广告
智能汽车车用基础软件平台关联技术
2022-09-25 17:59:10· 来源：汽车测试网
2. 车端数据价值
3. 传统汽车数据管理面临的问题
图4.3-1 车端数据图
汽车上产生的数据本质上是将物理世界的人 - 车 - 环境进行表征，智能汽车时代随着系统和功能的复杂化和智能化，产品的开发和迭代，以及智能化功能和服务的应用，需要大量的量产车辆的大数据， 这些数据将用于产品全生命周期的开发、运维和迭代等工作，蕴含着巨大的价值，如图 4.3-1 所示。同时高价值数据需要具备以下特征：
-
基于量产车辆的大数据，覆盖丰富的场景和工况
-
结构化数据具备 1Hz 到 100Hz 的精度
-
非结构化数据具备满足不同场景对数据精度的要求
-
覆盖全部数据维度，支持多维度的视角
-
具备高质量，需避免数据丢包、乱序等质量问题
3. 传统汽车数据管理面临的问题
(1) 车端数据采集主要问题
① 数据采集的维度、精度等都需提前定义，量产后难以根据实际情况做灵活调整
② 高精度数据在采集成本、数据质量均存在严峻挑战
③ 车端压缩倍率低，数据流量成本难以控制
④ 车端解决不了小时级别延迟的补传 / 重传数据的重新计算
⑤ 数据链路长，数据容易丢失、乱序，影响业务价值
(2) 数据加工 / 开发痛点
① 数据从平台接入到业务分析的时间长，排序、ETL 过程需要 T+1 天
② 数据分析需要大量计算资源，但受限 Hadoop 计算节点和存储资源绑定的架构，用户普遍有资源分配少，长时间等待计算完成的问题
③ 业务人员难以直接使用数据，需要在分布式环境里使用 Spark、Java、Scala 等语编程实现，门槛高， 效率低
(3) 数据闭环痛点
① 算法从云端到车端部署，涉及到算法编译、嵌入式开发、通信矩阵适配等，门槛高，效率低，往往需要数月完成一次跨车云的算法部署
② 算法部署或更新需要通过 OTA
③ 车端控制策略难以更改，迭代难度大
(4) 数据未能驱动生态
① 以上数据采集、数据开发、数据闭环三个问题导致数据生态难以形成
② 汽车大量 Knowhow 掌握在零部件供应商手里，而数据掌握在车企手里，缺乏数据安全共享的平台和机制，导致数据价值难以被全面释放
广告 
广告
编辑推荐
最新资讯
-
一文讲解：VCU应用层算法开发流程
2025-01-23 09:05
-
美国发布氢燃料汽车燃料系统完整性及压缩氢
2025-01-23 08:17
-
《乘用车线控转向系统方向盘手感模拟控制器
2025-01-23 08:14
-
模拟实际工况，采埃孚申请一项名为“用于测
2025-01-23 08:09
-
一文讲清油门防误踩功能ACPE及法规测试要求
2025-01-23 08:08
广告
广告
