基于大数据技术的智能网联汽车

2020-09-06包崇美裘臻

时代汽车 2020年13期

包崇美裘臻

摘要：通过研究国内外大数据技术在智能网联汽车方面的应用，结合车联网管理系统和云计算技术、大数据技术构建了智能网联汽车大数据技术架构，实现车辆从车辆管理控制、车路协同、精准导航地图、自动驾驶等完整业务链的整体贯通，使车辆应用领域与管理领域的数据流进行有效的协调和衔接。通过论证和分析，表明该架构在智能网联汽车领域具有一定的可行性和广阔的发展应用前景。

关键词：物联网大数据智能网联汽车架构

1 引言

随着社会经济的迅速发展，人类生活水平逐渐提高，公务车辆和私人车辆的数量逐年递增，车辆管控难度也不断加大，传统的管理方法已经不能满足建设和运营的需要。现有车辆管理系统存在信息获取和共享周期长、管理人员工作强度大、交通业务复杂、数据量大、安全监控保证性弱、决策不及时、协作运营低效等缺陷。利用物联网、大数据技术保证车辆本体及周边环境的安全，通过数据整理挖掘改进行驶策略，通过车辆能耗检测、路况分析和堵车预判、驾驶员驾驶习惯统计分析提供较低能耗、减少排放、规划合理路线、预防驾驶疲劳实时路况提醒等行驶方案[1]。

近几年来，我国智能网联汽车技术不断发展，车联网与智能车开始联合，车辆中逐渐搭载了更为先进的感知系统（如环境传感器、微波雷达等）、控制系统（如嵌入式芯片、信号处理芯片）、执行机构等装置，同时融合5G、WIFI、卫星等现代通信技术，实现车与驾驶员、车与路况、车与监控管理云平台的有机结合。通过实时信息的交换共享，实现安全、节能、舒适、智能、高效的行驶，同时自动驾驶技术也开始起步发展[2]。随着物联网、大数据技术的研究与发展，为智能网联汽车的进步提供了发展契机。

2 智能网联汽车大数据技术架构研究

本文以智能网联汽车的发展需求为主导，结合国内外现有智能网联领域较为成熟的技术成果，建立智能网联汽车大数据技术架构，推进汽车管理的科学化和智能化。

智能网联汽车大数据技术架构图如图1所示。

2.1 感知系统

智能网联汽车发展最重要的一环就是数据处理，数据化可以使车辆信息可测、可视、可控。数据调查显示，智能网联汽车对系统安全性要求较高，需要保证信息的有效整合存储，同时实现分析预判。而大数据的云存储技术与数据挖掘技术刚好可以解决这一需求[3]。

感知系统能够感知信号、采集信息。

感知信号：搭载在车辆上的车载传感器、环境传感器、微波雷达等检测多种信号，比如路况、车速、油/电量、驾驶员状态、温度、振动、烟雾、光线、粉尘、图片与视频、地质数据、天气数据、环境数据、交通模型、建筑模型至信号处理系统，实时精准反映车辆及其周围环境与路况[4]，利用功能强大的云计算、大数据平台对实时、精确的传感数据进行动态分析、仿真模拟和数据挖掘实现风险的预防控制，确保车辆行驶安全。

2.2 网络传输系统

物联网通信技术能够完成感知信息和数据的可靠传输。大数据技术的智能网联汽车主要应用无线通信技术，无线通信技术主要包括无线电通信、微波通信、红外通信等。

目前常用的技术包括蓝牙、ZigBee，NFC，UWB，WI-FI等。无线广域网采用无线网络把物理距离分散的局域网连接起来，互连分布较远的各局域网，如：全球移动通信技术（GSM）、通用分组无线服务技术（GPRS）、卫星通讯网、第五代移动通信技术（5G）等。

2.3 应用系统

应用系统的主要实现数据采集与存储和数据挖掘与应用。本架构中的应用系统是通过云计算、大数据平台完成的。平台通过网络传输系统接收感知系统采集的多种数据，首先进行数据分类和云存储，然后进行分析计算，充分挖掘数据的潜在价值，给出处理意见，辅助驾驶员实现对车辆的智能驾驶。

应用系统包括了车路协同控制云平台和道路交通应用系统等。车路协同控制云平台利用数据的及时性做出准确的风险预估，公安交警可以不受时间与空间的限制，及时查询获取车辆的各类信息，经分析后给出相应指示，提升应急响应的处理能力;道路交通应用系统下的公共交通公司利用大数据等技术充分挖掘数据价值，提高公交、出租运营效率;特种车辆能够准确定位目标地点，通过大数据给出最优行驶路线，同时上传车辆行驶信息至平台，提醒行驶车辆进行避让[5]。

智能网联汽车大数据技术架构具有以下三个方面的优势：

2.3.1 数据采集的广泛性与实时性

利用物联网技术能够完成多种类、多渠道的海量数据的自动采集，同时保证数据实时获取，能够满足车辆自动行驶与智能管理的需求。

2.3.2 数据有效存储及处理

本架构充分利用分布式云存储技术，打破了传统的数据存储方式，建立多区域数据中心形成V2X SERVER管理系统和智能网联数据开放系统等。

2.3.3 通过更加及时准确的分析和决策

辅助驾驶员规避拥堵路段，降低交通风险事故，提升交通管理的水平。

（1）在物联网的基础上，车辆自身可以获取全面丰富的数据，借助云计算平臺对海量数据的综合分析与数据挖掘，实现更加灵活的路线规划、更加准确风险预估和更加安全的自动行驶。

（2）公安交警可以不受时间与空间的限制，研究分析后给出相关指示，提升应急响应及业务处理能力。对于公共交通车辆和特种车辆，平台可以针对特定区域对不同车辆进行协调控制，保证畅通无阻的行驶;对于高强度运营车辆的驾驶时间、实时位置、行驶路线、周围路况、气象信息等数据的进行采集和分析，判断运营车辆是否出现违章现象和驾驶疲劳，通过智能网联车辆的远程提醒及控制功能，避免发生交通事故和意外事故;对于已经发生的交通事故，平台通过对交管、医疗、保险等资源的有效调度，大幅提高道路安全救援、实时道路管理，提高救灾救险，防止拥堵和二次事故的发生[6]。

（3）公共交通公司通过云计算平台实现对所有运营车辆控制，通过这种方式运营车辆专注自身行驶和对网络的响应，云端平台专注安全监控。同时利用大数据技术从多维度挖掘数据价值，加强车辆的风险预控能力，提高运营效率，提升决策管理水平，预测潜在风险[7]。

（4）自动驾驶技术的发展需要依托大数据完成，基于大数据对车辆性能、实时车况、行驶路线的分析，结合天气环境、建筑场景等数据进行处理、分析和挖掘，提取数据中所隐藏的价值，使数据智能化，实现车辆的自动行驶、预测判断与适应性调整等[8]。

3 总结

现阶段智能网联汽车处于起步阶段，但随着智能网联汽车大数据技术的普及，将会为消费者提供更加智能、安全、便捷的出行体验[9]。

智能网联汽车大数据技术架构目的在于实现车辆相关数据的自动采集和处理，结合云计算技术实现多源、多种类的海量数据整合和处理分析，同时利用大数据技术从多角度分析数据价值，结合需求进行挖掘分析优化，提高经济效益，推进智能网联汽车的发展。

参考文献：

[1]吴武飞，李仁发，曾刚，谢勇，谢国琪.智能网联车网络安全研究综述[J/OL].通信学报：1-14[2020-06-14].http：//kns.cnki.net/kcms/detail/11.2102.TN.20200609.1216.004.html.

[2]陈晓鹏，张京京.智能网联汽车发展现状与展望[J].汽车实用技术，2020（10）：43-45.

[3]陈琦.汽车售后供应链与“大数据”的无间融合[J].汽车与配件，2020（10）：24-27.

[4]侯昕田，高鸿.智能网联汽车信息安全与发展建议[J].汽车与配件，2020（10）：64-67.

[5]龚梦泽. 全国人大代表、上汽集团董事长陈虹加快智能网联汽车发展技术破题交通管理[N].证券日报，2020-05-22（A03）.

[6]田家森，丁超.互联智能汽车关键技术及其发展方向[J].计算机产品与流通，2020（07）：104.