位置数据：车辆遥测分析的重中之重

随着时空分析在汽车行业中的重要性不断增长，市场迫切需要更强大、更集成的数据平台来释放车辆遥测数据的全部潜力。汽车中传感器的普及开创了数据丰富的车辆新时代，在分析大量信息和创建数据驱动的产品和功能方面提供了巨大的优势。

现代联网车辆配备了大量传感器，包括用于发动机性能、安全、导航和连接的传感器。这些传感器不断生成大量数据，涵盖从速度和油耗到环境条件和驾驶员行为的所有数据。

图片来源：伟巴斯特

如果有效利用这些数据，汽车制造商和科技公司就可以开发创新产品和功能，从而增强安全性、便利性和整体驾驶体验。分析这些数据可以获得有关车辆性能、预测性维护、能源效率甚至实时交通状况的见解，从而开发自适应巡航控制、预测性维护警报和高级驾驶员辅助系统（ADAS）等智能功能。

此外，数据潜力不仅局限于车辆本身，还可用于创建新服务，例如基于使用情况的保险、车队管理解决方案以及依赖于联网车辆的交通和环境数据的智慧城市计划。汽车中传感器的激增催生了数据驱动的汽车生态系统，有望彻底改变人们与车辆互动的方式。

车辆传感器数据数量庞大且快速移动，使其成为动态、高频的数据源。它包含连续的读数流，每个读数都与经度和纬度形式的时间戳（timestamp）和地理空间坐标相关联。时间戳提供了按时间顺序排列的上下文，允许跟踪一段时间内的事件，而地理坐标则提供基于位置的关键见解。这种时间和位置数据的组合对于了解车辆发生的情况以及发生的地点和时间至关重要。

图片来源：现代

例如考虑悬架读数的抽象视图。左前轮胎的外倾角是众多悬架读数之一，其他读数还有后倾角、前束角和推力角。测量值随着车辆位置的每秒变化而发生变化并被记录。

该数据的一个简单用例是检测坑洼、坑洼深度以及驾驶员撞上坑洼的速度范围。此类信息可用于避免这些危险，并为市政当局提供见解，帮助确定道路维护的优先顺序。

然而，许多汽车制造商目前使用主要关注时间序列数据（time-series data）的工具来存储和分析车辆遥测数据，通常缺乏先进的时空功能，例如InfluxDb或Spark。

InfluxDB是一种时间序列数据库，传统上一直被一些汽车制造商使用，尽管有免责声明称“geo包是实验性的，随时可能发生变化”并且“有风险”。

图片来源：InfluxDB

Spark目前仅提供基本的时空功能，以及Apache生态系统（例如GeoMesa和Sedona）内的工具，旨在解决这些限制。

使用车辆远程信息处理数据（本质上同时具有时间序列和空间性质）的时间序列数据库可能会导致一系列重大缺陷。最突出的问题之一是丢失与车辆位置相关的重要信息。远程信息处理数据通常包括GPS坐标，这对于跟踪车辆的精确位置、监控路线和确保驾驶员安全至关重要。

在纯时间序列数据库中，这些空间信息要么被完全丢弃，要么以原始方式处理，从而降低了深入了解车辆操作的地理空间方面的能力。这会严重限制远程信息处理应用的有效性，例如路线优化、地理围栏和实时监控，因为这些应用均严重依赖于空间数据。

此外，仅仅依靠时间序列数据库进行远程信息处理会忽略数据的整体性。未能整合数据的空间维度意味着关键洞察力（例如识别事故的确切位置或车辆与某些地标或目的地的接近程度）受到影响。这可能对车队管理、保险评估和监管合规产生深远的影响，因为这些功能通常需要对时间和地点之间的相互作用有细致的了解。

为了充分发挥车辆远程信息处理数据的潜力，数据库应有效捕获和集成时间序列和空间元素，确保不会忽视或未充分利用任何关键信息。

上下文很重要，当涉及到车辆遥测数据时，上下文数据不是在主键上融合，而是在空间和时间维度上融合。支持遥测数据的时间和地理连接对于加深对复杂系统的理解，并推动数据驱动的见解至关重要。

例如，将车辆遥测数据与路网信息相结合，可以实现精确的路线优化、实时交通管理和事故分析。同样，将遥测数据与天气数据集成可以支持受天气影响的动态路由等应用程序，从而提高安全性和效率。这些时间和地理连接可以对数据进行全面分析，促进智能解决方案的开发，从而显著影响运输、物流和安全相关决策。

通过以全面、智能的方式利用车辆数据的时间和空间特性，福特成功创建了开创性的ADAS系统BlueCruise，为汽车行业树立了新标准，使道路更安全，并为客户提供更舒适的驾驶体验。

数据库平台Kinetica提供了一套全面的工具，可满足复杂的车辆遥测数据分析需求。Kinetica还利用生成式AI进行车辆远程信息处理，以及利用大型语言模型以简单的英语（又名NL2SQL）生成复杂的分析代码，并针对车辆遥测问题进行调整。

Kinetica还支持车辆远程信息处理的实时矢量搜索，以发现以前隐藏的模式，从而提高汽车技术的安全性和效率等各个方面。