大数据，大见解：了解Geotab远程信息处理平台

 
舰队远程信息处理是一项很酷的技术。多租户平台可以是收集大数据的优雅方式。正确使用的大数据具有强大的功能。把它们放在一起，你得到了什么?一个有趣的故事。
远程信息处理解决方案使卡车车队能够远程监控车辆的位置，状态，健康状况和活动。 Geotab是一家远程信息处理公司，在其车队管理平台中收集大数据进行分析。超过40,000名客户使用Geotab的跟踪设备 – 一个小型的2×3英寸设备，可将任何类型的车辆连接到互联网，使其成为“连接”的车辆。该设备具有GPS，因此可以跟踪卡车的位置和运动。该设备还连接到许多发动机计算机，并且可以检测诸如发动机灯是否打开，燃料消耗，刮水器启动，发动机转速，苛刻制动，甚至环境空气温度之类的事情。这家总部位于加拿大的公司的软件应用程序MyGeotab使车队经理能够从所有原始数据中获得洞察力。
Geotab拥有超过180万个GPS跟踪设备，每天可追踪8300万英里。这意味着该公司每天处理超过300亿个数据点。那么，大数据!
该平台使Geotab能够高效地分析这些数据。该公司使用Google Cloud托管数据。 Google BigQuery用于分析和理解数据。 Geotab还利用谷歌开发的开源机器学习框架TensorFlow，将机器学习模型应用于原始数据，以便为客户提供特定于上下文的基准。该公司可以对大约30种不同的车辆驾驶模式进行分类。他们可以理解某人为害虫控制公司驾驶面包车的方式与某人为一家石油公司驾驶卡车的方式之间的差异。这有助于他们的车队客户做出更明智的运营决策。
在一篇文章中，Geotab数据和分析副总裁Mike Branch表示，“如果没有Google BigQuery和TensorFlow，我们就无法像这样大规模地对客户进行数据基准测试，这对我们来说是一个关键的差异化因素。 ”
Geotab的首席执行官Neil Cawse告诉我，“我们可以告诉客户’相对于您所在地区的船队，您运营的安全性更高。’”基准测试甚至可以针对特定地区。 “在我们的空转分析中，我们可以说这种类型的卡车，这是我在我所在地区可以预期的平均闲置时间。”怠速是浪费气体并导致全球变暖。当然，在外面炎热或寒冷时，怠速更常见，有时是合理的;有些地区比其他地区更热或更冷。
该系统可以帮助车队更安全有效地运营。 Neil Cawse告诉我，他们可以告诉车队经理一些事情，比如哪些卡车更省油，哪些变速器更频繁失效，以及哪些司机有最难以制动或超速的事故。 “该系统甚至可以告诉经理，’如果用新卡车更换老化的卡车，您的车队的燃油效率将提高15%。”
可以构建数百条规则。要打开规则 – 就像司机离开他们的灯 – 只需点击一个按钮。警报可以引起经理或司机的注意。 “我们提供一个IOX扬声器。你可以告诉司机不要做现场活动。“Cawse先生说。 “例如，如果驾驶员的速度超过每小时10英里，那么我们的系统就会对他说话。”最好让驾驶员实时做某事而不是在他们做错之后责骂他们。
也可以配置不属于现成的独特规则。 “我们认为有’UPS规则’，”Cawse先生说。 UPS已经发现，如果驾驶员总是回到停车位而不是向前停车，他们不太可能有挡泥板。单个规则可以强制执行此操作。
对于拥有大型车队的公司，他们可以根据客户的要求提供具体的运营情报。对于一些大客户，其维护问题的60%来自电气系统。电池是电气系统的主要组成部分。 Geotab正在使用传感器数据来确定电池是否以及何时会发生故障。
“你怎么知道电池是否会失效?大型车队向我们提供了他们每次需要更换电池时都会显示的数据。我们了解了发动机启动时应该看起来的电池电压曲线。我们使用机器学习来标记好坏电池。它没那么成功;我们只能在80%的时间内预测电池故障。“但是当油温加到数据上时，”我们的可预测性达到了98%。“Cawse先生用这种方式解释了这一点，”当你想到一个寒冷的明尼苏达州时冬天，当你开动发动机使卡车运转时，这对电池来说是一个沉重的负荷。“但是一旦卡车被驱动了几个小时，发动机就会升温，卡车很容易启动。添加油温使机器学会理解并显着减少误报。
车队可能节省的费用很高。 “一些大型车队每三个月都会更换一次电池，无论是否坏 – 因为不可靠的车辆是不可靠的。现在他们将电池留在里面，我们告诉他们何时更换电池。“
汽车公司也使用这些数据。例如，Geotab代表伊顿变速器(一家重型车辆传动系统供应商)收集信息，以便让伊顿更好地了解其自动化手动变速箱的性能。下一阶段将允许卡车在空中重新编程。如果卡车前往落基山脉，可以改变换挡模式以反映地形。 “现在，卡车使用香草平均值来改变变速器的模式。通过动态改变变速箱的运行方式，卡车可以获得更好的燃油效率。“
Geotab数据集中一些最激动人心的发现可能来自智慧城市计划。所有这些在城市中驾驶的车队的数据可用于使城市更安全。 “一年中约有4%的车辆发生事故。 220个事故中有1个导致死亡。“数据集可用于寻找危险的交叉路口。 “相隔五英里的两个十字路口可能看起来一样。但是，一个交叉路口发生事故的可能性要高20倍。城镇可以使用这些数据来提供红绿灯。“
或者你可以派人出去看看他们是否能弄清楚为什么交叉路口如此危险。它可以像过度生长的树一样简单，遮挡可见性。它可能更复杂。在天气好的时候，芝加哥有一个街区是安全的，但一旦下雨就变得危险。这是为什么?这个区块包含一所学校。在天气好的时候，孩子们去了十字路口并安全地越过他们的父母等待接他们的地方。但在雨中，他们跑过街对面。
城市和州也可以使用这些数据进行基础设施规划并改善交通流量。 可以监控一天中的时间和一周中的一天的交通流量。 “拉斯维加斯市使用这些数据来改善光线变化的时间。 吞吐量提高了12%。“
底特律还有一个试点，以优化大型卡车穿越城市的方式。 当卡车停在灯光下时，交通受到影响。 当灯光变绿时，它们很慢而且效率低下。 这会影响交通流量，增加燃料消耗，并对空气质量产生不利影响。 我们的想法是看看是否有卡车发出智能交通灯的信号，表示他们即将到来，以便卡车获得绿灯。 从理论上讲，这不仅可以改善卡车司机的生活，也可以改善每个人的生活。
正确利用大数据可以提供有价值的见解。 Geotab的故事说明了这一点。