车联网数据分析（一）：用户出行行为分析

周三尾盘讯息提示，3月24日智能汽车概念报跌，赛轮轮胎（851，-074，-8%）领跌，华夏幸福-7773%、福田汽车-684%、安凯-4225%、安居宝-3976%等跟跌。相关智能汽车概念股：

1、鸿泉物联688288：利用人工智能技术和大数据技术，研发、生产和销售智能增强驾驶系统和高级辅助驾驶系统等汽车智能网联设备，主要应用于商用车领域。

2、路畅科技002813：公司主要产品为汽车车载数码导航信息系统，目前路畅科技已与一些国内汽车厂和国外企业在部分专用导航产品上开始了专用车型的定制化服务。

3、兴民智通002355：控股子公司武汉英泰斯特电子技术有限公司中标天津市新能源汽车安全监控平台系统开发项目，双方日前已经完成采购合同签订。

数据仅参考，不构成投资建议，据此 *** 作，风险自担。

7月16日盘后消息，智能汽车概念报跌，比亚迪领跌，润和软件、XD中国汽、中原内配等跟跌。智能汽车概念股有：

华力创通：2013年9月25日在公司官网宣布，公司近日收到国家汽车移动物联网联合建设中心通知，成为该中心成员单位。

从近五年ROTA来看，近五年ROTA均值为197%，过去五年ROTA最低为2019年的-632%，最高为2018年的566%。

鸿泉物联：经过多年的发展，公司目前已成为陕汽、北汽福田、安徽华菱、苏州金龙、北奔、三一重工、东风汽车、大运汽车等大型整车厂的主要供应商。

从近五年ROTA来看，近五年ROTA均值为203%，过去五年ROTA最低为2020年的841%，最高为2016年的3892%。

中恒电气：公司是能源互联网产业、新能源汽车充电桩、高压直流电源的龙头企业，公司坚持技术创新驱动战略，在电力信息化、电力电子、大数据挖掘和系统集成领域形成了自有核心技术能力，完成了多项国家科技攻关与技术示范项目，已形成了跨领域的产业整合能力与平台优势。

从近五年ROTA来看，近五年ROTA均值为359%，过去五年ROTA最低为2017年的221%，最高为2016年的756%。

移为通信：从欧美等成熟市场来看，M2M终端的成熟应用是从汽车、公交领域开始的，车载应用除应用于公共交通、危险品车辆外，车队管理主要应用于工业和商业、金融企业，如物流公司、UBI车险保险商、汽车租赁公司等，以实现精细化管理、防盗、大数据管理等功能。

从近五年ROTA来看，近五年ROTA均值为1795%，过去五年ROTA最低为2020年的739%，最高为2016年的3836%。

科大国创：科大国创(300520SZ)在互动平台表示，公司在新能源汽车领域目前拥有智能BMS及相关产品，目前累计装车量已超18万辆，产品运行平稳，用户反馈良好；同时，公司也将积极发挥公司软件核心技术优势，通过自主研发、收购兼并、吸引团队等多种方式不断加深深化软件在智能汽车中的应用布局。

从近五年ROTA来看，近五年ROTA均值为377%，过去五年ROTA最低为2017年的166%，最高为2016年的723%。

华阳集团：公司主要通过控股子公司从事汽车电子，精密电子部件，精密压铸及LED照明等业务，主要产品分为汽车电子产品，精密电子部件产品，精密压铸产品及LED照明产品等，致力于将公司打造为国内外领先的汽车电子产品及其零部件的系统供应商。

从近五年ROTA来看，近五年ROTA均值为389%，过去五年ROTA最低为2018年的039%，最高为2016年的746%。

南方财富网发布此信息的目的在于传播更多信息，与本站立场无关。不保证该信息（包括但不限于文字、视频、音频、数据及图表）全部或者部分内容的准确性、真实性、完整性、有效性、及时性、原创性等。相关信息并未经过本网站证实，不对您构成任何投资建议，据此 *** 作，风险自担。

比亚迪海豚车联网免费。根据查询相关公开信息显示：联网是可以随意的，是免费的，比亚迪创立于1995年，2002年7月31日在香港主板发行上市，公司总部位于中国广东深圳，是一家拥有IT，汽车及新能源三大产业群的新技术民营企业，比亚迪在广东、北京、陕西、上海、天津等地共建有九大生产基地，总面积将近700万平方米，并在美国、欧洲、日本、韩国、印度等国和中国台湾、香港地区设有分公司或办事处，现员工总数将近20万人。

“数据 - 数字时代的石油”

“数据是新的石油”

在网络上、媒体上我们经常看到有人这样宣扬。

问题是： 我们能够像提炼石油一样从数据中提炼出价值来吗？

笔者多年从事汽车及出行领域的信息技术（IT）及产品研发，在这里就车联网数据分析的一些实践做个分享，看看能够从这些数据“石油”中提炼点什么，抛砖引玉。

下面的分析是针对单个车辆的车联网数据进行分析，而不是群体车辆的行为分析。

笔者计划从下面几个方面进行探讨（具体的会根据实际情况和各方面的反馈来调整）：

        - 用户出行行为分析

        - 用户驾驶行为分析

        - 燃油车车辆动态行为分析

        - 电动车电池及充放电行为分析

        - 能耗分析

本篇分享一下用户出行行为的分析过程。

先看看车联网数据到底有多大，各家OEM和后装解决方案的数据采集信号、采集频率都不同，也没有行业统一标准。这里举一个例子，让大家粗略感受一下。

        - 假设数据采集频率为1 Hz（所有信号每秒采样1次），家用汽车平均每天使用2个小时（燃油车引擎启动就开始采集数据），一年就采集了365 2 3600 = 2628 106次。

        - 如果每次采集的数据量为10 KB，那么，一辆车一年就产生大约263 GB 的数据。

        - 一年一百万辆装备有车联网的车将会产生263 GB 106= 263 PB。（2018年中国有6家OEM年销量过百万）。

        - 丰田、大众、雷诺日产2018年全球销量均超过1000万。假设这几家OEM在未来数年内销量均保持这一水平，并且从今年开始实现100%新车车联网，每辆车平均寿命6年，那么6年后这些OEM存量车联网的车就是6000万，每家OEM每年将新增数据：263 GB 60,000,000 = 1578 PB = 1578 EB/年

这么大的数据量，采集、传输、存储，如果以现在的技术和市场价格，成本是十分惊人的。所以，笔者大胆猜测，大多数OEM和物流公司在实际运营中都会降低采样频率，或者减少采样信号，或者以事件驱动，而不是以固定频率采样数据，以节省成本，尽管，技术上没有问题。

对上述目标的分析，笔者使用的车联网数据集来自于一辆车联网实验性乘用轿车。数据源本身就是脱敏的，去除了位置信息、用户信息、车辆等静态信息，只有车辆的动态数据。时间跨度为：2017年6月至8月。

采样频率高于1Hz，也就是平均每秒钟采样不止一次。原则上，采样频率越高越好，这样保留了高频信息，可以更加深刻地分析车辆的动态行为。

这几年热得一塌糊涂的无人驾驶，主要传感器的采样频率都不低于10 Hz。为什么采样频率要求这么高呢？比如，在高速公路上以120公里/小时的时速行驶，那么每秒钟行驶的距离是：120000/3600 = 333 米/秒。也就是说，在01秒的时间里（对应10 Hz），车辆已经行驶了333 米，这个距离足以将车辆驶离车道并酿成事故。

有了原始车联网数据（通常以CSV文件格式保存），笔者要对它进行预处理，为后续的数据探索、可视化，以及模型分析准备原料。

笔者使用的工具全程都是 R语言。

如何处理？要不忘初心、牢记使命：本部分数据分析的目的是 – 用户出行行为分析 。

基于该目的，我们所需要的数据项其实很少，只需要下面三项数据就可以了（是不是太简单了点？是的，就是这么简单。就像，都是小麦，光面条就可以做出很多种，更不要说各种面包，还有数不清的 dumpling了）：

        - 时间戳– 每条记录发生的日期和时间

        - 里程表

        - 引擎转速– 判断车辆状态

如果有明确的、可靠的信号用于判断车辆状态，那么不建议使用“引擎转速”了。笔者认为这完全取决于实际的数据质量和内容。如果各位大神有更好的解决方案，欢迎分享和交流哦。

把其他的数据项暂时摈弃，只保留这三项，现在可以进行下一步了。

如果上述数据中，不同信号的采集频率不一样，那么，合并（或者叫融合，信号之间的融合）数据是非常重要的一步。合并可以发生在清洗、整理、聚合中间，或之前、之后的某个时间，具体要根据实际数据的情况来决定，很难一概而论。

首先了解选择的数据集的summary信息，可以快速知道哪些字段有数据缺失，有多少缺失。如果有缺失值，需要分析这些数据对我们的分析目的会有什么影响。如果没有什么影响，就删掉它们。

其次，时间戳是以字符串的形式存储的，包括日期和时间，笔者用的数据集精确到毫秒。这样不利于后续的计算和分析。需要把它转化成便于计算和分析的数据。毫秒的精度对我们分析用户出行行为来说没有意义，所以，由时间戳生成年、月、日、时、分、秒，这样，后续可以按照这些时间尺度进行聚合。

最后，按秒对数据进行聚合。选择的数据集高于1Hz的采样频率，但是实际原始数据往往不会100%严格按照相同的采样频率生成数据，有时1秒内有多条记录，有时会有缺失，看起来不是完全连续的。如果是车速等数据，聚合时采用平均值。里程数据是个累计值，所以取每秒内的最后一个数值，为了计算简单，都用平均值也可以，因为1秒内里程数据很难有大的变化。

经过这些步骤后，数据就规整了很多，可以进行下一步了。

将数据分割成一个个单独的驾驶行程，这样可以方便后面的出行行为分析了。

如何判断一个驾驶行程的开始和结束呢？

对于燃油车，一般来说，发动机启动后，才开始采集车联网数据，所以，没有数据就可以假定为车子是熄火的。这里用的数据就是燃油车的数据。

对于纯电动车（BEV），充电的全过程都会采集数据。

对于插电混动（PHEV）车，判断的依据要更加复杂一些，这个问题以后再讨论。

需要注意的是，真实数据通常不可能是理想的，每一步都要仔细检查，如果有疑问，或者不合理，找出那些引起可疑的数据，仔细分析原因，再根据发现的原因进行调整。这是一个不断试验、不断迭代的过程。

完成技术上的分割后，需要合并、过滤，得到相对合理的“有意义的”驾驶行程，在这个示例中，笔者得到了142次驾驶行程。也就是说，从2017年6月至8月的时间里，开了142次车。

处理完这些之后，我们就可以下锅做菜了，看看能不能做出点有意思的东东来吧。

分析的过程通常是由浅入深、由全局到局部。

如果数据足够多，建议先从大的时间尺度开始，比如从年开始，到月、日、小时，再到单个驾驶行程。最后，看看这些驾驶行程之间的关系，行程和各个时间维度之间的关系。一步步深挖。

首先，对整个数据集要有一个总体的认识，这个可以通过统计下面表格中的指标来完成。列出来的指标只是用于示例，具体需要统计哪些值应该根据分析的目的、业务场景、实际的原始数据集等。还是那句话：具体情况，具体分析。

其次，我们看一看该用户每月驾驶（出行）的频次，和旅行的总里程（公里数）。如图1所示，7月份开车的次数和行驶总里程最多，差不多是6月和8月的两倍。

从每月开车的次数来看，7月份开了70次左右，6月份半个月就有接近40次，而8月份仅有34次开车记录。那我们很想知道 8 月份的开车次数为什么减少了那么多呢？

统计一下每天驾驶的次数，如图2所示。结果有些让人意外，6月份从14日至24日（11天），7月份从10至29日（共18天，中间缺了2天），8月份从5至12日，27至31日（总共13天），其他的日期没有车联网数据。接近一半的日期里没有车联网数据。

是什么原因导致的呢？是那些天用户完全没有开车吗？还是由于某种原因，数据没有传输上来呢？

回答这个问题并不难。

我们还是从查看原始数据着手，里程表是不断递增的。比对最后一条记录的里程表和第一条记录的里程表数据得知，两者的差值是5646公里。回想前面表格里统计的“总驾驶里程”为2666公里，这说明在那些缺失数据的日期里，车辆仍然驾驶了接近3000 公里。

这也提醒分析人员，如果再对这批数据按月份进行分析，已经失去了意义。

因为这批原始数据来自于一辆车联网实验性的乘用轿车，我们不能要求太高。但是对我们实践我们的研究方法依然有效。

再前进一步，从日期的角度看看用户驾驶/出行的特征。如图3所示，共统计了三个指标的分布：

        1 左上– 每天驾驶次数的分布，中值是3次，最多有7次。说明该用户开车比较频繁。

        2 右上– 每天行驶距离的分布，中值是63公里左右，最多一天行驶261公里。

        3 左下和右下两张图– 每天驾驶时长的分布，中值在90分钟处，说明该用户每天大约开车一个半小时。用频率图从另一个角度可以看到驾驶时长的分布特征。

在实际工作的时候，分析人员根据实际情况选择该用什么样的图表来更好地展现。

现在分析 单次驾驶的行为特征 。先从最简单的统计特征，单次驾驶距离和驾驶时长，入手。如图4所示，

        - 该用户开车的距离多数在10公里以内，或者在30-50公里范围内。

        - 每次开车多数分布在5-15分钟内，或者在30-60分钟内。

无论是距离还是时间长度都有两个峰值，是不是有某种背后的原因？ 又一次把笔者的胃口吊起来了。

下面我们看一看单次驾驶距离的散点图，如图5所示，每一次驾驶的距离在图中表示为一个小圆点，从6月14日开始的第一次驾驶到8月31日记录的第142次驾驶，总共142个点。

根据前面的距离分布图（图4）得到的启示，我们从下图中可以观察到几个特征：

        1 有一个超过200公里的行程，鹤立鸡群。其余的都没有超过100公里的。

        2 在15公里以下有很多点行驶距离十分接近。

        3 在30-50公里也有很多点的行驶距离十分接近。

我们似乎找到了前述疑问的答案，但是咱们既然是做数据分析，就要显得更加“科学”和“客观”，让数据来说话，而不是凭肉眼观察和猜测，否则，怎么显示出分析师的“逼格”来呢？

如何让数据说话呢？ 聚类分析 是个好的工具，尤其是这里只有一个变量，K均值的方法就可以了，简单易行。

一开始，我们并不能确切地知道（假装不知道，这样才能“客观”）该分成几个聚类簇，一个做法是：从K = 1 到n（n 的取值要足够大，以保证最佳簇个数不大于n）都做一次聚类分析，然后比较各个K值下的 Betweens/TSS （簇之间的总平方和 / 总离差平方和），该比值越大，聚类效果越好。一般来说，K值越大，该比值也会越大。极端的情况是，比如，有100个点，分成100个聚类簇，这样当然没有意义。所以这里需要一个主观判断，通常在比值差不多的情况下，应该选择最小的K值作为最佳聚类簇。

在这个例子中，我取n = 10，因为直觉告诉我，最多3或4个聚类簇就够了，在此基础上放宽一到两倍作为n的取值应该足够了。

直觉会告诉我们可能有几个聚类，但是不要完全相信直觉（否则，就不“客观”了），还是应该让数据说话。

这里多啰嗦几句：在做数据分析的时候，直觉很重要，但是笔者建议更多地应该把直觉当成线索、孕育新的想法，就像是侦探破案一样。如果有一些小伙伴一起探索、探讨就更好了，可以时不时地问问：“元芳，你怎么看？”。

好了，把K从1到10循环做聚类分析，将这10个K值对应的Betweens/TSS显示在图上，如图6所示。可以清楚地看到，K = 3 和 K = 4 时，结果非常接近，但是比 K = 2 时显著改善，所以，笔者选定 K = 3 作为最佳聚类簇。

按照K = 3做聚类分析，重新绘制图5：单次驾驶的距离– 散点图，同时用不同的颜色区别聚类簇，如图7所示。

从图中，可以清晰地看出簇1（红色）只有一个点，就是那个单次驾驶距离最大的那个点，超过200公里，再一次鲜艳地鹤立鸡群。

既然簇1（红色）只有一个点，明显是一个特例，就不再深挖了（真相是挖不下去了）。

下面对簇2和簇3分别作进一步的分析。

对簇2（绿色）的驾驶次数，分别按照一天24小时、星期、单次驾驶距离，和单次驾驶时长，作频率分布图，如图8所示。从图中可以观察到下面几个特点：

        1 大部分驾驶行为发生在下午至晚上，以下午3点至5点最多。

        2 周日至周六都有，但是以周二最少。 又是一个线索，不是吗？ 值得进一步深挖。限于篇幅，就不再赘述了（累了，歇歇吧）。

        3 驾驶距离大部分不超过10公里。

        4 开车时间大部分不超过20分钟。

好像是一个生活比较有规律的人啊。

同样，对簇3（蓝色）也做同样的分析，如图9所示，仔细观察这些分布图，可以发现下面几个特点：

        1 驾驶的时间十分有规律，大部分发生在早上10 - 11点，和晚上7 - 9点。

        2 周一至周5特别显著，周日完全没有。

        3 驾驶距离大部分出现在30 - 36公里之间。

        4 开车时间大约在30 - 60分钟之间。

从这些特征不难推测，簇3反映的是工作日上下班的驾驶行为。而家里到公司的距离大约30多公里，单程需要开车30分钟至1小时。交通状况还是不错的哦。

平均来看，上班时间大约早上10点，下班时间晚上8点。是不是和某一类熟悉的人群的特征比较吻合啊？有一种似曾相识的感觉。

结合簇2的特征，工作之余，主要在方圆10公里的范围内活动。簇1告诉我们，3个月内仅有一次远门。哈哈，形象更加丰满啦！

一不小心又自嗨了，初当程序员时的毛病，这么多年还是没有完全改掉。别忘了，这3个月里还有一半的日子没有数据呢。

至此，要演示的用户出行行为的分析告一段落了。笔者用到的数据仅有三项：

        - 时间戳

        - 里程表

        - 引擎转速（仅用于推算车辆状态）。

如果辅之以更多的、“相关的”数据字段，我们可以做更加深入的、多个角度的分析。

在这个过程中，如何提出问题、从数据中发现线索、不放弃任何一个疑点，然后像个侦探一样，一步一步地挖掘。坦率地说，这个感觉真的不错。

后续，笔者还会就车联网数据在其他方面的分析，进一步分享，敬请期待！

近几个月，软件股在资本市场频频走高，其中背靠行业的软件企业，如广联达、东软、太极股份、恒生电子、四维图新等，更是抢足眼球。同时，这些行业软件企业推出的数字医疗、车联网等应用，同样备受关注。

“到了行业软件发挥作用的时候。”太极股份公司总裁刘淮松表示。

近年来，在资本市场中，行业软件正以集体群像的形式开始亮相。在2009年9月首批上市的创业板企业中，就有神州泰岳、银江股份、金亚科技等软件企业。其后，联信永益、同花顺等行业软件企业在创业板上市。中小板上也有不少行业软件的身影。2009年8月，主营财务报表的久其软件上市；2010年上半年，扎根建筑行业的广联达、做电子地图导航的四维图新，以及太极股份等，也纷纷登陆中小板。

“未来，行业软件企业的上市将成为常态。”一位证券分析师表示。

手中有粮 心中不慌

上市，无疑为做大规模、实现跨越式地发展创造了资本优势。

例如，广联达2009年营收为3亿元，但它却表示，借着上市融资，有信心在未来10年做到100亿元规模；2009年，太极股份营收为168亿元，而凭借着上市后的新爆发，太极的新目标是成为50亿元规模的企业，中长期目标则是做100亿元企业。“太极上市以后，我们具备了把100亿企业目标变成现实的一切条件。”刘淮松信心十足。

对一些行业软件企业来说，上市还可能让企业脱胎换骨。太极股份就是一个非常好的例子。创立于1987年的太极，在23年的发展历程中，经过了两次转型、15年漫长的“企事不分”的纠结、4年艰难的股份制改造，以及8年呕心沥血的上市筹划。而上市，则让太极彻底摆脱诸多羁绊。

当然，更为重要的是，上市让行业软件企业们站在了一个更高的起跑线上。

“手中有粮，心中不慌。”上市可以募集大笔资金，让投入新研发成为可能。太极股份上市后，一共募集了725亿元。其中，28亿元用于产品开发、人才扩充、技术开发和创新、市场开发和营销网络，超募部分将用于外延式发展和业务模式创新。

广联达募集的145亿元资金，则主要用于6个募投项目，包括工程造价行业应用解决方案、建设工程项目管理解决方案、工程造价信息服务、工程招投标协同应用平台、客户服务支持中心和工程项目管理研究中心。广联达总裁贾晓平表示：“前4个项目直接属于建筑行业信息化的解决方案，客户服务支持中心能够进一步提高我们的服务和效率，工程项目管理研究中心是研究建筑IT的前沿课题。”这些项目能够保证广联达在未来市场上的竞争力。

比太极、广联达更早上市的行业软件企业，已经充分证明了资本的力量。东南融通、恒生电子、富基融通、亚信、宇信易诚等于2000〜2008年上市的企业，都成了所在领域的佼佼者。而它们上市之后，更习惯于采用并购手段迅速做大。2006年，富基融通上市后，凭借融得的资金，富基融通在2007年收购了中国网库、唐诚网络、广州融通，又在2008年收购了茂进科技。短短两年后，富基融通便一跃成为零售IT的霸主；2007年10月，主营银行IT的东南融通登陆纳斯达克。2008年6月，它收购了普极科技、华育昌同，2009年，收购了做保险IT的尚洋信德，开辟了“大金融IT”的时代。

小心软件巨头！

但是同时，行业软件企业的竞争压力也在悄然增大。

“整体看来，软件企业一个日益明显的趋势是，它们越来越趋向行业。”计世资讯软件行业总监、高级分析师曹宇杰表示。

管理软件厂商很早就把手伸向了行业市场。2009年2月，金蝶收购零售连锁软件公司商祺软件；2009年6月，用友收购重庆迈特科技有限公司，意在PLM(产品生命周期管理软件)；今年3月，金蝶收购了同样专注于PLM的广州普维科技有限公司；今年6月底，用友以创纪录的491亿元收购了做汽车行业软件的英孚思为。这些收购都带有很强的目的性――不是为了获得新客户，就是为了提高业务线。

“用友、金蝶、Oracle、SAP等通用管理软件公司开始越来越贴近行业，它们在规模、资金、品牌、人才等各方面都相对更有优势，行业软件将面临着很大的压力。”中国软件网总裁兼总编辑曹开彬表示。

而迫于金融危机压力，软件外包企业也开始借助在软件外包上的实力与经验，深入行业应用。2009年年底，在行业软件（冠军）服务论坛上，文思创新总裁陈立峰就表示：“未来，金融行业将是文思创新意欲突破的重点行业。”

正在筹备海外上市的软通动力目前也在各行业全面开花。软通动力执行副总裁李波表示，在软通动力2009年的国内营收中，有60％来自电信和高科技行业，30％来自金融行业，10%来自能源、电力、小型制造业和互联网行业。10月29日，软通动力还与微软公司签署 HealthVault 合作协议，双方将在中国无锡建立数字健康创新中心，开创中国个人及家庭医疗健康管理新模式。

“中国的软件外包企业将会成为行业软件最主要的竞争对手。”分析人士表示。曹开彬也表示，未来，在解决方案和产品上面，中国会形成一两个巨无霸的软件企业。这些企业能够提供从数据库、中间件等基础层到解决方案的应用层的一整套的方案。“未来，这些企业将会给行业软件企业带来不小的威胁。”曹开彬说。

随着兵强马壮的管理软件厂商和软件外包企业越来越贴近行业，行业软件企业如何才能获得更进一步的发展？

它们首先需要壮大自己！

整合并购成潮流

“行业软件将会有越来越多的并购与整合，并且涉及的金额将会创出一个又一个新高。”2009年4月，东南融通收购了保险领域的尚洋信德，在接受《计算机世界》报记者采访时，一位软件行业分析师表示。

果不其然，2009年12月6日，亚信科技和正在上市路演的联创科技宣布合并，这是中国排名第一、第二的电信IT服务商的强强联合，涉及金额超过7亿美元，创下中国软件行业并购重组案之最。

据相关统计数据，截至目前，中国已经拥有近两万家软件企业，行业集中度过低。软件企业平均人数不足百人，上千人的企业不足百家，达到5000人的企业不足10家。因此，行业软件整合、尤其是跨界整合成为必然趋势。

这种趋势在今年表现得更为狂热。2010年1月，狂飙突进的东南融通收购了做核心银行解决方案的长信通，意欲把握银行IT的流程银行趋势。现在，东南融通总裁连伟舟密切关注证券行业，其表示，“未来几年，证券将是重点突破的行业。我们为此储备了很多资源，正在等待合适的时机。”

“不把鸡蛋放在一个篮子里。”这些与行业发展有着千丝万缕关系的软件企业，在各自领域站稳脚跟后，往往选择了外延式扩张的道路，或者主辅相承，或者多足鼎力。例如，亿阳信通的营收有2/3来自电信行业，1/3来自智能交通；银江股份则在智能建筑、医疗、交通等三个行业掘金；东软更是在医疗、政府、房地产等多个行业全面开花。

“目前，医疗、电信和金融是行业软件企业最为看重的三个行业。”业内人士表示。

以医疗领域为例，根据我国相关政策，在2010~2012年3年间，国家将投入8500亿元推动医疗改革，这对从事医疗信息化的厂商而言无疑是块巨大的蛋糕。近日，东软集团就在唐山建立了一个健康城市体验馆，剑指庞大的数字医疗市场。

除了跨行业，跨业务也是行业软件的一种选择。“绑定客户、客户需要什么就提供什么”――这就是很多行业软件采取的“给客户提供一揽子服务”方式。

以远光软件为例，远光软件正在从设备管理、燃料管理，逐步渗透进电力行业的核心业务系统。目前，远光软件的燃料管控系统和EAM（企业资产管理）开始在发电集团应用，而工程物资管理软件在农电和多经市场亦有订单。“远光正在现有客户基础上，不断向核心业务渗透，来应对这些挑战。”在接受本报记者采访时，远光软件董事长陈利浩频频强调。

除了跨行业、跨业务，跨国对这些行业软件来说也是“我的未来不是梦”。2010年，东南融通在今年还做了几起海外并购。早已经走出国门、在纳斯达克上市的东南融通正在海外积极布局。

东软集团更是借着金融危机，两三年之间就通过收购汽车电子、手机研发等行业的厂商，自建分公司完成了国际化的布局。如今，在东软的整体营收中，来自欧洲的比例是6%、中东是1%、非洲是04%、北美是25%、南美是05%、中国及亚洲是726%、日本是17%。“软件企业到了跨国经营时代。” 在近期举行的东软解决方案大会上，刘积仁如是说。

更多的行业软件开始把发展跨国业务提上议程。广联达总裁贾晓平表示，“我们的战略方向非常明确，那就是围绕主营业务来增强在建筑行业的核心竞争力，然后扩展到全球市场。”

转型IT服务

在壮大自己的同时，行业软件厂商也基本完成了从系统集成商转向IT服务提供商的跨越。

这其中，华胜天成的转型相当典型。它原本是一家渠道分销商，在2004年上市，于2009年7月斥资26亿港元收购了香港ASL公司，切入大中华区的IT服务市场。今年8月，华胜天成又全资收购了摩卡软件，深耕电信行业的IT服务。如今，华胜天成已经脱掉了系统集成商的外衣，穿上了IT服务的新装。

这也是行业软件企业突破营收门槛的必需。业内人士表示，对行业软件企业来说，转型IT服务意义颇为重大。它们大多面临或经历过营收的瓶颈。如果纯粹卖软件，很少有企业能够突破年营收5亿元；即便包含了系统集成等业务，那么当营收达到15亿元时，也将面临瓶颈。除了转型服务，别无他选。IT服务的利润率要比系统集成高出不是一点两点。

“我们行业的整体利润率确实偏低。”太极总裁刘淮松说，“如何提高我们的利润率，我觉得需要有三方面的努力：一是靠解决方案的创新能力; 二是提高解决方案本身的复用度; 三是加强咨询服务。从而获得更多的利润。”

越来越多的行业软件企业已经意识到了这一点。例如，远光软件成立了咨询中心，意欲将咨询服务作为其战略性产业；今年7月，做电信IT的老牌厂商亿阳信通和IBM宣布进行战略合作，接着，双方成立了联合电信解决方案中心。与IBM的合作，亿阳信通也是为了提升自己的咨询服务能力。走向服务，转型咨询似乎是软件企业的一条康庄大道。

在2009年行业软件（服务）冠军论坛上，与会嘉宾一致认为，2010年将会是行业软件狂飙突进的一年。

现在 汽车 已经全面进入车联网时代，很多车都说自己有车联网功能，相信大家已经被厂家各种宣传搞晕乎了。

那么什么叫做车联网，具备哪些功能才能算作合格的车联网系统呢？

本期就为大家详细介绍，具备了哪些功能，才算是一套合格的车联网系统！

既然是车联网功能，那么必备的就是4G网络功能。车机内置了一张4G的SIM卡，可以像手机一样随意上网。

除了具备4G网络，一些车型还具备车载WIFI功能，允许车内其他设备共享网络。

不同厂家在流量方面的政策也不一样，每月提供1-20G不等的流量使用，时间一般都是3-5年。超出用量，一般会降速，但是仍然可以使用。

不过随着5G开始普及，以后流量都不是问题，随便用。

只有具备了以下4大基础功能，才算是合格车联网系统，缺一不可。

1、在线地图

车载导航系统，是我们开车时最常用的功能。以前的车载导航系统，那叫一个难用。所以大家宁愿使用手机导航，也不愿意使用车载导航。

在线地图功能就彻底解决了这个问题，现在大部分车联网系统使用的都是高德地图、百度地图、腾讯地图的车机版，使用感受方面和手机是差不多的。

模糊查询、实时路况等功能，和手机是完全一样的。

2、在线音乐、在线视频

听歌也是我们日常开车时最常用的功能，以前只能通过连接手机，听手机里的歌。

具备在线音乐功能的车联网系统，一般会内置QQ音乐、百度云音乐、喜马拉雅等APP的车机版，这样就可以随意在线听歌了，非常方便。

有些车还会内置腾讯视频、爱奇艺、优酷视频等APP，等人的时候，就可以在车内在线看视频了。

3、智能语音控制

智能语音控制，也叫云语音控制，类似苹果手机的Siri。不仅可以语音控制很多功能，还可以随意跟他聊天。

跟车机说：“我很热”，系统就会自动打开空调，调节到舒适的温度。

“我要听周杰伦的歌”，就会自动找到周杰伦的歌播放。

“我要去西单大悦城”，就会自动导航到西单大悦城。

有一些车型，还可以用语音控制车辆的硬件，比如说“打开天窗”、“打开副驾驶车窗”等等。

“今天天气怎么样？”、“153乘以43等于多少”、“我今天心情不好”，总之可以随便聊。

4、手机APP控制功能

通过手机下载车型专用的APP，车主可以通过手机APP控制很多功能，比如：车辆定位、解锁车辆、打开车灯、启动车辆等。

除了具备4大基础功能，功能比较多的车型还具备：天气、新闻、股票、日历等功能，而且可以通过应用商店，下载更多的APP，跟手机功能是完全一样的。

大家一定会问，讲了半天，这些功能不是跟手机基本一样了吗？

您说的没错，就是跟手机功能基本一样了。这些功能看着简单，但要全都移植到车机系统上，并没有那么容易。

涉及到软件和车辆硬件匹配的问题，十分复杂。由于是车机系统，还涉及到车辆安全问题。手机系统死机，大不了重启，不会有什么影响。但是车机系统要是出了问题，那会极大影响车辆安全。

由于中国有很多IT巨头公司，比如：阿里巴巴、腾讯、百度、华为等，自主品牌和这些IT巨头们合作，研发出了世界领先的车联网系统。

在车联网方面，自主品牌大幅领先国外 汽车 品牌，像吉利、上汽、广汽、长安、比亚迪、奇瑞的车联网系统都是非常棒的。

反而是电子 科技 领先的日本，像丰田、本田的车机系统，做的真是很一般，完全没有车联网功能，界面设计就像20年前的红白机。

用车宝典第8期：AT/CVT/DCT傻傻分不清，到底什么自动挡？

用车宝典第7期：自动驾驶您了解多少？L1-L5都是啥意思？

用车宝典第6期：车辆保养窍门多，如果做又好又省钱呢？

用车宝典第5期：新车上牌如何办？看完让您至少省2000元

用车宝典第4期：出了事故不要慌，这样处理不吃亏

用车宝典第3期： 汽车 保险应该上哪些？您上对了吗？

用车宝典第2期：电动车续航怎么看？NEDC/WLTP/EPA谁更靠谱？

用车宝典第1期： 汽车 三滤是什么？应该多久换一次呢？

以上就是关于智能汽车相关概念股票有哪些全部的内容，包括:智能汽车相关概念股票有哪些、比亚迪海豚车联网怎么收费、车联网数据分析（一）：用户出行行为分析等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！