電動(dòng)汽車原理與應(yīng)用技術(shù) 第3版 PPT課件09 新能源汽車大數(shù)據(jù)平臺(tái)及應(yīng)用

第9章新能源汽車大數(shù)據(jù)平臺(tái)及應(yīng)用1汽車大數(shù)據(jù)概述新能源汽車大數(shù)據(jù)采集數(shù)據(jù)分析與處理大數(shù)據(jù)應(yīng)用案例目錄汽車大數(shù)據(jù)概述3國(guó)務(wù)院相關(guān)領(lǐng)導(dǎo)人指出：要強(qiáng)化遠(yuǎn)程運(yùn)行的監(jiān)控體系，以建立體系、統(tǒng)一要求、落實(shí)責(zé)任為重點(diǎn)，加快覆蓋國(guó)家、地區(qū)、企業(yè)運(yùn)行的數(shù)據(jù)監(jiān)控平臺(tái)。新能源汽車大數(shù)據(jù)新能源汽車大數(shù)據(jù)的需求背景2016年，工業(yè)和信息化部制定并發(fā)布了《新能源汽車生產(chǎn)企業(yè)及產(chǎn)品準(zhǔn)入管理規(guī)定》。2018年，工業(yè)和信息化部制定了《新能源汽車動(dòng)力電池回收利用溯源管理暫行規(guī)定》。2020年，由國(guó)家市場(chǎng)監(jiān)督管理總局、國(guó)家標(biāo)準(zhǔn)化管理委員會(huì)批準(zhǔn)發(fā)布了工業(yè)和信息化部組織制定的GB18384—2020《電動(dòng)汽車安全要求》、GB38032—2020《電動(dòng)客車安全要求》和GB38031—2020《電動(dòng)汽車用動(dòng)力電池安全要求》三項(xiàng)強(qiáng)制性國(guó)家標(biāo)準(zhǔn)。新能源汽車安全監(jiān)管的國(guó)家政策要求汽車大數(shù)據(jù)概述42015年國(guó)務(wù)院正式印發(fā)了《中國(guó)制造2025》。新能源汽車行業(yè)作為制造業(yè)與高新技業(yè)的交叉產(chǎn)業(yè)，與車輛大數(shù)據(jù)的融合應(yīng)用是順應(yīng)汽車產(chǎn)業(yè)發(fā)展的必然結(jié)果。這種高度融合必將加速“中國(guó)制造2025”及智能網(wǎng)聯(lián)汽車在新能源汽車領(lǐng)域的早日實(shí)現(xiàn)。新能源汽車大數(shù)據(jù)汽車產(chǎn)業(yè)轉(zhuǎn)型升級(jí)的需求新能源汽車大數(shù)據(jù)的需求背景汽車大數(shù)據(jù)概述5新能源汽車的電子設(shè)備數(shù)量及其采集的數(shù)據(jù)量相比之前有了巨大的提升，普通的行車電腦已不能滿足數(shù)據(jù)的記錄需求，且該方法沒有即時(shí)更新的數(shù)據(jù)，其時(shí)效性較差。新能源汽車大數(shù)據(jù)新能源汽車行業(yè)應(yīng)用與管理需求新能源汽車的行車安全問題依賴于前期的數(shù)據(jù)分析發(fā)現(xiàn)，且其發(fā)生事故的救援難度相比普通燃油車要大得多，大部分的車企都對(duì)新能源汽車有著較高的數(shù)據(jù)傳輸分析及管理需求。汽車大數(shù)據(jù)平臺(tái)的方案便應(yīng)運(yùn)而生。新能源汽車大數(shù)據(jù)的需求背景汽車大數(shù)據(jù)概述6依靠車聯(lián)網(wǎng)系統(tǒng)，可以實(shí)時(shí)采集車輛及相關(guān)設(shè)備的運(yùn)行和設(shè)備檢測(cè)數(shù)據(jù)，積累新能源汽車產(chǎn)業(yè)運(yùn)營(yíng)數(shù)據(jù)，形成海量數(shù)據(jù)池。新能源汽車大數(shù)據(jù)新能源汽車大數(shù)據(jù)的特點(diǎn)新能源汽車領(lǐng)域數(shù)據(jù)包括車載智能終端采集的車輛工況及駕駛行為數(shù)據(jù)、車輛故障診斷信息、車輛維修保養(yǎng)數(shù)據(jù)、天氣路況等。數(shù)據(jù)增長(zhǎng)速度快，包含大量實(shí)時(shí)數(shù)據(jù)，導(dǎo)致了數(shù)據(jù)創(chuàng)建、處理和分析的速度持續(xù)加快。對(duì)于對(duì)時(shí)間敏感的流程，具備典型的大數(shù)據(jù)的4V特征。汽車大數(shù)據(jù)概述7應(yīng)用領(lǐng)域主要分為政府、商業(yè)、用戶三個(gè)層次。新能源汽車大數(shù)據(jù)車輛大數(shù)據(jù)的應(yīng)用領(lǐng)域政府需要對(duì)車輛安全、交通管理、公共安全、產(chǎn)業(yè)政策、環(huán)境保護(hù)方面進(jìn)行管理。提出以下幾點(diǎn)要求：1）加強(qiáng)和完善大數(shù)據(jù)基礎(chǔ)設(shè)施建設(shè)及服務(wù)功能，擴(kuò)大大數(shù)據(jù)專業(yè)人才及技術(shù)引進(jìn)力度。2）加快搭建統(tǒng)一平臺(tái)，統(tǒng)籌大數(shù)據(jù)研發(fā)應(yīng)用。從組織保障、數(shù)據(jù)采集、數(shù)據(jù)共享、數(shù)據(jù)應(yīng)用等方面入手。3）繼續(xù)推進(jìn)大部制改革，促進(jìn)統(tǒng)一類型數(shù)據(jù)在業(yè)務(wù)部門內(nèi)整合。4）加速數(shù)據(jù)挖掘及運(yùn)用，提高大數(shù)據(jù)在政府決策中的作用。有效挖掘、存儲(chǔ)、處理、分析大數(shù)據(jù)。汽車大數(shù)據(jù)概述8商業(yè)領(lǐng)域包括公共服務(wù)、商業(yè)服務(wù)、汽車金融、汽車企業(yè)。新能源汽車大數(shù)據(jù)車輛大數(shù)據(jù)的應(yīng)用領(lǐng)域公共服務(wù)，通過挖掘大數(shù)據(jù)中潛在信息，可提供更優(yōu)質(zhì)的公共服務(wù)。商業(yè)服務(wù)，可以利用數(shù)據(jù)挖掘技術(shù)，定義線索級(jí)別并進(jìn)行購車意向分析，提高銷售線索的轉(zhuǎn)化率；利用汽車大數(shù)據(jù)對(duì)用戶進(jìn)行多維度的畫像掃描，對(duì)客戶進(jìn)行細(xì)分。汽車金融，可以讓汽車保險(xiǎn)定價(jià)更合理、讓理賠定損更簡(jiǎn)單等。汽車企業(yè)，合理運(yùn)用車輛大數(shù)據(jù)，可實(shí)現(xiàn)設(shè)計(jì)優(yōu)化、車間通信、無人駕駛等功能。汽車大數(shù)據(jù)概述9用戶領(lǐng)域主要包括智能控制、交通服務(wù)、車輛信息等方面，可以將這些方面內(nèi)容集成在App終端上。通過App終端的下載與應(yīng)用，給用戶提供車輛信息，提供交通服務(wù)，使其對(duì)車輛進(jìn)行智能控制，幫助用戶更好地駕駛車輛，提升駕駛體驗(yàn)。新能源汽車大數(shù)據(jù)車輛大數(shù)據(jù)的應(yīng)用領(lǐng)域汽車大數(shù)據(jù)概述10車聯(lián)網(wǎng)是以車、路以及道路的基本設(shè)施為節(jié)點(diǎn)組成網(wǎng)絡(luò)，用以實(shí)現(xiàn)車與車、車與人、車與路的信息交換，利用先進(jìn)的技術(shù)實(shí)現(xiàn)安全防護(hù)、智能駕駛、車輛售后服務(wù)、位置服務(wù)，最終達(dá)到提高交通效率、提升道路通行能力、降低交通事故等目的?；炯軜?gòu)如圖。車聯(lián)網(wǎng)基本架構(gòu)車聯(lián)網(wǎng)的基本架構(gòu)汽車大數(shù)據(jù)概述11數(shù)據(jù)采集層通過感知技術(shù)、車載信息終端以及路邊系統(tǒng)設(shè)備，實(shí)現(xiàn)對(duì)車輛自身的位置、速度、加速度、行進(jìn)方向等行駛和運(yùn)行信息以及車輛外在屬性（如道路、人和環(huán)境）等信息的提取，通過輕量級(jí)的車載設(shè)備完成車輛相關(guān)信息的收集和處理，同時(shí)接收和執(zhí)行來自上層的智能交通和信息服務(wù)等交互控制指令。車聯(lián)網(wǎng)基本架構(gòu)汽車大數(shù)據(jù)概述12網(wǎng)絡(luò)層包括網(wǎng)絡(luò)接入層和網(wǎng)絡(luò)交互層。與車輛相關(guān)的網(wǎng)絡(luò)包括車對(duì)車（V2V）、車對(duì)路（V2R）、車對(duì)網(wǎng)（V2I）及車對(duì)人（V2H）等。車聯(lián)網(wǎng)基本架構(gòu)網(wǎng)絡(luò)接入層實(shí)現(xiàn)運(yùn)行系統(tǒng)（車輛信息系統(tǒng)、路網(wǎng)信息、信息采集基站系統(tǒng)和運(yùn)行管控服務(wù)中心系統(tǒng)）和運(yùn)營(yíng)系統(tǒng)（運(yùn)營(yíng)管控平臺(tái)系統(tǒng)、關(guān)鍵服務(wù)子系統(tǒng)）之間的數(shù)據(jù)傳輸。網(wǎng)絡(luò)交互層完成對(duì)業(yè)務(wù)的承載，作為承載網(wǎng)絡(luò)提供到外部網(wǎng)絡(luò)的接口，從而實(shí)現(xiàn)汽車各種服務(wù)、管理和服務(wù)交互過程的控制。汽車大數(shù)據(jù)概述13數(shù)據(jù)處理層對(duì)在網(wǎng)車輛和設(shè)施產(chǎn)生的數(shù)據(jù)進(jìn)行存儲(chǔ)和分析計(jì)算，同時(shí)集成其他服務(wù)基礎(chǔ)數(shù)據(jù)，為智能交通管控和車載信息服務(wù)提供支撐。車聯(lián)網(wǎng)基本架構(gòu)數(shù)據(jù)應(yīng)用層通過車載信息服務(wù)與運(yùn)營(yíng)中心負(fù)責(zé)面向不同類型用戶提供開放多樣的車載信息服務(wù)，同時(shí)提供安全可靠的運(yùn)營(yíng)支撐環(huán)境。汽車大數(shù)據(jù)概述14智能網(wǎng)聯(lián)汽車同時(shí)具備“智能”與“網(wǎng)聯(lián)”兩個(gè)方面的特性，是道路交通系統(tǒng)中一個(gè)具備一定自主決策和自我控制能力的載運(yùn)工具平臺(tái)，也是車聯(lián)網(wǎng)絡(luò)大環(huán)境中的一個(gè)信息交互節(jié)點(diǎn)。新能源汽車大數(shù)據(jù)平臺(tái)架構(gòu)智能網(wǎng)聯(lián)汽車的“端-網(wǎng)-云”架構(gòu)未來自動(dòng)駕駛和智能交通場(chǎng)景的實(shí)現(xiàn)，都需要依賴車-車、車-路、車-云協(xié)同的信息交互和協(xié)調(diào)控制技術(shù)。智能網(wǎng)聯(lián)汽車從功能到技術(shù)實(shí)現(xiàn)方面都體現(xiàn)為“端-網(wǎng)-云”的體系架構(gòu)。汽車大數(shù)據(jù)概述15“端”既包括道路交通環(huán)境中行駛的車輛（智能移動(dòng)終端），也包括非車輛，如行人、動(dòng)物等。“端”是智能網(wǎng)聯(lián)汽車運(yùn)行過程中數(shù)據(jù)獲取、計(jì)算處理、智能應(yīng)用的功能載體。新能源汽車大數(shù)據(jù)平臺(tái)架構(gòu)智能網(wǎng)聯(lián)汽車的“端-網(wǎng)-云”架構(gòu)“網(wǎng)”指車聯(lián)網(wǎng)環(huán)境，車聯(lián)網(wǎng)是以車內(nèi)網(wǎng)、車際網(wǎng)和車載移動(dòng)互聯(lián)網(wǎng)（車云網(wǎng)）為基礎(chǔ)，按照約定的通信協(xié)議和數(shù)據(jù)交互標(biāo)準(zhǔn)，在車-車、車-路、車-云，以及車輛與互聯(lián)網(wǎng)之間，進(jìn)行無線通信和信息交換，以實(shí)現(xiàn)智能交通管理控制、車輛智能化控制和智能動(dòng)態(tài)信息服務(wù)?！霸啤敝赣靡赃M(jìn)行跨領(lǐng)域大數(shù)據(jù)存儲(chǔ)和處理的云服務(wù)平臺(tái)。能夠至少同時(shí)支持百萬級(jí)車載智能終端及千萬級(jí)智能移動(dòng)終端的大數(shù)據(jù)并發(fā)，實(shí)現(xiàn)對(duì)海量實(shí)車數(shù)據(jù)的存儲(chǔ)、計(jì)算、管理、監(jiān)控、分析、挖掘及應(yīng)用，是系統(tǒng)互聯(lián)與智能的核心。汽車大數(shù)據(jù)概述16有企業(yè)監(jiān)測(cè)平臺(tái)、地方監(jiān)測(cè)平臺(tái)以及國(guó)家監(jiān)測(cè)平臺(tái)三類，這三類平臺(tái)形成了數(shù)據(jù)平臺(tái)的三級(jí)架構(gòu)。新能源汽車大數(shù)據(jù)平臺(tái)架構(gòu)大數(shù)據(jù)云平臺(tái)架構(gòu)與管理體系（1）新能源汽車數(shù)據(jù)平臺(tái)三級(jí)結(jié)構(gòu)數(shù)據(jù)平臺(tái)的三級(jí)架構(gòu)汽車大數(shù)據(jù)概述17以北京理工大學(xué)新能源汽車監(jiān)測(cè)與管理平臺(tái)為例。電動(dòng)車輛大數(shù)據(jù)平臺(tái)采用Hadoop體系架構(gòu)，與阿里、京東等公司的大數(shù)據(jù)技術(shù)同步，同時(shí)具有更強(qiáng)的靈活性和可擴(kuò)展性。新能源汽車大數(shù)據(jù)平臺(tái)架構(gòu)大數(shù)據(jù)云平臺(tái)架構(gòu)與管理體系（2）整體平臺(tái)架構(gòu)數(shù)據(jù)采集、存儲(chǔ)、挖掘流程圖汽車大數(shù)據(jù)概述新能源汽車大數(shù)據(jù)采集數(shù)據(jù)分析與處理大數(shù)據(jù)應(yīng)用案例目錄新能源汽車大數(shù)據(jù)采集19數(shù)據(jù)采集流程靜態(tài)信息采集靜態(tài)信息指沒有與服務(wù)器進(jìn)行交互的數(shù)據(jù)，車輛外部的靜態(tài)信息主要包括充電樁的使用情況、路網(wǎng)情況、氣象情況等，對(duì)分析車輛的行駛狀況、安全管理和故障回溯提供有效的依據(jù)。車輛的靜態(tài)信息包括車輛的相關(guān)參數(shù)、車輛公告信息、車輛的銷售情況以及用戶對(duì)車輛的評(píng)價(jià)情況等，這些信息也是進(jìn)行大數(shù)據(jù)分析所必備的。新能源汽車大數(shù)據(jù)采集20數(shù)據(jù)采集流程動(dòng)態(tài)信息采集通過布置在車輛上的傳感器獲取車輛的動(dòng)態(tài)信息。新能源汽車數(shù)據(jù)平臺(tái)車輛動(dòng)態(tài)信息采集步驟如下：連接建立車載終端向遠(yuǎn)程服務(wù)與管理平臺(tái)發(fā)送通信連接請(qǐng)求，遠(yuǎn)程服務(wù)與管理平臺(tái)應(yīng)對(duì)接收到的數(shù)據(jù)進(jìn)行校驗(yàn)。信息傳輸按一定時(shí)間周期向遠(yuǎn)程服務(wù)與管理平臺(tái)上報(bào)電動(dòng)汽車運(yùn)行、充電、事故報(bào)警或斷電后3min內(nèi)的實(shí)時(shí)信息。連接維持車載終端應(yīng)向遠(yuǎn)程服務(wù)與管理平臺(tái)發(fā)送周期性心跳信息，遠(yuǎn)程服務(wù)與管理平臺(tái)應(yīng)對(duì)車載終端反饋成功應(yīng)答。信息補(bǔ)發(fā)數(shù)據(jù)通信鏈路異常時(shí)，車載終端應(yīng)將實(shí)時(shí)上報(bào)數(shù)據(jù)進(jìn)行本地儲(chǔ)存?；謴?fù)正常后，在發(fā)送實(shí)時(shí)上報(bào)數(shù)據(jù)的空閑時(shí)間完成補(bǔ)發(fā)儲(chǔ)存的上報(bào)數(shù)據(jù)。新能源汽車大數(shù)據(jù)采集21新能源汽車數(shù)據(jù)采集項(xiàng)純電動(dòng)汽車數(shù)據(jù)采集項(xiàng)純電動(dòng)汽車的數(shù)據(jù)對(duì)提高動(dòng)力電池、驅(qū)動(dòng)電機(jī)、電機(jī)控制、車身和底盤設(shè)計(jì)及能量管理等關(guān)鍵技術(shù)研發(fā)速度，降低研發(fā)成本及驗(yàn)證技術(shù)可靠性等方面的作用十分顯著。數(shù)據(jù)采集項(xiàng)主要涉及電機(jī)數(shù)據(jù)、電池?cái)?shù)據(jù)、整車數(shù)據(jù)、車輛道路行駛信息和車輛運(yùn)行狀態(tài)信息等。驅(qū)動(dòng)電機(jī)需要采集的數(shù)據(jù)項(xiàng)共十一項(xiàng)驅(qū)動(dòng)電機(jī)個(gè)數(shù)驅(qū)動(dòng)電機(jī)總成信息驅(qū)動(dòng)電機(jī)狀態(tài)驅(qū)動(dòng)電機(jī)序號(hào)驅(qū)動(dòng)電機(jī)狀態(tài)驅(qū)動(dòng)電機(jī)控制器溫度驅(qū)動(dòng)電機(jī)轉(zhuǎn)速驅(qū)動(dòng)電機(jī)溫度驅(qū)動(dòng)電機(jī)轉(zhuǎn)矩輸入電壓電機(jī)控制器直流母線電流新能源汽車大數(shù)據(jù)采集22新能源汽車數(shù)據(jù)采集項(xiàng)純電動(dòng)汽車數(shù)據(jù)采集項(xiàng)動(dòng)力電池的數(shù)據(jù)采集項(xiàng)包括如下幾項(xiàng)：電池電壓電池電流電池溫度探針數(shù)探針溫度值高壓DC/DC變換器狀態(tài)電池最低單體電壓電池最低單體箱號(hào)當(dāng)前最大允許放電電流鋰電池系統(tǒng)故障等級(jí)整車數(shù)據(jù)采集項(xiàng)包括：車輛橫向加速度縱向加速度垂直加速度制動(dòng)信息轉(zhuǎn)向信息胎壓信息車內(nèi)溫度新能源汽車大數(shù)據(jù)采集23新能源汽車數(shù)據(jù)采集項(xiàng)混合動(dòng)力電動(dòng)汽車數(shù)據(jù)采集項(xiàng)混合動(dòng)力汽車的動(dòng)力傳動(dòng)系統(tǒng)由兩個(gè)或多個(gè)能夠同時(shí)運(yùn)轉(zhuǎn)的單個(gè)動(dòng)力傳動(dòng)系統(tǒng)聯(lián)合組成。如果其中一個(gè)動(dòng)力傳動(dòng)系統(tǒng)為純電動(dòng)汽車動(dòng)力傳動(dòng)系統(tǒng)，則該混合動(dòng)力汽車為混合動(dòng)力電動(dòng)汽車。與純電動(dòng)汽車相比，多了發(fā)動(dòng)機(jī)和一套變速機(jī)構(gòu)，在采集車輛數(shù)據(jù)時(shí)需要注意發(fā)動(dòng)機(jī)的相關(guān)參數(shù)信息，例如發(fā)動(dòng)機(jī)狀態(tài)、曲軸轉(zhuǎn)速、燃油消耗率、機(jī)油溫度、冷卻液溫度、機(jī)油壓力及進(jìn)氣壓力等。新能源汽車大數(shù)據(jù)采集24新能源汽車數(shù)據(jù)采集項(xiàng)燃料電池電動(dòng)汽車數(shù)據(jù)采集項(xiàng)燃料電池電動(dòng)汽車動(dòng)力系統(tǒng)主要由燃料電池發(fā)動(dòng)機(jī)、燃料存儲(chǔ)裝置、驅(qū)動(dòng)電機(jī)、動(dòng)力電池組等組成，采用燃料電池發(fā)電作為主要能量源，通過電機(jī)驅(qū)動(dòng)車輛前進(jìn)。相比于純電動(dòng)汽車，其電能來源于燃料電池發(fā)生化學(xué)反應(yīng)產(chǎn)生的電能，多了燃料電池和儲(chǔ)氫瓶，采集與之相關(guān)的參數(shù)信息如燃料電池電壓、燃料電池電流、燃料消耗率、燃料電池溫度探針總數(shù)、氫系統(tǒng)中最高溫度、氫系統(tǒng)中最高溫度探針代號(hào)、氫氣最高濃度、氫氣最高濃度傳感器代號(hào)、氫氣最高壓力、氫氣最高壓力傳感器代號(hào)、高壓DC/DC變換器狀態(tài)等。新能源汽車大數(shù)據(jù)采集25車載終端設(shè)備車載終端設(shè)備概念車載終端是安裝在電動(dòng)汽車上，采集及保存整車及系統(tǒng)部件的關(guān)鍵狀態(tài)參，并與車聯(lián)網(wǎng)后臺(tái)及其他對(duì)象進(jìn)行通信的裝置或系統(tǒng)。智能車載終端主要有兩種產(chǎn)品形態(tài)：一種是獨(dú)立的車載終端；另外一種是將車載終端功能和車機(jī)等進(jìn)行集成設(shè)計(jì)，成為集成式、一體化車載終端。新能源汽車大數(shù)據(jù)采集26車載終端設(shè)備車載終端主要組成部分蜂窩通信模塊建立與廣域網(wǎng)的通信，與車聯(lián)網(wǎng)后臺(tái)進(jìn)行數(shù)據(jù)交互。還需要具備傳統(tǒng)的電話、短信等通信功能。微處理器（MPU）運(yùn)行智能車載終端的應(yīng)用層軟件，需要具有較高的性能。一般選用車規(guī)級(jí)ARM芯片運(yùn)行Linux等操作系統(tǒng)。微控制器（MCU）MCU主要對(duì)接車輛網(wǎng)絡(luò)，滿足高可靠性、高實(shí)時(shí)性要求。全球?qū)Ш叫l(wèi)星系統(tǒng)（GNSS）定位模塊獲取車輛定位數(shù)據(jù)，包括時(shí)間、車速、經(jīng)度、緯度、航向、海拔等數(shù)據(jù)。為GPS、北斗、GLONASS等。存儲(chǔ)器存儲(chǔ)器主要用于存儲(chǔ)車輛運(yùn)行狀態(tài)數(shù)據(jù)，在進(jìn)行車載終端及車輛控制器的遠(yuǎn)程升級(jí)時(shí)，可用于存儲(chǔ)升級(jí)文件。新能源汽車大數(shù)據(jù)采集27車載終端設(shè)備車載終端設(shè)備應(yīng)用實(shí)例NE-EVT200型的新能源車載終端設(shè)備，采用了外置GPS或雙模定位的方式，位置數(shù)據(jù)精度更高。支持近端SD卡進(jìn)行固件升級(jí)，也支持FTP遠(yuǎn)程固件升級(jí)，降低了維護(hù)工作量。支持串口參數(shù)設(shè)計(jì)，也可根據(jù)車廠提供的BMS及車輛儀表協(xié)議，通過dbc配置方式，快速定制車型的協(xié)議。最多可同時(shí)支持2個(gè)主站后臺(tái)進(jìn)行數(shù)據(jù)傳輸。具體流程：通過GPRS協(xié)議從CAN總線中讀取數(shù)據(jù)，如電池電流、電壓、溫度、車速、GPS定位信息等，遵循國(guó)家標(biāo)準(zhǔn)TCP協(xié)議，以數(shù)據(jù)流量的方式將數(shù)據(jù)傳送到云端大數(shù)據(jù)平臺(tái)。平臺(tái)參照國(guó)標(biāo)將所需要的信息翻譯出來，最終形成可以為數(shù)據(jù)平臺(tái)所利用的數(shù)據(jù)。NE-EVT200型新能源車載終端汽車大數(shù)據(jù)概述新能源汽車大數(shù)據(jù)采集數(shù)據(jù)分析與處理大數(shù)據(jù)應(yīng)用案例目錄29數(shù)據(jù)分析與處理新能源汽車運(yùn)行環(huán)境復(fù)雜，在實(shí)際情況下采集到的數(shù)據(jù)往往存在不正確或不一致等問題。數(shù)據(jù)預(yù)處理在大數(shù)據(jù)系統(tǒng)中需要進(jìn)行數(shù)據(jù)預(yù)處理以提高數(shù)據(jù)的質(zhì)量，從而有助于提高數(shù)據(jù)挖掘與分析的準(zhǔn)確率和效率。大數(shù)據(jù)預(yù)處理技術(shù)主要包括數(shù)據(jù)清洗、數(shù)據(jù)集成、數(shù)據(jù)歸約與數(shù)據(jù)變換。30數(shù)據(jù)分析與處理現(xiàn)實(shí)世界的數(shù)據(jù)一般是不完整的、有噪聲的和不一致的。數(shù)據(jù)清洗的目的是填補(bǔ)缺失的值、光滑噪聲并識(shí)別離群點(diǎn)。數(shù)據(jù)預(yù)處理1.填補(bǔ)缺失值常見方法有刪除、填充默認(rèn)值、均值、眾數(shù)和通過模型預(yù)測(cè)等。2.

光滑噪聲并識(shí)別離群點(diǎn)噪聲指被測(cè)量變量的隨機(jī)誤差。給定一個(gè)數(shù)值屬性，可以通過以下數(shù)據(jù)光滑技術(shù)來平滑噪聲。（1）分箱通過考察數(shù)據(jù)的“近鄰”（即周圍的值）來光滑有序數(shù)據(jù)值。這些有序的值被分布到一些“桶”或箱中。由于分箱方法考察近鄰的值，因此它只能進(jìn)行局部光滑。數(shù)據(jù)清洗31數(shù)據(jù)分析與處理數(shù)據(jù)預(yù)處理①用箱均值光滑：箱中每一個(gè)值被箱中的平均值替換。②用箱中位數(shù)平滑：箱中的每一個(gè)值被箱中的中位數(shù)替換。③用箱邊界平滑：箱中的最大和最小值同樣被視為邊界。箱中的每一個(gè)值被最近的邊界值替換。數(shù)據(jù)清洗一些數(shù)據(jù)光滑的分箱方式（2）離群點(diǎn)分析可通過如聚類等方法來檢測(cè)離群點(diǎn)。聚類將類似的值聚成群或“簇”。直觀地，落在簇集合之外的值被視為離群點(diǎn)。32數(shù)據(jù)分析與處理數(shù)據(jù)集成技術(shù)在邏輯上和物理上把來自不同數(shù)據(jù)源的數(shù)據(jù)進(jìn)行集中，為用戶提供一個(gè)統(tǒng)一的視圖。合理的集成有助于減少結(jié)果數(shù)據(jù)集的冗余和不一致，提高其后挖掘過程的準(zhǔn)確性和速度。數(shù)據(jù)預(yù)處理（1）冗余和相關(guān)分析一個(gè)屬性如果能由另一個(gè)或另一組屬性“導(dǎo)出”，則這個(gè)屬性可能是冗余的。對(duì)于標(biāo)稱數(shù)據(jù)，可使用卡方檢驗(yàn)解決數(shù)據(jù)冗余問題；對(duì)于數(shù)值屬性，則可使用相關(guān)系數(shù)和協(xié)方差。（2）數(shù)據(jù)值沖突的檢測(cè)與處理對(duì)于現(xiàn)實(shí)世界的同一實(shí)體，不同數(shù)據(jù)源可能有不同的表示方法，進(jìn)而形成數(shù)據(jù)語義的差異性。例如，重量屬性可能在一個(gè)系統(tǒng)中以公制單位存放，而在另一個(gè)系統(tǒng)中以英制單位存放。數(shù)據(jù)集成33數(shù)據(jù)分析與處理數(shù)據(jù)預(yù)處理數(shù)據(jù)歸約是指在對(duì)分析任務(wù)和數(shù)據(jù)本身內(nèi)容理解的基礎(chǔ)之上，尋找依賴于發(fā)現(xiàn)目標(biāo)特征的有用數(shù)據(jù)，以縮減數(shù)據(jù)規(guī)模，從而在盡可能保持?jǐn)?shù)據(jù)原始特性的前提下，最大限度地精簡(jiǎn)數(shù)據(jù)量。常見的數(shù)據(jù)歸約方法包括維歸約、數(shù)量歸約和數(shù)據(jù)壓縮等。數(shù)據(jù)歸約數(shù)據(jù)規(guī)約示意圖34數(shù)據(jù)分析與處理數(shù)據(jù)預(yù)處理數(shù)據(jù)變換可將原始數(shù)據(jù)轉(zhuǎn)換成適合數(shù)據(jù)分析的形式。其策略包括屬性構(gòu)造、聚集、數(shù)據(jù)規(guī)范化、數(shù)據(jù)離散化和概念分層等。數(shù)據(jù)離散化和概念分層產(chǎn)生也是數(shù)據(jù)歸約形式。原始數(shù)據(jù)被少數(shù)區(qū)間或標(biāo)簽取代從而被簡(jiǎn)化，使挖掘的結(jié)果模式更容易理解。數(shù)據(jù)變換與數(shù)據(jù)離散化連續(xù)數(shù)據(jù)離散化35數(shù)據(jù)分析與處理數(shù)據(jù)預(yù)處理3.研究人員在進(jìn)行數(shù)據(jù)分析前，將根據(jù)實(shí)際計(jì)算需求，選擇缺失值填充或數(shù)據(jù)清洗的方式進(jìn)一步處理數(shù)據(jù)。新能源汽車數(shù)據(jù)預(yù)處理新能源汽車運(yùn)行數(shù)據(jù)預(yù)處理分為三個(gè)階段：1.在原始數(shù)據(jù)采集時(shí)，對(duì)車載終端采集到的SOC信息、車速信息、電流電壓信息等進(jìn)行數(shù)據(jù)格式轉(zhuǎn)化、異常數(shù)據(jù)處理。為保證數(shù)據(jù)傳輸?shù)木?，往往需要將采集的?shù)據(jù)值擴(kuò)大10倍。2.國(guó)家平臺(tái)接收數(shù)據(jù)之前，將調(diào)用預(yù)處理模塊對(duì)每個(gè)數(shù)據(jù)項(xiàng)值進(jìn)行有效驗(yàn)證。其規(guī)則是把當(dāng)前車載終端動(dòng)態(tài)上傳的數(shù)據(jù)項(xiàng)和管理員預(yù)配置的有效取值范圍進(jìn)行大小關(guān)系比較，對(duì)異常數(shù)據(jù)置空處理，保障數(shù)據(jù)的有效性和準(zhǔn)確性。36數(shù)據(jù)分析與處理數(shù)據(jù)分析大數(shù)據(jù)分析是指用準(zhǔn)確適宜的分析方法和工具來分析經(jīng)過預(yù)處理后的大數(shù)據(jù)，提取具有價(jià)值的信息，進(jìn)而形成有效的結(jié)論并通過可視化技術(shù)展現(xiàn)出來的過程。對(duì)于不同的挖掘目標(biāo)，采用合適的大數(shù)據(jù)分析技術(shù)，可以達(dá)到更好數(shù)據(jù)挖掘效果。車輛大數(shù)據(jù)分析常用的幾種方法有相關(guān)分析、回歸分析、聚類方法等。37數(shù)據(jù)分析與處理數(shù)據(jù)分析相關(guān)分析是研究概率變量之間的相關(guān)性的一種統(tǒng)計(jì)方法。其按照不同的分類關(guān)系可以分為正相關(guān)與負(fù)相關(guān)、單相關(guān)與復(fù)相關(guān)、線性相關(guān)與非線性相關(guān)等。判斷兩個(gè)現(xiàn)象間有無相關(guān)關(guān)系，可以通過相關(guān)表和相關(guān)圖進(jìn)行直觀判斷。相關(guān)分析相關(guān)分析熱力圖38數(shù)據(jù)分析與處理數(shù)據(jù)分析回歸分析是構(gòu)建變量間數(shù)量關(guān)系的具體模型，并對(duì)模型進(jìn)行各種檢驗(yàn)的分析方法。被影響的變量是因變量，只有一個(gè)，影響變量為自變量，可以有多個(gè)。根據(jù)自變量個(gè)數(shù)可分為一元回歸與多元回歸；根據(jù)變量間相關(guān)的形式又可分為線性回歸與非線性回歸?；貧w分析一元線性回歸分析39數(shù)據(jù)分析與處理數(shù)據(jù)分析回歸分析1.一元線性回歸模型一元線性回歸是一個(gè)自變量與因變量之間線性關(guān)系的回歸，又稱為直線回歸，是回歸分析中最基本的形式。直線回歸與直線相關(guān)對(duì)應(yīng)，一元線性回歸模型的一般表達(dá)形式為:

40數(shù)據(jù)分析與處理數(shù)據(jù)分析回歸分析2.多元線性回歸分析許多現(xiàn)實(shí)問題的研究對(duì)象往往受到多個(gè)自變量的影響。多元線性回歸分析是指因變量表現(xiàn)為兩個(gè)或兩個(gè)以上自變量的線性組合關(guān)系，其與一元線性回歸分析的基本原理和方法類似。

41數(shù)據(jù)分析與處理數(shù)據(jù)分析聚類分析將物理或抽象對(duì)象的集合分成由類似的對(duì)象組成的多個(gè)類或簇的過程被稱為聚類。其相似度根據(jù)描述對(duì)象的屬性值度量，常采用距離來進(jìn)行度量。在許多應(yīng)用中，簇的概念都沒有嚴(yán)格的定義。左圖顯示了18個(gè)點(diǎn)和將它們劃分成簇的3種不同方法。標(biāo)記的形狀指示簇的隸屬關(guān)系。相同點(diǎn)集的不同聚類方法42數(shù)據(jù)分析與處理數(shù)據(jù)分析聚類分析聚類算法可分為劃分聚類、層次聚類、基于密度的聚類、基于網(wǎng)格的聚類和基于模型的聚類。實(shí)踐中常用K-means、層次聚類、神經(jīng)網(wǎng)絡(luò)聚類、模糊C-均值聚類、高斯聚類等。K-means聚類方法43數(shù)據(jù)分析與處理數(shù)據(jù)可視化數(shù)據(jù)可視化技術(shù)利用圖形、圖像處理、計(jì)算機(jī)視覺以及用戶界面，通過表達(dá)、建模以及對(duì)立體、表面、屬性以及動(dòng)畫的顯示，對(duì)數(shù)據(jù)加以可視化解釋。數(shù)據(jù)可視化工具1.TableauDesktopTableauDesktop是Tableau公司開發(fā)的商業(yè)智能工具軟件。它可以讓用戶自己編寫代碼和自定義控制臺(tái)配置。通過拖放程序把所有的數(shù)據(jù)展示到數(shù)字“畫布”上，能快速創(chuàng)建各種圖表且有多種展現(xiàn)形式。44數(shù)據(jù)分析與處理數(shù)據(jù)可視化數(shù)據(jù)可視化工具2.Python—MatplotlibMatplotlib是Python最著名的繪圖庫，它提供了一整套類似Matlab的API，非常適合交互式繪圖，其文檔也相當(dāng)完備。Matplotlib是第一個(gè)Python可視化程序庫，許多程序庫都是建立在它的基礎(chǔ)上或者直接調(diào)用它。例如，Pandas和Seaborn就可以直接調(diào)用Matplotlib。45數(shù)據(jù)分析與處理數(shù)據(jù)可視化數(shù)據(jù)可視化工具3.R—ggplot2R語言提供了一套內(nèi)置函數(shù)和庫，如ggplot2、leaflet和lattice，用來建立可視化效果以呈現(xiàn)數(shù)據(jù)。ggplot2有圖形精美、函數(shù)和參數(shù)設(shè)置方便記憶以及代碼可用性強(qiáng)、可以方便地定制圖形等優(yōu)點(diǎn)。ggplot2繪制的圖形46數(shù)據(jù)分析與處理數(shù)據(jù)可視化數(shù)據(jù)可視化工具4.Excel在簡(jiǎn)單的數(shù)據(jù)處理時(shí)，Excel顯然是最方便人們使用的入門級(jí)工具。不僅能通過Excel內(nèi)在集成的圖表來對(duì)選定的數(shù)據(jù)源進(jìn)行可視化展示，也能創(chuàng)建供內(nèi)部使用的數(shù)據(jù)圖。Excel繪制的圖形47數(shù)據(jù)分析與處理數(shù)據(jù)可視化新能源汽車數(shù)據(jù)可視化車輛運(yùn)行數(shù)據(jù)繁多復(fù)雜，很難直接從數(shù)據(jù)中發(fā)現(xiàn)車輛運(yùn)行規(guī)律以及車輛運(yùn)行狀態(tài)，而通過數(shù)據(jù)可視化則可以清楚地顯示出這些情況。1.折線圖折線圖可以用來顯示某一變量跟隨時(shí)間（或另外的變量）的變化而變化的趨勢(shì)，能夠非常清晰地反映出數(shù)據(jù)變化情況，以及從中預(yù)測(cè)出一定的數(shù)據(jù)未來走勢(shì)。2023年第一季度車輛故障報(bào)警數(shù)48數(shù)據(jù)分析與處理數(shù)據(jù)可視化新能源汽車數(shù)據(jù)可視化2.柱狀圖柱狀圖可以通過其高度來清晰表達(dá)不同指標(biāo)值之間的對(duì)比。其關(guān)鍵是要精確計(jì)算出需要表達(dá)的尺度和比例。柱狀圖可進(jìn)一步發(fā)展成三維的情況，增加指標(biāo)數(shù)量，豐富對(duì)比。左圖所示為我國(guó)新能源汽車產(chǎn)量以及平臺(tái)車輛接入量的對(duì)比關(guān)系，從中可以看出新能源汽車產(chǎn)量增長(zhǎng)情況。49數(shù)據(jù)分析與處理數(shù)據(jù)可視化新能源汽車數(shù)據(jù)可視化3.餅圖餅圖主要用來表達(dá)某一類型數(shù)據(jù)在整體中所占的比重以及與其他類型相比較情況，可以很明顯地突出所要表達(dá)的重點(diǎn)。左圖所示為截至2023年5月接入新能源汽車大數(shù)據(jù)平臺(tái)的新能源汽車比例分布情況。50數(shù)據(jù)分析與處理數(shù)據(jù)可視化新能源汽車數(shù)據(jù)可視化4.熱力圖通過熱力圖可以清楚地看到每一個(gè)區(qū)域的數(shù)據(jù)焦點(diǎn)，能夠?qū)崿F(xiàn)實(shí)時(shí)直觀地展現(xiàn)充電需求、車輛分布等與地域信息密切相關(guān)的信息要素。左圖所示為北京地區(qū)某一時(shí)刻的充電需求熱力圖。51數(shù)據(jù)分析與處理數(shù)據(jù)可視化新能源汽車數(shù)據(jù)可視化5.行駛軌跡圖動(dòng)態(tài)的行駛軌跡圖可以直觀、實(shí)時(shí)地表現(xiàn)某一地區(qū)某一時(shí)刻的交通運(yùn)行狀態(tài)。左圖所示為北京地區(qū)某一時(shí)刻的新能源車輛行駛軌跡。52數(shù)據(jù)分析與處理數(shù)據(jù)可視化新能源汽車數(shù)據(jù)可視化6.知識(shí)圖譜新能源汽車故障診斷方面可以通過構(gòu)建可視化的知識(shí)圖譜，建立故障樹與數(shù)據(jù)庫之間的聯(lián)系。知識(shí)圖譜的UI界面知識(shí)圖譜的故障關(guān)系查詢模塊汽車大數(shù)據(jù)概述新能源汽車大數(shù)據(jù)采集數(shù)據(jù)分析與處理大數(shù)據(jù)應(yīng)用案例目錄54大數(shù)據(jù)應(yīng)用案例新能源汽車大數(shù)據(jù)平臺(tái)功能駕駛行為分析：可結(jié)合采集到的加速度、方向盤轉(zhuǎn)角、節(jié)氣門開度等參數(shù)分析用戶在不同場(chǎng)景、不同環(huán)境下的車輛使用情況，包括行駛環(huán)境、起步習(xí)慣、怠速狀況及加速行為等。車輛性能分析：可分析車輛在實(shí)際道路環(huán)境下的加速、減速、轉(zhuǎn)彎等性能表現(xiàn)，為車輛研發(fā)提供重要的依據(jù)。電池壽命預(yù)測(cè)：通過對(duì)電池充放電次數(shù)監(jiān)控、電池的衰減度分析，預(yù)測(cè)電池的剩余使用壽命。55大數(shù)據(jù)應(yīng)用案例新能源汽車大數(shù)據(jù)平臺(tái)功能電池性能評(píng)估：通過電池性能指標(biāo)進(jìn)行電池性能評(píng)估?？蛻舢嬒瘢和ㄟ^對(duì)車主的行駛區(qū)域、駕駛習(xí)慣、駕駛風(fēng)格等方面進(jìn)行分析，進(jìn)行車主畫像，從而為車輛的售后和研發(fā)提供依據(jù)。行程分析：以安全得分、綠色得分、安全指標(biāo)（急加速、急減速、急轉(zhuǎn)彎等）、綠色指標(biāo)（百公里能耗）對(duì)車輛行程進(jìn)行評(píng)估。遠(yuǎn)程診斷：基于實(shí)時(shí)的行車數(shù)據(jù)流進(jìn)行實(shí)時(shí)故障診斷，對(duì)于未發(fā)生的故障進(jìn)行風(fēng)險(xiǎn)預(yù)判，防患于未然。智能提醒：通過監(jiān)控車輛的運(yùn)行狀況、駕駛表現(xiàn)、環(huán)境參數(shù)等對(duì)車主進(jìn)行智能提醒。56大數(shù)據(jù)應(yīng)用案例新能源車輛大數(shù)據(jù)評(píng)價(jià)賽維評(píng)價(jià)規(guī)程能耗安全體驗(yàn)C-AHI中國(guó)汽車健康指數(shù)GB18384—2020《電動(dòng)汽車安全要求》DB31/T634—2020GB18352.6—2016《輕型汽車污染物排放限值及測(cè)量方法（中國(guó)第六階段）》GB/T18386.2—2022《電動(dòng)汽車能量消耗量和續(xù)駛里程試驗(yàn)方法第2部分：重型商用車輛》GB/T32960.3—2016駕駛體驗(yàn)?zāi)陀皿w驗(yàn)質(zhì)量體驗(yàn)出行體驗(yàn)評(píng)價(jià)維度參考

文件動(dòng)力電池作為新能源汽車中重要的儲(chǔ)能裝置，近年來頻發(fā)的動(dòng)力電池系統(tǒng)危險(xiǎn)故障加劇了電動(dòng)汽車消費(fèi)者的擔(dān)憂。對(duì)動(dòng)力電池系統(tǒng)進(jìn)行故障診斷，明確故障類型，定位故障位置，避免故障發(fā)生，對(duì)新能源汽車汽車的穩(wěn)定性提升有十分積極的作用。大數(shù)據(jù)應(yīng)用案例新能源車輛安全狀態(tài)分析與應(yīng)用本案例通過3σ多層次篩選算法，建立電壓離群點(diǎn)檢測(cè)模型，研究動(dòng)力電池電壓的變化規(guī)律和異常波動(dòng)，并據(jù)此判定故障概率，最后與實(shí)車對(duì)應(yīng)，將數(shù)據(jù)統(tǒng)計(jì)故障診斷結(jié)論轉(zhuǎn)換成實(shí)際車輛故障診斷結(jié)論。571.對(duì)于小部分車輛，某個(gè)不確定位置的電池單體電壓經(jīng)常超3σ范圍，并且它們的故障頻率通常超過90%。定義這種故障為偶然故障，原因?yàn)槟承┡既坏膯栴}（如生產(chǎn)問題、意外情況）導(dǎo)致的該單體故障概率比較大，如圖a所示。58大數(shù)據(jù)應(yīng)用案例電池系統(tǒng)常見故障2.對(duì)于大部分車輛，有一個(gè)或幾個(gè)固定的位置的電池單體，它們的故障頻率低于35%，如圖b、c、d所示。這種故障的原因主要是設(shè)計(jì)缺陷和一些固有的系統(tǒng)問題。稱為固有故障。59大數(shù)據(jù)應(yīng)用案例動(dòng)力電池系統(tǒng)健康狀態(tài)評(píng)估與故障診斷動(dòng)力電池的電壓故障是動(dòng)力電池主要故障之一，主要表現(xiàn)為由電池不一致性導(dǎo)致的過充、過放等問題。大多數(shù)電池故障診斷方法仍是基于試驗(yàn)數(shù)據(jù)進(jìn)行研究，缺少基于實(shí)車動(dòng)力電池?cái)?shù)據(jù)的研究。因此對(duì)整車動(dòng)力電池系統(tǒng)進(jìn)行健康狀態(tài)評(píng)估和故障診斷預(yù)警研究非常必要。如何評(píng)估與診斷評(píng)估指標(biāo)？診斷閾值？香農(nóng)熵：1984年由香農(nóng)提出，主要用來解決信息量化度量問題，目前被廣泛應(yīng)用在信息科學(xué)、圖像處理等眾多領(lǐng)域，其中主要用在對(duì)系統(tǒng)的混亂程度的描述。60大數(shù)據(jù)應(yīng)用案例電池單體的異常檢測(cè)H（X）表示樣本熵值；P（Xi）表示在第i

區(qū)間內(nèi)的時(shí)間發(fā)生的概率密度；n是區(qū)間個(gè)數(shù)Z分?jǐn)?shù)也叫標(biāo)準(zhǔn)分?jǐn)?shù)，在統(tǒng)計(jì)和金融領(lǐng)域具有風(fēng)險(xiǎn)預(yù)測(cè)的功能，是一個(gè)分?jǐn)?shù)與平均數(shù)的差再除以標(biāo)準(zhǔn)差的過程。x為某一具體分?jǐn)?shù)；μ為平均數(shù)；σ為標(biāo)準(zhǔn)差。標(biāo)準(zhǔn)分?jǐn)?shù)Z能夠真實(shí)反映一個(gè)分?jǐn)?shù)距離平均數(shù)的相對(duì)標(biāo)準(zhǔn)距離。異常系數(shù)A可以表征電池單體的狀態(tài)，通過電池運(yùn)行數(shù)據(jù)確定單體異常診斷的閾值，當(dāng)某單體異常系數(shù)大于診斷閾值，則認(rèn)為該單體出現(xiàn)故障。61大數(shù)據(jù)應(yīng)用案例電池單體的異常檢測(cè)

為檢測(cè)異常的電池單體，確定一個(gè)合理的實(shí)時(shí)檢測(cè)和評(píng)估標(biāo)準(zhǔn)，建立基于Z分?jǐn)?shù)的異常系數(shù)基于國(guó)家級(jí)新能源汽車監(jiān)控管理與服務(wù)平臺(tái)的數(shù)據(jù)，以京B1Y***的實(shí)車監(jiān)控?cái)?shù)據(jù)進(jìn)行分析。B1Y***于2016-09-09的09：50：16-10：10：16發(fā)生了過電壓報(bào)警（單體電壓大于3.6V，屬于大數(shù)據(jù)平臺(tái)二級(jí)故障）。62大數(shù)據(jù)應(yīng)用案例電池異常檢測(cè)案例分析a和b分別顯示故障發(fā)生前1h的電壓曲線和熵值曲線。c和d分別表示故障發(fā)生前一天的電壓曲線和熵值曲線。明顯看出71號(hào)單體的電壓和熵值曲線變化異常。因此可實(shí)現(xiàn)提前1h或者提前一天就對(duì)將發(fā)生異常的單體電池進(jìn)行報(bào)警與提醒。63大數(shù)據(jù)應(yīng)用案例電池單體異常分級(jí)根據(jù)異常系數(shù)A的值將電壓健康狀態(tài)實(shí)時(shí)評(píng)估和預(yù)警策略分為3個(gè)級(jí)別：第1級(jí)：當(dāng)所有的單體異常系數(shù)都符合|A|≤3.5時(shí)，被檢測(cè)車輛的