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國際論壇》。中國汽研將持續為大家推送精彩演講實錄，本文為中國汽研數據中心數據產品部部長程端前帶來的《新能源汽車安全預警算法開發及測試評價》。

1.新能源汽車的發展機遇與挑戰

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《新能源汽車產業發展規劃》（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展過程，經調查發現新能源汽車安全問題重點體現在電池方面，包括在行駛中、碰撞后、靜置中、充電中、水淹后等各環節。新能源汽車安全是一個全行業的問題，政府、企業、行業和公眾都給予大量的關注，政府出臺相關文件明確提出加強監管力度；企業加強提升自身研發能力；行業聚焦安全預警研究。

2.新能源汽車安全風險控制主要方向

行業內新能源汽車安全風險控制技術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實時采集數據，車企根據電池安全使用邊界，制訂相應的針對實時數據的控制和報警策略）；二是基于云端大數據平臺的云端安全風險識別（基于批量在用車上傳的歷史數據，根據電池安全使用邊界和關鍵安全特征參數歷史數據變化規律等進行安全風險識別和預警）。兩者之間有不同數據的要求和技術研究方向，單車基于實時企標數據分析，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據變化規律，可實現對安全風險的早期識別和預警，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警，指導車企做出預警和檢修動作。兩者在業內均進行相關的研究和發展，中國汽研在新能源汽車安全預警方面也開展了重要工作。

在國家工信部、國家科技部、市場監管總局的信任和支持下，中國汽研陸續開展了四項國家級新能源汽車安全課題研究，逐步完成了集數據庫建設、數據分析、模型開發、平臺建設、軟件開發各方面能力建設，最終形成中國汽研獨有的技術優勢。在安全預警算法開發過程中，發現有兩個痛點：一是模型驗證測試難度大，隨著業內開展新能源汽車安全預警算法模型研究的企業機構逐漸增多，受數據局限，模型有效性的驗證成本高；二是事故數據未充分使用。依托于中國汽研長期開展的事故車數據研究基礎，事故車的共性風險特征可以進行有效提取，為此，結合起來形成一套安全預警算法的服務平臺。

3.TIVES算法服務平臺

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

TIVES算法服務平臺應用相關數據處理技術，完成測試集構建，兼容不同場景和模型測試。從架構圖來講，分為四個階段，一是數據采集，首先要進行非標準數據的標注化工作，接入多種多樣的數據源，之后進行數據處理，包括數據的解析、解碼、校驗、存儲等相關采集工作；二是數據治理，首先進行數據TTL清洗，包括時間格式、充放電狀態、編碼格式、列名統一以及數據拼接等一系列數據清洗工作，同時也要做數據質量的核查，包括數據校驗、用戶關聯校驗等；數據采集和數據治理是TIVES平臺很重要的基礎性工作。三是數據倉庫，即根據不同的事故類型、電池類型、用途維度、區域維度、里程維度等，打上不同的數據標簽，這些標簽便于后續做數據的個性化處理；四是數據智能，根據在測試集的方向，比如圍繞安全預警，壽命預測，SOH評估等不同的測試場景，提供不同的測試服務內容。

測試集是面向模型測試的數據基礎，并搭載數據智能引擎，高效積累數據資產，賦能不同測試場景，助力企業、高校、研究機構測試驗證模型有效性和可行性。整個測試數據集的構建，最重要的兩點：數據校驗，包括時間排序、數據統一，便于為后續測試提供更準確的輸入；數據脫敏，包括車型、區域、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之間的平衡，測試數據集構建本身也是提出相應的規則和算法。

核心數據項，在整個新能源汽車的數據采集過程中有很多項數據，經過前期的大量驗證，和安全相關的大概有23項脫敏數據，這23項數據涵蓋做預警預測及相關關聯分析的方方面面，包括單品、整個電池包的相關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，通過現有事故車數據整理發現：根據事故車數據標簽特征統計，標準測試集中盡可能多的覆蓋事故車特征及數據。

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，表示預測危險車結果中真正的危險車所占比例；二是查全率，表示預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，不同算法計算結果的運行時間；四是預測提前時間，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。業務服務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、選擇數據、創建程序、執行程序、查看結果一整套流程。TIVES算法服務平臺部分功能界面參考：賬號登錄、樣本數據列表、樣本數據詳情，控制臺初始化沙箱、收藏數據、以及編輯和管理程序。

TIVES算法服務平臺的高性能處理技術：異構數據能力（通過對異構數據進行適配轉化，統一格式數據，加快對接速度，提升合作效率）；數據集成能力（集成互斥樣本集，滿足多場景、多工況模型測試）；數據計算能力（支持批量車輛計算，復雜模型計算，黑盒計算）；數據存儲能力（大數據量的數據存儲，專業的車輛數據結構）。整合企業數據、平臺數據實現統一批量數據存儲與分析，滿足不同模型和應用場景的數據及計算需求，深度軟硬件協同優化設計，形成持續高效數據采集、處理、計算能力，以及分析模型測試能力。

TIVES算法服務平臺的信息安全，通過設置獨立賬戶、沙箱環境、數據隔離、黑盒測試等方式保障算法及數據的安全，用戶通過獨立賬戶進入數據平臺，每個用戶擁有獨立的沙箱環境，可預覽數據信息、不可復制下載，編程環境支持編譯后程序執行，保障程序安全。保證在合理、可控、安全的環境進行相關的測試工作。

4.TIVES算法服務平臺更多應用

未來，基于TIVES算法服務平臺，開展事故車典型工況數據、第三方安全預警算法測評、安全預警算法調優服務，助力整車企業辨別外部模型適用率、電池企業、模型開發團隊模型開發優化，使中國汽研自身集成業內優秀模型，拓展預警服務能力。希望基于中國汽研的數據能力、平臺能力，以第三方的身份，能為新能源汽車安全預警算法開發提供更多的支持，特別是在測試評價領域。

返回第一電動網首頁 >