大数据如何改变美国长途运输业-阿里云开发者社区

开发者社区> 大数据文摘> 正文

大数据如何改变美国长途运输业

简介: 在高速公路漫长的旅途上,一辆半挂货车向其上级公司发去了一条消息:卡车的制冷机组温度正在上升。在拖车的温度有可能影响到其中所运输产品质量之前,卡车公司已经告知司机在哪里可以得到援助,以防止车内产品被损坏。
0.jpg

在高速公路漫长的旅途上,一辆半挂货车向其上级公司发去了一条消息:卡车的制冷机组温度正在上升。在拖车的温度有可能影响到其中所运输产品质量之前,卡车公司已经告知司机在哪里可以得到援助,以防止车内产品被损坏。

 

在公司总部,货运专家与正行驶在路上的司机进行连线,试图提高燃油使用的经济性。在一系列的电话交谈之后,他们共同努力找到了减少燃油消耗的方法:通过修复设备问题或改进司机原有的驾驶习惯。

这只是两个简单的关于大数据与运输之间业务交集的例子,英国最大的出租汽车运营商C.R.公司最先对此领域表示了兴趣。对于汽车运输业来说,信息通讯技术和车载电子摄像头,是革命性的改变,它不仅可以监控运输中的货物情况,而且可以通过智能系统进行数据采集,确保运输过程中的实时沟通,以确保食品不遭到损坏,这在一定程度上也减轻了司机的负担。同时,它还减少了司机的疲劳驾驶情况,增加了公路的安全系数。大数据将这种潜在的保护的可能性进一步扩大,货运行业的利润空间狭小,专家认为,用不了多长时间,多用途监控单元将安装在美国的每一辆半挂车上。

从“总成本”方面分析
英国的C.R.公司已经在其公司以及下属加盟商,所属的每一辆汽车的驾驶室内安装了远程信息处理系统,加上培训和辅助车辆,总共有4500辆业务用车。这一系统可以跟踪驾驶时间、燃油效率等数据,还会记录车辆的行驶位置、制动情况、挂车稳定性、控制激活系统等关键事件。所有这一切监测和分析,都将通过卫星或基站,在汽车运行途中实时沟通以获得解决

“如果你不采用EOBR系统,不在工作计划和决策活动中使用和交换可见的日志数据,你就无法发挥数据的最大优势。”英国C.R.公司高级技术主管罗恩说。2008年,C.R.公司开始在英格兰实施EOBR计划,现在该公司的首席执行官,就是当时负责这一计划的高级安全主管霍尔。

从那个时候起,由EOBR系统所收集的数据,以及附属远程信息处理单元,已经被用来作为主要的决策依据。“当需要确定哪一个车辆制造商值得长期合作时,所购买车辆在一个时期的燃料消耗数据、总成本分析模型,将成为是我们做决定的主要因素,而不是像以往那样只依据车辆设备的购买价格。”霍尔说。“具体数字已经记不清了,”霍尔回忆到,“这一系统帮助我们公司将调度时间(拖车从卸载到重装之间的间隙时间)从8%降到了7%,燃料效率也得到了改善,过去三年,每英里里程平均相比之前节省十分之一加仑的燃料。”

尽管大型货运公司已经急迫地将大数据策略加入了他们的商业模式之中,但是规模较小的公司对此却无动于衷。“根据我们的研究,重大科技投资的普遍推广,一般会延迟三到五年,”美国运输研究所副总裁穆雷称,“在大型运输企业已经装备齐全并推出早期测试产品之后,相关系统的价格往往会下降,对这些产品的模仿也更容易。”

“但问题是,小企业生存的时间需要足够长,才能保证从相关技术中获益。全美货运行业的平均利润率为3.6美分,”穆雷表示,“所以即使只投资技术,也能够保证获得即时的ROI,不到12至18个月,就能够快速盈亏平衡。”

推广数字日志
美国汽车运输安全管理局将在最近要求所有运输公司在车辆上安装电子车载监测装置,以监控车辆行驶状态和司机的驾驶时间。这一规定得到了阿肯色州运输协会主管基德的支持,他表示,电子设备将提高货运安全。

“三百万名卡车司机今天仍然使用纸来记录驾驶日志,这与1938年时候使用的一样,那时候我们公司就已经在这个行业之中。而最糟糕的是,司机需要趴在那里填写他们的记录册,”基德说,“EOBR的首要作用,就是防止疲劳驾驶、改善公路安全。这给了公司一个实时了解汽车在公路上实际行驶情况的途径。”

英国C.R.公司的服务主管卡莱尔说:“目前,许多运输企业已经用上了EOBR系统。另外,还有许多公司不使用电子行驶日志,他们会错过采用电子日志的一个关键优势。在年度检查中,纸质行驶日志的错误率55%至67%之间,这些将导致罚款、拘留或者拖车情况发生。而随着新的电子记录产生,在日志检查时,核查人员有时会发现驾驶员没有出任何差错。”

信息通讯和大数据在运输领域具有长远的发展前景,交叉引用的实时驱动型数据,将以最快的速度修正各种天气误报、错误停车信息及交通延误信息。例如,驾驶员的设备会告诉他,如果未来的天气有可能导致交货时间延迟,它会提醒司机以最快的速度驾驶汽车,以便到达最近的可用停车场。“我想说的是,不用两到三年的时间,这一系统将大大减低长途运输的业务复杂度。”穆雷说。


原文发布时间为:2014-03-06


本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“BigDataDigest”微信公众号

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

分享:
大数据文摘
使用钉钉扫一扫加入圈子
+ 订阅

官方博客
官网链接