本文文章從谷歌無人汽車、福特汽車整合、汽車防盜座椅3個中，以應用背景、數據源、圖說場景、實現途徑、應用效果5個視角去看待在汽車行業的應用狀況。

案例一：谷歌無人駕駛汽車，解放雙手，輕松出行

應用背景：

安全要素是推動無人駕駛汽車發展的重要動力，在不同事故造成的致死率排名中，由人為因素造成的車輛碰撞引發的交通事故高居第2 位。除了生命安全外，汽車碰撞事故對經濟產生的影響深遠而巨大。據不完全統計， 2012 年美國全年因道路碰撞事故造成的經濟損失高達 2120 億美金。以當年為例，如果無人駕駛汽車以及 ADAS 系統能夠將事故發生率降低 90%，即可挽回損失約 1900 億美金。同時解放駕駛員雙手，提升泊車效率、改善交通環境等各方面的需求，都在推動著無人駕駛技術的發展。

數據源：

實景地圖數據;無人駕駛汽車捕捉到的物體信號數據，如行人、汽車、紅綠燈、施工標識等;汽車行駛狀況數據。

圖說場景：

實現路徑：

通過對各種數據的綜合分析決策，實現對駕駛員的行駛行為輔助或者無人駕駛功能。

應用效果：

減少人為因素造成的車輛碰撞事故：行車過程中駕駛員疲勞、注意力不集中、情緒波動等都會造成不同程度的行車安全隱患，危害駕駛員的生命財產安全，無人駕駛技術可以有效避免這方面的影響。

提升行車過程自由和舒適度：把駕駛汽車的時間應用到休息、學習或者處理公務方面，實現行車過程中完全的時間自由化。

提高停車效率：大大減少新手停車過程中造成的磕碰、情緒波動及時間浪費等現象。

案例二：福特汽車整合大數據資源，走出困境

應用背景：

21 世紀初，經歷了百年發展之后的福特汽車，像位年過古稀的老人，失去了活力。公司在這段困難時期，損失將近一半的員工，虧損連連，找不到方向，有瀕臨倒閉的危險。窮則思變，面對泥沼中的困境，管理層們顯得有點不知所措，他們開始選擇“ 求助” 福特的數據分析專家們來拯救整個企業。

數據源：

運營數據：生產、銷售、售后等數據。

產品開發數據：設計、試驗等參數數據。

互聯網數據：輿情、瀏覽記錄等數據。

車聯網數據：汽車零部件內置傳感器反饋數據，汽車運行指標數據。

圖說場景：

實現路徑：

通過數據資源中心，整合各種相關資源，服務產品的研發或改進及企業運營行為的優化。

應用效果：

產品精準定位：綜合互聯網數據和以往設計經驗，對未來產品的

定位更加準確，減少新車下線無銷路的市場風險。

設計人性化：更容易關注到以往忽略的設計細節問題，使得汽車使用時更貼合用戶需求，符合使用習慣，增加品牌效應。

運營效率提升：數據資源整合，減少很多不必要的對接流程，極大提升公司運營效率。

案例三：汽車座椅防盜

應用背景：

坐姿能夠促進汽車的自我防盜么，要知道， Everyone is unique，正是每個人獨特的信息所組成的數據幫助了汽車識別自己的主人。當一個人坐著的時候，它的身形、姿勢和重量分布都可以量化和數據化。

數據源：

座椅壓力傳感器：身形、姿勢、重量等量化數據。

圖說場景：

實現路徑：

把人體屁股特征轉化成數據，并且用從 0~256 這個數值范圍對其進行量化，產生獨屬于每個乘坐者的精確數據資料，包容并發現錯誤然后自動修正。

應用效果：

汽車防盜：根據人體對座位的壓力差異識別出乘坐者的身份，準確率高達 98%。如果不是車主，系統就會要求司機輸入密碼，如果司機無法輸入準確的密碼，汽車就會自動熄火。可以記錄盜賊的身份，幫助建立偷車賊檔案。

安全行駛：系統可以收集發生事故之前的姿勢變化情況，分析出坐姿和行駛安全之間的關系。這個系統還可以警示疲勞駕駛者或者出發自動剎車。