中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

本文筆者將從停車行業的業務模式、行業特性來分析：停車行業為何至今未出現像滴滴一樣的頭部產品。以及，從用戶側、方案側、管理側三個角度來分析：當前是否是智慧停車國民級產品出現的最佳契機？

根據公安部交管局公布的最新數據：截止到2019年6月，全國機動車保有量達3.4億輛，其中汽車2.5億輛；機動車駕駛人4.2億人，其中汽車駕駛人3.8億人。迅速增長的汽車保有量讓當前的停車問題更加尖銳。

我國目前大城市小汽車與停車位的比例約為1：0.8，中小城市約為1：0.5，相比國際通行標準城市的機動車保有量與停車泊位總數的比例1:1.2-1.4，當前我國的停車位缺口保守估算超過5000萬個。停車難仍舊將長期困擾著城市發展，成為全民出行最頭疼的問題。

探究：停車市場為何當前未出現滴滴打車類似的國民產品？

據交通運輸部公路科學研究院發布數據顯示：當前中國停車收費規模超過7000億，車位投資需求在萬億以上，車后服務市場更是達到10萬億量級，且每年保持兩位數的高速增長。如此龐大的市場，為何當前仍未出現像滴滴打車一樣的國民級產品呢？

首先，停車行業比打車行業的業務模式更復雜。

滴滴打車這類的互聯網產品連接的是司機和C端用戶，核心內容依舊是“互聯網+”所處理的信息不對稱問題——即通過平臺讓需求方與供給方快速完成交易。

而停車行業需整合B端停車場再為C端用戶提供服務，而停車場屬性和類型具有復雜性，整合資源這一實施步驟又對整個平臺產品起了決定性作用，所以停車行業出現“滴滴打車”的難度要更大。

其次，停車行業比打車行業對智能化的要求更高。

打車行業的終端載體只需要APP或小程序的移動端產品，而類似大數據分析、無感支付等技術方案的應用，更多的是為了提升用戶體驗，起到錦上添花的作用。

而停車行業對智能化的要求極高，需要完備的技術解決方案和停車智能設備的利用，而當前我們的停車場智能化水平極低。

艾瑞咨詢調研數據顯示：北上廣深的智能停車場覆蓋率僅為7%，停車場主要還是人工管理。這就意味著停車行業需具備應對復雜應用場景和管理場景完備的軟硬件技術解決方案，同時，也決定了停車行業重資產的路是必須經歷的。

停車行業如此高頻、剛需且痛點的項目，各種停車APP涌現。據不完全統計，目前全國停車APP遠超100個，停車服務模式大致為五個：車位信息共享、全流程優化、車位預定B2C、車位共享P2P及代客泊車。

這五類模式各自衍生了一大批智慧停車服務商，但目前都尚未成長為獨角獸企業。

究其根本：

1. 其智慧停車服務在部分情況下并不“智慧”，如車牌識別停車，識別響應速度及準確率問題、新車未上牌無法識別等問題制約了停車服務的提升，智慧停車服務的解決方案智能化技術方案較為淺層，沒有真正的解決停車效率問題。
2. 各服務商解決方案只覆蓋停車業務部分場景，停車場景的復雜性決定了單一的、智能化深度不夠的解決方案無法滿足全國性的停車市場，只會形成區域性或者垂直型的業務覆蓋。

分析：當前是否是智慧停車國民級產品出現的最佳契機？

當前，隨著人工智能等新技術的發展，國家對智慧城市、智慧交通政策上的大力支持，智慧停車行業的發展將迎來新的機會。

停車行業對智能化程度的高度依賴，決定了新技術新方案將是決定停車行業長遠發展的重要因素。人工智能、大數據分析、深度學習及霧計算的出現恰逢其時，基于技術方案的優化進行解決方案的拓展和升級，是成長為廣覆蓋性國民級產品的基礎前提。

解決方案的完備性是需要打破各停車場景的限制，破除當前的“智能孤島”各自為戰的局面，主要通過用戶側、方案側、管理側三個維度進行解決方案的升級。

用戶側

在用戶操作方面，常規的車位搜尋、預約基于APP交互操作進行，本質上還未解決手動操作成本問題?；贏I智能語音的停車應用，利用語音喚醒、語音識別及語音合成技術，形成與用戶自然語言的交互操作，可解放手動操作停車服務的用戶場景，提升用戶端使用停車服務的用戶體驗和使用效率。

在用戶使用服務方面，基于深度學習算法的數據分析功能，可解決用戶端和供給側最優資源匹配的問題。

停車大數據不僅僅是用戶畫像、停車場畫像的構建和精準營銷的應用，關鍵的應用價值還在于停車資源的最優配置，通過構建深度學習算法模型，基于每個停車場的動靜態數據和用戶的停車喜好分析，對停車場和一定范圍的停車圈的未來預期停車現狀，同用戶的預期停車行為進行數據推算和預判，前置性地進行停車資源的最優引導及關聯分配，輸出通過數據分析最大化降低停車機會成本的停車方案，實現由傳統“人找車位”轉化為“車位找人”的顛覆性革命。

而基于深度學習算法模型，隨著大量的數據“喂食”，推送的結果將更加的智能和精準。

方案側

現有的解決方案主要為智能道閘、智能地鎖、智能傳感器等基于云網端的軟硬件解決方案，依賴于云端的數據處理和控制，停車業務對數據的實時快速響應要求極高。當大量的停車智能設備接入云端并且需要云端實時處理響應，云計算的劣勢就顯現出來。

“霧計算”或許會成為物聯網的下一代技術，霧計算和云計算一樣，十分形象。

云在天空飄浮，高高在上，遙不可及，刻意抽象；而霧卻現實可及，貼近地面，就在你我身邊。霧計算是對云計算的延伸，可以理解為在地面上的云，以適應新興的物聯網。

霧計算主要依賴的不是位于中心位置的遠程服務器，而是使用離本地設備較近的分布式計算機資源，以此處理要求快速處理的進程。

智能停車行業，當每個智能化停車場的具備霧計算能力，首先響應的實時性將得到有效的保障，其次，當每個智能設備都具備數據分析和處理的能力，設備與設備之間可以直接通訊及聯動，對各種停車場景的覆蓋具備的底層處理能力，完備的停車解決方案將更容易解決。

管理側

智慧停車的管理核心在于無人化，基于AI圖像識別、人臉識別及視頻識別等技術，將對停車場的管理起到關鍵作用，高精確度的圖像、視頻識別技術具體應用于停車違停、計費管理等業務場景。并結合社會信用體系建設，輔助停車場無人值守情況下的管理體系，通過車主畫像、停車軌跡、支付行為和LBS建立停車征信體系，為城市整體信用體系搭建提供車主信用大數據。

綜上所述，新技術的應用、國家政策上的支持及當前日益尖銳的停車難問題，將是催生智慧停車國民級產品出現的最佳契機。

小結

當前的智慧停車領域，以眾幫來襲為代表的新興創業公司、捷順為代表的智能停車設備商為主。

智慧停車的關鍵在于線下，BAT為代表的互聯網寡頭更多的是依靠資本優勢和流量優勢參與投資。而成為直接參與者的可能性較小，誰能在這個行業成為下一個“滴滴”，最優最高效的停車解決方案、優質線下停車場資源的把握、資本支持和巨頭資源將是脫穎而出的關鍵。

本文由@charm 原創發布于人人都是產品經理，未經許可，禁止轉載

題圖來自Unspalsh, 基于CC0協議