（文章來源：金馬科技）
人們想到汽車時，就會想到使他們從一個地方到另一個地方的事物。傳統上，它們就是這樣：一種具有單一功能的工具–將某人或某物從一個地方轉移到另一個地方。

隨著新車輛設計的出現和新技術的加入，這種情況將會改變。就像電話在過去的二十年中從單一用途的工具演變為具有無數種功能的工具一樣，車輛現在也經歷著類似的事情。新的汽車正在建造越來越多的傳感器。這些傳感器不僅可以測量車輛的運行狀況，而且還可以測量其使用環境。未來的車輛將有效地成為移動傳感器床，在整個星球上以細粒度級別收集數據。

生成的大量數據對于機器學習的應用而言將是完美的。所創建的算法將對車輛外部環境隨著時間的變化具有前所未有的了解，想象一輛汽車根據駕駛條件選擇了播放列表。還是知道前面有一個冰冷的路面，因為一個小時前駛過該點的汽車感覺到潮濕的道路狀況，而溫度剛剛下降到會結冰的地步。這些只是機器學習將帶給行駛中的車輛的冰山一角。當前的技術趨向于圍繞數據的創建或聚合，并打算將其將來應用到機器學習中。Nauto和UrbanLogiq是這個領域的兩家創業公司。

Nauto正在建立一個數據集，以幫助OEM和其他合作伙伴開發適用于城市地區車輛的下一代自動駕駛功能。但是，他們的數據集還包括諸如道路狀況以及它們隨時間變化的方式。將來，可以將其與機器學習一起用于確定城市應在何時何地進行維護，以優化預算和道路安全。

UrbanLogiq并未建立數據集，而是在為即將到來的智能汽車技術做準備。他們正在建立一個平臺，將來自Nauto等系統的數據與政府自己的交通傳感器數據集成在一起，以促進響應性的交通信號燈計時。使用機器學習，這種數據匯總將幫助城市規劃者理解和預測其社區的發展本月，Google還在這個領域發揮了作用，以解決城市駕駛中的常見難題- 查找停車地點。他們正在使用收集到的數據來預測可能會有免費停車的地方。

這些技術僅僅是從車輛收集的環境數據將如何改變世界的開始。每天有數以百萬計的車輛行駛在道路上，他們將在各處以及可能遇到的所有事物上收集數據。

在不久的將來可能發生的變化與天氣數據，模式和預報有關。每輛車可能會不斷收集溫度，壓力甚至可能是風速，并將所有數據上傳到集中式系統。道路上有數百萬輛汽車，因此您擁有非常精細的地理數據集，可以對天氣隨時間的變化做出強有力的預測。通過將機器視覺添加到這些車輛中，可能性將成倍增加，從而實現了閃電的精確定位以及對風暴前線的高分辨率三維建模。

一旦有了強大的天氣預報，就可以將數據集與供應鏈數據合并。這將使公司可以根據未來的天氣優化其供應鏈和庫存。由于天氣原因導致貨架缺貨或由于零件意外延遲而造成制造瓶頸的概念已成為過去。公司將能夠利用車輛排放的環境數據，使其能夠圍繞未來天氣優化運營。您將看到的另一種情況是機器學習驅動的有關何時安排事件的建議。您可能會得到一條警告，即一次安排一個事件，天氣加上交通會使得到達那里需要一個小時。但是，如果您將其安排在一個小時前，則可能只需要15分鐘。

環境傳感器甚至可以與監視車輛中駕駛員或乘客的傳感器合并。關于什么條件使駕駛員感到壓力或放松的知識可用于確定何時應該駕駛或被駕駛以使其感覺最佳。我們可以期待未來，我們的車輛將了解他們將在其中運行的環境以及如何利用這些知識來優化我們的生活。重新思考什么是車輛。車輛從簡單的運輸工具過渡到遍及世界各地的一系列傳感器。這些傳感器可以獲取變化的道路狀況或天氣模式。這些龐大的新數據集可用于政府(修路)，保險或路由目的，并使人們能夠做出最佳的數據驅動決策。
（責任編輯：fqj）