陕汽研究院王钊:商用车OEM网联数据平台的典型应用

第19届亚太汽车工程年会&2017中国汽车工程学会年会暨展览会(apac 19 & 2017 saecce)于10月24-26日举办,本次论坛以“未来汽车与交通变革”为主题,携手行业领导、学会领导、院士、汽车及相关行业权威专家在内逾3000余位国内外业界嘉宾共同探讨汽车产业车厂与零部件协同创新和技术发展路径.以下是陕汽工程研究院智能服务所所长王钊在会议上的演讲实录:

2017 saecce,2017saecce

王钊:大家下午好,很高兴和大家分享一下作为oem我们对车辆发展的看法和理解.

我今天分享的主题,大家知道车联网最早是从乘用车发展起来的,早期以位置服务为核心向外辐射的,比如像安吉星除了提供位置服务之外,也提供一键回家、兴趣点搜索等服务.这些服务基本上是与汽车后市场服务联系比较紧密.因此在早期的车联网平台规划中,像ngtp架构就包含很多数据交换协议,这些服务可以很容易实现与汽车后市场服务之间的连接.

但是商用车领域,车联网服务是与乘用车有着明显的区别,这是因为商用车的车线网服务的对象不仅仅是驾驶员,还有一个很重要的服务对象其实是车队的管理员.因此在早期的商用车车联网平台的设计的时候,基本上都是以车队管理服务为核心的,比如说像陕汽天行健,提供油耗管理、驾驶行为分析、到达监测、位置服务等一系列组成的车队管理服务.

在我们进行网联平台规划的时候,我们也对商用车的车联网服务进行了调研,市面上主流的车联网提供商提供的服务,主要以车队管理为核心,去占据客户的入口,再引入他们的后市场服务,比如说汽车金融、车货匹配、维保、二手车等等.但是这样一个生态不是oem厂商主导的.

在我们进行智能化网联汽车研发的规划中,我们将这个过程分为四个阶段,第一个阶段就是以智能化为基础,采用产品加服务的方案,为我们的客户提供物流运输解决方案和信息娱乐互联服务,以此提高客户对我们产品的忠诚度.第二个阶段,我们以大数据为核心,服务于我们的整车研发,还有市场分析、质量提升和远程诊断.第三是以互联服务为基础,向车辆提供生产服务.最后一个是通过人工智能技术实现l3级别的无人驾驶.

这个过程中,车联网系统没有办法支撑我们完成这样的研发目标,这是因为在我们智能化网联卡车的研发过程中,汽车电气化、智能化水平快速提升,第二大数据、人工智能技术也会成为网联卡车的核心技术.然后平台在整车研发过程中占据的位置也越来越重要.我们应该构建以大数据为中心,对内服务于整车研发和销售,对外支持车辆的互联控制的新的网联平台.这就是我今天要分享的网联数据平台.

我们认为一个智能化的网联卡车的架构应该是这样的,由三层组成,第一层是控制执行层,这是以车为核心的,第二层是通信层,第三层是决策层.决策层就是以网联数据平台为核心的.

在这样的一个架构下,我们的车辆可以实时的从数据平台获取实时的服务,我们的平台也可以有计划的升级我们车辆上的嵌入式服务.

在这样一个背景下,我们认为符合我们要求的车联网架构应该是这样的,它由四层组成,第一层是网联层,第二层是大数据层,第三层是数据服务和人工智能层,第四层是应用生态层.第三层开始整个平台的功能会被划分为三个业务板块,第一块是数据开放系统,这一部分服务于我们传统的以车队管理为核心的车联网生态.第二部分是内部支撑平台,这一部分服务于我们内部的整车研发、销售和售后服务的生态.第三个是人工智能层,服务于无人驾驶的研发.

这是我们网联层的规划,主要用来完成远程控制、远程诊断、ota、预测性控制和数据采集,数据采集服务于我们的大数据平台和人工智能服务,这两者又通过ota和预测性提高整车智能化水平,由此形成一个闭环.

这是目前我们已经完成的,远程控制ota和远程诊断的应用.

接着是我们的数据开放系统,这个系统是服务于我们的车队管理服务的,采用微服务架构,主要是对外提供各种车联网所需要的数据接口,让我们的车联网服务商可以为我们的客户开发定制化的个性化的车联网的服务.右边是车队管理服务的截图,中间是为我们公司举办的一次卡车大赛做的数据应用.下面是支撑这些应用的数据服务.

第三层是整个系统的核心层,大数据平台.我们目前是采用这种hadoop加spkark的方式做的,目前也做了一些应用.这是我们做的应用,主要将道路状况和车辆运行工况联系在一起,为车辆研发,像动力匹配,提供数据参考.在销售领域也可以为车辆配置的配件运用提供数据参考.这是我们做的车辆下线检测系统,主要通过对车辆行程数据的分析判断车辆是否达到应有的质量要求.这是我们做的一个监控的系统.这是针对汽车售后服务做的两个应用,一个是对服务站备件做的建议系统,下面这个是对服务站服务能力的评价应用.

第四层就是人工智能层,目前我们这方面的工作也是刚刚起步,主要做的工作就是通过深度学习的方式进行环境感知和信息融合方面的研究.

上面我已经把我们整个系统的架构做了大致的介绍,接下来我大概介绍一下我们系统中所使用的技术.我们通常在开发一个系统的时候,会对系统的技术进行选型,而在选型过程中,对系统的功能要求和非功能要求,以及系统的一些运行特点,会对我们的技术选型结果产生比较大的影响.所以我们在做我们的网联车分析的时候,也对这方面的因素做了梳理,我从中摘出了这么几条以及列出对应的解决思路.

下面是我们用到的一些技术.

这是我们数据开放系统中所用的技术,目前我们是基于微服务架构做的,框架基于spring,提供了一整套的微服务开发的组建,包括服务处理、配置中心、负载均衡等等这些功能,帮助我们快速搭建系统.

这是2017年大数据版图,从现在的发展情况来看,基本上每一个应用领域都可以找出几个组件来满足我们的需求.对我们来说,我们的大数据平台主要服务于我们的研发和无人驾驶的研究.基本上对实时性要求也比较低,也不需要做交互式的分析.所以我们采用了hadoop加spark的方案来实现,这是我们认为比较简单又符合我们需求的方案.

深度学习框架的选择,目前深度学习的框架比较多,也有人对它们的流行度进行了对比,从对比的结果来看,google的框架最符合我们的场景.

这是一个比较大比较复杂的系统,因此系统设计阶段也需要考虑对系统状态的监控,以及故障的检测和恢复机制.如果不考虑这方面,在系统运行使用阶段可能会出现很多问题.目前我们从系统阶段,进程的运行状态以及运维的复杂度方面,都做了一些工作,提高可用度以及降低系统复杂度.

我的分享就到这里,谢谢大家.

注:本文根据现场速记整理,未经嘉宾审核.

本文版权为盖世汽车所有,欢迎转载!请务必注明出处(盖世汽车)及作者.

文章标签: 2017 saecce

陕汽研究院王钊:商用车OEM网联数据平台的典型应用由亿卡汽车( {$sysdomain )用户henada分享,感谢转载请注明出处
回顶部 | 首页 | 电脑版 | 举报反馈