基于車聯(lián)網(wǎng)大數(shù)據(jù)的可視化應(yīng)用研究

蘇萬德　譚倚靖　陳鵬飛　韋通明　張亮

【摘? 要】在“大數(shù)據(jù)時代”的浪潮下，每個企業(yè)都面對著龐大的數(shù)據(jù)，而如何讓這些高容量、低價值密度、高速處理、多類型的數(shù)據(jù)發(fā)揮價值是每個企業(yè)都在思考的事情，汽車企業(yè)也是如此。面對龐大的車聯(lián)網(wǎng)數(shù)據(jù)，采用視化技術(shù)就是實現(xiàn)數(shù)據(jù)價值的一個很好的方法。本文將通過一些典型例子對車企車聯(lián)網(wǎng)大數(shù)據(jù)在可視化方面的應(yīng)用進行簡單研究。

【關(guān)鍵詞】大數(shù)據(jù)；車聯(lián)網(wǎng)；可視化

中圖分類號：U463.6? ? 文獻標(biāo)志碼：A? ? 文章編號：1003-8639（ 2023 ）08-0030-02

Research on Visualization Application Based on Big Data of Internet of Vehicles

SU Wan-de，TAN Yi-jing，CHEN Peng-fei，WEI Tong-ming，ZHANG Liang

（SAIC GM Wuling Automobile Co.，Ltd.，Guangxi Laboratory of New Energy Automobile，

Guangxi Key Laboratory of Automobile Four New Features，Liuzhou 545007，China）

【Abstract】Under the tide of "big data era"，every enterprise is faced with huge data，and how to make these high-capacity，low value density，high-speed processing and multi type data bring value into play is something that every enterprise is thinking about，and so is the automobile enterprise. In the face of huge Internet of vehicles data，visualization technology is a good method to realize data value. This paper will simply study the application of big data of Internet of vehicles in automobile enterprises in visualization through some typical examples.

【Key words】big data；internet of vehicles；visualization

“大數(shù)據(jù)時代”的浪潮無法避免，面對龐大的數(shù)據(jù)，每個企業(yè)都應(yīng)該思考如何挖掘數(shù)據(jù)的價值，而在車聯(lián)網(wǎng)數(shù)據(jù)中，無論是CAN數(shù)據(jù)還是埋點數(shù)據(jù)或者音視頻數(shù)據(jù)，其數(shù)據(jù)的量級都是非常巨大的。如何發(fā)掘這些數(shù)據(jù)的價值也是每個車企在思考的事情，而可視化無疑就是實現(xiàn)數(shù)據(jù)價值的有效途徑之一。

1? 大數(shù)據(jù)與車聯(lián)網(wǎng)大數(shù)據(jù)分析

1.1? 大數(shù)據(jù)簡介

“大數(shù)據(jù)”的概念最初是在《大數(shù)據(jù)時代》一書里被提出的，書中認(rèn)為與隨機分析法不同的是，大數(shù)據(jù)處理采用的是全量的數(shù)據(jù)進行分析，即要對人類能夠獲得的所有數(shù)據(jù)進行分析處理[1]。此后人們對大數(shù)據(jù)的研究也從未停止，對“大數(shù)據(jù)”的概念也各有想法難以統(tǒng)一，其中比較具有代表性的是IBM公司提出的4V模型：Volume、Value、Velocity、Variety，即高容量、低價值密度、高速處理、多類型4個特點。中國國務(wù)院提出的“國家大數(shù)據(jù)戰(zhàn)略”中也指出，大數(shù)據(jù)是以這4個特點為主要特征的數(shù)據(jù)集合，并且正日益對金融、政治和社會等各方面產(chǎn)生越來越重要的影響。

1.2? 車聯(lián)網(wǎng)大數(shù)據(jù)簡介及其特征

車聯(lián)網(wǎng)，指的是車載終端通過無線通信、射頻識別、GPS定位、大數(shù)據(jù)處理等技術(shù)，對信息網(wǎng)絡(luò)平臺上的車輛信息進行提取和利用，并根據(jù)不同功能提供不同的服務(wù)[2]。車聯(lián)網(wǎng)具有實時性、節(jié)點性和互連性等特點。實時性表現(xiàn)為車聯(lián)網(wǎng)可以實時獲取車輛信息，為車主提供導(dǎo)航、音樂和新聞等實時性服務(wù)。節(jié)點性表現(xiàn)為車聯(lián)網(wǎng)的WSN網(wǎng)絡(luò)節(jié)點數(shù)目龐大、分布密集?；ヂ?lián)性表現(xiàn)為車聯(lián)網(wǎng)可以實現(xiàn)車與車、車與人和車與路之間的全方位互聯(lián)。

車聯(lián)網(wǎng)數(shù)據(jù)可以分為CAN數(shù)據(jù)、埋點數(shù)據(jù)、業(yè)務(wù)數(shù)據(jù)和音視頻數(shù)據(jù)等。CAN數(shù)據(jù)包括了車速、行駛里程、車身零件狀態(tài)和傳感器數(shù)值等數(shù)據(jù)，CAN數(shù)據(jù)具有抗干擾能力強、傳輸速度快、數(shù)據(jù)傳輸距離較遠、同時連接節(jié)點數(shù)多等眾多優(yōu)點，是車聯(lián)網(wǎng)大數(shù)據(jù)的主要組成部分。埋點數(shù)據(jù)主要是由車機APP，如音樂、導(dǎo)航、電臺等上傳的數(shù)據(jù)信息，一般是由用戶觸發(fā)（如點擊、瀏覽等）或與用戶相關(guān)的數(shù)據(jù)，其優(yōu)點是埋點可以進行自定義，可以精準(zhǔn)定位數(shù)據(jù)，并且可隨版本進行修改，缺點是每個埋點都要相應(yīng)的代碼開發(fā)，工作量較大。業(yè)務(wù)數(shù)據(jù)包括各類業(yè)務(wù)APP、功能產(chǎn)生的數(shù)據(jù)，其主要特點是業(yè)務(wù)關(guān)聯(lián)性強。音視頻數(shù)據(jù)主要由車內(nèi)外的麥克風(fēng)和攝像頭采集而來的數(shù)據(jù)，其特點是容量大、價值密度低。

2? 大數(shù)據(jù)可視化簡述

在《數(shù)據(jù)可視化之美》一書中指出，廣義的數(shù)據(jù)可視化是數(shù)據(jù)可視化、信息可視化以及科學(xué)可視化等多個領(lǐng)域的統(tǒng)稱[3]，這便是可視化最早的定義。而可視化經(jīng)過長期的發(fā)展，各個行業(yè)各個領(lǐng)域都有著不同的定義，在狹義上講，大數(shù)據(jù)可視化可以說是用一定的計算方法對數(shù)據(jù)集進行處理之后，以一種視覺特征的形式呈現(xiàn)出來給用戶的方法。在表現(xiàn)形式上常見的可視化圖表有表格、直方圖、條形圖、餅狀圖、折線圖和散點圖等[4]。通過可視化的方法，可以很直觀地、簡單明了地讀懂?dāng)?shù)據(jù)、了解數(shù)據(jù)趨勢等。

3? 車聯(lián)網(wǎng)大數(shù)據(jù)在可視化方面的應(yīng)用

車聯(lián)網(wǎng)數(shù)據(jù)中最主要的就是CAN數(shù)據(jù)和埋點數(shù)據(jù)，下文將主要根據(jù)CAN數(shù)據(jù)和埋點數(shù)據(jù)對車聯(lián)網(wǎng)大數(shù)據(jù)在可視化方面的應(yīng)用做簡要研究。

3.1? 車輛狀態(tài)監(jiān)控及預(yù)警系統(tǒng)

預(yù)警是最常見的數(shù)據(jù)變現(xiàn)方式，而智能網(wǎng)聯(lián)汽車在整個生命周期過程中，往往都會出現(xiàn)或多或少、或這或那的問題。而根據(jù)車聯(lián)網(wǎng)CAN數(shù)據(jù)對車輛狀態(tài)進行持續(xù)監(jiān)控并識別出問題，同時可視化呈現(xiàn)出來就為解決這些問題提供了有力的依據(jù)。

車聯(lián)網(wǎng)CAN數(shù)據(jù)上傳的字段很多，根據(jù)這些字段我們可以對汽車的很多狀態(tài)進行預(yù)警并可視化呈現(xiàn)出來。如可以對輪胎壓力設(shè)定一定的胎壓閾值，然后結(jié)合溫度、速度等字段，通過胎壓監(jiān)測系統(tǒng)（TPMS）計算之后對胎壓進行監(jiān)測預(yù)警；也可以對新能源電車電池電量進行持續(xù)監(jiān)測，結(jié)合行駛里程、耗電量等字段，通過一定算法來監(jiān)測預(yù)警車輛是否漏電、虧電等；還可以對發(fā)動機故障燈、安全氣囊狀態(tài)、冷卻液、制動液等眾多車輛狀態(tài)進行監(jiān)控及預(yù)警，對產(chǎn)生的預(yù)警通過可視化的方式將每天的預(yù)警記錄展示出來，方便運維和提醒。當(dāng)故障出現(xiàn)時，運維人員還需要根據(jù)可視化信息及時提醒用戶關(guān)注相應(yīng)故障，當(dāng)同一車型出現(xiàn)批量故障時，則需要考慮是否是造車過程存在問題。

圖1是某預(yù)警系統(tǒng)的可視化頁面。此預(yù)警系統(tǒng)包括了車輛相關(guān)信息、預(yù)警的級別、預(yù)警內(nèi)容和預(yù)警時間等信息，其中預(yù)警級別可以根據(jù)需要進行自定義，行業(yè)上一般會分為3級。一級預(yù)警指的是輕微故障，對車輛的正常行駛影響較小，屬于提示性預(yù)警；二級預(yù)警是中度故障，已經(jīng)會影響到用戶的正常用車，需要駕駛員限制行駛；三級預(yù)警是最嚴(yán)重故障，需要駕駛員停車檢查或者呼叫道路救援。根據(jù)預(yù)警系統(tǒng)的可視化信息，運維人員也可以對故障進行定點排查。

3.2? 車輛行駛軌跡

車輛行駛軌跡體現(xiàn)了汽車在一定的時間范圍內(nèi)經(jīng)過的位置，通過車輛的行駛軌跡，可以推測出用戶的主要用車場景，還可以推測出用戶的遷移習(xí)慣等信息，進而推測用戶的駕駛習(xí)慣和行為偏好等信息。

在車聯(lián)網(wǎng)上傳的CAN數(shù)據(jù)中包含了經(jīng)度、緯度和方向等信息，可以通過這些信息解析出車輛的具體位置，并且將位置串聯(lián)起來形成軌跡信息。目前常用的方法有高德地圖解析和百度地圖解析，兩者的解析結(jié)果略有偏差，但一般都能滿足基本的使用。圖2是某車輛行駛軌跡可視化系統(tǒng)。

車輛行駛軌跡可視化常見的應(yīng)用場景還有：尋找車輛，當(dāng)車輛丟失或者找不到時，可以根據(jù)軌跡信息來確定車輛最后的位置；事故原因排查，當(dāng)車輛發(fā)生事故時，可以根據(jù)車輛的行駛軌跡來輔助判斷車輛是否異常行駛。

3.3? 功能使用情況

對于車聯(lián)網(wǎng)埋點數(shù)據(jù)來說，其最主要的還是用戶對車機功能操作的數(shù)據(jù)。在目前的智能汽車中大都承載了很多車機功能，如在線音樂、在線電臺、在線新聞、實時導(dǎo)航等。而不同功能的受歡迎程度也是不同的，可以通過可視化的方法來展示用戶對各個功能的使用情況，使得項目可以直觀地判斷哪些功能是值得推廣，哪些功能是需要優(yōu)化，哪些功能是可以取消的。

對于功能使用情況，可以統(tǒng)計各個功能用戶使用的次數(shù)、使用的時間段、用戶的使用時間等維度來進行可視化展示。對于圖表的使用，柱形圖是展示使用次數(shù)的一個很好的方式。通過柱形圖，不僅可以展示每天各功能的使用情況，還可以展示同一功能連續(xù)一段時間的使用趨勢。也可以通過折線圖來展示使用次數(shù)，通過折線圖還能更直觀地展示連續(xù)一段時間的使用趨勢。對于一些需要統(tǒng)計使用占比的需求，可以通過餅狀圖來進行可視化展示。餅狀圖可以很直觀地展示各個部分的占比，很適合用來展示各個功能模塊的使用占比。此外，還可以通過圖表輪播的形式來展示各個功能的使用排行。

在功能使用情況方面，主要的可視化形式還是圖表，通過柱形圖、折線圖、餅狀圖等圖表可以很直觀地展示需要統(tǒng)計的功能細項，達到實時展示的目的。

4? 結(jié)語

隨著行業(yè)的不斷發(fā)展，車聯(lián)網(wǎng)數(shù)據(jù)只會越來越多，越來越復(fù)雜，但無論如何變化，可視化也永遠是實現(xiàn)數(shù)據(jù)價值的一個很有效的方法，也必然會形成一個順應(yīng)時代發(fā)展的浪潮。通過可視化展示，可以把繁瑣、原始的數(shù)據(jù)經(jīng)過處理轉(zhuǎn)換，以更直觀的形式展現(xiàn)給用戶，從而提高服務(wù)品質(zhì)，提高企業(yè)核心競爭力。

參考文獻：

[1] 梁雪輝. 基于車聯(lián)網(wǎng)的大數(shù)據(jù)應(yīng)用研究[J]. 電子測試，2016（9）：74，86.

[2] 張長青，楊楠. 基于車聯(lián)網(wǎng)大數(shù)據(jù)分析的實時路況檢測系統(tǒng)[J]. 電子科技，2019，32（8）：66-69，74.

[3] 燕榮杰，王國慶，戴汝泉，等. 車聯(lián)網(wǎng)數(shù)據(jù)預(yù)處理[J]. 物聯(lián)網(wǎng)技術(shù)，2017，7（1）：81-82，85.

[4] 馮建武. 基于大數(shù)據(jù)的新能源汽車數(shù)據(jù)檢測處理系統(tǒng)的設(shè)計與實現(xiàn)[D]. 北京：北京郵電大學(xué)，2020.

[5] 李準(zhǔn). 信息可視化與數(shù)據(jù)可視化[J]. 現(xiàn)代制造技術(shù)與裝備，2014（5）：61-62.

[6] 臧若蒙. 面向車輛監(jiān)控系統(tǒng)的海量數(shù)據(jù)可視化研究[D]. 大連：大連海事大學(xué)，2015.

[7] 李莫丹，梁祖輝，韋?？? 車企大數(shù)據(jù)分析及應(yīng)用研究[J]. 中國高新科技，2021（22）：14-15.

[8] 高瞻，嚴(yán)汝康，向鄭濤，等. 車輛軌跡數(shù)據(jù)可視化分析系統(tǒng)的設(shè)計與實現(xiàn)[J]. 湖北汽車工業(yè)學(xué)院學(xué)報，2019，33（1）：6-11.

[9] 尹光希. 汽車發(fā)動機典型故障分析與維修對策[J]. 內(nèi)燃機與配件，2020（11）：177-178.

（編輯? 楊? 景）

作者簡介

蘇萬德（1996—），男，工程師，研究方向為汽車大數(shù)據(jù)產(chǎn)品開發(fā)。