浅谈大数据在智能网联汽车中的应用

王曌倩 华晨汽车工程研究院

浅谈大数据在智能网联汽车中的应用

王曌倩 华晨汽车工程研究院

全球信息互联网化的不断深入促进了海量数据的产生，资料显示自动驾驶汽车每秒可产生1GB的数据量，世界正处于大数据时代。如何通过大数据技术将看似不相关的数据进行处理，从而产生巨大的经济价值，是目前各行各业需要解决的问题。通过对大数据技术的介绍，以及从现状、需求及存在问题几个方面对智能网联汽车大数据发展状况进行分析，提出了智能网联汽车大数据应用的发展思路。

车联网 大数据

1 大数据关键技术

大数据采集技术是指，从射频终端、传感器、互联网节点、移动网络节点等方式输入获得的结构化、半结构化及非结构化的海量数据的过程。常见的大数据采集方法包括，系统日志采集、网络数据采集以及数据库采集。

大数据的抽取技术可以将采集到的多结构数据转化为单一的或便于分析的结构。大数据的清洗技术可以去除大数据中不具备分析价值、干扰项及与目标无关的数据。常见的大数据抽取及清洗技术包括，ETL数据仓库技术、利用Spark框架清洗特殊数据、分析数据源及业务场景模型背景等手段。

数据挖掘技术就是从大量不完全的、有噪声模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。常见的数据挖掘方法包括，机器学习方法、统计方法、神经网络方法和数据库方法。根据挖掘任务又可分为分类或预测模型发现、数据总结、聚类、关联规则发现、序列模式发现、依赖关系或依赖模型发现、异常和趋势发现等。

2 国内外发展现状

2.1 网联汽车大数据应用进程

美国政府主导提出Safety Pilot项目，于2014年开始建设MTC（交通变革研究中心），总投资1亿美元进行9000辆汽车的示范运行及行人测试，提出2020年强制安装V2V设备。

欧盟研发框架计划“Horizon 2020”，其中的重点项目包括协作式ITS、公路交通车辆安全性与网联化、物流、数据共享等。计划的“协作式智能交通（C-ITS）走廊”于2014年开始建设，跨越荷兰、德国、奥地利三国，搭建区域合作的ITS与智能汽车发展模式，促进数据采集及共享。

日本内阁府牵头提出“2017年实现部分自动驾驶系统市场化，2020年后期实现全自动驾驶系统市场化”，基于数据共享的智能道路系统（Smartway）2007年开始使用，安全驾驶支援辅助系统（DSSS）也已大规模推广。

我国国务院颁布的《中国制造2025》、《关于积极推进“互联网+”行动的指导意见》等文件，明确了提升交通基础设施、运输工具、运行信息的互联网化水平，创新便捷化交通运输服务的发展目标，大数据技术将拥有广泛的应用舞台。

2.2 网联汽车大数据应用需求

从数据共享层面分析，各品牌采用的设备终端、云端平台的硬件、软件及架构都各不相同，互相之间存在信息沟通的壁垒，而各车企又不愿公开车内网联协议。因此，若要实现V2V功能，必须打破信息孤岛，需要在数据的基础共性层面建立通用的大数据平台。平台采用统一的数据格式及加密方式，架构采用泛在接入、屏蔽细节的分布式部署。

从监督管理层面分析，对接交通、政府、基础设置的智能网联汽车云平台系统中会产生PB级大码流多并非以写为主的非结构化数据，存储设备的数量将达数十台上百台，对系统冗余和安全性要求很高。云存储技术可以针对系统架构、文件结构、高速缓存等进行优化。数据传输底层可采用突破传统文件系统限制的流媒体数据结构，大幅提高系统性能，因此大数据云存储技术的应用不可避免。

3 大数据在智能网联汽车的应用展望

3.1 面向场景类

大数据云计算技术可基于车辆在特征道路环境、不同交通因素中的行驶特征和不同领域驾驶员的行驶需求，对于车辆危险的预警阈值、行驶策略进行适应性调整，以便预警效果能够更加符合相应领域、状态下驾驶员的安全需要。基于地图大数据信息的挖掘和分析可以基于路况特征、车辆性能驾驶员操作习惯等因素提供节能减排、降低驾驶疲劳程度的行驶方案。大数据存储及管理技术可对于智能网联车载系统交互数据、控制系统数据的在线监控，提供车辆启动时的数据稳定性与可靠性检查、提供车载控制系统级安全性的在线检查。

对于商用车辆的管理，大数据技术的应用可以针对特定区域对不同车辆设定准入分级，设置电子围栏，如队列管理场景下的车辆进出队列的协调控制。对于物流等高强度运营车辆的位置、故障信息、行驶时间、时长、路线驾驶的信息进行采集、存储和分析，判断高危运营车辆是否出现违章和疲劳驾驶行为，并通过智能网联车辆的远程控制功能，根据大数据分析结果采取碰撞发生前的紧急制动等安全防护措施。对于突发交通事故，大数据技术通过对交管、医疗、保险等资源的有效调度，可以大幅提高道路安全救援、实时道路管理的管理效率。

3.2 面向行业类

智能网联汽车后市场业务的发展，需要通过大数据技术进行大规模机器学习和深度学习等技术，对驾驶行为数据、车辆性能数据、车辆从开发到销售的一系列数据以及车主人物画像、基于网联车辆的互联网行为等数据进行处理、分析和挖掘，提取数据中所包含的对不同行业有价值的信息和知识，使数据智能化，并通过建立模型寻求个性化保险、个性化销售、流程优化、个性化产品等行业市场的解决方案以及实现预测等。

4 总结

现阶段智能网联汽车的发展应用还处于初级阶段，政府管理部门、整车厂、大数据企业及消费者之间尚未形成有效协调机制和完整的产业链。相信随着智能网联汽车大数据技术的普及化应用，产业链上的企业将在发展中找到自己的位置、实现产业化，带给我们一个全新的、更智能化的世界。