資料分析與機器學習，正在推動車隊管理朝向下一個階段邁進。 數十年來，市內公車的運作模式幾乎沒有改變。 突然間，物聯網出現了，燃油效率、路線以及駕駛行為，都能夠即時最佳化了。

「能夠」是關鍵。 搭載了感應器與攝影機的市內公車，每英哩可以產生多達 10MB 的資料。 將這些資料全部傳送至雲端並不是適當的做法。 而是車上電腦應該藉此分析車輛效能、駕駛行為，以及道路狀況。

然後，車上電腦就能將資料總結傳送至雲端。 在雲端的大數據分析，可以獲得保養需求、乘客上車模式及其他要素的深入見解。

車隊管理的多種面向

所以，建立一個可以使用大數據、遠端管理，甚至是機器學習技術的車隊管理系統會需要些什麼？正如圖 1 所示，最佳起點就是先思考車隊管理中會有哪些獨立子系統。

圖 1. 城市車隊管理牽涉到許多不同的系統。 (資料來源：Intel)

在這些系統中，我們必須特別注意車內及後端系統。 先來看看車內電腦吧。 圖 2 所示 Advantech 的 TREK-570，即為一絕佳範例。 這台嵌入式電腦是專為車隊管理所打造，搭載包含可設定車輛診斷介面的 I/O：CAN (J1939, OBD-II/ISO 15765) 及 J1708 (J1587)。

圖 2. 專為車隊管理所設計的 TREK-570。 (資料來源：Advantech)

TREK-570 也有大量的通訊介面，包括 802.11 a/b/g/n、GPS、GLONASS、HSDPA、CDMA 及 LTE，可提供即時語音及資料服務。 雙顯示畫面及雙音訊介面，確保駕駛能夠接收路線規劃及文字轉語音的規則提醒等高解析度資訊。

所有功能皆由搭載四核心的 Intel^® Atom^™ 處理器所提供。 「CPU 效能對於資料分析而言相當重要，」Advantech 的嵌入式產業體系總監 Shawn Jack 說道。 「我們選擇 Intel 處理器的主要原因，在於其 CPU 及安全性功能，」Jack 補充說明，Advantech 以 Intel 架構藍圖為基礎，調整其設計功能及資源。

資料分析更加簡單

在初始處理完成後，資料會被送至後端系統，以便進一步分析駕駛行為、調度、追蹤與車輛診斷等資訊。 在此，車隊管理遇上了另一個障礙。

在提供車隊管理服務的公司內，並沒有太多資料科學家。 同樣的，在市政府的管理部門內，也沒有打造智慧運輸基礎設施的資料科學家。 所以，車隊營運商該如何從這些資料找到更深入的見解呢？

答案是使用有預先定義組態及內建智能的系統，如此一來，組織就能夠輕鬆地瞭解數據中的意義。 這也就是 Advantec 的 WISE-PaaS RMM 整體平台發揮功用之處。 這系列平台提供預先設定及驗證的軟體建構模塊，可立即開始部署車隊管理解決方案。

WISE-PaaS 在車內電腦中提供了雲端連結及 API，簡化對 Microsoft Azure 等服務的連線。 在雲端可經由簡單的拖放式介面，實現遠端監控及預測維護等車隊管理功能。 此外還支援將車隊管理硬體 (如 TREK-570) 轉為可立即執行的系統。

尋找運輸系統上的突破

像 Advantech 這樣的公司，在車隊管理及其他數位交通領域的下一步，就是要結合大數據的力量，打造車對車 (V2V) 及車對基礎設施 (V2I) 的專業車用通訊技術計畫。

Advantech 的 Jack 表示，這些運輸技術上的突破，能讓駕駛更清楚道路狀況，有助於及時應對變化。 該公司也會將大數據運用於即時感知車輛狀態。 舉例來說，如果車窗上的雨刷開始活動，後端就會知道現在下雨了。

雖然擁有這些科技進步的優勢，我們還是要記住，車隊管理系統需要有細心的工程設計與聰明的運作方式。 像是舊金山的 NextBus 運輸追蹤系統，經歷了整整兩週的服務中斷與到站預測不正確的問題，這都只是因為系統營運商沒有預先為 2G 行動網路停機做好準備。 話雖如此，使用如 TREK-570 般的強大子系統，仍有助於輕鬆完成基本設計，讓您可以專心解決棘手問題，像是最小化使用者錯誤的機會。