物聯網時代 車載數據引爆新商機

車輛不再是一堆感測器和軟體的堆疊結構

自從美國的特斯拉(Tesla)開始進行電動車的生產、銷售,再加上Google子公司Waymo也開始積極推動自動駕駛的研發以來,便顯示了IT與汽車產業之間已經牢不可分了。現在的車輛,不單只靠引擎的控制,從煞車到方向盤的控制,都已經可以依靠電腦來執行,汽車已經不再是一些硬體設備的推疊組合,車內各種各樣的感測裝置和軟體設備,都是現在汽車不可或缺的大部分了。如果要說「汽車就是一台會跑的智慧型手機」真的一點也不為過。

以下的圖表就是Waymo正在測試的自駕車。

【圖表 3-13】Google 子公司 Waymo 的自駕車。圖/經濟新潮社
【圖表 3-13】Google 子公司 Waymo 的自駕車。圖/經濟新潮社

這輛車搭載了一個光學鏡頭感測器和其他各式各樣的感測器,但最引人注目的是車頂上的光學雷達(簡稱光達;Light Detection and Ranging,LiDAR)感測器。是一種光學遙感技術,通常會使用雷射來測量與目標之間的距離,透過蒐集稱為點群數據的點,來識別車輛行駛中時時刻刻變化的駕駛環境數據。 如此一來,就可以隨時執行行駛路線的修正、煞車等即時狀況的判斷。當然僅僅依賴點群的數據是絕對不夠的,因此,在車子的前後同時也會搭載光學鏡頭來補捉正面和背面的影像。

車輛可以獲取的數據非常豐富 

通常,我們只會在汽車內部的儀表板和導航螢幕上,看到稱為車用資訊娛樂系統(Infotainment)與資訊和娛樂有關的數據。但是,實際上只要從汽車啟動的那一瞬間,便可以開始獲得各式各樣的數據。例如,引擎和馬達的轉動次數、電池的剩餘電量、各種電子控制系統是否正常運轉、系統的檢查結果、還可以獲得ECU(Electronic Control Unit,車載電腦,也就是汽車專用的微控制器)所控制的零件和模組所產生的大量數據。

目前還不是屬於自駕車的BMW大7系列,據說每小時就會產生大約1 TB的大量數據。如果將來成為一輛自動駕駛汽車時,產生的數據可能就會是現在的數十倍之多。

車載數據可以衍生的服務

加拿大的Geotab Inc.開發了一款同時也可以使用ECU輸出數據的GEOTAB裝置,目前也對一般大眾進行銷售。只要連接到維護板的ODB II上就可以透過3G的通訊方式,將數據下載到雲端,現也已在日本上市。

GEOTAB只要透過電信通訊線路,就可以隨時監看由ECU傳送過來的數據,透過這樣的方式,可以觀看以下數據所反應的駕駛狀況。

●引擎轉速的上限
●不必要的空轉
●行車速度過快
●突然剎車或加速
●突然轉向等的危險駕駛
●未繫安全帶
●倒車
●非規定時間使用
●延遲抵達目的地或提早出發
●未經許可的私自使用
●在辦公室裡長時間的待命和長時間的午餐
●在工作時間內長時間的停車

【圖表 3-14】可以直接插入ODB II連接器的GEOTAB模組。圖/經濟新潮社
【圖表 3-14】可以直接插入ODB II連接器的GEOTAB模組

像這樣的行駛數據形成的可視化,也帶來了各種可能的服務。以下我們介紹一個非屬於上述的GEOTAB而是日本的案例。這是日本一家名為TIMES24,專門提供停車場和汽車租賃服務的租賃公司,該公司會將租賃返還前的汽車記錄,包括當日突然起步和剎車的次數等,藉由搭載的導航系統所輸出的數據,再將該數據透過通訊線路傳送到中心,並針對該租用的駕駛客戶做成資料建檔以及作為日後車輛保養的優化檔案。 

【圖表 3-15】藉由車載資訊系統(Telematics)顯示可服務項目的示意圖圖/經濟新潮社
【圖表 3-15】藉由車載資訊系統(Telematics)顯示可服務項目的示意圖。圖/經濟新潮社

像上述的這種服務稱為車載資訊系統(Telematics),在還未正式走向自駕車的現在,這樣的數據就已經是非常巨量了。當完全自動駕駛時代來臨時,恐怕就只能向最相關的人員報告了。

即時的監控系統實現了自動駕駛的可能

如果想要實現自動駕駛,應該不是單單取得每台汽車的行駛數據就足以實現。為了可以即時進行判斷,避免事故的發生,就可以使用上述所說的LiDAR光學雷達等,來蒐集周圍的駕駛環境數據,或者在雲端蒐集地圖上的位置數據,還必須與其他車輛共享位置訊息。必須藉由這樣的環境數據,建構一個非常精確而且符合現實環境的情境地圖,再將數據回饋給每台車輛,如此一來,行進中的車輛就能根據這些數據,進行車輛的過度集中或是分散的環境調整,以減輕及時車輛監控的負擔。

筆者相信在未來的幾年,將會有更多、更實用的自駕車會陸續登場。透過數據的取得和應用,各種新式的服務和商機,應該也會陸續被端上檯面,真的很令人期待。

最典型的車輛搭載感測器

 以下我們可以看看由車輛所產生的各種數據以及實際上已經應用在車輛上的各種搭載感測器。

以下所列舉的感測器,都是偵測車輛行駛當中的基本狀況。監控引擎和傳動系統的狀態,並將偵測的數據匯總到ECU,如此就可以將行駛中的車輛,維持和控制在最佳的數值之內。

● 車速感測器:測量車輪速度
● 壓力感測器:檢測油壓和水壓
● 油門位置感測器:測量油門供油量等
● O2感測器:檢測廢氣中的殘餘氧氣,進行更有效率的理論空燃比的控制
● 排氣溫度感測器:偵測排氣溫度
● 空氣流量感測器和進氣溫度感測器:偵測進氣量和進氣溫度
● 水溫感測器:測量引擎冷卻水的溫度

除上述基本的感測器之外,自動駕駛車輛還安裝以下感測器。
● 光學鏡頭:周遭環境/情況的認識與識別
● 毫米波雷達:使用稱為毫米波的高頻電磁波,向前面的物體發射電磁波,再使用多個接收天線,接收反射回來的訊號,並根據相對差,計算方向和距離。
● LiDAR:以脈衝形狀發射紅外線雷射,從物體反射回來所需的時間,測量距離。因為與雷射的機制頗為相似,有時也被稱為光學雷達或是光達。 
● 聲納:利用發射超音波,進行反射回來的距離測量。

由於來自這些車載感測器的數據,傳統上僅用於車輛控制,因此通常僅在車輛製造商的封閉區域使用。 但是,近年來,隨著遠端訊息處理技術的興起,也開始被用於汽車製造商以外的其他領域。

車載數據引爆新商機

由於行駛的相關數據和駕駛的實際狀況數據,已經可以非常詳細地掌握,所以新的商機與服務也不斷地在市場上出現。

例如,使用車輛行駛的里程數和該車輛安全駕駛範圍的數據分析為基礎,做為車險保費折扣的依據。在日本Sony保險已經和感測器品牌的OPTEX合作進行這樣的服務了。

據說,在歐洲運用車聯網行車紀錄器,作為保費計算基礎的車載資訊保險,已經約占有20%。筆者覺得以使用和供給雙方的角度來看,這種基於安全駕駛的鼓勵或是保費的計算,都可算是最佳服務的一種。在歐洲預計到了2020年,應該就會有超過30%的汽車保險,將轉移至遠端訊息處理的UBI車險(Usage Based Insurance,基於車輛使用狀況和駕駛行為透過雲端系統分析數據的保險)。

再者進入自動駕駛的時代,生活中除了「乘車」和「駕駛」之外,非常期待還會有更多新的車輛相關商業模式出現。在接下來的幾年,勢必還會有更多的種類感測器登場,到底是車輛還是家居市場會最先進入完全的IoT模式,真是非常令人好奇。

完全圖解物聯網:實戰‧案例‧獲利模式 從技術到商機、從感測器到系統建構的數位轉型指南

(本文摘自八子知礼(YAKO Tomonori)、杉山恒司(SUGIYAMA Koji)、竹之下航洋(TAKENOSHITA Koyo)、松浦真弓(MATSUURA Mayumi)、土本寛子(TSUCHIMOTO Hiroko) 著《完全圖解物聯網:實戰‧案例‧獲利模式 從技術到商機、從感測器到系統建構的數位轉型指南》,經濟新潮社提供)


延伸閱讀

開始Podcast!因為每個人都在做?

Podcast創意 從對的地方找到靈感

Instagram 與千禧世代的反抗