常忙碌：各城市的相关领导都纷纷致电高德，估计是看到自己所在城市排在拥堵 TOP 10 榜单上，确实是有些「 不好看」。 为什么发布这份报告？ 其实高德之前已经发布了今年一、二季度的中国主要城市交通分析报告，那么高德发布这份报告我们可以从几个角度来理解。 一，高德积累了来自交通行业浮动车和高德地图超过 3 亿用户出行数据海量数据，能够实现重点城市大范围和全天的数据分析，有发布城市交通分析报告的能力。 二，高德地图提供给消费者很重要的一个功能是「 躲避拥堵」，发布此份报告也是显示其在避堵方面的实力，能够强化高德在躲避拥堵上与其他地图的优势增大用户对高德地图的粘性。这算是在扩大品牌影响力和专业度上面，高德的采用的一种方式。 三，高德大部分的数据来源于公众数据（UGC）以及行业数据，在数据层面上和四维两家加起来占比超过 90%。不过前者由于有国企的基因，那么在政府方面（交通部门等）的数据获得上完全占据着优势，高德可以借助发布交通分析报告和政府进行沟通，在未来政府交通数据这块的获得以及国家政策支持上有很多好处。 四，交通分析报告联合众多科研院所、高校实验室进行，可以让高德在技术方面能够得到很多的专业内顶尖团队的协助，或许这种「 产学研」 的方式能够为高德的技术可持续发展带来优势，同时能够吸引相关人才。 大数据解读大交通，能治堵吗？ 高德发布了三季度交通分析报告，四维通过旗下的世纪高通在 9 月份发布了「 四维交通指数」，都是大数据，都是解读大交通。不同的是前者通过季度报告的形式以及「 拥堵延时指数」 的指标呈现给公众，后者是以网站、APP、微信服务号、报告多产品的组合形式以及「 四维交通指数」 这一指标呈现给大家。两者比较起来，高德的「 拥堵延时指数」 更加直观易懂主要以客观延时为基础，「 四维交通指数」 则加上了主观感受把道路运行状况分为六个等级（0—2 为畅通，2—4 为基本畅通，4—7 为轻度拥堵或缓慢，7—10 为拥堵，10—18 为严重拥堵，>18 即代表路网瘫痪），不过大众不能从数字上很直观的感受到拥堵的准确程度。 高德拥堵延时指数 四维交通指数 那么从大数据来解读大交通，能给社会带来什么呢，能「 治堵」 吗？ 我觉得不管是四维还是高德的大数据用在大交通的分析上，为我们带来最大的好处是 解决「 信息不对称」。有两个方面：一是它们的产品让用户能够及时把握所在城市的具体交通情况，实时规划路线，提前做好准备，避免大家缺乏信息的情况下「 集中」 造成拥堵。二是报告本身能让我们知晓自己所处的交通环境状况，总不能天天明明感受着拥堵却不清楚到底是咋样，也算是「 死也要死得明白」 了。 然后报告还是给政府看的，通过报告呈现给交通方面的决策者， 能够促成政府和企业的深入合作，同时有利于政府在交通规划以及制定交通决策方面提供参考。（比如 APEC 期间北京的单双号限行的具体数据能够为北京探索单双号限行的可行性，比如拥堵排行榜会让各城市重视交通问题。）同时报告能够联合众多交通研究者以及提供给城市规划人员， 给整个大交通的研究乃至城市生态的发展带来一些积极意义。 单靠大数据的报告（加上导航产品的避堵功能）不可能「 治堵」，最多只能是「 缓堵」。「 治堵」 还得靠智能交通的发展、城市合理的布局，比如城市通勤的潮汐现象就是生活和工作区域的严重分离造成的，比如上面提到的高峰期间拥堵集中在 20%的道路上所呈现的是道路设计以及交通引流的问题等等。回到根本上，其实是经济层面包含产业和人在内的城市生态的合理构建。 当然目前阶段，包括高德地图之类的产品以及基于它们的大数据对于我们目前城市交通拥堵的减轻以及唤起各方思考「 拥堵」 问题，寻找「 治堵」 方法来说是有启示意义的，而且我们应该更加充分地利用大数据，利用科技来让情况变得越来越美好。 对于城市交通乃至整个城市，再先进的科技想要解决的问题或者达到的目标其实都基于最本真的东西： 「 一座城市就像一棵花、一株草或一个动物，它应该在成长的每一个阶段保持统一、和谐、完整。而且发展的结果决不应该损害统一，而要使之更完美；决不应该损害和谐，而要使之更协调；早期结构上的完整性应该融合在以后建设得更完整的结构之中。」——霍华德《明日田园城市》(封面图片来源：www.cfp.cn)
阿里巴巴早就知道你开什么车了，大数据下的布局——阿里巴巴与汽车生态
在今天举行的 2014AutoApp 高峰论坛（移动互联时代的人车互动、交通出行与汽车营销）上阿里巴巴集团副总裁孙炯一语惊人抛出：「 现在我们已经有 3000 万的汽车车主了。」 台下一片哗然，GeekCar 的小伙伴也被吓到了，脑袋飞快的转了好几圈，也没想起来阿里巴巴做过什么让他能一下拥有 3000W 的汽车车主。 这 3000 万车主是从哪里冒出来的？ 事实上对阿里巴巴而言获取 3000 万车主的用户数据并不是什么难事，或许你会说「 我又没在你淘宝上买车，你怎么会有我的数据？」 但是你应该能想到有很多的用户，包括我自己，在每次换车的时候，我都会在淘宝上买汽车脚垫、还有一些汽车配件。而在选择汽车脚垫的时候，你一定会选择你的车型，不然的话无法配套。所以对于阿里巴巴而言他轻而易举的知道了这 3000 万用户开的是什么车，而且相比传统的汽车厂家阿里巴巴还有一个巨大的优势，他能通过用户的购买记录掌握很多其他信息，比如个人收入、家庭情况、具体住址等等。 3000 万用户之后的车联网布局 阿里巴巴凭借强大的互联网属性和大数据掌握了大量的车主信息，同样传统的汽车厂商比如上汽也有 2000 万的车主，但是这些车主只有在出现维修、保养的时候用户信息才能被激活。 阿里巴巴希望未来在整个车辆的生命周期里都能持续对用户进行了解、跟踪和服务。而这一切的布局其实早早就开始了，还记得阿里巴巴在几个月前获得的虚拟运营商牌照吗？有了这个牌照，阿里巴巴可以用非常低的成本将通信芯片安装在汽车里面，前装也好、后装也好，总之就是要把汽车跟互联网连接起来。 而一旦通过这个入口将汽车和互联网连接在一起，阿里巴巴就能将汽车、淘宝、保险等等与汽车相关的一切都打包在一起，从而实现围绕汽车的 O2O 服务。等技术稍稍发展后，甚至还能尝试从汽车的角度来了解用户是一个什么样的人，比如驾驶习惯，开车的风格等等，这些数据又能运用到保险、信用卡等其他金融领域的用户分析中。 被赋予生命的汽车 汽车在出厂时实现联网，就好像被赋予了生命一样。从新车出厂到销售环节，再到第一个车主用完之后进入二手车市场，到最终这辆汽车完成他的生命周期，以及生命周期结束后在什么地方被回收处理。我们的汽车不再是冰冷的机器，而是一个有「 生命」 的个体。 一辆车从「 呱呱坠地」 到「 入土为安」 的整个一生数据都能完整的呈现在阿里巴巴的数据库中，而汽车一生中所有的消费可能都会围绕着阿里巴巴，比如购车、汽车养护、汽车保险和二手车交易等等。这些数据不光对阿里巴巴的电商会产生积极的影响，乃至对整车厂后续的汽车改进和新车研发都将起着重要的作用。 IT 时代的我们已经悄然走向 DT 时代 在不知不觉中我们已经从 IT 时代开始走向了 DT 数据时代，之前所说的内容可能只是 DT 时代的九牛一毫。但我们能明确的看出阿里巴巴在汽车行业的布局都是围绕着电商展开的，这正是阿里巴巴最大的优势。 GeekCar 点评 通过此次论坛，阿里巴巴也向外界公布了车联网时代的部分布局和意图——专注于电商。 但是非常遗憾的是，我们没能听到关于高德地图和阿里云结合的相关内容，高德作为强大的地图入口再配合阿里云强大的运算能力，其实完全有能力与百度地图+百度云进行未来无人驾驶汽车专用地图市场的争夺。不知道阿里巴巴这次没有公布相关内容是因为没有往这个方向思考，还是没有做好发布的准备。 但是不管怎么说，我们对阿里巴巴想要做的事情又加深了一层了解，期待阿里巴巴的产品能更早的进入我们的生活，带来一些令人惊喜的改变。