大数据驱动的新能源汽车多维度安全预警建模方法研究

新能源汽车安全已是一个非常严峻的现实问题,直接影响到产业的未来与发展。综合阐述了基于大数据驱动的安全预警技术建模的方法学问题。从多个层次、多个维度讨论了安全预警的技术方法,重点分析提出了基于系统稳定性、相关性、一致性等累计风险模型与事故特征匹配追踪两大类模型。介绍稳态概率计算方法、累计风险计算方法、风险曲线识别方法。介绍了基于中心距、能量一致性的累计风险模型与应用情况,最后介绍一类全新的模式匹配识别模型:事故特征匹配追踪模型。总结提出了从微观定义安全、宏观预警安全、智能完善安全、数据保障安全一个比较完整的安全预警体系与方法。     

基于新能源汽车大数据的事故特征模式匹配追踪分析

针对传统新能源汽车事故分析存在受限因素多、相互关联复杂度高、资源消耗大、事故原因较难下定论的问题,以新能源汽车全生命周期数据为例,提出一套事故数据模式特征匹配追踪的方法。通过构造高斯高阶导数滤波器,对模板信号的高阶微分特征进行抽取并形成多维特征模板,再用滤波器组与目标信号作卷积,将两者作相关性运算,计算其相关系数,把相关系数理解成概率并作为匹配程度的度量,计算联合概率最终完成模板信号的匹配程度计算,实现目标信号的匹配追踪。验证表明该方法科学有效,能够区分正常车辆和事故车辆,可以为新能源汽车安全预警提供有效依据。     

基于 B/S 架构的汽车工程数据云平台的设计与实现

汽车产品开发愈发需要海量且高质量的基础数据作为支撑，汽车工程数据体系非常庞杂且彼此间关联度强，因此，针对汽车工程数据库开发，需站在汽车产品开发者和项目管理者角度为其提供更柔性化、可视化、深度化的数据服务。开发了高压缩比的图形引擎，并设计了一种基于 B/S 架构的汽车工程数据管理平台，以轻量化的三维模型为载体实现工程数据的强关联，较大程度地解决了汽车工程数据管理分散易丢失、完整性和一致性差、不易检索和无法进行数据挖掘等痛点问题，为汽车工程数据管理和重用提供了一个新的思路。