近日,GB 7258--2017《機動車運行安全技術條件》國家標準第 2 號修改單發布,自 2022 年 1 月 1 日開始,新生產的乘用車要求配備 EDR(Event Data Recorder,汽車事件數據記錄系統),也被俗稱為汽車的“黑匣子”。

早在2016年,工信部就在《新能源汽車生產企業及產品準入管理規定》中對新能源汽車的產品運行狀態、全生命周期運行和安全狀態及使用維修情況做了監測規定。此次國標條例更新,給傳統車企帶來了新的挑戰和要求。除了基礎數據的硬件采集,如何利用數據提高車輛安全性,優化車輛設計成為新的議題。

目前傳統車企及新能源車企在數據方面都面臨以下場景問題:

電池信息實時監控,車輛運行狀態監控,車輛故障實時預警,車輛歷史工況數據查詢,對接國家監管平臺。電池性能/剩余壽命分析,車輛能耗分析,駕駛行為分析,關鍵零部件健康分析,自動報表導出等。

新時代出行背景與特點

2020年3月,國家提出了加快新基建的建設進度,汽車出現了新四化:智能化、電動化、共享化、網聯化;數字轉型、智能升級、融合創新將成為整個汽車制造行業關注的焦點,同年4月,提出了“積極發展新能源”。今年7月,中央高層級會議提出“支持新能源車加快發展”,新能源、智能大數據、車聯網、無人駕駛、新材料等技術的應用,正在顛覆傳統汽車產業模式。整車廠面對新時代新挑戰,已開始布局出行行業,為未來轉型發展奠定基礎。

數據分析在新時代出行方面的應用案例

根據新能源車相關法規要求,結合Altair數據分析工具的特點,在此介紹兩個方面的應用案例。

網聯車輛監控及其應用

網聯車輛是利用傳感技術感知車輛的狀態信息,并借助無線通信網絡與現代智能信息處理技術實現交通的智能化管理、交通信息服務的智能決策和車輛的智能化控制。網聯車輛監控可以實現下面幾個業務價值:

實時掌握車輛運行狀態,針對不同車輛進行實時故障統計和反饋,大幅提高了質量改進效率;監控新能源車輛行駛狀態,實時了解車輛性能,特別是電池溫度、剩余電量等狀態,及時反饋給運行商或駕駛員;出租車隊、物流車隊、特殊運輸車輛(冷鏈物流,危險品運輸等),實時了解包括車輛、駕駛員狀態之外的運輸物品狀態,讓管理團隊和駕駛員及時了解信息;汽車分時租賃、共享汽車運營商可以實時獲取車輛所在的位置,減少停工期并準確地監控車輛狀態。

Altair數據分析案例:實時監控駕駛員狀態和分析駕駛行為

本案例以車輛和駕駛員兩個維度去監控,對于車輛,可以查看車輛的地理位置,車速,車輛的各種屬性;對于駕駛員,可以查看是否系安全帶,持續駕駛時間,并可分析是否有異常駕駛行為等等。Altair數據分析解決方案不僅能實現對于信息的實時查看和監控,更能通過分析改進車輛運行效率,避免車輛和駕駛員的事故發生,減少車輛停工期,為企業規避風險的同時,進一步提升運營收入。

新能源車電池壽命預測

新能源電池,由于其材料化學原理,經過一定的充放電次數后,電池續航里程將下降,無論是對于廠家,還是用戶,都需要了解其電池的續航能力,即剩余壽命,由于每個用戶的使用環境,頻率,場景不一樣,電池衰減也不一樣,這樣就有必要去預測一下電池的剩余壽命。目前比較流行的是采用機器學習方法,對大量的歷史使用數據,進行統計分析得出相關的剩余使用壽命。

Altair的數據分析解決方案中所涵蓋的機器學習工具Knowledge Studio,采用自帶的多種預測模型,可以很好的預測出電池的剩余使用壽命。

下面的圖片介紹了利用Knowledge Studio來預測電池剩余使用壽命的案例,從結果可見預測的剩余壽命與實際的檢測結果非常接近。

Altair Knowledge Studio電池壽命預測流程圖,直觀的拖拽界面易于使用

預測的剩余壽命與實際的檢測結果非常接近

除了上述兩個應用案例之外,數據分析在車輛的研發,生產,運營等領域,還可以做下述幾個方面的應用,如果您對于這些行業應用感興趣,可以與我們共同探討:[email protected]

生產車間設備(比如機器人)預測性分析與維護

車輛熱管理智能控制系統

材料參數與性能預測和優化

行人保護與深度學習

保修風險狀況分析

問題根源分析

構建專家系統

2022年車聯網及物聯網趨勢預測

Altair首席技術官Sam Mahalingam認為2022年的物聯網趨勢有兩個主要的關鍵詞:分布式云與持續智能。

分布式云將是物聯網/工業互聯網成功的答案。隨著物聯網應用的增加,特別是在通過工業互聯網的制造車間,越來越多的實時數據源從不同的系統中發揮作用。對于企業來說,要利用這項技術,無論是為了提高效率還是預測性維護,數據處理都需要在兩個不同的層面上進行:首先,實時數據洞察需要在邊緣收集,然后流回到云中。利用這種“分布式云”方法將是企業通過創造更好的靈活性、可擴展性和處理能力來滿足特定時間和性能要求的最佳方式。2022年,尋求更多參與IoT的企業采用分布式云框架,將云計算能力從數據中心擴展到邊緣。

持續智能實現更靈活的業務決策。企業比以往任何時候需要對更多的數據進行處理。隨著制造商和其他企業以更高的效率提供新的產品理念,新的數據分析模型(如增強分析和持續智能)對于提升思維至關重要。例如,把持續智能,實時分析集成到業務運營中,使用戶能夠最大限度地利用其數據。由于持續智能處于“無摩擦狀態”,消除了中間環節,企業可以利用這些基于自動化計算和具體建議的持續、人工智能驅動的見解,在數據事件發生時做出可操作、前瞻性的決策。這種更準確的信息模型有利于需要及時響應的業務領域,包括供應鏈、欺詐檢測、客戶體驗和物聯網制造。