大数据平台在商用车研发中的应用

游发钦

(厦门金龙联合汽车工业有限公司，福建 厦门 361023)

0 前言

当前，中国拥有2.6亿多台商用车，每年新增的商用车数量超过2 000万台，这为商用车大数据的生成奠定了坚实的基础，而以电动化、智能化、联网化、共用化等为发展方向的“新四化”成为了商用车大数据发展的保证，使得商用车在生产、销售、流通、使用等各个方面无时不在产生着海量的信息。对这些信息进行分析和发掘，并将其运用到整个商用车的各个方面，从而为整个商用车产业提供有力的支持。在大数据的类别上，商用车大数据包含了以商用车制造为核心的研发制造大数据、以商用车4S店为核心的市场大数据，以及以客户为核心的商用车使用大数据。构建一个庞大的、多层次的商业车大数据生态，需要打通每一个环节的信息互联，并将其与相关的人、车、路、网、环等信息进行创新性地整合，从而推动商业车的智能化。

利用大数据，商用车制造商可以更好地了解客户的喜好，使其商用车提供更多的实用性配置和吸引力吸引更多的客户，同时也能满足客户的特殊需要。例如，根据客户的社交网站留言，商用车制造商可以更精确地掌握最受欢迎的车型、最流行的商用车内饰，并适时地做出相应的研究和开发，以满足客户个性化、多元化的需要。通过客户偏好、车辆状态、维修保养等信息，可以为商用车制造商提供更多的经济指标，包括燃油经济性、发动机效率，以及商用车的电池性能等。通过商用车撞击试验和仿真获得的大量数据，可以改善商用车在遇到意外时的应对能力，从而使商用车更加安全。同时，商用车制造商也可以通过运用大数据对产品进行改进。通过采集商用车引擎或电力设备的失效时间数据，可以帮助研发人员在进行设计时找到防止这种情况的方法，并对装配生产线进行必要的优化。利用大数据技术，预计可为商用车制造商节省10%～20%的保养费用，商用车的开发也将会越来越智能化。

1 发展商用车大数据平台的必要性

大量的信息能够提高购买商用车的抗金融风险能力。本文从金融、政务、商业这3个方面对商业和个人信用进行评估，加强商用车的金融风险管理。而商用车，尤其是重卡、巴士等，由于价格昂贵，很多消费者都会选择借款购买，但由于消费者信用、还款能力等不稳定因素，可能会导致了信用违约。据统计，截至2016年9月，中国人民银行拥有8.99亿居民和2 120万家公司客户，JP数据量平均每日240 000次。运用大数据从金融、政务和商业3个方面进行信用评估，可以有效地获取客户的信用状况，降低客户的信用风险，为商家和金融机构的金融风险管理提供参考。通过车辆识别号码(VIN)编码实现了商用车的实体特性和最终的销售价格，从而有效地控制了商用车的金融风险。商业银行在向客户发放商用车信用贷款时，既要评估客户的信誉，又要对购买车辆的价格进行评估。然而，目前我国的金融市场存在着许多问题，如产品价格制度的缺失、销售票据上的销售价虚高等。商用车的大数据使其消费金融风险增大。基于大量、多来源的商用车辆数据，使用VIN编码对其进行唯一的锁定，由此了解车辆的动力系统、配置等相关的车辆参数，并确定其最终售价。提高银行对理财产品的了解，能够有效加强银行理财业务的风险管理。

商用车大数据平台优化了商用车的运营环境，提高了商用车的工作效率。大数据、云计算等信息技术深度融入物流产业，加速了物流朝着数字化、网络化和智能化方向发展。利用智能物流系统，实现仓储中心、物流车队、驾驶员及整配件产业的智能互联，在仓储优化、智能配货、导航及路径服务、故障检测及主动维修等环节提高了运行效率，促进了物流业智能化发展。运用大数据技术研制智能化的调度体系，可以对人员、车辆、货物进行精确定位、实时跟踪、轨迹回放、装载状态监测等，确保人员和货物安全，提高对突发事件的响应速度。依托大数据、云技术，建设“智慧云仓”，使仓储和配货一体化、智能化，有利于有效整合社会资源、优化资金分配、减少物流费用、提升物流服务。

商用车大数据平台可以为今后的商用车研发工作奠定基础。大量的数据支持了产品的开发，对需求和发展趋势的分析更加精确，从而最大限度地减少了商用车研发项目失效的概率。在市场调研、客户反馈、竞争信息、技术动向等信息基础上，对样品进行抽样研究，并根据市场变化，对生产流程进行持续修正。该方法的缺点为：抽样不足，容易导致决策失误；主要受情感因素影响，而非所有资料；做决定的时间太长，而且脱离了快速变化的行情。基于大数据的产品开发，可以极大地提高产品开发的精确度，主要体现在以下2个方面：① 通过大量的大数据，了解市场的需求。大数据的优点是能够根据大量的历史资料，更加客观地反映出需求的变动趋势，从而避免了对市场调查、客户反馈等方面的主观评估。② 以网络为基础，挖掘客户的潜力。在新的开发阶段，企业利用互联网进行新的开发，并与客户进行互动和沟通，能够更好地掌握新的需求。同时，根据对目标人群的浏览习惯、关注点等进行数据统计，能够有效地发掘出客户的潜在需要。同时，通过对车辆数据的分析，可以为进一步研究商用车的性能奠定基础。商用车实际运行数据是提高商用车产品质量的重要保证，可以根据道路交通状况进行数据采集，采集实际装载量、实际运行车速、实际最高车速等技术指标，形成车辆实际运行工况的大数据资源库，再运用大数据技术进行运算和分析，为产品开发提供准确的依据。

2 大数据在商用车研发中的应用

2.1 产品定位阶段

在日趋激烈的市场竞争中，商用车制造商越来越重视与自身相关的变化。商用车产业的数据来源单一、结构单一、应用范围小，随着互联互通和移动互联技术的迅速发展，影响商用车购买和使用的因素很多，使得商用车的数据收集、分析和利用方法都出现了巨大的变化。众所周知，一个好的企业，是建立在准确的市场导向之上的。目前，运用大数据进行商品定位分析的案例较多。商用车面对的不仅有驾驶员，还有客户。因此，根据对商用车的研究和销售情况进行的大量的数据分析，是研究商用车的首要步骤。因为市场瞬息万变，所以大数据能够更好地理解市场结构、市场特征、竞争者状况，从而为企业提供更好的服务。传统的大数据搜集方法大多来源于行业管理部门的数据、行业评估报告、行业专家意见、新车销售等，在此基础上提出了一种新的商用车联网大数据平台，并利用大数据的挖掘与收集技术，构建了一种新的市场模型。同时，在大数据平台上进行客户的主观评估，使得大数据平台能够更好地满足客户的需要。营销的关键在于客户的使用，商用车开发公司要利用大数据来了解客户的最终需求，并据此对商用车产品进行分类、评估和分析。合理运用商用车大数据平台不仅可以扩大产品在商用车的特殊客户群里的知名度，而且可以提高企业的核心竞争力，让客户满意，达到共赢。

2.2 功能策略筛选阶段

在商用车的研究和开发过程中，校准是一个非常重要的环节。对标的准确性将直接关系到消费者对新车的认同程度和最终得销售数量。例如：商用车发动后，如果开启车门，是否需要使用远程控制的钥匙；客户是否真的有“无钥匙”的需求；停在P档后全车应不应该解除锁定。这些问题涉及消费者的消费行为，而这种消费方式是否合理，将会影响到消费者对商用车的认可。消费者的使用行为是商用车设计和认证的重要依据，是制定商用车、系统和零部件设计的技术要求、产品认证试验标准的制定和评估的重要依据。所以，商用车大数据平台应当本着“数据就是资产，就是价值”的概念，致力于建立客户的数据收集和分析系统，将客户的行为进行全面分析和解读，为未来的发展提供强大的支持。该平台能够将商用车基本信息采集、道路信息采集、载荷信息采集等功能集成到一起，完成负载数据的长距离传输、综合采集、双重压缩和设备联合控制。平台中所采用的模块必须满足上汽商用车公司的要求，同时引入睡眠和激活机制。对于客户信息的采集，应当开发一系列的数字采集设备，根据客户的需要，自由地增加和减少负载的采集信道数量，并能够提供速度、应变、温度采集等功能。通过对数据进行采集、诊断、筛选和打包，实现数据的连续读取，使电子控制单元(ECU)的要求最小化，同时也能减少ECU的工作量和总线负荷。针对负载资料，采用长程资料传送方式，既可确保资料的完整性，又可将资料传送的效能最大化。由于在收集客户的习惯和使用情况时，会产生海量的信息，而目前手机的带宽非常有限，无法实现大量数据的无线传输；因此，为了满足客户的需求，优化数据收集系统，采用有损和非破坏性2种方法收集大量的变化特征点，并在后台进行重建和还原，以最少的传输流量获得客户的所有操作和使用情况信息。

2.3 基于商用车行驶数据的客户需求识别

由于商用车传感器结构简单，数据采集相对简单，而且国家在商用车上设置了商用车信息采集设备，因此，商用车上的商用车传感器已能够将驾驶行为数据、充电行为数据、电机状态数据、电池状态数据和位置信息数据等进行录入。但是，目前大部分的商用车厂商对大量的商用车运营资料仍处于监控和记录的状态，并未对其进行有效的利用。商用车运营的主要是时序信息，这些信息掩盖了人们在商用车上的驾驶行为、充电行为、驾驶轨迹等特有行为特征。通过对商用车运营数据的深度剖析和发掘，研究车辆的性能特点，能够揭示出不同类型的客户群体的行为特点，进而对其进行有效的分类，并进一步创新和完善。

针对商用车的运营情况，通过分析客户的行为特点来获得其需求。从商用车运营的实际情况中获得客户的要求是非常困难的。由于生产过程中的数据非常复杂，仅靠数据的处理是很困难的，所以要把产品的操作过程用一种具有可理解性的客户行为特性的语言进行表达，并充分地反映操作过程中的时间特性和使用者的使用方式。客户需要的标识结构如图1所示。

图1 商用车客户需求识别算法框图

客户的需求发现将直接影响到后续的产品研发和设计，而能否正确、及时地找到客户的需要也将直接影响到公司的效益。对此，提出以下3点建议：① 根据客户的实际情况，对客户的行为进行分析；② 从产品运营的时间序列特点中，发掘出客户的行为方式，并对其进行补充和确认；③ 基于客户的需求、喜好，以及地域差别，根据客户的需要，有针对性地进行产品改善和设计。提出了一种基于操作过程中的主要参数抽取方法，并将其与客户的使用习惯相联系起来进行模型化；在此基础上，进一步发掘产品的时间序列特性，从而推断出其潜在的使用方式和用途；根据不同的使用习惯、使用模式和地理位置，给出了相应的产品改善和设计建议。以某商用车公司的742辆商用车使用情况作为研究对象，这些车辆的信息包含了商用车基本信息、行驶状态、充电状态和泊车状态，见表1。

表1 某商用车公司的商用车信息

在实际应用中，结合因素分析、聚类分析、描述统计分析等方法，以商用车运营数据为例，对客户的要求进行分析。根据现有的客户行为特点，在现有的数据支持下，建立了基于操作的客户行为模型。在此基础上，根据对车辆运营数据进行时间序列分析，得出其潜在的使用方式，进而得出其潜在的用途。最后，根据各区域的运营情况，对比各区域的客户喜好，发掘出其车辆的区域喜好。

3 大数据在商用车研发管理平台中的应用

3.1 需求分析

在数据采集与存储方面，大数据平台可以完成结构化、非结构化、半结构化数据的采集与存储，并提供可视化监测；在数据计算分析方面，大数据平台可以在负荷变化大、波动大的情况下，满足数据“实时”与“批量”运算要求，建立以商业为基础的相关演算法的模式库，提高数据分析的效率；在数据安全方面，大数据平台可以根据客户需要，为客户提供可伸缩性产品设计，并根据客户的权限和数据敏感性，对数据进行智能分类，保障个人信息隐私性。

3.2 平台搭建

在建设交通管理大数据平台时，必须充分满足海量数据、高安全保密的需求，在体系结构上需要灵活地兼容和扩展业务应用，并有相应的技术支持。基于上述问题，在分析了交通管理数据结构的基础之上，设计了具有4级结构的交通管理大数据平台，该平台分为数据融合层、调度分配层、数据分析层和应用层，能够将数据集中管理、统一分发调度、大规模并行处理，满足运营车辆安全监管服务应用需求。

数据融合层实现了数据的采集与存储，可以对车辆数据进行统一调度，其主要工作包括数据资源的接入共享、数据报备存储、数据交换、服务器及相关应用数据的收集与可视化监控等功能，为后续业务提供数据支撑。

调度分配层实现了对各个部门数据资源的采集、转换、管理、发布等，为数据的采集与分析等工作奠定了基础。调度分配层的主要作用为：① 实现了数据的格式转化，实现了各种协议、数据的转换；② 实现了数据的统一接入和订阅分发；③ 对不同类型的数据进行访问和处理；④ 提高了数据的传送速度，在高并发和大数据量的情况下，具有良好的运行表现；⑤ 对业务进行控制，通过对数据服务的接入，实现对业务的监控、管理和对业务的统计与分析。

数据分析层实现了对数据的清洗与处理，具体为：① 输入资料。从调度分配层将资料即时储存至大数据分析层次。② 分析资料结构。资料结构是透过视觉运算分析的，包含资料栏位分割、换行符、栏位类型、栏位名称。③ 对资料进行视觉分析。通过编写spark编码和sql声明，可以将数据解析的构造显示为饼图、柱状图、折线图等。④ 作业进度计划的计算方法。提高了工作的并行性，提高了系统的资源利用。⑤ 档案和分享。将资料作为档案管理，并与其他客户共享。⑥ 资料呼叫界面。客户可以透过界面来获得不同尺寸的资料。

应用层基于不同的运营车辆的安全监控需求，利用Smart BI数据平台将数据挖掘的结果以数据产品的可视性方式呈现在客户面前，其内容包括：① 车辆信息查询、重点路段监控、电子围栏、车辆统计、疲劳驾驶、超速行驶、禁行时段提醒等；② 车辆隐患剖析，为经营所属车辆、驾驶人员监管和潜在的安全风险检查提供资料解析；③ 提供车辆违法信息查询等业务。

4 结语

随着大数据时代的来临，商用车也迎来了新的发展机遇，如何利用大数据技术推动商用车的发展成为当前各公司面临的一个重大问题。不可否认，目前的商用车数据由于数据缺失、数据标准不统一、数据孤岛等情况制约了大数据的发展。因此，需要以一个更开放、更包容的角度来发展商用车，让商业数据共享，促进行业跨领域建立一个完整的商用车大数据生态体系，从而促进我国商用车工业的发展。