IBM中国研究院资深研究总监  孙伟

各位在座的领导、嘉宾大家下午好！非常荣幸有这样一个机会跟各位做汽车行业的朋友做一个交流。
    IBM公司是一个被大家认为传统上做IT、做信息技术的一个企业。但是因为我们今天有这样一个车联网的话题。我们的车联网上的车的技术要管理、搜集，需要用到云计算，需要用到大数据的技术来管理它。我们一直在跟我们的行业合作伙伴、车联网的制造商、服务商、主要的动力和传感的设备供应商一起来做研究的项目。今天借这样一个机会跟大家做一个分享。
    我的话题的重点跟前面几位嘉宾的讲演稍微有一点差异。前面几位更多的从汽车产业本身、从车内的传感技术、控制技术等等来阐述。从我的角度来讲，更多的是我们从车上搜集了信息以后，后面我们要加以分析，我们能够动态的、精准的来分析信息。能够把车辆通过这样一个云平台真正的联网起来。通过不管是辅助驾驶服务还是自动驾驶服务来实现。
    车联网，我们有很多和汽车相关的产业，比如说保险、在汽车保险行业里面，如何利用汽车的车联网更好的降低客户驾车的风险，进行分析和掌握，之后做更精准客户群的细分。这是汽车保险行业客户一个非常重要的需求。我们最近在跟保险行业一个非常领先的保险客户在合作。传统上虽然有一系列的传感器可以捕获驾车人的驾车行为。但是驾车人在什么样的工况、什么样的天气驾驶汽车，把等等信息融合之后如何更精准的进行细分。这是我们正在做的工作。
    车联网从汽车产业来讲，一方面是汽车作为一个纯设备的产品型的业务是研究产品价值的模式。自然而然带来了很多的新服务，可以微少车联网能够延伸出来。不管是自动驾驶服务，还是电子商务，不管是去定餐也好，还是娱乐也好。我们和一线的TM1的OEM交流车联网的话题的时候，他们在关注一个非常重要的题目，如何搜集到车联网的信息以后，对他们服务的客户有更深刻的理解。比如说很多在国内大家有理解，买车人和驾车认不是一个人。一辆车不止一个人在开车。我们最近在服务汽车的一个客户，他提出一个课题，我如何提高车联网的数据，去用来识别到底有几个人在开这个车。开车的人的行为到底有什么样的差别。基于这些他可以去做非常定向的客户服务、维修服务。
    特别是针对商用车，对于我们的物流行业，商用车是用户一工具，物流行业里面，如何降低物流运输成本，非常重要的一个环节就是如何更好的了解司机的驾驶行为，在不同工况下，不同负载情况下，如何优化价值。通过对负载情况的理解，和车辆主动控制功能解决在一起。智慧城市，我们要解决生态、环保的问题，如果我们的车辆联网了，我们现在讨论的道路拥堵收费就会变得可执行。现在没有一个有效的方法去搜集和管理车辆的移动信息。这些都是基于车联网大的网络可以引发出来一系列大的创新的机会。
    今天在谈车联网和十年、十五年以前是不一样的。十年、十五年以前那个时候不叫车联网，叫Telematics，那个时候不管是单向、双向、依靠、并靠为主题的服务形态。不断在过去十年里面发展演化，我们今天在谈车联网已经赋予了完全不同的含义。刚才清华大学的李教授也提到了，我们在国内在朝着车联网的方向在非常快速的发展。但是真正意义上的车联网，今天在讲的车车、车路结合，深度服务可的价值，是我们今天在谈车联网的真正内涵。
    今天车联网创新的目的，我们的车辆需要和各种各样的基础设施关联在一起。个这个关联需要头我物联网的技术，不管是车内的传感器、道路、交通管理、路旁的交通设施、路旁微波交通监控设备，这些信息需要综合，需要一个大的物联网的网络。这个物联网的网络能够把车辆和其他的信息，包括互联网上的天气、互联网上交通状况的信息发布整合在一起。透过这样一个云平台，我们可以开发这样一个创新服务的生态环境。这是我们在谈车联网一个非常重要的话题。
谈到车联网的服务创新，总我们的角度来讲，有非常重要的一个纬度就是如何利用大数据。刚才Gloria  Bergquist女士也讲到，我们将来的一个车辆一天搜集的数据是15到30个兆的数据。一天就是一兆数据，一天一阁平台的数据就是一百个Ligebs。
    数据量会非常大，数据类别，包括信息、车辆本身的信息，包括地图、天气、交通状况这些数据。综合在一起，我们可以利用大数据的数据分析挖掘人工智能方法去分析他。对几个重要的数据做深层次的挖掘。我们如何应用数据对司机的行为进行理解，他的驾驶行为、出行模式，他在驾驶过程中对不同服务请求和需求的意见模式，这些我们可以深入挖掘。
    对于一些商用车的车队，包括对于车辆的车况的诊断、故障的识别和预警，道路的工况，能够发掘更多深层次的动态。
    另外一个非常重要的纬度是高精度地图。没有高精度地图我们的自动驾驶不能做到，我们要定位到厘米量级，沃勒道路信息要精确到正在这个时刻的路况。如果要做到这一点，高精度的地图是不可或缺的。一方面我们可以基于第三方图商可以给我们提供的数据之外，用车辆搜集来的信息，也可以作为动态数据地图的补充，叠加之后可以形成一个时刻更新的高精度地图。
    基于这些数据的分析和挖掘，我们对司机、车队、车辆、地图信息有深度的了解之后，我们可以做很多不同创新的服务。
    除了辅助的自动驾驶，另外一个方面是维修。如果对于车辆的故障模式、车辆行驶的工况，驾驶员的习惯有深入了解以后，这个车辆在什么时候发生故障，我们有一个预测性维修的模式。我们的产品不断优化。我们的客户如何驾驶这个车辆，走在什么样的工况模式下。我们对车辆本身的设计升级、下一步不断演化，能起到非常大的作用。
    下面重点分享一下高精度动态地图的支撑和自动驾驶。在这张图上，大家看到很多的用例，这都是在我们行业里面跟行业的客户，包括国内、国际主机厂合作得到的需要和需求。在上面的部分，基于积水和路面湿滑感知的车辆警告和车辆辅助系统对车辆的控制。国内高速公路动态先素不是很普遍，在欧洲和美国高速公路会有动态限速。这是交通管理非常有效的一个手段。如果车辆有了车内动态限速识别的设备。博世有非常好的这样的设备。当前他的限速就是75公里，你如何把这个信息叠加到动态地图上，形成一个高精度地图。利用这个高精度地图的信息，你在实时精准的通知到即将要通过这个路段的其他的车辆。这就是我们要去解决基于高精度地图看起来非常简单的一个应用，但是后面需要有非常强大的大数据的支撑。基于地形和道路感知的优化，包括智能停车，包括导航的服务结合在一起。这些都离不开动态高精度地图。
    刚才我们看到了很多用例，但是这个特别的用例是在道路情况下，车辆如何通过云平台做车车协同。车车协同并不是车辆和车辆之间的相互通讯。那是非常重要的。但是车车协同在一定范围内会有主机厂协同的问题、包括政府推广的问题。但是如何利用车辆和云平台再到车辆通讯的实现。车辆在路上通过传感器识别到了特别的工况，路滑、路面积水，可以有车辆转速的差别、ESP报警的信号。或者是车内其他类型的车速、刹车信号系统。或者是对于通过我们视频捕获到的信号，我们把它同步到互联网的云平台。这是需要第一延时的同步。同步之后我们在路网上去找到哪些车辆订阅了我的服务范围内，快速的通知、协同、导航。他可以做一些辅助的不管是自动化的控制还是人为的控制。避免交通事故、降低出行拥堵。
    为了解决这些问题，需要有一系列的技术作为支撑。如果车辆从传感器搜集数据到互联网平台、云平台同步，如果频率比较低，一秒钟同步一次，十万车联网一个小型平台，一秒钟就需要十万次的数据传递，每一次传递几十项。不光是传输本身，传输这些数据需要在非常低的延时范围内处理。你要把这些信息非常快的同步到其他车辆，秒的量级，甚至是毫秒的量级。这样就需要大量的实时的流数据的处理。这些都需要关键的技术作为支撑。
    我们从IBM的角度，在这些领域有一些特长，对于大数据的传递，车辆高速的、高频的传感速度和在云平台做同步和传输的时候，我们有一个非常好的技术MQTT。在数据高速传输的过程中，它的传输速率高几十倍。它对带宽的占用也低几十倍。数据在非常快速的搜集了以后，要去做加工处理，很多数据要去做融合，从车内搜集的数据和天气、路况的其他发布要做融合，融合之后要做识别。这个地方出现了交通事故，那个地方有湿滑。这些信息需要在一个非常短的延时范围内做加工处理分析。所以从技术支撑的角度，我们也可以非常好的应用到流计算。基于这样一个流计算，我们从来源的数据搜集到之后，在非常短的时间内可以指导车辆行车服务。在非常短时间内订阅这个车辆的驾驶者，或者是车主。
    我们特别针对这样一个领域的应用，IBM有一个非常好的研究成果。它是结合基础地图，高德、四维、谷歌、百度，这些信息基本比较快。但是我们在车辆驾驶和其他类型的行车服务过程中，我们需要整合很多的从车内、单一车辆、众多车辆搜集的在复杂路网下实时的交通状况、工况。这里面需要有基于地图的多维度数据的融合。融合之后，我们可以对车辆行车的线路进行分析，对车辆驾驶人的行为进行分析，对于车辆行驶的工况，微观的天气情况，在这个道路的天气情况，比如说坡度、冬天、夏天、下雨、降雪等等动态的有一个非常好的管理和掌握。之后可以基于这个平台支撑各种各样的车联网的U。
    从IBM的角度来讲，虽然我们是一个IT的企业。但是我们一向和我们行业内的客户和合作伙伴共同来做各行各业创新的理解。提到车联网我们也是特别期待和参会的从不同的纬度参与这样一个市场，发展这样一个合作伙伴，和我们的合作伙伴共同推进车联网的发展。从我们IBM服务的能力来讲，我们从业务的规划到设计、到平台的搭建，到后期的云因，都是可以提供大家各种各样的技术。
    非常感谢大家。谢谢！