ZD至顶网CIO与应用频道 10月25日 北京消息:随着国内汽车市场的飞速发展,汽车逐渐改变着我们的出行方式。然而,汽车为我们提供便利的同时,引发的交通事故亦逐年攀升。安全驾驶问题不仅受到了消费者的关注,更得到了各行各业的广泛重视。随之,辅助驾驶开发方面的极大投入与研发,便促进了其在汽车应用市场上的迅速发展。
由东软开发的“小牛助驾”智能辅助驾驶APP更是为驾驶行为分析带来了新技术,为智能行车增加了一种新实践。
小牛助驾——基于驾驶行为分析的APP
在很长一段时间里,驾驶行为安全的监测都是依靠OBD(车载故障诊断系统接口的延伸装置)车载诊断系统来实现。通过插在汽车OBD接口上的盒子读取行车电脑数据,在OBD盒子与手机连接之后,将数据传至手机,从而让车主在手机上看到自己的驾驶习惯和实时耗油情况。可出于对成本、便捷性以及未来手机软硬件的发展,这显然不是最完善的方式。
而“小牛助驾”是一款手机端的APP,利用手机传感技术采集司机的驾驶数据。在了解驾驶员的行车轨迹后与后台的地图数据相结合,从而来判断司机在驾驶过程中的行为。“小牛助驾”通过对驾驶员的驾驶数据的收集、分析,能够给出相关建议,规避驾驶风险,提升驾驶安全系数。目前,已经有很多用户通过使用“小牛助驾”来改善他们的驾驶行为。
东软集团平台产品事业本部先行产品研发事业部总经理赵立军表示,东软在汽车电子领域深耕多年,业务覆盖车载娱乐系统,新能源、无人驾驶等技术以及驾驶行为分析等,我们希望通过收集更多实时的数据,构建出驾驶行为分析的数据模型。相比OBD盒子(车载故障诊断系统接口的延伸装置),我们更倾向于一种轻巧、无干扰、低成本的方式,能够让驾驶者乐于使用,这也是东软开发“小牛助驾”的初衷。
“小牛助驾”是一款建立在Sensteer mobility数据分析技术之上的APP,通过后台的数据分析模型,为个人用户提供精准的行驶数据分析以及不良行为识别、事故分析、能耗分析、车况分析、驾驶技能分析等多维度的个性化服务,引导驾驶人改善驾驶行为,降低行车风险,让驾驶更安全。
驾驶行为分析蕴藏巨大市场潜力
赵立军表示:“驾驶行为数据分析技术在未来有很大的发展前景,保险公司、汽车制造企业、政府机构、大型车队管理系统都有这样的需求,希望通过数据分析技术提供的结果来管理他们的人、车、驾驶行为。目前,东软已经和一些汽车制造企业、保险公司建立了项目合作。在与汽车制造企业合作的发展方向上,主要是为其提供基于车联网大数据的数据分析,帮助车场分析其驾驶员的驾驶习惯、车的油耗情况。而与保险公司的合作则会着重开展基于UBI(基于驾驶行为确定保费的保险) 的车险服务。”
从目前来看,保险公司的车险逐渐走向“个性化车险定价模式”,不单单根据车型、上一年出险情况等简单的指标来决定当年车险定价,而是根据一段时间的驾驶行为来确定车险金额。比如,在没有出险的情况下,一个人开5千公里/年,另一个人开10万公里/年,那么这两个人的危险系数是不同的。从更个性化的角度来看,如果两个人都开两万公里,一个驾驶习惯比较平稳,另一个驾驶行为比较激进,风险系数自然也是不同的。
新型互联网保险企业要想切入车险市场,就必须走个性化定制的道路,而这就必须基于每个人的驾驶行为以及群体的驾驶特征,以此为依据来规定保费的费率模式。而东软的驾驶行为数据分析技术就成了这些企业切入这个市场的依据。
面向汽车制造行业,东软通过IVI,TBOX,C-Link,OBD,ADAS等终端和技术,能够使汽车具备实时驾驶行为分析与安全行车提示、车况诊断与故障报警、故障分析、基于发动机工况的精确燃油经济性分析、节能驾驶指导等功能,将行车数据和V2X数据和车载信息娱乐系统用户操作数据一同汇聚到云端,为车厂提供适用于整车设计、产品升级、增值服务等多场景下的车联网大数据服务,改善车辆设计、提升用户对产品更省油、更安全的品牌认知。
不仅如此,驾驶行为分析还能够为车队提供更具公信力的管理方式,使车辆的车况、行车路线、油耗数据、保费状态即时可见,为车队员工的绩效及工作质量的管理提供高可视化、低学习成本的管理方式,促进车队盈利能力的持续提升,并基于驾驶数据,大幅降低车队的保费支出。
由此可见,“小牛助驾”表面上看是一款收集数据的应用,但其背后更是一个大数据分析业务,服务的对象不仅仅是个人消费者,也可以很多企业客户带来巨大的商业价值。而这才是小牛助驾真正的业务方向!
好文章,需要你的鼓励
微软将在今年夏季晚些时候推出Windows恢复力计划,著名的Windows蓝屏死机将被新的黑屏替代。这一变化是微软对2024年7月CrowdStrike故障事件的回应,该事件导致约850万台Windows设备瘫痪。作为Windows恢复力计划的一部分,微软正在重新设计Windows代码,让安全软件在内核外运行,以提高系统稳定性和恢复能力,减少因第三方安全软件问题导致的系统崩溃。
香港理工大学研究团队开发了突破性医学AI系统GEMeX-ThinkVG,让人工智能在分析胸片时能像医生一样详细解释诊断过程。该系统不仅能准确回答医学问题,还能标注具体的影像区域并提供完整的推理链条,解决了传统医学AI"黑盒子"问题。通过创新的强化学习训练方法,仅用八分之一数据就达到了传统方法的性能水平,为可解释医学AI开辟了新方向。
随着GPU成为AI工作负载训练和运营的关键,越来越多的云服务提供商开始提供云GPU实例。这为希望避免部署GPU硬件费用和复杂性的组织带来好消息。云GPU实例可按超大规模与专业化提供商、通用与专用实例、共享与独占服务器进行分类。选择时需考虑工作负载类型、GPU类型、成本、延迟和控制级别等因素。
希腊雅典理工大学团队开发CultureMERT-95M多文化音乐AI模型,通过两阶段持续预训练和任务算术方法,让AI系统学会理解希腊、土耳其、印度等非西方音乐传统。该模型在非西方音乐分类任务上提升4.9%准确率,同时保持西方音乐理解能力,为构建更包容的全球音乐AI系统奠定基础。