基于大數(shù)據(jù)的汽車(chē)性能優(yōu)化與智能決策支持系統(tǒng)研究

摘要：以大數(shù)據(jù)技術(shù)為基礎(chǔ)，針對(duì)汽車(chē)性能優(yōu)化和決策支持等需求展開(kāi)調(diào)研，主要介紹了包括傳感器技術(shù)、數(shù)據(jù)采集與傳輸技術(shù)、數(shù)據(jù)清洗預(yù)處理方法在內(nèi)的大數(shù)據(jù)采集與處理關(guān)鍵技術(shù)；對(duì)包括數(shù)據(jù)挖掘技術(shù)、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)模型在內(nèi)的汽車(chē)性能數(shù)據(jù)分析與建模方法進(jìn)行了探討；提出包括決策模型設(shè)計(jì)、智能算法應(yīng)用、系統(tǒng)架構(gòu)技術(shù)等在內(nèi)的智能決策支持系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)方案。該系統(tǒng)的可行性和有效性已通過(guò)實(shí)驗(yàn)案例得到驗(yàn)證，技術(shù)支持和決策參考已為汽車(chē)業(yè)界提供服務(wù)。

關(guān)鍵詞：大數(shù)據(jù)；汽車(chē)性能優(yōu)化；智能決策支持系統(tǒng)；數(shù)據(jù)分析與建模

中圖分類(lèi)號(hào)：U462? 收稿日期：2024-03-15

DOI：1019999/jcnki1004-0226202406022

1 前言

隨著汽車(chē)技術(shù)的不斷進(jìn)步，汽車(chē)性能的優(yōu)化和決策的智能化成為提高汽車(chē)競(jìng)爭(zhēng)力和用戶(hù)體驗(yàn)的關(guān)鍵，其中大數(shù)據(jù)技術(shù)為人們提供了新的思路和工具。本文通過(guò)數(shù)據(jù)分析和建模，探討如何通過(guò)設(shè)計(jì)智能決策支持系統(tǒng)，為駕駛者和車(chē)輛管理者提供更智能精準(zhǔn)的決策支持，從而在汽車(chē)行駛產(chǎn)生的海量數(shù)據(jù)中提取有價(jià)值的信息，實(shí)現(xiàn)汽車(chē)性能的精準(zhǔn)預(yù)測(cè)和優(yōu)化。本文將圍繞大數(shù)據(jù)采集與處理、汽車(chē)性能數(shù)據(jù)分析與建模、智能決策支持系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)等方面展開(kāi)討論。

2 大數(shù)據(jù)采集與處理

21 傳感器技術(shù)在汽車(chē)領(lǐng)域的應(yīng)用

傳感器技術(shù)負(fù)責(zé)監(jiān)測(cè)和記錄汽車(chē)運(yùn)行中的相關(guān)參數(shù)和狀態(tài)。現(xiàn)代汽車(chē)廣泛應(yīng)用了各種類(lèi)型的傳感器，包括慣性傳感器、溫度傳感器、壓力傳感器、光學(xué)傳感器等。這些傳感器能夠?qū)?chē)輛的運(yùn)動(dòng)狀態(tài)、引擎溫度、胎壓、環(huán)境光照等進(jìn)行實(shí)時(shí)測(cè)量和記錄，并以此對(duì)車(chē)輛狀態(tài)進(jìn)行實(shí)時(shí)監(jiān)控，相關(guān)數(shù)據(jù)還可以用于后續(xù)的數(shù)據(jù)分析和建模，從而能完成優(yōu)化汽車(chē)性能、支持智能決策等多方面的工作。

22 數(shù)據(jù)采集與傳輸技術(shù)

有效地采集汽車(chē)產(chǎn)生的大量數(shù)據(jù)，必須借助先進(jìn)的數(shù)據(jù)采集與傳輸技術(shù)。汽車(chē)領(lǐng)域常用的數(shù)據(jù)采集方式分為有線和無(wú)線兩種：有線方式通過(guò)接口或總線直接連接傳感器和數(shù)據(jù)采集設(shè)備，實(shí)現(xiàn)數(shù)據(jù)的實(shí)時(shí)傳輸和記錄；無(wú)線方式則利用無(wú)線通信技術(shù)，如藍(lán)牙等，實(shí)現(xiàn)車(chē)輛數(shù)據(jù)的遠(yuǎn)程傳輸與監(jiān)控。為確保數(shù)據(jù)的準(zhǔn)確性和完整性，還需要采用數(shù)據(jù)校驗(yàn)與容錯(cuò)機(jī)制，以及數(shù)據(jù)壓縮與加密技術(shù)，這也可以增強(qiáng)數(shù)據(jù)的安全性和可靠性。綜合采用上述技術(shù)手段，可確保汽車(chē)產(chǎn)生的大量數(shù)據(jù)得到有效的采集。在汽車(chē)領(lǐng)域，對(duì)數(shù)據(jù)進(jìn)行有效的采集和傳輸，是一項(xiàng)十分重要的課題。

23 數(shù)據(jù)清洗與預(yù)處理方法

汽車(chē)產(chǎn)生的資料常因產(chǎn)生噪音異象及資料缺失而產(chǎn)生不連貫現(xiàn)象，為保證后續(xù)資料的分析及模型的構(gòu)建能夠正常進(jìn)行，資料的清洗及預(yù)處理是必不可免的步驟。資料的清洗工作主要有去除重復(fù)資料及糾正錯(cuò)誤數(shù)據(jù)與缺失部分。而資料的歸一化及部分特征的取舍是資料預(yù)處理工作的重點(diǎn)內(nèi)容，目的是提取數(shù)據(jù)中的有效信息，同時(shí)降低資料的維度和復(fù)雜度，為后續(xù)建模工作提供比較可靠的數(shù)據(jù)基礎(chǔ)[1]。通過(guò)有效的資料清洗及預(yù)處理辦法能夠提高資料的可用性及精準(zhǔn)度，從而為汽車(chē)性能的優(yōu)化以及智能決策提供支持。

3 汽車(chē)性能數(shù)據(jù)分析與建模

31 數(shù)據(jù)挖掘技術(shù)在汽車(chē)性能數(shù)據(jù)中的應(yīng)用

數(shù)據(jù)挖掘技術(shù)在汽車(chē)性能數(shù)據(jù)分析中扮演著重要角色，通過(guò)挖掘和分析大量的汽車(chē)數(shù)據(jù)，可以發(fā)現(xiàn)隱藏在數(shù)據(jù)背后的規(guī)律和趨勢(shì)，為優(yōu)化汽車(chē)性能提供決策支持。常用的數(shù)據(jù)挖掘技術(shù)有聚類(lèi)分析、關(guān)聯(lián)法則挖掘、分類(lèi)與預(yù)測(cè)等。聚類(lèi)分析可以把類(lèi)似的汽車(chē)性能數(shù)據(jù)歸為一類(lèi)，在不同的車(chē)型或駕駛模式下，找出性能特征，并將這些數(shù)據(jù)歸為一類(lèi)，在不同的車(chē)型或駕駛模式下進(jìn)行分析；關(guān)聯(lián)規(guī)則挖掘可以發(fā)現(xiàn)不同變量之間的關(guān)聯(lián)性，有助于對(duì)汽車(chē)性能參數(shù)之間影響關(guān)系的理解；分類(lèi)和預(yù)測(cè)則可以建立基于歷史數(shù)據(jù)的預(yù)測(cè)模型，從而預(yù)測(cè)和優(yōu)化未來(lái)汽車(chē)的性能。通過(guò)數(shù)據(jù)挖掘技術(shù)，可以更全面地了解汽車(chē)性能數(shù)據(jù)的特性與規(guī)律，以供后續(xù)的造型與優(yōu)化。

32 基于機(jī)器學(xué)習(xí)的汽車(chē)性能預(yù)測(cè)模型

機(jī)器學(xué)習(xí)技術(shù)在汽車(chē)性能預(yù)測(cè)中的應(yīng)用前景廣闊，基于歷史數(shù)據(jù)訓(xùn)練出的機(jī)器學(xué)習(xí)模型可以對(duì)今后的汽車(chē)性能等進(jìn)行準(zhǔn)確的預(yù)測(cè)和優(yōu)化。目前比較流行的機(jī)器學(xué)習(xí)算法有線性回歸法、支持向量機(jī)法、隨機(jī)森林法等，可以根據(jù)不同的汽車(chē)性能數(shù)據(jù)特征來(lái)構(gòu)建相應(yīng)的預(yù)測(cè)模型，從而對(duì)汽車(chē)燃油消耗和車(chē)輛故障率等進(jìn)行預(yù)測(cè)。另外對(duì)特征有模型調(diào)參等多種手段，這些手段可使其得到更好的性能，并提高預(yù)測(cè)的準(zhǔn)確性和穩(wěn)定性。汽車(chē)性能預(yù)測(cè)模型可幫助汽車(chē)制造商和車(chē)輛管理人員在提高汽車(chē)整體性能和可靠性上做到心中有數(shù)，能夠更加有效地進(jìn)行汽車(chē)設(shè)計(jì)和運(yùn)營(yíng)管理。

33 基于深度學(xué)習(xí)的汽車(chē)性能優(yōu)化模型

以卷積神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)進(jìn)行改進(jìn)后，以自編碼器為基礎(chǔ)的深度學(xué)習(xí)模型在汽車(chē)性能優(yōu)化領(lǐng)域大有可為。此類(lèi)模型能夠通過(guò)多層次神經(jīng)網(wǎng)絡(luò)架構(gòu)自動(dòng)學(xué)習(xí)和提取汽車(chē)性能數(shù)據(jù)中存在的復(fù)雜特征和規(guī)律，從而對(duì)汽車(chē)性能進(jìn)行精確的調(diào)整和優(yōu)化。卷積神經(jīng)網(wǎng)絡(luò)自編碼器是較為常用的模型類(lèi)型之一[2]。這些模型在汽車(chē)性能數(shù)據(jù)處理任務(wù)中能派上大用場(chǎng)，基于圖像或時(shí)間序列數(shù)據(jù)進(jìn)行汽車(chē)故障的偵測(cè)和車(chē)輛駕駛行為的調(diào)整等，模型的使用能使汽車(chē)性能優(yōu)化后的自動(dòng)化程度得到極大的提高，從而提高汽車(chē)的安全性和舒適程度，為用戶(hù)帶來(lái)更為優(yōu)質(zhì)的駕駛體驗(yàn)。

4 智能決策支持系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

41 汽車(chē)性能優(yōu)化決策模型設(shè)計(jì)

汽車(chē)性能優(yōu)化決策模型負(fù)責(zé)制定合理的優(yōu)化方案，是基于汽車(chē)性能數(shù)據(jù)和用戶(hù)需求的決策策略的智能決策支持系統(tǒng)的核心部分。汽車(chē)性能數(shù)據(jù)的多樣性和復(fù)雜性，以及使用者的喜好和約束，都需要在設(shè)計(jì)過(guò)程中加以考量。通常情況下，不同類(lèi)型的車(chē)型，如規(guī)則車(chē)型、優(yōu)化車(chē)型、模擬車(chē)型等都可以采用。規(guī)則模型通過(guò)判斷條件和動(dòng)作的匹配性，以專(zhuān)家經(jīng)驗(yàn)和規(guī)則為基礎(chǔ)制定決策；優(yōu)化模型則通過(guò)數(shù)學(xué)建模和求解，尋找最優(yōu)的決策方案來(lái)優(yōu)化問(wèn)題；模擬模型則通過(guò)對(duì)不同決策方案的效果和影響進(jìn)行評(píng)估，模擬汽車(chē)的行駛過(guò)程和性能變化。通過(guò)對(duì)這些車(chē)型的綜合運(yùn)用，實(shí)現(xiàn)汽車(chē)整體性能的提升和用戶(hù)滿意度的多維度優(yōu)化和智能化決策[3]。汽車(chē)性能優(yōu)化決策模型設(shè)計(jì)如圖1所示。

42 智能算法在決策支持系統(tǒng)中的應(yīng)用

智能算法在決策支持系統(tǒng)中占有舉足輕重的地位，對(duì)系統(tǒng)的數(shù)據(jù)分析決策推理優(yōu)化求解等方面起著重要的作用。目前比較常用的智能算法有模糊邏輯向量運(yùn)算符演算法、遺傳算法、模擬退火算法、人工神經(jīng)網(wǎng)絡(luò)等。這些算法能夠根據(jù)特定問(wèn)題和數(shù)據(jù)特點(diǎn)進(jìn)行組合運(yùn)用，從而得到比較有效的解決途徑。例如，模糊邏輯向量運(yùn)算符演算法在汽車(chē)性能優(yōu)化多條件決策中運(yùn)用十分廣泛；而遺傳算法模擬退火算法和人工神經(jīng)網(wǎng)絡(luò)，在求解一些較為復(fù)雜的優(yōu)化問(wèn)題時(shí)能夠取得不錯(cuò)的效果。應(yīng)用智能算法可以使決策支持系統(tǒng)的智能化水平得以提高，從而提高它的決策效率，它對(duì)汽車(chē)性能優(yōu)化將能提供更有效的決策支撐。

43 系統(tǒng)架構(gòu)與實(shí)現(xiàn)技術(shù)

設(shè)計(jì)智能決策支援系統(tǒng)需要考慮系統(tǒng)的架構(gòu)及其相關(guān)技術(shù)的選擇與運(yùn)用等內(nèi)容，以便使系統(tǒng)具備很好的可擴(kuò)展性，從而能應(yīng)對(duì)不同規(guī)模和復(fù)雜程度的應(yīng)用場(chǎng)景。目前比較常用的系統(tǒng)架構(gòu)有單層結(jié)構(gòu)、多層結(jié)構(gòu)和分布式結(jié)構(gòu)。在開(kāi)發(fā)工具和平臺(tái)的選擇與運(yùn)用上，主要以目前比較流行的一些編程語(yǔ)言、開(kāi)源框架為依據(jù)[4]。另外，系統(tǒng)的穩(wěn)定性和可靠性還涉及數(shù)據(jù)的存儲(chǔ)與管理以及計(jì)算資源與任務(wù)的調(diào)度等方面的工作。系統(tǒng)架構(gòu)與實(shí)現(xiàn)技術(shù)能使智能決策支撐系統(tǒng)的效能得到充分發(fā)揮，實(shí)現(xiàn)可持續(xù)運(yùn)轉(zhuǎn)。合理的系統(tǒng)架構(gòu)與適當(dāng)?shù)膶?shí)現(xiàn)技術(shù)是構(gòu)建智能決策支持系統(tǒng)的關(guān)鍵要素。系統(tǒng)架構(gòu)與實(shí)現(xiàn)技術(shù)如圖2所示。

5 應(yīng)用案例

51 實(shí)驗(yàn)環(huán)境與數(shù)據(jù)集介紹

本文的實(shí)驗(yàn)研究是在模擬環(huán)境中進(jìn)行的。一輛標(biāo)配的車(chē)上面裝有各種傳感器，包括車(chē)速感應(yīng)器、溫度感應(yīng)器等，把車(chē)輛在行駛過(guò)程中的相關(guān)數(shù)據(jù)收集起來(lái)。數(shù)據(jù)集包括不同路況、不同車(chē)速下的行駛數(shù)據(jù)，以及車(chē)輛動(dòng)力系統(tǒng)的記錄和環(huán)境參數(shù)。比如，記錄了在城市擁堵路段和高速公路上，以及不同環(huán)境溫度下，車(chē)輛的平均車(chē)速分布、車(chē)速隨時(shí)間變化的彎道以及耗油量等信息。汽車(chē)性能數(shù)據(jù)如表1所示。

52 實(shí)驗(yàn)結(jié)果與分析

通過(guò)數(shù)據(jù)分析可以發(fā)現(xiàn)其中的一些規(guī)律。比如，在城市擁堵路段，車(chē)輛普遍以20 km/h左右的平均時(shí)速較低；在高速公路上，車(chē)輛平均時(shí)速大幅提升，超過(guò)80 km/h。發(fā)現(xiàn)隨著車(chē)速的提高，油耗呈現(xiàn)逐步上升趨勢(shì)的車(chē)輛轉(zhuǎn)速與油耗之間的關(guān)系[5]?；谶@些分析結(jié)果，建立了車(chē)輛性能預(yù)測(cè)模型，該模型能夠預(yù)測(cè)車(chē)輛在未來(lái)一段時(shí)間內(nèi)的性能表現(xiàn)，根據(jù)當(dāng)前的車(chē)輛狀態(tài)和行駛環(huán)境進(jìn)行預(yù)測(cè)。

53 應(yīng)用案例的實(shí)際效果評(píng)估

選取一些比較典型的應(yīng)用案例，對(duì)系統(tǒng)的效果通過(guò)實(shí)際數(shù)據(jù)進(jìn)行考核。比如在優(yōu)化燃油經(jīng)濟(jì)性方面對(duì)系統(tǒng)的效果進(jìn)行了測(cè)試。結(jié)果顯示，與傳統(tǒng)駕駛方式相比，車(chē)輛平均耗油量在使用系統(tǒng)優(yōu)化的駕駛模式下下降了12%左右。另外，對(duì)該系統(tǒng)預(yù)測(cè)車(chē)輛故障的效果進(jìn)行了評(píng)估，結(jié)果表明，該系統(tǒng)對(duì)今后一段時(shí)間內(nèi)的故障種類(lèi)、發(fā)生故障的幾率等進(jìn)行了準(zhǔn)確預(yù)測(cè)，為車(chē)輛保養(yǎng)提供了有效參考。系統(tǒng)應(yīng)用效果評(píng)估結(jié)果如表2所示。

6 結(jié)語(yǔ)

本文主要對(duì)大數(shù)據(jù)技術(shù)在汽車(chē)行業(yè)中應(yīng)用進(jìn)行探討，對(duì)傳感器技術(shù)在汽車(chē)中應(yīng)用情況、數(shù)據(jù)挖掘技術(shù)在汽車(chē)性能優(yōu)化中應(yīng)用情況、機(jī)器學(xué)習(xí)技術(shù)在汽車(chē)燃油經(jīng)濟(jì)性預(yù)測(cè)中應(yīng)用情況、深度學(xué)習(xí)技術(shù)在汽車(chē)故障預(yù)測(cè)中應(yīng)用情況作了介紹，并在此基礎(chǔ)上對(duì)智能決策支持系統(tǒng)如何為汽車(chē)性能優(yōu)化提供技術(shù)支持和決策參考作了介紹。案例實(shí)驗(yàn)從提高汽車(chē)燃油經(jīng)濟(jì)性和預(yù)測(cè)車(chē)輛故障兩個(gè)方面進(jìn)行分析，驗(yàn)證了該系統(tǒng)的有效性和可靠性。

參考文獻(xiàn)：

[1]馬騫基于大數(shù)據(jù)分析的汽車(chē)機(jī)電系統(tǒng)預(yù)測(cè)維護(hù)與故障預(yù)防研究[J]專(zhuān)用汽車(chē)，2023（12）：121-123

[2]陳秀娟新能源車(chē)評(píng)價(jià)有標(biāo)可依[J]汽車(chē)觀察，2019（3）：96-97

[3]潘鵬智慧計(jì)算成就智能網(wǎng)聯(lián)[J]智能網(wǎng)聯(lián)汽車(chē)，2019（1）：67

[4]鐘文京，尹文斌新能源汽車(chē)大數(shù)據(jù)庫(kù)的設(shè)計(jì)分析[J]電子技術(shù)與軟件工程，2016（22）：162-163

[5]趙長(zhǎng)利汽車(chē)制動(dòng)性能及其統(tǒng)計(jì)特征研究[D]濟(jì)南：山東科技大學(xué)，2005

作者簡(jiǎn)介：

吳亮，男，1979年生，研究方向?yàn)槠?chē)大數(shù)據(jù)分析。