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

1.新能源汽車的發(fā)展機遇與挑戰(zhàn)

截至2020年6月，我國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到汽車新車銷售總量的20%左右。預(yù)計到2035年，我國新能源汽車保有量將突破1.6億輛。與此同時，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，政府出臺相關(guān)文件明確提出加強監(jiān)管力度；企業(yè)加強提升自身研發(fā)能力；行業(yè)聚焦安全預(yù)警研究。

2.新能源汽車安全風險控制主要方向

行業(yè)內(nèi)新能源汽車安全風險控制技術(shù)主要從兩個方向展開：一是基于單車BMS的實時安全風險識別（基于單車BMS實時采集數(shù)據(jù)，車企根據(jù)電池安全使用邊界，制訂相應(yīng)的針對實時數(shù)據(jù)的控制和報警策略）；二是基于云端大數(shù)據(jù)平臺的云端安全風險識別（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)律等進行安全風險識別和預(yù)警）。兩者之間有不同數(shù)據(jù)的要求和技術(shù)研究方向，單車基于實時企標數(shù)據(jù)分析，對于電池安全使用邊界和熱失控邊界條件的識別比較及時和準確，但風險識別較為滯后，提前識別安全風險難度較大，重點在于處理突發(fā)的安全問題，提示整車或司機做出保護動作；批量在用車基于歷史數(shù)據(jù)變化規(guī)律，可實現(xiàn)對安全風險的早期識別和預(yù)警，但不同體系和安全使用邊界差異較大，影響精度，重點在于對安全風險車輛的提前識別和預(yù)警，指導車企做出預(yù)警和檢修動作。兩者在業(yè)內(nèi)均進行相關(guān)的研究和發(fā)展，中國汽研在新能源汽車安全預(yù)警方面也開展了重要工作。

在國家工信部、國家科技部、市場監(jiān)管總局的信任和支持下，中國汽研陸續(xù)開展了四項國家級新能源汽車安全課題研究，逐步完成了集數(shù)據(jù)庫建設(shè)、數(shù)據(jù)分析、模型開發(fā)、平臺建設(shè)、軟件開發(fā)各方面能力建設(shè)，最終形成中國汽研獨有的技術(shù)優(yōu)勢。在安全預(yù)警算法開發(fā)過程中，發(fā)現(xiàn)有兩個痛點：一是模型驗證測試難度大，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)機構(gòu)逐漸增多，受數(shù)據(jù)局限，模型有效性的驗證成本高；二是事故數(shù)據(jù)未充分使用。依托于中國汽研長期開展的事故車數(shù)據(jù)研究基礎(chǔ)，事故車的共性風險特征可以進行有效提取，為此，結(jié)合起來形成一套安全預(yù)警算法的服務(wù)平臺。

3.TIVES算法服務(wù)平臺

該平臺簡稱為TIVES（Test，Integrate，Verify，Evaluate，Spread）平臺，基于豐富的事故車數(shù)據(jù)及算法測試技術(shù)，提供安全預(yù)警算法測試、驗證和評價服務(wù)，提升行業(yè)整體水平，集成、推廣行業(yè)優(yōu)秀模型算法。平臺的功能定位為6大方向：為行業(yè)提供實驗數(shù)據(jù)管理；數(shù)據(jù)測試集支持個性化定制；實現(xiàn)外部信息化平臺對接；提供彈性計算服務(wù)；提供彈性存儲空間；提供多場景下數(shù)據(jù)測試集。

TIVES算法服務(wù)平臺應(yīng)用相關(guān)數(shù)據(jù)處理技術(shù)，完成測試集構(gòu)建，兼容不同場景和模型測試。從架構(gòu)圖來講，分為四個階段，一是數(shù)據(jù)采集，首先要進行非標準數(shù)據(jù)的標注化工作，接入多種多樣的數(shù)據(jù)源，之后進行數(shù)據(jù)處理，包括數(shù)據(jù)的解析、解碼、校驗、存儲等相關(guān)采集工作；二是數(shù)據(jù)治理，首先進行數(shù)據(jù)TTL清洗，包括時間格式、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，同時也要做數(shù)據(jù)質(zhì)量的核查，包括數(shù)據(jù)校驗、用戶關(guān)聯(lián)校驗等；數(shù)據(jù)采集和數(shù)據(jù)治理是TIVES平臺很重要的基礎(chǔ)性工作。三是數(shù)據(jù)倉庫，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)標簽，這些標簽便于后續(xù)做數(shù)據(jù)的個性化處理；四是數(shù)據(jù)智能，根據(jù)在測試集的方向，比如圍繞安全預(yù)警，壽命預(yù)測，SOH評估等不同的測試場景，提供不同的測試服務(wù)內(nèi)容。

測試集是面向模型測試的數(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)，賦能不同測試場景，助力企業(yè)、高校、研究機構(gòu)測試驗證模型有效性和可行性。整個測試數(shù)據(jù)集的構(gòu)建，最重要的兩點：數(shù)據(jù)校驗，包括時間排序、數(shù)據(jù)統(tǒng)一，便于為后續(xù)測試提供更準確的輸入；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和測試服務(wù)之間的平衡，測試數(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，在整個新能源汽車的數(shù)據(jù)采集過程中有很多項數(shù)據(jù)，經(jīng)過前期的大量驗證，和安全相關(guān)的大概有23項脫敏數(shù)據(jù)，這23項數(shù)據(jù)涵蓋做預(yù)警預(yù)測及相關(guān)關(guān)聯(lián)分析的方方面面，包括單品、整個電池包的相關(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)標簽特征統(tǒng)計，標準測試集中盡可能多的覆蓋事故車特征及數(shù)據(jù)。

通過實踐研究，在算法評價里面分為4個核心指標，一是查準率，表示預(yù)測危險車結(jié)果中真正的危險車所占比例；二是查全率，表示預(yù)測出的危險車占實際事故車中的比例；三是運行時間，相同的測試集及計算資源條件下，不同算法計算結(jié)果的運行時間；四是預(yù)測提前時間，相同測試集下，不同算法對危險車拐點提前時間。同時也有一些擴展指標，這些評價指標一方面可以提供給用戶做測試的參考，一方面依照指標可以對對方的算法進行驗證。

TIVES體系提供測試、集成、驗證、評價、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試兩個階段。從用戶體驗來講，分為賬號登錄、開始測試、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)平臺部分功能界面參考：賬號登錄、樣本數(shù)據(jù)列表、樣本數(shù)據(jù)詳情，控制臺初始化沙箱、收藏數(shù)據(jù)、以及編輯和管理程序。

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

TIVES算法服務(wù)平臺的信息安全，通過設(shè)置獨立賬戶、沙箱環(huán)境、數(shù)據(jù)隔離、黑盒測試等方式保障算法及數(shù)據(jù)的安全，用戶通過獨立賬戶進入數(shù)據(jù)平臺，每個用戶擁有獨立的沙箱環(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)境進行相關(guān)的測試工作。

4.TIVES算法服務(wù)平臺更多應(yīng)用

未來，基于TIVES算法服務(wù)平臺，開展事故車典型工況數(shù)據(jù)、第三方安全預(yù)警算法測評、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)團隊模型開發(fā)優(yōu)化，使中國汽研自身集成業(yè)內(nèi)優(yōu)秀模型，拓展預(yù)警服務(wù)能力。希望基于中國汽研的數(shù)據(jù)能力、平臺能力，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，特別是在測試評價領(lǐng)域。

返回第一電動網(wǎng)首頁 >