应用大数据分析挖掘技术实现供需高效匹配

当今世界每天产生的信息量都在呈现爆炸增长的趋势，尤其是最近几年，随着处理器和传感设施的发展，数据更是呈现出几何级数的增长。显然，在不远的将来，庞大的数据量将更为惊人。传统车联网收集到的数据往往被直接导入电脑终端，还有一些数据出于其他原因需要下载到本地进行本地存储。但汽车毕竟不是电脑，而单一的个人电脑存储空间也十分有限，无法应对数以万计的车辆数据（而这个数目是大数据分析所必要的），更遑论将来爆炸式增长的数据了。

在车联网的范围内，无论是车载的智能一体化终端，还是车载的诊断系统等汽车互联网产品，都需要一个共同的载体去承载，给用户提供服务。车联网需要收集卫星和汽车传来的数据并进行分析，每一辆汽车也需要同其他汽车实现数据共享，需要得到从车联网传来的指令。这些都需要通过云端数据的存储、共享来实现。

云存储是在云计算概念的基础上发展起来的一种新的存储方式，它是指通过网格计算、集群文件系统、分级存储等现有技术，将网络中大量的存储设备通过硬件/软件的方式集合在一起，并对外提供标准的存储接口，存储数据以供个人或企业调用的存储方式。云存储对于使用者来说，不再是指某一个具体的设备，而是指一个由许多个存储设备和服务器所构成的集合体。使用者使用云存储，并不是使用某一个存储设备，而是使用整个云存储系统带来的一种数据访问服务。相比传统的存储方式，云存储的出现使得一些企业或个人不需要购买价格高昂的存储设备，只需要支付较少的费用便可以享受近乎无限的存储空间。(www.xing528.com)

随着分时租赁市场的日益壮大，海量的租赁信息、出行信息、路况信息以及背后所隐含的驾驶行为信息、租赁者就业信息等将会产生，海量的信息构建了以分时租赁为核心的大数据。汽车分时租赁大数据作为大数据的一个子集，必然可以使用主流大数据的分析方法，将原始的极大量数据进行一系列的算法分析之后，从数据中挖掘出有用结论。汽车分时租赁大数据与互联网大数据、金融大数据等传统大数据相比，具有其独特的“个性”。首先，汽车分时租赁大数据的特点是输入的持续性，即在分析阶段也有源源不断的新数据输入。其次，汽车分时租赁大数据分析具有反馈的即时性，不能像传统大数据分析那样可以将数据提取出来，耗时几个月甚至几年时间分析。例如，租赁汽车的行驶状况关系到驾乘人员的安全，而且像供需关系信息、路况信息、实时导航等内容都具有很强的时效性，不可能进行孤立、延时的计算分析。

通过对汽车分时租赁大数据进行分析挖掘，可以更加清晰明了地掌握租赁的供需关系，从而给运营商提供决策支持，提高分时租赁车辆、停车位、充电桩乃至于工作人员的效率。而分时租赁大数据产生的侧面效益可以为旅游业、商家、保险行业乃至于政府机关提供强有力的数据支持，以便制定相应的政策和决策。