2020年12月23日，中國(guó)汽研成功舉辦《2020第三屆新能源汽車測(cè)試評(píng)價(jià)技術(shù)國(guó)際論壇》。中國(guó)汽研將持續(xù)為大家推送精彩演講實(shí)錄，本文為中國(guó)汽研數(shù)據(jù)中心數(shù)據(jù)產(chǎn)品部部長(zhǎng)程端前帶來的《新能源汽車安全預(yù)警算法開發(fā)及測(cè)試評(píng)價(jià)》。

1.新能源汽車的發(fā)展機(jī)遇與挑戰(zhàn)

截至2020年6月，我國(guó)新能源汽車保有量已突破400萬輛，占全球新能源汽車全球保有量的50%以上。根據(jù)《新能源汽車產(chǎn)業(yè)發(fā)展規(guī)劃》（2021-2035），到2025年，新能源汽車新車銷售量將達(dá)到汽車新車銷售總量的20%左右。預(yù)計(jì)到2035年，我國(guó)新能源汽車保有量將突破1.6億輛。與此同時(shí)，新能源汽車面臨包括里程、安全、保值3大焦慮，隨著保有量的增加以及里程的提升，里程和保值的問題都可以迎刃而解，但安全問題將會(huì)伴隨新能源汽車的發(fā)展過程，經(jīng)調(diào)查發(fā)現(xiàn)新能源汽車安全問題重點(diǎn)體現(xiàn)在電池方面，包括在行駛中、碰撞后、靜置中、充電中、水淹后等各環(huán)節(jié)。新能源汽車安全是一個(gè)全行業(yè)的問題，政府、企業(yè)、行業(yè)和公眾都給予大量的關(guān)注，政府出臺(tái)相關(guān)文件明確提出加強(qiáng)監(jiān)管力度；企業(yè)加強(qiáng)提升自身研發(fā)能力；行業(yè)聚焦安全預(yù)警研究。

2.新能源汽車安全風(fēng)險(xiǎn)控制主要方向

行業(yè)內(nèi)新能源汽車安全風(fēng)險(xiǎn)控制技術(shù)主要從兩個(gè)方向展開：一是基于單車BMS的實(shí)時(shí)安全風(fēng)險(xiǎn)識(shí)別（基于單車BMS實(shí)時(shí)采集數(shù)據(jù)，車企根據(jù)電池安全使用邊界，制訂相應(yīng)的針對(duì)實(shí)時(shí)數(shù)據(jù)的控制和報(bào)警策略）；二是基于云端大數(shù)據(jù)平臺(tái)的云端安全風(fēng)險(xiǎn)識(shí)別（基于批量在用車上傳的歷史數(shù)據(jù)，根據(jù)電池安全使用邊界和關(guān)鍵安全特征參數(shù)歷史數(shù)據(jù)變化規(guī)律等進(jìn)行安全風(fēng)險(xiǎn)識(shí)別和預(yù)警）。兩者之間有不同數(shù)據(jù)的要求和技術(shù)研究方向，單車基于實(shí)時(shí)企標(biāo)數(shù)據(jù)分析，對(duì)于電池安全使用邊界和熱失控邊界條件的識(shí)別比較及時(shí)和準(zhǔn)確，但風(fēng)險(xiǎn)識(shí)別較為滯后，提前識(shí)別安全風(fēng)險(xiǎn)難度較大，重點(diǎn)在于處理突發(fā)的安全問題，提示整車或司機(jī)做出保護(hù)動(dòng)作；批量在用車基于歷史數(shù)據(jù)變化規(guī)律，可實(shí)現(xiàn)對(duì)安全風(fēng)險(xiǎn)的早期識(shí)別和預(yù)警，但不同體系和安全使用邊界差異較大，影響精度，重點(diǎn)在于對(duì)安全風(fēng)險(xiǎn)車輛的提前識(shí)別和預(yù)警，指導(dǎo)車企做出預(yù)警和檢修動(dòng)作。兩者在業(yè)內(nèi)均進(jìn)行相關(guān)的研究和發(fā)展，中國(guó)汽研在新能源汽車安全預(yù)警方面也開展了重要工作。

在國(guó)家工信部、國(guó)家科技部、市場(chǎng)監(jiān)管總局的信任和支持下，中國(guó)汽研陸續(xù)開展了四項(xiàng)國(guó)家級(jí)新能源汽車安全課題研究，逐步完成了集數(shù)據(jù)庫(kù)建設(shè)、數(shù)據(jù)分析、模型開發(fā)、平臺(tái)建設(shè)、軟件開發(fā)各方面能力建設(shè)，最終形成中國(guó)汽研獨(dú)有的技術(shù)優(yōu)勢(shì)。在安全預(yù)警算法開發(fā)過程中，發(fā)現(xiàn)有兩個(gè)痛點(diǎn)：一是模型驗(yàn)證測(cè)試難度大，隨著業(yè)內(nèi)開展新能源汽車安全預(yù)警算法模型研究的企業(yè)機(jī)構(gòu)逐漸增多，受數(shù)據(jù)局限，模型有效性的驗(yàn)證成本高；二是事故數(shù)據(jù)未充分使用。依托于中國(guó)汽研長(zhǎng)期開展的事故車數(shù)據(jù)研究基礎(chǔ)，事故車的共性風(fēng)險(xiǎn)特征可以進(jìn)行有效提取，為此，結(jié)合起來形成一套安全預(yù)警算法的服務(wù)平臺(tái)。

3.TIVES算法服務(wù)平臺(tái)

該平臺(tái)簡(jiǎn)稱為TIVES（Test，Integrate，Verify，Evaluate，Spread）平臺(tái)，基于豐富的事故車數(shù)據(jù)及算法測(cè)試技術(shù)，提供安全預(yù)警算法測(cè)試、驗(yàn)證和評(píng)價(jià)服務(wù)，提升行業(yè)整體水平，集成、推廣行業(yè)優(yōu)秀模型算法。平臺(tái)的功能定位為6大方向：為行業(yè)提供實(shí)驗(yàn)數(shù)據(jù)管理；數(shù)據(jù)測(cè)試集支持個(gè)性化定制；實(shí)現(xiàn)外部信息化平臺(tái)對(duì)接；提供彈性計(jì)算服務(wù)；提供彈性存儲(chǔ)空間；提供多場(chǎng)景下數(shù)據(jù)測(cè)試集。

TIVES算法服務(wù)平臺(tái)應(yīng)用相關(guān)數(shù)據(jù)處理技術(shù)，完成測(cè)試集構(gòu)建，兼容不同場(chǎng)景和模型測(cè)試。從架構(gòu)圖來講，分為四個(gè)階段，一是數(shù)據(jù)采集，首先要進(jìn)行非標(biāo)準(zhǔn)數(shù)據(jù)的標(biāo)注化工作，接入多種多樣的數(shù)據(jù)源，之后進(jìn)行數(shù)據(jù)處理，包括數(shù)據(jù)的解析、解碼、校驗(yàn)、存儲(chǔ)等相關(guān)采集工作；二是數(shù)據(jù)治理，首先進(jìn)行數(shù)據(jù)TTL清洗，包括時(shí)間格式、充放電狀態(tài)、編碼格式、列名統(tǒng)一以及數(shù)據(jù)拼接等一系列數(shù)據(jù)清洗工作，同時(shí)也要做數(shù)據(jù)質(zhì)量的核查，包括數(shù)據(jù)校驗(yàn)、用戶關(guān)聯(lián)校驗(yàn)等；數(shù)據(jù)采集和數(shù)據(jù)治理是TIVES平臺(tái)很重要的基礎(chǔ)性工作。三是數(shù)據(jù)倉(cāng)庫(kù)，即根據(jù)不同的事故類型、電池類型、用途維度、區(qū)域維度、里程維度等，打上不同的數(shù)據(jù)標(biāo)簽，這些標(biāo)簽便于后續(xù)做數(shù)據(jù)的個(gè)性化處理；四是數(shù)據(jù)智能，根據(jù)在測(cè)試集的方向，比如圍繞安全預(yù)警，壽命預(yù)測(cè)，SOH評(píng)估等不同的測(cè)試場(chǎng)景，提供不同的測(cè)試服務(wù)內(nèi)容。

測(cè)試集是面向模型測(cè)試的數(shù)據(jù)基礎(chǔ)，并搭載數(shù)據(jù)智能引擎，高效積累數(shù)據(jù)資產(chǎn)，賦能不同測(cè)試場(chǎng)景，助力企業(yè)、高校、研究機(jī)構(gòu)測(cè)試驗(yàn)證模型有效性和可行性。整個(gè)測(cè)試數(shù)據(jù)集的構(gòu)建，最重要的兩點(diǎn)：數(shù)據(jù)校驗(yàn)，包括時(shí)間排序、數(shù)據(jù)統(tǒng)一，便于為后續(xù)測(cè)試提供更準(zhǔn)確的輸入；數(shù)據(jù)脫敏，包括車型、區(qū)域、用途、種類脫敏，通過脫敏可以更好地解決隱私保護(hù)和測(cè)試服務(wù)之間的平衡，測(cè)試數(shù)據(jù)集構(gòu)建本身也是提出相應(yīng)的規(guī)則和算法。

核心數(shù)據(jù)項(xiàng)，在整個(gè)新能源汽車的數(shù)據(jù)采集過程中有很多項(xiàng)數(shù)據(jù)，經(jīng)過前期的大量驗(yàn)證，和安全相關(guān)的大概有23項(xiàng)脫敏數(shù)據(jù)，這23項(xiàng)數(shù)據(jù)涵蓋做預(yù)警預(yù)測(cè)及相關(guān)關(guān)聯(lián)分析的方方面面，包括單品、整個(gè)電池包的相關(guān)信息以及不同電壓傳感器、溫度傳感器、里程、絕緣電阻、車速、定位等。不同廠家如何去解決共性問題，通過現(xiàn)有事故車數(shù)據(jù)整理發(fā)現(xiàn)：根據(jù)事故車數(shù)據(jù)標(biāo)簽特征統(tǒng)計(jì)，標(biāo)準(zhǔn)測(cè)試集中盡可能多的覆蓋事故車特征及數(shù)據(jù)。

通過實(shí)踐研究，在算法評(píng)價(jià)里面分為4個(gè)核心指標(biāo)，一是查準(zhǔn)率，表示預(yù)測(cè)危險(xiǎn)車結(jié)果中真正的危險(xiǎn)車所占比例；二是查全率，表示預(yù)測(cè)出的危險(xiǎn)車占實(shí)際事故車中的比例；三是運(yùn)行時(shí)間，相同的測(cè)試集及計(jì)算資源條件下，不同算法計(jì)算結(jié)果的運(yùn)行時(shí)間；四是預(yù)測(cè)提前時(shí)間，相同測(cè)試集下，不同算法對(duì)危險(xiǎn)車拐點(diǎn)提前時(shí)間。同時(shí)也有一些擴(kuò)展指標(biāo)，這些評(píng)價(jià)指標(biāo)一方面可以提供給用戶做測(cè)試的參考，一方面依照指標(biāo)可以對(duì)對(duì)方的算法進(jìn)行驗(yàn)證。

TIVES體系提供測(cè)試、集成、驗(yàn)證、評(píng)價(jià)、推廣服務(wù)。業(yè)務(wù)服務(wù)的完整流程分為算法接入和算法測(cè)試兩個(gè)階段。從用戶體驗(yàn)來講，分為賬號(hào)登錄、開始測(cè)試、選擇數(shù)據(jù)、創(chuàng)建程序、執(zhí)行程序、查看結(jié)果一整套流程。TIVES算法服務(wù)平臺(tái)部分功能界面參考：賬號(hào)登錄、樣本數(shù)據(jù)列表、樣本數(shù)據(jù)詳情，控制臺(tái)初始化沙箱、收藏?cái)?shù)據(jù)、以及編輯和管理程序。

TIVES算法服務(wù)平臺(tái)的高性能處理技術(shù)：異構(gòu)數(shù)據(jù)能力（通過對(duì)異構(gòu)數(shù)據(jù)進(jìn)行適配轉(zhuǎn)化，統(tǒng)一格式數(shù)據(jù)，加快對(duì)接速度，提升合作效率）；數(shù)據(jù)集成能力（集成互斥樣本集，滿足多場(chǎng)景、多工況模型測(cè)試）；數(shù)據(jù)計(jì)算能力（支持批量車輛計(jì)算，復(fù)雜模型計(jì)算，黑盒計(jì)算）；數(shù)據(jù)存儲(chǔ)能力（大數(shù)據(jù)量的數(shù)據(jù)存儲(chǔ)，專業(yè)的車輛數(shù)據(jù)結(jié)構(gòu)）。整合企業(yè)數(shù)據(jù)、平臺(tái)數(shù)據(jù)實(shí)現(xiàn)統(tǒng)一批量數(shù)據(jù)存儲(chǔ)與分析，滿足不同模型和應(yīng)用場(chǎng)景的數(shù)據(jù)及計(jì)算需求，深度軟硬件協(xié)同優(yōu)化設(shè)計(jì)，形成持續(xù)高效數(shù)據(jù)采集、處理、計(jì)算能力，以及分析模型測(cè)試能力。

TIVES算法服務(wù)平臺(tái)的信息安全，通過設(shè)置獨(dú)立賬戶、沙箱環(huán)境、數(shù)據(jù)隔離、黑盒測(cè)試等方式保障算法及數(shù)據(jù)的安全，用戶通過獨(dú)立賬戶進(jìn)入數(shù)據(jù)平臺(tái)，每個(gè)用戶擁有獨(dú)立的沙箱環(huán)境，可預(yù)覽數(shù)據(jù)信息、不可復(fù)制下載，編程環(huán)境支持編譯后程序執(zhí)行，保障程序安全。保證在合理、可控、安全的環(huán)境進(jìn)行相關(guān)的測(cè)試工作。

4.TIVES算法服務(wù)平臺(tái)更多應(yīng)用

未來，基于TIVES算法服務(wù)平臺(tái)，開展事故車典型工況數(shù)據(jù)、第三方安全預(yù)警算法測(cè)評(píng)、安全預(yù)警算法調(diào)優(yōu)服務(wù)，助力整車企業(yè)辨別外部模型適用率、電池企業(yè)、模型開發(fā)團(tuán)隊(duì)模型開發(fā)優(yōu)化，使中國(guó)汽研自身集成業(yè)內(nèi)優(yōu)秀模型，拓展預(yù)警服務(wù)能力。希望基于中國(guó)汽研的數(shù)據(jù)能力、平臺(tái)能力，以第三方的身份，能為新能源汽車安全預(yù)警算法開發(fā)提供更多的支持，特別是在測(cè)試評(píng)價(jià)領(lǐng)域。

返回第一電動(dòng)網(wǎng)首頁 >