基于车联网大数据的可视化应用研究

苏万德　谭倚靖　陈鹏飞　韦通明　张亮

【摘  要】在“大数据时代”的浪潮下，每个企业都面对着庞大的数据，而如何让这些高容量、低价值密度、高速处理、多类型的数据发挥价值是每个企业都在思考的事情，汽车企业也是如此。面对庞大的车联网数据，采用视化技术就是实现数据价值的一个很好的方法。本文将通过一些典型例子对车企车联网大数据在可视化方面的应用进行简单研究。

【关键词】大数据；车联网；可视化

中图分类号：U463.6    文献标志码：A    文章编号：1003-8639（ 2023 ）08-0030-02

Research on Visualization Application Based on Big Data of Internet of Vehicles

SU Wan-de，TAN Yi-jing，CHEN Peng-fei，WEI Tong-ming，ZHANG Liang

（SAIC GM Wuling Automobile Co.，Ltd.，Guangxi Laboratory of New Energy Automobile，

Guangxi Key Laboratory of Automobile Four New Features，Liuzhou 545007，China）

【Abstract】Under the tide of "big data era"，every enterprise is faced with huge data，and how to make these high-capacity，low value density，high-speed processing and multi type data bring value into play is something that every enterprise is thinking about，and so is the automobile enterprise. In the face of huge Internet of vehicles data，visualization technology is a good method to realize data value. This paper will simply study the application of big data of Internet of vehicles in automobile enterprises in visualization through some typical examples.

【Key words】big data；internet of vehicles；visualization

“大數据时代”的浪潮无法避免，面对庞大的数据，每个企业都应该思考如何挖掘数据的价值，而在车联网数据中，无论是CAN数据还是埋点数据或者音视频数据，其数据的量级都是非常巨大的。如何发掘这些数据的价值也是每个车企在思考的事情，而可视化无疑就是实现数据价值的有效途径之一。

1  大数据与车联网大数据分析

1.1  大数据简介

“大数据”的概念最初是在《大数据时代》一书里被提出的，书中认为与随机分析法不同的是，大数据处理采用的是全量的数据进行分析，即要对人类能够获得的所有数据进行分析处理[1]。此后人们对大数据的研究也从未停止，对“大数据”的概念也各有想法难以统一，其中比较具有代表性的是IBM公司提出的4V模型：Volume、Value、Velocity、Variety，即高容量、低价值密度、高速处理、多类型4个特点。中国国务院提出的“国家大数据战略”中也指出，大数据是以这4个特点为主要特征的数据集合，并且正日益对金融、政治和社会等各方面产生越来越重要的影响。

1.2  车联网大数据简介及其特征

车联网，指的是车载终端通过无线通信、射频识别、GPS定位、大数据处理等技术，对信息网络平台上的车辆信息进行提取和利用，并根据不同功能提供不同的服务[2]。车联网具有实时性、节点性和互连性等特点。实时性表现为车联网可以实时获取车辆信息，为车主提供导航、音乐和新闻等实时性服务。节点性表现为车联网的WSN网络节点数目庞大、分布密集。互联性表现为车联网可以实现车与车、车与人和车与路之间的全方位互联。

车联网数据可以分为CAN数据、埋点数据、业务数据和音视频数据等。CAN数据包括了车速、行驶里程、车身零件状态和传感器数值等数据，CAN数据具有抗干扰能力强、传输速度快、数据传输距离较远、同时连接节点数多等众多优点，是车联网大数据的主要组成部分。埋点数据主要是由车机APP，如音乐、导航、电台等上传的数据信息，一般是由用户触发（如点击、浏览等）或与用户相关的数据，其优点是埋点可以进行自定义，可以精准定位数据，并且可随版本进行修改，缺点是每个埋点都要相应的代码开发，工作量较大。业务数据包括各类业务APP、功能产生的数据，其主要特点是业务关联性强。音视频数据主要由车内外的麦克风和摄像头采集而来的数据，其特点是容量大、价值密度低。

2  大数据可视化简述

在《数据可视化之美》一书中指出，广义的数据可视化是数据可视化、信息可视化以及科学可视化等多个领域的统称[3]，这便是可视化最早的定义。而可视化经过长期的发展，各个行业各个领域都有着不同的定义，在狭义上讲，大数据可视化可以说是用一定的计算方法对数据集进行处理之后，以一种视觉特征的形式呈现出来给用户的方法。在表现形式上常见的可视化图表有表格、直方图、条形图、饼状图、折线图和散点图等[4]。通过可视化的方法，可以很直观地、简单明了地读懂数据、了解数据趋势等。

3  车联网大数据在可视化方面的应用

车联网数据中最主要的就是CAN数据和埋点数据，下文将主要根据CAN数据和埋点数据对车联网大数据在可视化方面的应用做简要研究。

3.1  车辆状态监控及预警系统

预警是最常见的数据变现方式，而智能网联汽车在整个生命周期过程中，往往都会出现或多或少、或这或那的问题。而根据车联网CAN数据对车辆状态进行持续监控并识别出问题，同时可视化呈现出来就为解决这些问题提供了有力的依据。

车联网CAN数据上传的字段很多，根据这些字段我们可以对汽车的很多状态进行预警并可视化呈现出来。如可以对轮胎压力设定一定的胎压阈值，然后结合温度、速度等字段，通过胎压监测系统（TPMS）计算之后对胎压进行监测预警；也可以对新能源电车电池电量进行持续监测，结合行驶里程、耗电量等字段，通过一定算法来监测预警车辆是否漏电、亏电等；还可以对发动机故障灯、安全气囊状态、冷却液、制动液等众多车辆状态进行监控及预警，对产生的预警通过可视化的方式将每天的预警记录展示出来，方便运维和提醒。当故障出现时，运维人员还需要根据可视化信息及时提醒用户关注相应故障，当同一车型出现批量故障时，则需要考虑是否是造车过程存在问题。

图1是某预警系统的可视化页面。此预警系统包括了车辆相关信息、预警的级别、预警内容和预警时间等信息，其中预警级别可以根据需要进行自定义，行业上一般会分为3级。一级预警指的是轻微故障，对车辆的正常行驶影响较小，属于提示性预警；二级预警是中度故障，已经会影响到用户的正常用车，需要驾驶员限制行驶；三级预警是最严重故障，需要驾驶员停车检查或者呼叫道路救援。根据预警系统的可视化信息，运维人员也可以对故障进行定点排查。

3.2  车辆行驶轨迹

车辆行驶轨迹体现了汽车在一定的时间范围内经过的位置，通过车辆的行驶轨迹，可以推测出用户的主要用车场景，还可以推测出用户的迁移习惯等信息，进而推测用户的驾驶习惯和行为偏好等信息。

在车联网上传的CAN数据中包含了经度、纬度和方向等信息，可以通过这些信息解析出车辆的具体位置，并且将位置串联起来形成轨迹信息。目前常用的方法有高德地图解析和百度地图解析，两者的解析结果略有偏差，但一般都能满足基本的使用。图2是某车辆行驶轨迹可视化系统。

车辆行驶轨迹可视化常见的应用场景还有：寻找车辆，当车辆丢失或者找不到时，可以根据轨迹信息来确定车辆最后的位置；事故原因排查，当车辆发生事故时，可以根据车辆的行驶轨迹来辅助判断车辆是否异常行驶。

3.3  功能使用情况

对于车联网埋点数据来说，其最主要的还是用户对车机功能操作的数据。在目前的智能汽车中大都承载了很多车机功能，如在线音乐、在线电台、在线新闻、实时导航等。而不同功能的受欢迎程度也是不同的，可以通过可视化的方法来展示用户对各个功能的使用情况，使得项目可以直觀地判断哪些功能是值得推广，哪些功能是需要优化，哪些功能是可以取消的。

对于功能使用情况，可以统计各个功能用户使用的次数、使用的时间段、用户的使用时间等维度来进行可视化展示。对于图表的使用，柱形图是展示使用次数的一个很好的方式。通过柱形图，不仅可以展示每天各功能的使用情况，还可以展示同一功能连续一段时间的使用趋势。也可以通过折线图来展示使用次数，通过折线图还能更直观地展示连续一段时间的使用趋势。对于一些需要统计使用占比的需求，可以通过饼状图来进行可视化展示。饼状图可以很直观地展示各个部分的占比，很适合用来展示各个功能模块的使用占比。此外，还可以通过图表轮播的形式来展示各个功能的使用排行。

在功能使用情况方面，主要的可视化形式还是图表，通过柱形图、折线图、饼状图等图表可以很直观地展示需要统计的功能细项，达到实时展示的目的。

4  结语

随着行业的不断发展，车联网数据只会越来越多，越来越复杂，但无论如何变化，可视化也永远是实现数据价值的一个很有效的方法，也必然会形成一个顺应时代发展的浪潮。通过可视化展示，可以把繁琐、原始的数据经过处理转换，以更直观的形式展现给用户，从而提高服务品质，提高企业核心竞争力。

参考文献：

[1] 梁雪辉. 基于车联网的大数据应用研究[J]. 电子测试，2016（9）：74，86.

[2] 张长青，杨楠. 基于车联网大数据分析的实时路况检测系统[J]. 电子科技，2019，32（8）：66-69，74.

[3] 燕荣杰，王国庆，戴汝泉，等. 车联网数据预处理[J]. 物联网技术，2017，7（1）：81-82，85.

[4] 冯建武. 基于大数据的新能源汽车数据检测处理系统的设计与实现[D]. 北京：北京邮电大学，2020.

[5] 李准. 信息可视化与数据可视化[J]. 现代制造技术与装备，2014（5）：61-62.

[6] 臧若蒙. 面向车辆监控系统的海量数据可视化研究[D]. 大连：大连海事大学，2015.

[7] 李莫丹，梁祖辉，韦保俊. 车企大数据分析及应用研究[J]. 中国高新科技，2021（22）：14-15.

[8] 高瞻，严汝康，向郑涛，等. 车辆轨迹数据可视化分析系统的设计与实现[J]. 湖北汽车工业学院学报，2019，33（1）：6-11.

[9] 尹光希. 汽车发动机典型故障分析与维修对策[J]. 内燃机与配件，2020（11）：177-178.

（编辑  杨  景）

作者简介

苏万德（1996—），男，工程师，研究方向为汽车大数据产品开发。