【专家视角】新能源汽车安全预警算法开发及测试评价

1.新能源汽车的发展机遇与挑战

截至2020年6月，我国新能源汽车保有量已突破400万辆，占全球新能源汽车全球保有量的50%以上。根据《新能源汽车产业发展规划》（2021-2035），到2025年，新能源汽车新车销售量将达到汽车新车销售总量的20%左右。预计到2035年，我国新能源汽车保有量将突破1.6亿辆。与此同时，新能源汽车面临包括里程、安全、保值3大焦虑，随着保有量的增加以及里程的提升，里程和保值的问题都可以迎刃而解，但安全问题将会伴随新能源汽车的发展过程，经调查发现新能源汽车安全问题重点体现在电池方面，包括在行驶中、碰撞后、静置中、充电中、水淹后等各环节。新能源汽车安全是一个全行业的问题，政府、企业、行业和公众都给予大量的关注，政府出台相关文件明确提出加强监管力度；企业加强提升自身研发能力；行业聚焦安全预警研究。

2.新能源汽车安全风险控制主要方向

行业内新能源汽车安全风险控制技术主要从两个方向展开：一是基于单车BMS的实时安全风险识别（基于单车BMS实时采集数据，车企根据电池安全使用边界，制订相应的针对实时数据的控制和报警策略）；二是基于云端大数据平台的云端安全风险识别（基于批量在用车上传的历史数据，根据电池安全使用边界和关键安全特征参数历史数据变化规律等进行安全风险识别和预警）。两者之间有不同数据的要求和技术研究方向，单车基于实时企标数据分析，对于电池安全使用边界和热失控边界条件的识别比较及时和准确，但风险识别较为滞后，提前识别安全风险难度较大，重点在于处理突发的安全问题，提示整车或司机做出保护动作；批量在用车基于历史数据变化规律，可实现对安全风险的早期识别和预警，但不同体系和安全使用边界差异较大，影响精度，重点在于对安全风险车辆的提前识别和预警，指导车企做出预警和检修动作。两者在业内均进行相关的研究和发展，中国汽研在新能源汽车安全预警方面也开展了重要工作。

在国家工信部、国家科技部、市场监管总局的信任和支持下，中国汽研陆续开展了四项国家级新能源汽车安全课题研究，逐步完成了集数据库建设、数据分析、模型开发、平台建设、软件开发各方面能力建设，最终形成中国汽研独有的技术优势。在安全预警算法开发过程中，发现有两个痛点：一是模型验证测试难度大，随着业内开展新能源汽车安全预警算法模型研究的企业机构逐渐增多，受数据局限，模型有效性的验证成本高；二是事故数据未充分使用。依托于中国汽研长期开展的事故车数据研究基础，事故车的共性风险特征可以进行有效提取，为此，结合起来形成一套安全预警算法的服务平台。

3.TIVES算法服务平台

该平台简称为TIVES（Test，Integrate，Verify，Evaluate，Spread）平台，基于丰富的事故车数据及算法测试技术，提供安全预警算法测试、验证和评价服务，提升行业整体水平，集成、推广行业优秀模型算法。平台的功能定位为6大方向：为行业提供实验数据管理；数据测试集支持个性化定制；实现外部信息化平台对接；提供弹性计算服务；提供弹性存储空间；提供多场景下数据测试集。

TIVES算法服务平台应用相关数据处理技术，完成测试集构建，兼容不同场景和模型测试。从架构图来讲，分为四个阶段，一是数据采集，首先要进行非标准数据的标注化工作，接入多种多样的数据源，之后进行数据处理，包括数据的解析、解码、校验、存储等相关采集工作；二是数据治理，首先进行数据TTL清洗，包括时间格式、充放电状态、编码格式、列名统一以及数据拼接等一系列数据清洗工作，同时也要做数据质量的核查，包括数据校验、用户关联校验等；数据采集和数据治理是TIVES平台很重要的基础性工作。三是数据仓库，即根据不同的事故类型、电池类型、用途维度、区域维度、里程维度等，打上不同的数据标签，这些标签便于后续做数据的个性化处理；四是数据智能，根据在测试集的方向，比如围绕安全预警，寿命预测，SOH评估等不同的测试场景，提供不同的测试服务内容。

测试集是面向模型测试的数据基础，并搭载数据智能引擎，高效积累数据资产，赋能不同测试场景，助力企业、高校、研究机构测试验证模型有效性和可行性。整个测试数据集的构建，最重要的两点：数据校验，包括时间排序、数据统一，便于为后续测试提供更准确的输入；数据脱敏，包括车型、区域、用途、种类脱敏，通过脱敏可以更好地解决隐私保护和测试服务之间的平衡，测试数据集构建本身也是提出相应的规则和算法。

核心数据项，在整个新能源汽车的数据采集过程中有很多项数据，经过前期的大量验证，和安全相关的大概有23项脱敏数据，这23项数据涵盖做预警预测及相关关联分析的方方面面，包括单品、整个电池包的相关信息以及不同电压传感器、温度传感器、里程、绝缘电阻、车速、定位等。不同厂家如何去解决共性问题，通过现有事故车数据整理发现：根据事故车数据标签特征统计，标准测试集中尽可能多的覆盖事故车特征及数据。

通过实践研究，在算法评价里面分为4个核心指标，一是查准率，表示预测危险车结果中真正的危险车所占比例；二是查全率，表示预测出的危险车占实际事故车中的比例；三是运行时间，相同的测试集及计算资源条件下，不同算法计算结果的运行时间；四是预测提前时间，相同测试集下，不同算法对危险车拐点提前时间。同时也有一些扩展指标，这些评价指标一方面可以提供给用户做测试的参考，一方面依照指标可以对对方的算法进行验证。

TIVES体系提供测试、集成、验证、评价、推广服务。业务服务的完整流程分为算法接入和算法测试两个阶段。从用户体验来讲，分为账号登录、开始测试、选择数据、创建程序、执行程序、查看结果一整套流程。TIVES算法服务平台部分功能界面参考：账号登录、样本数据列表、样本数据详情，控制台初始化沙箱、收藏数据、以及编辑和管理程序。

TIVES算法服务平台的高性能处理技术：异构数据能力（通过对异构数据进行适配转化，统一格式数据，加快对接速度，提升合作效率）；数据集成能力（集成互斥样本集，满足多场景、多工况模型测试）；数据计算能力（支持批量车辆计算，复杂模型计算，黑盒计算）；数据存储能力（大数据量的数据存储，专业的车辆数据结构）。整合企业数据、平台数据实现统一批量数据存储与分析，满足不同模型和应用场景的数据及计算需求，深度软硬件协同优化设计，形成持续高效数据采集、处理、计算能力，以及分析模型测试能力。

TIVES算法服务平台的信息安全，通过设置独立账户、沙箱环境、数据隔离、黑盒测试等方式保障算法及数据的安全，用户通过独立账户进入数据平台，每个用户拥有独立的沙箱环境，可预览数据信息、不可复制下载，编程环境支持编译后程序执行，保障程序安全。保证在合理、可控、安全的环境进行相关的测试工作。

4.TIVES算法服务平台更多应用

未来，基于TIVES算法服务平台，开展事故车典型工况数据、第三方安全预警算法测评、安全预警算法调优服务，助力整车企业辨别外部模型适用率、电池企业、模型开发团队模型开发优化，使中国汽研自身集成业内优秀模型，拓展预警服务能力。希望基于中国汽研的数据能力、平台能力，以第三方的身份，能为新能源汽车安全预警算法开发提供更多的支持，特别是在测试评价领域。