彩票走势图

本文文章从谷歌无人汽车、福特汽车整合、汽车防盗座椅3个中，以应用背景、数据源、图说场景、实现途径、应用效果5个视角去看待在汽车行业的应用状况。

案例一：谷歌无人驾驶汽车，解放双手，轻松出行

应用背景：

安全要素是推动无人驾驶汽车发展的重要动力，在不同事故造成的致死率排名中，由人为因素造成的车辆碰撞引发的交通事故高居第2 位。除了生命安全外，汽车碰撞事故对经济产生的影响深远而巨大。据不完全统计， 2012 年美国全年因道路碰撞事故造成的经济损失高达 2120 亿美金。以当年为例，如果无人驾驶汽车以及 ADAS 系统能够将事故发生率降低 90%，即可挽回损失约 1900 亿美金。同时解放驾驶员双手，提升泊车效率、改善交通环境等各方面的需求，都在推动着无人驾驶技术的发展。

数据源：

实景地图数据;无人驾驶汽车捕捉到的物体信号数据，如行人、汽车、红绿灯、施工标识等;汽车行驶状况数据。

图说场景：

实现路径：

通过对各种数据的综合分析决策，实现对驾驶员的行驶行为辅助或者无人驾驶功能。

应用效果：

减少人为因素造成的车辆碰撞事故：行车过程中驾驶员疲劳、注意力不集中、情绪波动等都会造成不同程度的行车安全隐患，危害驾驶员的生命财产安全，无人驾驶技术可以有效避免这方面的影响。

提升行车过程自由和舒适度：把驾驶汽车的时间应用到休息、学习或者处理公务方面，实现行车过程中完全的时间自由化。

提高停车效率：大大减少新手停车过程中造成的磕碰、情绪波动及时间浪费等现象。

案例二：福特汽车整合大数据资源，走出困境

应用背景：

21 世纪初，经历了百年发展之后的福特汽车，像位年过古稀的老人，失去了活力。公司在这段困难时期，损失将近一半的员工，亏损连连，找不到方向，有濒临倒闭的危险。穷则思变，面对泥沼中的困境，管理层们显得有点不知所措，他们开始选择“ 求助” 福特的数据分析专家们来拯救整个企业。

数据源：

运营数据：生产、销售、售后等数据。

产品开发数据：设计、试验等参数数据。

互联网数据：舆情、浏览记录等数据。

车联网数据：汽车零部件内置传感器反馈数据，汽车运行指标数据。

图说场景：

实现路径：

通过数据资源中心，整合各种相关资源，服务产品的研发或改进及企业运营行为的优化。

应用效果：

产品精准定位：综合互联网数据和以往设计经验，对未来产品的

定位更加准确，减少新车下线无销路的市场风险。

设计人性化：更容易关注到以往忽略的设计细节问题，使得汽车使用时更贴合用户需求，符合使用习惯，增加品牌效应。

运营效率提升：数据资源整合，减少很多不必要的对接流程，极大提升公司运营效率。

案例三：汽车座椅防盗

应用背景：

坐姿能够促进汽车的自我防盗么，要知道， Everyone is unique，正是每个人独特的信息所组成的数据帮助了汽车识别自己的主人。当一个人坐着的时候，它的身形、姿势和重量分布都可以量化和数据化。

数据源：

座椅压力传感器：身形、姿势、重量等量化数据。

图说场景：

实现路径：

把人体屁股特征转化成数据，并且用从 0~256 这个数值范围对其进行量化，产生独属于每个乘坐者的精确数据资料，包容并发现错误然后自动修正。

应用效果：

汽车防盗：根据人体对座位的压力差异识别出乘坐者的身份，准确率高达 98%。如果不是车主，系统就会要求司机输入密码，如果司机无法输入准确的密码，汽车就会自动熄火。可以记录盗贼的身份，帮助建立偷车贼档案。

安全行驶：系统可以收集发生事故之前的姿势变化情况，分析出坐姿和行驶安全之间的关系。这个系统还可以警示疲劳驾驶者或者出发自动刹车。