从信息时代跨越到智能时代，算法成为新的生产力，车端产品的设计从传统开发模式转向由数据驱动来迭代。车联网在积极拥抱时代转变的同时，在数据采集、数据分析等层面面临着诸多挑战。

　　

基于这一背景，在SOA产品屏蔽车云平台差异、低代码工具、原子化功能的设计理念下，智协慧同提供一套技术全栈数据闭环解决方案，实现高精度、高质量的数据灵活按需采集的同时，更是在近期推出了轻量化的自动驾驶数据采集方案，满足车企客户全方位的数据采集需求。

　　

算法——个性化时代的先进生产力

　　

2012年今日头条上线，对同时代的门户式新闻网站造成降维打击。推荐引擎通过深度学习用户行为、训练算法，让每位用户看到不一样的资讯，实现“千人千面”的个性化展示。其背后体现出的生产范式，即先进的生产力。

　　

如今，算法充斥着人们生活的各个角落，新四化趋势下出现的智能化、个性化等需求也将算法这一先进生产力引入了汽车领域。

　　

信息时代，软件要求程序员想好业务逻辑，再通过编程实现，智能时代的生产范式则发生了“code+数据”的转变。以自动驾驶为例，执行层靠编程实现的同时，在感知和决策层引入机器学习模型，用数据闭环训练算法，实现软件的快速迭代。

　　

不仅仅是自动驾驶，未来将会有越来越多的场景遵循新的生产模式，如何构建新的生产力与范式成为车企需要考虑的问题。

　　 　　

     　　

图片来源：智协慧同官网

　　

当然，大数据的底层建设在信息时代就已存在，比如车联网。

　　

今天各大OEM都有车联网后台，也都建设了大数据平台，其中包括数据仓库、BI分析等内容，但是从行业对大数据的期望来看，其成果和价值却并不显著，原因在于信息时代由IT部门主导的业务逻辑难以匹配智能时代海量、灵活、高精度的数据需求。

　　

智协慧同认为，抖客网，智能时代大数据平台的设计思路需要转变，新一代的核心生产力是敏捷能力与工具链的结合。通过工具链封装跨车云数据技术，让业务部门可以灵活利用数据，快速探索业务，快速试错验证，最终形成数据驱动的业务闭环。

　　

因此，需建立起一套可快速迭代的、敏捷的数据闭环工具链，赋能业务部门自主探索数据。

　　

数据思维+灵活数采打通数据闭环前端

　　

数据驱动的业务闭环，遵循“业务思考-采集数据-标签数据-算法训练-部署迭代”的流程。

　　

在此过程中，需满足业务部门对数据获取在精度、维度、质量等方面的全方位需求，同时还需降低大数据分析的门槛，使业务部门实现自主分析。此外，还要实现跨车云的算法快速部署、快速迭代和数据闭环，并让一套技术架构和工具满足所有业务部门使用需求。可见，利用车联网数据实现数据闭环面临着不小的挑战。

　　 　　

     　　

图片来源：智协慧同官网

　　

打造数据闭环的前提，即建立数据思维，用数据考虑业务。那么何为数据思维？此前，智协慧同在与客户的一次合作中得出了答案。

　　

对于驾驶行为分析中的“急加速”和“急减速”识别算法，最关键的是设定合理的判别阈值。传统汽车行业的方案是基于以往积累的工程经验来设定一个值，然而在实践却证明这样的阈值并不可靠。

　　

而基于大数据的方法则是首先采集海量行车记录数据，通过特征识别找出特征数据段，并在其中计算特征值，从而经统计分析找出阈值。这便是向数据思维的转变——通过海量数据获得结果，而非根据经验。

　　 　　

     　　

图片来源：智协慧同官网

　　

当有了基于数据的业务思考能力，在车联网数据的获取环节又会出现挑战。

　　

当前，获取数据的基础能力仍是瓶颈。虽然车联网建设已有多年，然而最早的车联网数据采集是处于满足法规需要的目的，因此当业务部门考虑新的业务场景时往往会发现信号数量、精度、质量均不足，无法支撑多维专业数据分析。且车联网采集的信号固定又难以更改，导致数采灵活性差，难以应对不同需求。

　　

无论是流量还是云端的存储费用，以及对数据的清洗、处理、关键数据的提取、建模分析，整个流程效率以及成本都为研发团队带来困扰。

　　

 

　　

     　　

图片来源：智协慧同官网

　　

智协慧同看到了车端数据采集的关键痛点，打造了低代码开发工具-算法直接下发-车端秒级运行-灵活数据采集/上传/存储的闭环方案，帮助主机厂进行多维度、高精度、低成本、高质量的数据采集。

　　

针对时间成本和采集难度的痛点，智协慧同提出了一种基于车端的灵活触发机制，可以根据具体场景来灵活定义采集维度、精度等，对数据进行从采集到应用的全流程管理，由此加速产品迭代，赋能车端成为物联网边缘计算网络的中心。

　　

“开箱即用” 低代码开发工具应对敏捷挑战

　　

相比传统汽车行业的数据分析，车联网的数据分析与前者最大的不同就是多了一步特征提取。从原始信号中提取人车环境特征，形成画像。

　　

然而，现有的车联网分析后台及工作模式极大限制了数据的高效使用：IT与业务部门之间的跨界沟通让需求响应效率低下；代码开发慢，导致软件变更迭代的速度也减缓；此外云端和大数据模型的跨车型升级和泛化成本高，更换车型时许多代码也需随之重新编写。

　　

基于数据分析中的敏捷挑战，智协慧同借鉴计算机行业微服务、低代码等成熟思路形成了一套解决方案。

　　

智协慧同图形化、低代码的开发工具将汽车领域常用的算法封装成算子，工程师通过拖拉拽操作可快速建模。该大数据分析建模工具具有工况识别、信号滤波等汽车行业特有工具箱，支持汽车多种专业数据格式解析，同时支持机器学习建模推理。辅以车云同构的框架，能实现算法秒级下发部署。显然，这一“开箱即用”的工具能帮助业务人员和开发者降低可观的时间成本。

　　

车云同构 全栈数据驱动能力化解新挑战

　　

近两年，智协慧同在其量产实践中看到了更多需求，其中就包括偶发异常的远程快速定位和分析需求。

　　

当前主流车企纷纷开始搭建远程诊断系统，然而在软件复杂度急速提升的今天，新架构带来的潜在异常和偶发故障大量增加，传统的远程诊断系统已无法满足新的需求。此外，目前远程诊断采集到的冻结帧数据普遍质量差、采样频率低，无法支撑故障相关性分析和故障溯源。

　　

智协慧同与各大主流远程诊断供应商合作，采用远程诊断+灵活数采+OTA方案，打造故障诊断与处理的闭环。通过灵活数采方案采集高精、多维数据，支持潜在异常排查，并进行故障的相关性分析。软件异常则可通过OTA快速解决，同时根据数据，生成判断异常的规则，规则可下发到车辆，实现对异常问题的监控。

　　

原标题：【高效释放车联网数据价值 车云数据闭环打造先进生产力】 内容摘要：从信息时代跨越到智能时代，算法成为新的生产力，车端产品的设计从传统开发模式转向由数据驱动来迭代。车联网在积极拥抱时代转变的同时，在数据采集、数据分析等层面面临着诸多挑战 ... 文章网址：https://www.doukela.com/qiche/128101.html； 免责声明：抖客网转载此文目的在于传递更多信息，不代表本网的观点和立场。文章内容仅供参考，不构成投资建议。如果您发现网站上有侵犯您的知识产权的作品，请与我们取得联系，我们会及时修改或删除。