中国汽车研发有限公司佩佩：汽车3.0时代有了新定义

【资讯】10月17日，（第七届）中德汽车大会在吉林长春正式召开。

大会以“引领、创新、超越”为主题，结合国际国内行业趋势，邀请企业、机构、政府、产业集群等重量级嘉宾，共同探讨共同探讨的全球宏观趋势和整体行业趋势。

引起中德汽车工业的关注。

颠覆性趋势与合作机会，分享整车企业转型、生态系统建设、零部件企业创新引领等话题，探讨新能源、智能网联、新零售、数字化、供应等热门细分领域的创新发展链。

本次大会由商务部投资促进局、长春市人民政府、中国一汽集团、吉林省商务厅联合主办，长春汽车经济技术开发区管委会承办。

我们作为战略合作媒体参与了本次活动，为您带来了与会嘉宾的精彩观点。

“中国汽车工程学院的总监和佩佩” 在（第七届）中德汽车大会上，中国汽车工程学院的总监和佩佩发表了精彩演讲。

她说：“汽车经历了从制造业1.0的纯造车时代到2.0的批量生产的发展过程，如今已经进入了大数据和物联网驱动的集中式生产到分布式的发展过程。

3.0生产。

同时，汽车产业真正实现全产业链大数据驱动。

汽车产业已从原来的制造型属性延伸到“制造+服务”的综合属性。

3.0时代，汽车有了新的定义。

技术、新业态、新模式也带来了新的发展方式。

”以下为演讲实录： 尊敬的各位领导、各位来宾、业界朋友们，大家上午好！我是中国汽车研究院的佩佩。

非常荣幸有这个机会与大家分享数字时代数据应用的一些场景。

这也是我们在新能源汽车大数据方面的初步探索，重点关注安全性和可管理性。

基础知识摆出来之后，可能还有一些不熟悉的考虑，所以我把它们作为一个行业方向来摆出来，供大家参考。

报告内容从三个方面进行：一是汽车数字化时代的一些主要考虑。

汽车经历了制造业1.0的纯造车时代，到2.0的批量生产时代。

如今，他们已经进入了从集中式生产向大数据、物联网驱动的分布式生产3.0的发展过程。

同时，汽车行业也已经实现了全产业链的全流程真正由大数据驱动。

汽车产业已从原来的制造型属性延伸到“制造+服务”的综合属性。

3.0时代，汽车有了新的定义。

新技术、新业态、新模式也带来了新的发展方式。

从数字化角度来看，新能源汽车是汽车行业数据积累最完整、数据产生最丰富的场景。

从生产方式来看，目前有两大方向。

一是研发测试端的数据。

数据主要分为三种类型。

首先是来自车辆端的OBD数据，以及研发检验机构通过设备端获取的研发检验数据。

还有从SD卡读取的检测数据。

第二类数据是通过监控，通过智能网联领域新兴的在线监控手段和数据，包括Tbox上传的数据。

由于新能源汽车的背景，所有的大数据都经过Tbox，有一个云数据平台负责数据积累，还有V2X、客户端检测等大数据组件。

在智能化环节，从感知到决策到执行，在所有的运营场景中，我们都是电动化、智能化、网联化，未来会延伸到整个生态发展。

整个链条上也有大量的数据积累。

例如，在电动化过程中，电池、电机、整车等电控数据覆盖了智能过程中从感知、决策到执行的所有运行场景和数据。

我们已经解决了。

从数据量来看，自行车每秒产生约1GB数据。

单个公司每年积累的数据就超过数百个BP。

直观统计显示，各车企每年在数据存储方面的投资。

支持的服务器大概有1亿台左右，整个数据量是我们应用的最佳场景。

政策方面，国家在2018年陆续出台数据安全管理规定，将20项数据纳入神州数码总体布局规划。

今年11日，数据评估指导意见正式实施。

从数据的监测、确权和应用来看，国家高层对整个数据挖掘应用提供了一个比较大的顶层规划，大的方向就是推广和鼓励多种新的数据场景应用。

从国际上看，我们有大型的国际合作协议，支持我们未来在数据联邦某些方面的探索和发展。

从技术角度来看，它带来了新的算法变革，从最初纯数学机制驱动的单一算法发展到现在的整个模型。

数据延伸上下游产业链的价值给行业带来了新的变化。

行业进入了新的发展阶段，带来了一些良好的产业基础。

据去年汽车最新数据显示，65%的事故是由动力电池热失控引发的自燃和安全火灾造成的。

基于这个角度来看，目前乘用车的管理模式仍然沿袭燃油车的传统方式。

目前从检测体系来看，更多的是表面的外观和安全检查。

新能源汽车电池测试尚无完整的测试方法。

在行业标准和规范方面，这是一个探索的过程。

安全问题的解决需要更好的体系和更先进的手段来支撑。

基于整体考虑，我们提出了整个思维逻辑，在充分被动安全的基础上延伸主被动“三位一体”安全体系，以主动预防和控制作为安全管理的核心，被动检测更重要。

研发检测端，通过传统的测试方法和工具来检测新车的安全问题。

主动防控体系更多的是基于人工智能、大数据、云平台等先进技术，实现评估算法的开发，实现监测、预警、事后评估。

希望打造主动防控体系，不仅能解决新车问题，还能在车辆环节形成安全管理闭环。

主动防控体系建设的主要核心关键是安全预警与健康管理技术的研究。

前期工作中，结合行业力量，重点开展技术创新、模式创新、制度创新三个方面的研究。

技术创新方面，重点聚集行业力量，推广高精度多场景安全算法技术。

这套算法技术至今已经经历了多轮迭代，已经形成了比较成熟的算法体系。

模式创新，通过线上监测与线下检测相结合的卫生监管新模式，实现安全闭环。

还有通过预警+事中+事后处置的全生命周期体系。

同时，有一套完整的标准规范可以作为整个安全防控体系的支撑。

安全是汽车行业永恒的话题，基础研究是基础。

主要是结合相应算法的发展，国外已经做了一些初步的开发。

国内外的安全预警分析都是以传统的机理建模和机理模型为支撑。

现在更多延伸到大数据与机制相结合的预警模式，形成了安全预警和健康管理的主线。

图片。

目前已主要从四个方面布局了10项关键技术，重点在四个方面取得成果。

这四个方面主要包括预警防控、线上线下检测、事后处置和标准规范等。

构建技术体系。

十大核心技术是以机制和模型算法为支撑的核心关键技术。

其中最核心的是数据机制特性驱动的预警算法模型。

这种模式更多的是应用于云端的算法应用。

第二部分是新能源载体。

对于汽车评价系统，我们希望将在线模型与线下终端设备结合起来，实现整个评价系统的闭环。

积累事故应急响应的数据，最终构建完整的机制模型算法和方法。

最后从四个方面实现健康管理。

一是安全预警的保障体系，二是健康检测设备的实现，三是建立事故应急响应的辅助支撑体系，最后形成故障和事故检测。

更多行业技术标准和规范。

我们做了核心技术开发。

第一个领域重点研究热失控溯源，开发动力电池安全预警模型。

截至目前，我们已经拥有大量的真实案例以及失败故障数量和故障场景的积累。

在安全预警和主动防控技术方面，利用该系统开发的基于车辆和人体环境的综合应用系统也在开发过程中。

在健康管理方面，将主要依靠相应的标准体系进行完善并延伸到车辆的健康管理模块。

开发和应用。

基于整个技术体系，我们在核心算法库布局方面目前已经实现了约33个模型，涵盖电池、电机、整车等。

我们已经进入了很多Sass系统可以在车企大规模部署的发展阶段。

结果概括为四个方面。

结果应用、数据在汽车终端的应用、云端预警、延伸到二手车和风险评估，迭代发展这个模型。

在硬件设备方面也有相应的算法部署，还有一些在汽车和云端的联动开发，形成一套安全健康管理的技术成果。

目前，一些应用主要从三个方面来实现。

这是一家商用车公司。

在实际的算法模型中，我们成功部署了该算法，实现了对数十辆风险车辆的预警，避免了平台车辆引发事故的风险。

，实现平台车辆零火灾。

数据监管支持市场监管总局发现高风险模型缺陷。

希望未来通过健康管理的技术支撑，探索新能源汽车年检新模式和后市场生态。

我们觉得数据在新能源汽车上的应用是一个不断探索的过程，需要重点关注三个关键点。

首先是所有的数据应用都要场景驱动，所有的算法开发、所有的技术投入和数据挖掘都需要解决具体场景的问题。

其次，要遵循避免数据使用的原则，围绕数据源、数据算法、数据算力三个要素，发展模型化、智能化的核心数据技术。

第三，要能够实现价值效应，将数据开发的技术成果转化为产品，与实体产业实现深度融合，实现经济价值。

基于这样的思考，目前存在四个挑战。

首先是整个汽车领域，包括新能源汽车、智能网联汽车，面临着非常复杂的场景。

在如此复杂的场景下，如何建立有效、准确、有价值的算法系统或数据挖掘系统来真正解决产品问题是相对困难的。

第二是数据的可访问性。

实际的数据存储方式、确权和授权使用过程存在一定的困难。

如何获取高质量的数据也是业界的难点。

第三是就算法技术本身而言，我们还面临一些挑战，跨境限制也是我们未来会面临的挑战。

针对这些问题和挑战，我们对数字化的探索对于未来汽车领域的数字化应用仍然具有重大意义。

对未来的乐观预期。

在一些应用场景的挖掘和先进技术合作中，特别是目前先进算法技术和检测认证方面的联合研究，实现全球标准的全球互认，对于数据挖掘和新应用在数据挖掘方面将会有非常好的前景和挑战。

未来。

希望能够联合更多的行业力量，在数字化领域做更多的探索，取得一些新的突破。

希望有机会与业界同仁共同探讨数字化在汽车领域的更多应用价值。

谢谢你们！ （编译/秦超） 查看同类文章：行业政策帮助您了解行业。