数据分析在新时代出行方面的应用与探讨

近日,GB 7258--2017《机动车运行安全技术条件》国家标准第 2 号修改单发布,自 2022 年 1 月 1 日开始,新生产的乘用车要求配备 EDR(Event Data Recorder,汽车事件数据记录系统),也被俗称为汽车的“黑匣子”。

早在2016年,工信部就在《新能源汽车生产企业及产品准入管理规定》中对新能源汽车的产品运行状态、全生命周期运行和安全状态及使用维修情况做了监测规定。此次国标条例更新,给传统车企带来了新的挑战和要求。除了基础数据的硬件采集,如何利用数据提高车辆安全性,优化车辆设计成为新的议题。

目前传统车企及新能源车企在数据方面都面临以下场景问题:

电池信息实时监控,车辆运行状态监控,车辆故障实时预警,车辆历史工况数据查询,对接国家监管平台。电池性能/剩余寿命分析,车辆能耗分析,驾驶行为分析,关键零部件健康分析,自动报表导出等。

新时代出行背景与特点

2020年3月,国家提出了加快新基建的建设进度,汽车出现了新四化:智能化、电动化、共享化、网联化;数字转型、智能升级、融合创新将成为整个汽车制造行业关注的焦点,同年4月,提出了“积极发展新能源”。今年7月,中央高层级会议提出“支持新能源车加快发展”,新能源、智能大数据、车联网、无人驾驶、新材料等技术的应用,正在颠覆传统汽车产业模式。整车厂面对新时代新挑战,已开始布局出行行业,为未来转型发展奠定基础。

数据分析在新时代出行方面的应用案例

根据新能源车相关法规要求,结合Altair数据分析工具的特点,在此介绍两个方面的应用案例。

网联车辆监控及其应用

网联车辆是利用传感技术感知车辆的状态信息,并借助无线通信网络与现代智能信息处理技术实现交通的智能化管理、交通信息服务的智能决策和车辆的智能化控制。网联车辆监控可以实现下面几个业务价值:

实时掌握车辆运行状态,针对不同车辆进行实时故障统计和反馈,大幅提高了质量改进效率;监控新能源车辆行驶状态,实时了解车辆性能,特别是电池温度、剩余电量等状态,及时反馈给运行商或驾驶员;出租车队、物流车队、特殊运输车辆(冷链物流,危险品运输等),实时了解包括车辆、驾驶员状态之外的运输物品状态,让管理团队和驾驶员及时了解信息;汽车分时租赁、共享汽车运营商可以实时获取车辆所在的位置,减少停工期并准确地监控车辆状态。

Altair数据分析案例:实时监控驾驶员状态和分析驾驶行为

本案例以车辆和驾驶员两个维度去监控,对于车辆,可以查看车辆的地理位置,车速,车辆的各种属性;对于驾驶员,可以查看是否系安全带,持续驾驶时间,并可分析是否有异常驾驶行为等等。Altair数据分析解决方案不仅能实现对于信息的实时查看和监控,更能通过分析改进车辆运行效率,避免车辆和驾驶员的事故发生,减少车辆停工期,为企业规避风险的同时,进一步提升运营收入。

新能源车电池寿命预测

新能源电池,由于其材料化学原理,经过一定的充放电次数后,电池续航里程将下降,无论是对于厂家,还是用户,都需要了解其电池的续航能力,即剩余寿命,由于每个用户的使用环境,频率,场景不一样,电池衰减也不一样,这样就有必要去预测一下电池的剩余寿命。目前比较流行的是采用机器学习方法,对大量的历史使用数据,进行统计分析得出相关的剩余使用寿命。

Altair的数据分析解决方案中所涵盖的机器学习工具Knowledge Studio,采用自带的多种预测模型,可以很好的预测出电池的剩余使用寿命。

Altair Knowledge Studio电池寿命预测流程图,直观的拖拽界面易于使用

预测的剩余寿命与实际的检测结果非常接近

生产车间设备(比如机器人)预测性分析与维护

车辆热管理智能控制系统

材料参数与性能预测和优化

行人保护与深度学习

保修风险状况分析

问题根源分析

构建专家系统

2022年车联网及物联网趋势预测

Altair首席技术官Sam Mahalingam认为2022年的物联网趋势有两个主要的关键词:分布式云与持续智能。

分布式云将是物联网/工业互联网成功的答案。随着物联网应用的增加,特别是在通过工业互联网的制造车间,越来越多的实时数据源从不同的系统中发挥作用。对于企业来说,要利用这项技术,无论是为了提高效率还是预测性维护,数据处理都需要在两个不同的层面上进行:首先,实时数据洞察需要在边缘收集,然后流回到云中。利用这种“分布式云”方法将是企业通过创造更好的灵活性、可扩展性和处理能力来满足特定时间和性能要求的最佳方式。2022年,寻求更多参与IoT的企业采用分布式云框架,将云计算能力从数据中心扩展到边缘。

持续智能实现更灵活的业务决策。企业比以往任何时候需要对更多的数据进行处理。随着制造商和其他企业以更高的效率提供新的产品理念,新的数据分析模型(如增强分析和持续智能)对于提升思维至关重要。例如,把持续智能,实时分析集成到业务运营中,使用户能够最大限度地利用其数据。由于持续智能处于“无摩擦状态”,消除了中间环节,企业可以利用这些基于自动化计算和具体建议的持续、人工智能驱动的见解,在数据事件发生时做出可操作、前瞻性的决策。这种更准确的信息模型有利于需要及时响应的业务领域,包括供应链、欺诈检测、客户体验和物联网制造。