首页/文章/ 详情

东风新能源整车厂信息系统的数字化设计

数字孪生体实验室

1年前浏览2144

来源：新工业网

作者：陈刚方立先

摘要：

本文从整车企业内外部需求出发，结合国家政府法规要求，按照整车厂系统建设轨迹，首先通过车联网建立起国标地标的远程监控新能源汽车系统，然后基于前期累积数据做数据统计和数据建模，再设计开发出综合查询模块和方便多方合作的数据沙箱环境等。

1 数字化需求

电动汽车的数字化工作以政府层面的强制性数据搜集标准开始，各整车生产厂根据市场舆情和产品提升等需求，逐渐要求车联大数据配合做好事前事中事后的预测判断。

1.1 政策法规要求

工信部发布GB/T32690和新能源汽车生产企业准入审查要求所有新能源企业上交运行中的车型数据，对已销售的全部新能源汽车的运行安全状态进行监测，直至汽车停止使用或报废，监测数据包括车辆运行安全、故障、充电、能耗情况等，分析监测数据，并能为车辆改进提供量化支持。北京市分别在2014年和2016年发布了针对公共用车领域和私人用车领域的地标认证。上海市从2015年开始发布了新能源汽车公共数据采集的地方标准，其中2021年版的《新能源汽车生产厂商自查报告提纲》中提出要对企业基本情况、车型推广情况、生产一致性保证、经销商及售后服务网点管理、充电设施建设、废旧动力蓄电池回收利用、整车召回及关键零部件维修更换处置、顾客投诉问题及处理方法等九方面内容做出方向性规范。天津、武汉、重庆、成都、河南等省市也有类似的地方政策标准出台。

2016年国务院发布的《生产者责任延伸制度推行方案》和工信部《新能源汽车动力电池回收利用管理暂行办法》强化动力电池的企业职责和产品全生命周期管理，包括电芯生产，总装、销售、售后、回收分解等各阶段的信息输入。

1.2 整车厂自身需求

整车厂需要考虑国家/地方标准的现实指导性：国/地标阈值设置较为宽松，通常出现严重故障等级后才给出故障通知，导致预警前置时间不足；即使同电池厂商的同类型电芯，设计组装方式和制造工艺不同，在不同车系车型上衰减表现亦不同。由于缺少精准统一的故障预警阈值标准，工信部、国家市监总局在判罚新能源车事故中，倾向于整车厂先行赔付，并要求上传故障车的全生命周期数据，在涉及社会充电设备时，当地消防部门/公共客户运营机构会介入故障的分析过程，鉴于上游供应厂商多采取的自我保护手段，整车厂难以识别定位动力电池的品质原因，电网不稳定等扑朔迷离的理由会掩盖产品设计本身的问题，进而不利于行业性产品的优化升级。所以，为谋取行业各链条实力均衡，整车厂需要建立一套自主规范的动力电池标准和流程。

整车厂的新能源车联数据平台从市场用户使用场景和产品设计质量等方面来推动车辆和服务的量质升级。数据技术角度将需求分为数据统计类和精准建模的算法类两种，前者涉及全价值链上车厂部门--商企、研发、品质、销售、售后、水平增值、财务及人事等，在市场课题、新车品质改善、车辆状态评估、里程积分等课题上，应对车联数据提取和普通统计分析报告；后者涉及：

①国标地标监管平台及运行数据分析、企业能耗与新能源汽车积分管理运行分析、本土市场要素分析、出行和充电行为分析等内容，与电芯电池企业进行数据分析合作项目，探索包括动力电池故障预警的云数据分析手段；

②对外安全保密，在开拓领域范围包括与互联网企业研讨、保险等第三方公司开展数据增值业务的探索，需要沙箱等环境的场景。

对外安全保密环境可分为三类：主机厂自建的数据环境、租用第三方云服务平台、多方安全MPC/联邦学习环境。这三类环境适用场景不同：双方有明显强弱或数据多寡的情况，强/多方采用自建的数据环境；租用第三方云平台是一种传统数据合作方式，由于近年数据安全法规等要求，这种方式逐渐少用；多方安全MPC（MultiParty Computation，图灵奖华人获得者姚期智于1982年理论模型）的商业产品逐步成熟。整车厂可基于第二三类思路在第一类平台环境上改造自建。

2 数字化设计

依据章节1中的法规要求和车企自身需求，新能源整车厂在车联大数据系统的功能设计内容包括但不限：实时监控/故障处理，统计/建模分析，数据合作等多个阶段。

2.1 法规强制

2016-2017年间，新能源整车厂根据工信部的行业法规要求开始建设系统供相关部门使用。其中，法规强制的系统主要是两部分：实时监控和电池回收。

2.1.1 国标实时监控系统

国标实时监控RTM（Real Time Monitor）系统根据GB/T32690的要求向企业和政府后端发送实时车辆数据，以达到确保新能源车安全之目的。传输内容及架构如图1：

电动车拥有量较多及经济管理较发达地区亦提出了本地标准，有些地标甚至比国标更早，如某地方标准DB11/T 862—2012。与国标相比，地标主要是信息字段差异，数据基础架构流程类似图1。

整车厂在2016年前后按照GB/T32960-2016要求对不同型号动力电池分类处理，如锰酸锂、磷酸铁锂、三元锂、钛酸锂，故障报警被划分为一级、二级和三级等级别，并按照电压、温度等做进一步的细分故障处理。企业自建RTM功能模块可分为三部分：基础数据、监控、远程终端升级，见图2。

2.1.2 电池追溯系统

将动力蓄电池生产、销售、使用、报废、回收、利用等全过程进行信息采集并按要求信息统一上传至国家电池追溯平台，包括对电芯、模组、电池包上符合国家式样规格标签编码进行信息扫描录入，电池备件物流供货信息，车辆更换信息等。这一模块对新能源生产企业基本情况、生产一致性、重保件召回维修、以及废旧电池回收有基础性建设作用。流程见图3。

需要指出，尾端的回收分解工作在国内市场尚未完全透明化，信息录入的标准化流程化不如生产销售等环节。

2.2 统计和建模分析

2018年后，基于前期积累数据整车厂开始了各车型推广工作，如设计优化和市场增值的数据分析工作。数据功能模块可分为统计类和建模分析类。两种分析类型并非泾渭分明，而是相辅相成后得出更深入的应用：既有统计趋势帮助建立数模的边界条件，又有数模分析结果帮助市场的细分。电动车门户主模块见图4：

2.2.1 统计类模块

统计类模块多采用门户网站式样，如图5：

整车评价、充电、电机电控、故障和预警例报明细等多属于统计类。中国市场要素分析模块包括节能减排、充电桩、地理/气候/湿度/海拔/坡度等环境数据；行程模块包括市场分析和行驶分析，如驾驶时长、行驶里程、走行区域海拔、加速度（踏板、刹车）占比、充放电和能耗、白班夜班走行分布\续航与SOC&空调&温度&区域等关系、续航实绩与设计标定的关系、电动扭矩。

统计类模块大部分是一般报表，但也有涉及多层次多维度的大计算量问题，如区域市场分季节的里程能耗：

T温度，R地域，C是否常用空调，S生产日期；ki为权重系数，如区分空调，可用“五个月”来代表使用制冷空调时长，“一个月”来代表使用制热空调时长，“六个月”来代表不开启空调，这样，k1=5/12，k2=1/12，k3=6/12。

估算能耗：α/β能量/(SOC1-SOC2)×100%

需要说明的是，这种多层次分区计算需要集群资源或GPU（Graphic Processing Unit图形处理器），方可有效支撑数以亿计的日增量车联数据。

整车厂的IT设备多为成本低廉，数据库及软件多为开源，所以此类需求是要在成本和效率间做取舍。

2.2.2 建模分析模块

由于销售系统记录和实际投运的车辆性质存在的不一致性，需要通过运行数据对车辆做分类区分，所产生的私家车/网约车/出租车/共享租赁车的运行特征标签有助于顾客分群画像，对整车、部品甚至故障预警标准也会产生影响。

电池健康度SOH（State Of Healthy）衰减趋势对健康实时监测和异常点提前检出有重要作用，可基于现实数据统计结果做线性拟合。如图示，Y轴为SOH，X轴可为行驶里程、温度、海拔等某一影响权重较大的因子。如图6，虚框为实际劣化线性曲线模型拟合出来后，再通过3σ法找出的离异点，即故障预警车辆。

故障预警阈值企业自有标准在长期运维观察后还需要做建模拟合，这里可把指数模型做基函数不断调优参数，然后做成可视化报表展示出来，如图7：

2.3 查询功能和沙箱

2019年后企业内外部开始提出数据查询和分析合作需求。企业内部及大客户多采用数据汇聚方式的综合查询；企业间合作多采用数据沙箱方式。

2.3.1 综合查询

在国家信息安全法规越来越严格的情况下，查询车联数据倾向采用万维网访问方式，以方便堡垒机、埋点和系统日志等设施手段做异常识别和审计。

综合查询架构设计流程如图8，从数据仓库DW（Data Warehouse）将原始信息转换清洗掉无效或稀疏的数据后，形成结构化规整数据到内存数据库Hive中做汇聚提取计算，然后按照不同需求主体做多维统计，最后形成主题数据集市DM（Data Mark）。

车联数据相关的综合查询要重视两方面的事情：数据治理和可计算性。前者会采用数据字典等方式建立数据血缘关系，去除数据冗余、去空等方式来提高分析精度；后者会考量整车厂有限资源下的海量和实时数据计算的现实操作性，多采用汇聚处理后的结果数据而非原始报文数据供查询方使用。

2.3.2 数据合作沙箱

新能源车数据合作一般基于国地标数据，在此给出乙方（零部件供应商或第三方公司）服务器在甲方（整车厂）数据中心部署的方案说明，沙箱建设的重要步骤和关注点主要是以下七部分（标号和图9中标注一致）。

1. 甲方提供数据中台区域中的服务器资源

2. 甲方设计开发回传接口，以便乙方调用结果

3. 乙方将指定的数据字段传入存储服务器

4. 甲方在客户端部署算法模型封装终端

5. 乙方为算法应用服务器唯一管理员

6. 乙方加密狗用于防止甲方拷贝

7. 乙方保护算法调用的部分核心参数

3 小结与展望

本文所涉的方法有助于整车厂建立起具有自主数据资产权和知识产权的信息系统。目前已经应用到全价值链各环节：行为数据统计方法在产品企划画像、市场要素分析、设计标定的应用；卡尔曼滤波模型和综合查询在产品故障预警和数据审计上的应用；轨迹合规模型在试乘试驾上的应用；里程累积统计方法在新能源车积分上的应用；轨迹平滑和实时计算在整车物流品质监控上的应用；线性回归和离异点检出在事故车/保修车召回上的应用；沙箱在双方数据探索中的应用。以上应用在参数调优和运营效率等方面都有较大的促进作用。

电动化数字化融合会不断发展深入：

①整车厂会在车联信号中增加自身需要的数据信号的字段数和频率，以提升品质和预警前置处理时间；

②车端的数据处理能力会同步伴随车载电气能力的增强，并与服务器所代表的云结合，形成多层次不同场景的云端一体处理流程；

③车联数据的字段数和采样频率增加会促使更多影响因子介入分析建模中，算法结果会更加精确解析以帮助优化产品设计，而客户为中心的生态圈建设会促进对车主的深入理解；

④旧电池回收利用工作透明化和国家法规进一步深化后，后市场的数字化需求会逐渐凸显；

⑤客户投诉和质量追溯间的闭环流程的量化及可视化工作；

⑥第三方充电设施和整车厂数据融合；

⑦售后和增值业务进一步发展，包括经销商售后维修管理的量化可视化工作，公司二手EV车况评估，出行及深度驾驶服务等；

⑧向国家申报的新能源汽车补贴时减少现场核查和车辆电池拆卸等工作；

⑨更广泛领域的数据合作，包括在沙箱中的深度应用。

作者：东风汽车有限公司东风日产乘用车公司陈刚方立先安仲岩黄逸桐