淺談大數據在智能網聯汽車中的應用

王曌倩 華晨汽車工程研究院

淺談大數據在智能網聯汽車中的應用

王曌倩 華晨汽車工程研究院

全球信息互聯網化的不斷深入促進了海量數據的產生，資料顯示自動駕駛汽車每秒可產生1GB的數據量，世界正處于大數據時代。如何通過大數據技術將看似不相關的數據進行處理，從而產生巨大的經濟價值，是目前各行各業需要解決的問題。通過對大數據技術的介紹，以及從現狀、需求及存在問題幾個方面對智能網聯汽車大數據發展狀況進行分析，提出了智能網聯汽車大數據應用的發展思路。

車聯網 大數據

1 大數據關鍵技術

大數據采集技術是指，從射頻終端、傳感器、互聯網節點、移動網絡節點等方式輸入獲得的結構化、半結構化及非結構化的海量數據的過程。常見的大數據采集方法包括，系統日志采集、網絡數據采集以及數據庫采集。

大數據的抽取技術可以將采集到的多結構數據轉化為單一的或便于分析的結構。大數據的清洗技術可以去除大數據中不具備分析價值、干擾項及與目標無關的數據。常見的大數據抽取及清洗技術包括，ETL數據倉庫技術、利用Spark框架清洗特殊數據、分析數據源及業務場景模型背景等手段。

數據挖掘技術就是從大量不完全的、有噪聲模糊的、隨機的實際應用數據中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。常見的數據挖掘方法包括，機器學習方法、統計方法、神經網絡方法和數據庫方法。根據挖掘任務又可分為分類或預測模型發現、數據總結、聚類、關聯規則發現、序列模式發現、依賴關系或依賴模型發現、異常和趨勢發現等。

2 國內外發展現狀

2.1 網聯汽車大數據應用進程

美國政府主導提出Safety Pilot項目，于2014年開始建設MTC（交通變革研究中心），總投資1億美元進行9000輛汽車的示范運行及行人測試，提出2020年強制安裝V2V設備。

歐盟研發框架計劃“Horizon 2020”，其中的重點項目包括協作式ITS、公路交通車輛安全性與網聯化、物流、數據共享等。計劃的“協作式智能交通（C-ITS）走廊”于2014年開始建設，跨越荷蘭、德國、奧地利三國，搭建區域合作的ITS與智能汽車發展模式，促進數據采集及共享。

日本內閣府牽頭提出“2017年實現部分自動駕駛系統市場化，2020年后期實現全自動駕駛系統市場化”，基于數據共享的智能道路系統（Smartway）2007年開始使用，安全駕駛支援輔助系統（DSSS）也已大規模推廣。

我國國務院頒布的《中國制造2025》、《關于積極推進“互聯網+”行動的指導意見》等文件，明確了提升交通基礎設施、運輸工具、運行信息的互聯網化水平，創新便捷化交通運輸服務的發展目標，大數據技術將擁有廣泛的應用舞臺。

2.2 網聯汽車大數據應用需求

從數據共享層面分析，各品牌采用的設備終端、云端平臺的硬件、軟件及架構都各不相同，互相之間存在信息溝通的壁壘，而各車企又不愿公開車內網聯協議。因此，若要實現V2V功能，必須打破信息孤島，需要在數據的基礎共性層面建立通用的大數據平臺。平臺采用統一的數據格式及加密方式，架構采用泛在接入、屏蔽細節的分布式部署。

從監督管理層面分析，對接交通、政府、基礎設置的智能網聯汽車云平臺系統中會產生PB級大碼流多并非以寫為主的非結構化數據，存儲設備的數量將達數十臺上百臺，對系統冗余和安全性要求很高。云存儲技術可以針對系統架構、文件結構、高速緩存等進行優化。數據傳輸底層可采用突破傳統文件系統限制的流媒體數據結構，大幅提高系統性能，因此大數據云存儲技術的應用不可避免。

3 大數據在智能網聯汽車的應用展望

3.1 面向場景類

大數據云計算技術可基于車輛在特征道路環境、不同交通因素中的行駛特征和不同領域駕駛員的行駛需求，對于車輛危險的預警閾值、行駛策略進行適應性調整，以便預警效果能夠更加符合相應領域、狀態下駕駛員的安全需要。基于地圖大數據信息的挖掘和分析可以基于路況特征、車輛性能駕駛員操作習慣等因素提供節能減排、降低駕駛疲勞程度的行駛方案。大數據存儲及管理技術可對于智能網聯車載系統交互數據、控制系統數據的在線監控，提供車輛啟動時的數據穩定性與可靠性檢查、提供車載控制系統級安全性的在線檢查。

對于商用車輛的管理，大數據技術的應用可以針對特定區域對不同車輛設定準入分級，設置電子圍欄，如隊列管理場景下的車輛進出隊列的協調控制。對于物流等高強度運營車輛的位置、故障信息、行駛時間、時長、路線駕駛的信息進行采集、存儲和分析，判斷高危運營車輛是否出現違章和疲勞駕駛行為，并通過智能網聯車輛的遠程控制功能，根據大數據分析結果采取碰撞發生前的緊急制動等安全防護措施。對于突發交通事故，大數據技術通過對交管、醫療、保險等資源的有效調度，可以大幅提高道路安全救援、實時道路管理的管理效率。

3.2 面向行業類

智能網聯汽車后市場業務的發展，需要通過大數據技術進行大規模機器學習和深度學習等技術，對駕駛行為數據、車輛性能數據、車輛從開發到銷售的一系列數據以及車主人物畫像、基于網聯車輛的互聯網行為等數據進行處理、分析和挖掘，提取數據中所包含的對不同行業有價值的信息和知識，使數據智能化，并通過建立模型尋求個性化保險、個性化銷售、流程優化、個性化產品等行業市場的解決方案以及實現預測等。

4 總結

現階段智能網聯汽車的發展應用還處于初級階段，政府管理部門、整車廠、大數據企業及消費者之間尚未形成有效協調機制和完整的產業鏈。相信隨著智能網聯汽車大數據技術的普及化應用，產業鏈上的企業將在發展中找到自己的位置、實現產業化，帶給我們一個全新的、更智能化的世界。