正如向会议的约名参观者解释的

[account_disabled]

照测数据汽车本身发送的机器数据。 那样这尤其包括车辆在再次预订和停车时通过确定的位置数据以及一系列其他元数据。如果你没有足够的数据你无法追求机器学习方法因为你没有大众萨勒澄清道。团队开发了一款直接在数据库上运行的应用程序可以对车辆需求进行预测。除了车辆数据之外未来还将利用其他来源例如天气数据有助于考虑季节偏差而且还可以在短时间内对热浪和降雨做出反应。事件数据提供有关。

照某些峰值的信息例如足球比赛或露天音乐会发生的时间。公共假期或节假日期间也应考虑在内。在大城市考虑公共交通也很重要如果与当地公共交通的 WhatsApp 号码数据 连接良好对汽车共享汽车的需求就会减少。宝马工程师利用与制造商数据库连接的机器学习工具包开发了一个现在可以训练的预测模型。数据专家自己确定用于培训的调查周期。例如如果发生高于平均水平的热浪可以调整训练数据以便仅使用最后两到三周的使用情况进行预测。



天气和事件数据作为奖励通过实时监控可以永久绘制车队的状况。到目前为止案例仅使用了车辆的机器数据而不是天气事件或其他数据数据。目前的分析主要基于数据车辆何时何地移动图形和热图显示车队运动并相当准确地模拟未来的发展。例如您可以了解早晚高峰时段哪些地方发生了什么以及需求如何变化。由于空中交通最繁忙机场还会显示何时需要车辆。现在我们有了很好的数据模型我们将所有机器数据存储。