随着互联网、云计算、物联网、社交网络等技术的兴起和普及，电子信息领域新技术发展迅速，向传统行业渗透，在汽车和交通等行业，与此相关的车路协同系统、出行智能化便捷服务、车联网等成为目前发展的热点技术，并正在引起行业巨大的变革。
有关数据表明，过去3年人类的信息数据总量比以往4万年的数据量还要多。如此大规模的数据量已经无法在允许的时间内用常规的软件工具对其内容进行管理、分析和处理，但是同时，数据规模越大，对其挖掘可能得到的价值更大，所以在大数据发展的过程中问题与展望是并存的。
其实，大数据时代是一个“样本=总体”的数据时代，庞大的数据量可以把看起来毫无关联的一些数据整合，分析得出惊人的结论。让数据以一个公平的态度来到我们面前，正确的指导汽车制造商对于消费者的消费趋势判断，将会很精确的控制购买车主的年龄段，在产品阶段就制定更符合当下定位群体的外观配置性能，以减少那些不必要的部分，来控制成本和售价，最终将精确的预测有多少人将会购买这辆汽车。大数据还会帮助汽车制造商预测即将爆发的新兴市场，得到未来致胜的先机。同时，在营销体系，车联网，无人驾驶汽车的实现等等方面都起到不可取代的作用。
随着用户对大数据价值的认可，随之而来的便是巨大的变革和商机。
汽车产业面临变革
2014年，中国汽车产销量分别达到2372.29万辆和2349.19万辆，同比增长7.26%和6.86%，再度问鼎全球汽车销售市场。然而，许多业内人士指出，中国车市的拐点已经到来。去年，虽然车市整体销量依然保持稳步增长，但其增速已经低于年初8%~10%的市场预期，而在2015年乃至以后，这样的低增速将成为车市“新常态”。据中汽协预计，2015年，中国汽车增速将与2014年基本持平，保持在7%左右，前十年的高速增长的现象已经逐渐转缓。传统的发展轨迹在某种意义上已经进入了“瓶颈期”，要找到新的增长点，创新与变革势在必行。
国务院总理李克强在2015年政府工作报告中明确提出“中国制造2025”的概念，他指出：“要实施‘中国制造2025’，加快从制造大国转向制造强国。促进工业化和信息化深度融合，开发利用网络化、数字化、智能化等技术，着力在一些关键领域抢占先机、取得突破。”利用互联网、大数据等新兴科技推动传统制造业转型升级，将成为传统制造业发展的新方向。
互联网模式蕴含的巨大商业价值，对每个企业而言都充满诱惑。在这场决战于十年内的智能汽车市场争夺战中，传统汽车制造商惟恐落后，纷纷加入到与互联网的跨界合作中。数据显示，从2005年至今，中国车联网用户数已从5万增长至700万。业内预计，2017-2018年，我国车联网的产值将有望追上移动互联网。据了解，国内车联网渗透率已从2010年的4%增长到2013年的6%，预计2014年将进一步增长到7.5%。按照2013年全国1.37亿辆车的保有量计算，7.5%的渗透率下，车联网的市场规模有1000亿元。而到2015年，车联网渗透率将占彼时汽车用户总数的10%，年产值预计将达到1500亿元左右。
汽车行业一定向新能源化、智能化、社会化和互联网化四个方向演进。互联网汽车，是未来的必然选择。
大数据与车联网
传统的汽车行业数据来源结构单一、应用较浅，无法满足企业的数据需求。而互联网、移动互联技术的快速普及，正在诸多方面改变着人们的车辆购置和使用习惯，使传统的汽车数据收集、分析和利用方式发生改变。
车辆通过上传带有位置信息和时间的各种数据形成海量数据源，经过“大数据”筛选分析，可以为我们提供准确丰富的参考数据与指导意见。如某些与车辆本身有关的数据，都有明确的一个ID，根据这个ID可以关联到相应的车主信息，并且这些信息还是精准的。另一方面，我们可以看到车联网与驾驶人的消费习惯、兴趣爱好等大数据特征是完整和部分精确。因此，研究车联网的大数据更有意义。
（1）乘用车——车联网的大数据应用
乘用车车联网的大数据分析可以在车辆检测、主动安全、呼叫中心、行车影像等几个方面上。其中，可获取的数据来源是很丰富和多样的。例如，在动力控制上可获得，油耗、里程、车速的数据；加减速数据；紧急制动和紧急启动的数据；转弯行为数据；驾驶者行为数据等。在车身电子上可获得，气囊数据、安全带。门信号、空调等方面的数据。车载电子还能提供行车位置数据等等。这些数据经过提取、整理、分析可以对行车人员进行预警、指导和保障的作用。
主动安全：汽车的安全措施可以大略地分为主动安全措施（防止事故发生）和被动安全措施（减小事故后果）。目前车联网所提供的主动安全方面的措施大致有直接和间接两种。直接的有胎压监测、故障预警、碰撞报警、安全气囊弹出报警、紧急救援等，间接的有一键通、声控等措施。
汽车识别，对于非结构化道路，准确的识别，实现主动安全。主要表现在弯道识别，路边状态，附近车辆提醒等。通过各种传感器，雷达、摄像头，这样可以实时监控路边的状态。
对驾驶者驾驶情况的监测，如眼睛是否看前方，手是不是在方向盘上，根据车周边的状态会及时提醒给驾驶员，如果前面有车离我很近，驾驶员目光又不在前方，这样车内就会提供预警，甚至采取措施帮助驾驶员回到正常的驾驶状态。
通过车车通信，当前车急刹车时，可以实现前面车刹车之后信息及时发送，周边的车及时得到信息，这样给驾驶员一个提前预警。如有校车、警车或急救车在附近，汽车会接收到信息提早让路，或是减速来给特殊车辆提供一些方便，这也是给车和车和周边环境的通讯提供一些安全保障。
胎压监测，在汽车行驶过程中对轮胎气压进行实时自动监测，并对轮胎漏气和低气压进行报警，以确保行车安全。胎压监测有直接和间接两种，直接的通过传感器来检测，而间接的监测是当某轮胎的气压降低时，车辆的重量会使该轮的滚动半径变小，导致其转速比其他车轮快。通过比较轮胎之间转速差别，以达到监视胎压的目的。间接式轮胎报警系统实际上是依靠计算轮胎滚动半径来对气压进行监测。
通过行车记录仪，实时行车监控录像，可记录回放，还原事实真相。通过OBD实现车辆的故障预警。
行车音像：实景导航，通过摄像头和导航软件的结合，可实现实景红线导航，目前深圳已有类似的产品出现。
街景，电子地图提供360度街头影像，让我们探索世界的各个角落。浏览各地风景名胜或自然奇观、规划旅游路线等等。如果国内每年的300万只行车记录仪可以加入车联网系统，就可以实现全国范围内的街景。
通过行车音像，我们还可以预测交通状况，获取实时路况信息。可以做基于视频的社交平台。
（2）公共交通——车联网的大数据应用
车联网的大数据应用在公共交通方面，可以提供运营排班管理指导、行车作业计划的优化、线路调整优化、自动排班、电子路单生成等帮助。
根据各个时间段，各站点的客流量大小，线路配备的运营车辆数、线路配备驾驶人员、线路长度、车辆运行速度等参数确定一条线路各个时间段的配车数及发车间隔，从而解决运力配备最少、车辆运行距离最短、驾驶员作业时间最少三大问题。
在运营计划的制定上，可以根据客流量、节假日、气候、节气、自然灾害、道路、车况事故、历史同期数据、售票方式、居民小区建设等条件建立计划模型，从而用最快的速度对这些影响运营计划的因素做出反映。比如增加线路，增加车辆，增加司机。
如今，随着汽车大数据时代的到来，汽车产品本身将不再是车企的主要盈利点，汽车产品上所搭载的定制化服务和用户在使用服务时所产生的行为信息才是未来汽车生态链中的最大盈利因素。
大数据与智能交通
交通拥堵、交通污染日益严重，交通事故频繁发生，这些都是各大城市亟待解决的问题。智能交通成为改善城市交通的关键所在。为此，及时、准确获取交通数据并构建交通数据处理模型是建设智能交通的前提，而这一难题可以通过大数据技术得到解决。
（1）智能交通需求与大数据契合
智能交通整体框架主要包括物理感知层、软件应用平台及分析预测及优化管理的应用。其中物理感知层主要是对交通状况和交通数据的感知采集;软件应用平台是将各感知终端的信息进行整合、转换处理，以支撑分析预警与优化管理的应用系统建设;分析预测及优化管理应用主要包括交通规划、交通监控、智能诱导、智能停车等应用系统。
系统利用先进的视频监控、智能识别和信息技术手段，增加可管理空间、时间和范围，不断提升管理广度、深度和精细度。整个系统由信息综合应用平台、信号控制系统、视频监控系统、智能卡口系统、电子警察系统、信息采集系统、信息发布系统等组成。以达到四方面的目标：提高通行能力、减少交通事故、打击违章事件、出行信息服务。
在各城市建设智慧交通的过程中，将产生越来越多的视频监控、卡口电警、路况信息、管控信息、营运信息、GPS定位信息、RFID识别信息等数据，每天产生的数据量可以达到PB级别，并且呈现指数级增长。
（2）大数据应用于智能交通的积极意义
第一，大数据的虚拟性可以解决跨越行政区域的限制。交通大数据的虚拟性，有利于其信息跨越区域管理，只要多方共同遵照相关的信息共享原则，就能在已有的行政区域下解决跨域管理问题。
第二，大数据具有信息集成优势和组合效率。大数据有助于建立综合性立体的交通信息体系，通过将不同范围、不同区域、不同领域的“数据仓库”加以综合，构建公共交通信息集成利用模式，发挥整体性交通功能，这样才能发现新价值，带来新机会。例如气象、交通、保险部门的数据结合起来，可高效率地研究交通领域防灾减灾；IC卡数据结合抽样调查，能更快捷、更精确测得城市交通流分布状况。
第三，大数据的智能性能较好的配置交通资源。通过对大数据的分析处理，可以辅助交通管理制定出较好的统筹与协调解决方案。一方面减少各个交通部门运营的人力和物力，另一方面可有些提升道理交通资源的合理利用。如根据大数据结果确定多模式地面公交网络高效配置和客流组织方案，多层次地面公交主干网络绿波通行控制以及交通信号自适应控制。
第四，大数据的快速性和可预测性能提升交通预测的水平。在对各个部门的数据进行准确提炼和构建合适的交通预测模型后，可以有效模拟交通未来运行状态，验证技术方案的可行性。而在实时交通预测领域，大数据的快速信息处理能力，对于车辆碰撞、车辆换道、驾驶员行为状态检测等实时预测也有非常高的可靠性。
第五，提高交通运行效率。大数据技术能促进提高交通运营效率、道路网的通行能力、设施效率和调控交通需求分析。交通的改善所涉及工程量较大，而大数据的大体积特性有助于解决这种困境。
大数据的实时性，使处于静态闲置的数据被处理和需要利用时，即可被智能化利用，使交通运行的更加合理。大数据技术具有较高预测能力，可降低误报和漏报的概率，随时针对交通的动态性给予实时监控。因此，在驾驶者无法预知交通的拥堵可能性时，大数据亦可帮助用户预先了解。
第六，提高交通安全水平。主动安全和应急救援系统的广泛应用有效改善了交通安全状况，而大数据技术的实时性和可预测性则有助于提高交通安全系统的数据处理能力。在驾驶员自动检测方面，驾驶员疲劳视频检测、酒精检测器等车载装置将实时检测驾车者是否处于警觉状态，行为、身体与精神状态是否正常。同时，联合路边探测器检查车辆运行轨迹，大数据技术快速整合各个传感器数据，构建安全模型后综合分析车辆行驶安全性，从而可以有效降低交通事故的可能性。在应急救援方面，大数据以其快速的反应时间和综合的决策模型，为应急决策指挥提供辅助，提高应急救援能力，减少人员伤亡和财产损失。
第七，提供环境监测方式。大数据技术在减轻道路交通堵塞、降低汽车运输对环境的影响等方面有重要的作用。通过建立区域交通排放的监测及预测模型，共享交通运行与环境数据，建立交通运行与环境数据共享试验系统，大数据技术可有效分析交通对环境的影响。同时，分析历史数据，大数据技术能提供降低交通延误和减少排放的交通信号智能化控制的决策依据，建立低排放交通信号控制原型系统与车辆排放环境影响仿真系统。
在当前大数据时代，数据充斥所带来的影响远远超出了企业领域，其不仅能带来商业价值，亦能产生社会价值。随着信息通讯技术的发展，交通运输从数据贫乏的困境转向数据丰富的环境，而面对众多的交通数据，如何从中根据用户需求提取有效数据成为关键所在。但是，大数据技术在智能交通应用领域同样面临着巨大挑战，包括隐私，数据处理硬件设施、数据不完备性、模型有效性等领域，这些都是我们未来继续需要探讨和解决的问题。
总结
汽车行业对互联网、大数据等新兴科技的利用涉及到产业链的各个环节。通过对多渠道的汽车大数据进行融合及挖掘，能够深刻地了解客户需求及动向、掌握客户信息、进行市场细分、竞争分析、掌握客户满意度等。大数据还可用于开展精准营销，通过整合汽车媒体、微信、官网等互联网渠道潜客数据，扩大线索入口，提高非店面的新增潜客线索量，并挖掘保有客户的增购、换购、荐购线索，从新客户和保有客户两个维度扩大线索池；运用大数据原理，定义线索级别并进行购车意向分析，优化潜客培育，提高销售线索的转化率，提升销量。
汽车行业对大数据的收集、分析和利用仍处于探索阶段，如果大数据得以合理应用，必将推动汽车产业全产业链的变革，为企业带来新的利润增长点和竞争优势。
见中国汽车工业信息网：大数据助力汽车产业变革
