生活中，我们并不缺少数据，只是缺少采集数据的设备和技术。比如我们的汽车就是一个不小的数据源，汽车在开动的时候，车速，胎压，车内温度，实时路况等都是不断变化的数据流，当全城甚至全国的车辆联网后，每一辆汽车上传的数据都会带有此车的位置状态信息，关联交通管理部门的数据库后，这些数据也会带有车主的身份信息，违规记录等，千千万万的汽车联网后，很容易产生海量数据。
大数据等技术用于车联网有什么价值?
大数据分析的核心价值在于预测，数据越完整，参数越少，预测也就越准确。在车联网领域，数据源庞大，但需要预测的参数并不多(比气象预报什么的少多了)，因此大数据的预测能发挥出十分有效的作用。
1.路线规划和行车警告
司机们了解路况的传统方式是收听电台，可是这种方式很不精确也很不及时，因为一般的拥堵是不会上广播的，而且通过新闻的方式播报出来，起码也是一个多小时前的事，现在事发地点还堵不堵，司机们还是不知道。
车联网系统可以采集所有联网车辆的行驶数据，经过大数据分析后，就可以得出几乎每个路段的实时拥堵情况及路面情况，为用户做出合理的路线规划。根据用户个人的驾驶习惯，系统还会智能分析出驾驶途中用户可能会犯的错误及容易出问题的路段，并及时向用户发出提醒，最大限度地提升行车安全系数。
2.公交系统的资源分配
公交系统的正常运行是一个城市井然有序的重要条件，但是公交路线的规划，车辆的分配以及时间的安排却是一个难题，因为各时间段各站点的客流分布情况是统计数据，需要长期大量的数据来进行计算分析，才能得出准确的结果，这种统计数据，正好符合大数据分析的特征。
根据不同时间段各站点的客流分布情况，公交公司可以初步规划出车辆的数量及路线的长度，再根据实际的车辆及人力资源来进行合理的分配，从而解决车辆需求最少，行车路线最短，司机工作时间最少三大问题。
3.紧急情况下的快速反应
在行车过程中，虽然我们都希望平安，但突发情况总是无法避免，特别是在遇到雪地打滑等紧急情况时，人们往往惊慌失措，束手无策。这个时候，机器绝对比人要冷静，系统会筛选分析数据库里所有关于这种情况的资料，并迅速做出判断，避免用户陷入更危险的境地。
