洪毓鋒 李軍求 孫超*

（北京理工大學，北京 100081）

主題詞：新能源汽車 智能化 電池SOC

縮略語

SoC State of Charge(電荷狀態(tài))

SOH State of Health（健康狀態(tài)）

EKF Extended Kalman Filter（擴展卡爾曼濾波器）

AEKF Adaptive Extended Kalman Filter(自適應擴展卡爾曼濾波器)

UKF Unscented Kalman Filter

（無跡卡爾曼濾波器）

SoH State of Health(健康狀態(tài))

ACB All Climate Battery（全天候動力電池）

PMSM Permanent Magnet Synchronous Motor

(永磁同步電機)

PID Proportion,Integral and Differential

(比例-積分-微分控)

DP Dynamic Programming（動態(tài)規(guī)劃算法）

HEV Hybrid Electric Vehicle(混合動力汽車)

ECMS Equivalent Consumption Minimization Strategies（等效燃油消耗最小策略）

A-ECMS Adaptive-ECMS

（自適應等效燃油消耗最小策略）

T-ECMS Tel-ECMS（遠程等效燃油消耗最小策略）

OBUOn-Board Unit（車載單元）

V2I Vehicle to Infrastructure(車與基礎設施)

V2V Vehicle to Vehicle(車與車)

V2X Vehicle to Everything(車與萬物)

C-V2X Cellular-V2X（蜂窩通訊）

DSRC Dedicated Short Range Communications

(專用短程通信)

0 前言

2018年全球新能源汽車銷售創(chuàng)新高，超過了200萬輛，2018年中國新能源汽車產(chǎn)銷超過125萬輛，中國新能源汽車產(chǎn)業(yè)在全球處于領先地位。在全球范圍內(nèi)新能源汽車產(chǎn)業(yè)發(fā)展伴隨著技術的發(fā)展與技術瓶頸的突破，主要表現(xiàn)在新能源汽車的續(xù)駛里程、電池與整車能量管理技術的發(fā)展與進步，特別是近年來，隨著智能化、信息化技術的發(fā)展，新能源汽車在智

能化與信息化方面獲得了廣泛的應用，為新能源汽車的可持續(xù)發(fā)展提供了技術支撐，本文深入挖掘國際、國內(nèi)學術文獻，總結(jié)、歸納并預測了新能源汽車智能化發(fā)展現(xiàn)狀與發(fā)展趨勢，為新能源汽車技術創(chuàng)新提供參考。

1 新能源汽車部件智能化

1.1 動力電池部件智能化管理

動力電池的智能化主要體現(xiàn)在電池管理系統(tǒng)（Battery Management System,BMS）的智能化?；谥悄芩惴ǖ碾姵貭顟B(tài)估計、多模型融合的電池熱管理以及全氣候電池應用是研究的重點。

1.1.1 精確的狀態(tài)估計

（1）電池SoC的精確估計

目前國內(nèi)外學者提出的SoC估計方法主要有4大類，包括基于安時積分的估計方法，基于數(shù)學模型的估計方法，基于電池表征參數(shù)測量值的估計方法，以及基于等效電路模型的估計方法。

基于經(jīng)驗方程和數(shù)學模型的SoC估計方法包括神經(jīng)網(wǎng)絡法、模糊邏輯法、線性模型法、支持向量機法等。在參考文獻[1]中，基于模型的估計方法因為具有較好的魯棒性，并且模型參數(shù)易于辨識，因而得到了廣泛應用。

在電池SoC估計的研究中，G.L.Plett等人應用了多種電池模型，并結(jié)合了擴展卡爾曼濾波器(EKF)對電池的荷電狀態(tài)進行估計[2-3]。北京理工大學的熊瑞等將一種改進的自適應擴展卡爾曼濾波器(AEKF)用于估計電池的SoC，該方法具有較好的估計精度[4-6]。另外，如無跡卡爾曼濾波器（UKF）、滑膜觀測器、龍伯格觀測器、非線性狀態(tài)觀測器等都被應用于電池的荷電狀態(tài)估計，也取得了不錯的效果，基于大數(shù)據(jù)和工況融合的新型SoC估計也成為了新的研究熱點。

（2）電池SoH的精確估計

電池SoH的準確估計可以及時提醒使用者更換衰老或損壞的電池（包、模組或單體），這樣不僅保證行車安全性并且對于提高電池組容量利用率也起了很大的作用，這也是當前電池領域的技術難點之一。常見的估計方法主要有基于經(jīng)驗和基于模型的方法?，F(xiàn)階段研究較多的為基于數(shù)據(jù)模型和基于特征量的方法。

基于數(shù)據(jù)模型的方法主要有神經(jīng)網(wǎng)絡方法、支持向量機方法和粒子濾波方法等。在這方面的研究中，Guangxing Bai將訓練的神經(jīng)網(wǎng)絡模型嵌入到雙擴展卡爾曼濾波器算法中以跟蹤系統(tǒng)動態(tài)實現(xiàn)了SoH的估計[7];Zhiwei He通過鋰離子電池老化試驗收集數(shù)據(jù)，用于訓練貝葉斯網(wǎng)絡進而對SoH進行有效估計[8]；Verena Klass采用數(shù)據(jù)驅(qū)動的支持向量機的方法建立了SoH的估算模型，具有較優(yōu)的效果[9]。

基于電池特征量的方法,主要研究電池特征量，如電化學阻抗、端電壓等與SoH之間的關系，并以此建立電池等效電路模型。利用模型結(jié)合通過濾波器或者觀測器估計得到的參考特征量，即可估計得電池的SoH值[10]。程澤等人針對RC等效電路模型，提出了一種自適應平方根無跡卡爾曼濾波算法，從而得到了更優(yōu)的電池SoC估計，并在此基礎上得到更精準的SoH的估計[11];Yuan Zhou等人利用兩個具有不同時間尺度的擴展卡爾曼濾波器進行SoC與SoH的聯(lián)合估計，并根據(jù)不同的老化程度來改變SoH估計器的時間尺度，從而達到較好的估計效果[12]。

1.1.2 電池熱管理

在電池熱管理的研究中，Yazdanpour M等人綜合考慮和電和熱過程的相互作用，提出了一種多物理模型，研究了放電過程中，電池的電流密度分布以及溫度分布的不均勻性問題[13]；L.H.Saw等人研究了不同尺寸的圓柱形鋰電池在不同的工作條件下的電-熱行為[14]；Lai等人綜合考慮了有源極化和歐姆損耗的熱量產(chǎn)生源，構(gòu)建了與二維熱傳遞模型相結(jié)合的P2D電化學模型[15]；Chen等人先后構(gòu)建了二維和三維的分層電化學-熱耦合模型[16-17]；Kim等人提出了一種對鋰離子電池充電期間的熱行為進行建模的方法，并對比了模型與實驗結(jié)果，證明了模型對于不同電流和充電時間下溫度分布預測的準確性[18]。Feng Xuning等人提出了針對于大型鋰離子電池模塊的三維熱失效濫用模型，并通過模型分析，給出了4種延遲和減緩熱失效傳播的方法[19]；目前的研究方向主要集中在建立電池熱模型，提高模型維數(shù)以及細化產(chǎn)熱與傳熱過程方面，未來的研究趨勢是模型種類多樣化、仿真工況多樣化以及多模型聯(lián)合管理。

1.1.3 全天候電池

電動汽車在高寒低溫地區(qū)的推廣受限，主要由于在低溫環(huán)境下，鋰離子電池活性降低，電池系統(tǒng)容量、功率特性衰減，導致電動汽車續(xù)駛里程縮短，充放電的效率和速率降低。車用全天候動力電池（ACB）的研究已經(jīng)成為當前熱點。

美國賓西法尼亞州立大學王朝陽教授團隊在Nature上發(fā)表電池快速加熱技術(圖1)[20]，其核心是電池內(nèi)置高功率加熱片，使電池快速升溫。低溫下電池的性能變差，開始加熱時，加熱功率低，但其全部可用功率都用于發(fā)熱，電池溫度開始升高，輸出功率繼續(xù)增加，加熱速度也變快，這樣形成良性循環(huán)，電池的溫度得到快速提升。依托于這項技術，北京理工大學合作開發(fā)了適用于極寒環(huán)境下的電動汽車動力電池系統(tǒng)及整車控制集成，并且順利完成了實車測試。

圖1 自加熱電池結(jié)構(gòu)與測試結(jié)果（自加熱時間:12.5 s；能量消耗:10 Ah的2.9%）[20]

1.2 電驅(qū)動部件智能化控制

新能源汽車一般采用電驅(qū)動形式，要求驅(qū)動電機具有效率高、功率密度大、過載能力強、質(zhì)量輕、尺寸小、可靠性好及成本低等性能。具有上述優(yōu)點的永磁同步電機逐步成為研究和應用的重點。電驅(qū)動部件的智能化發(fā)展主要體現(xiàn)在對電驅(qū)動系統(tǒng)控制的智能化。

矢量控制與直接轉(zhuǎn)矩控制是目前應用較廣泛的永磁同步電機控制策略。但隨著人工智能控制的應用，永磁同步電機控制策略也向著智能化方向發(fā)展?，F(xiàn)階段運用于控制的智能算法主要包括神經(jīng)網(wǎng)絡算法、專家控制算法、遺傳算法、蟻群算法以及模糊控制算法等，其中模糊控制和神經(jīng)網(wǎng)絡是該學科發(fā)展和研究的關鍵技術。

在模糊控制方面Guo Qiang等人針對PMSM設計了一種模糊自適應PID位置控制器，并與傳統(tǒng)PID控制在位置環(huán)的控制中的表現(xiàn)性能進行對比，結(jié)果顯示模糊PID具有更好的控制效果[21]。Hong Zhao等人設計了模型參考自適應系統(tǒng)觀測器估計算法，使得永磁同步電機能夠在位置傳感器發(fā)生故障時正常運行，采用模糊邏輯控制來提高伺服控制系統(tǒng)的魯棒性，并將估計算法和模糊邏輯控制結(jié)合進行仿真，仿真結(jié)果表明該控制系統(tǒng)的動態(tài)性能和抗干擾能力均有較好提升[22]。

在神經(jīng)網(wǎng)絡方面，Leiming Jiao等人采用一種改進后的徑向神經(jīng)網(wǎng)絡和高頻信號注入法實現(xiàn)了永磁同步電機的無傳感器控制，仿真結(jié)果表明，該方案能夠準確檢測PMSM轉(zhuǎn)子的位置和速度，具有較優(yōu)的動態(tài)和靜態(tài)性能[23]。Ben Guo等人設計了深度循環(huán)神經(jīng)網(wǎng)絡PID控制器，提升了傳統(tǒng)PID控制器在變參數(shù)和轉(zhuǎn)矩擾動下的控制性能[24]。

2 新能源汽車整車智能化

2.1 整車智能節(jié)能控制

2.1.1 再生制動能量回收技術

電動車的再生制動能量回收技術的研究主要集中在能量回收方法和效率、再生制動控制、機電復合制動控制以及驅(qū)動電機與功率轉(zhuǎn)換器的控制策略研究。

Ye Tao等人提出了一種基于模糊控制的分布式驅(qū)動電動汽車再生制動控制策略，該策略用于協(xié)調(diào)前后車輪及液壓與電機制動之間的制動轉(zhuǎn)矩，在MATLAB與AMEsim的聯(lián)合仿真中，驗證了這個控制策略的有效性[25]。Wu Jian等人綜合考慮了再生制動系統(tǒng)產(chǎn)生的電流對電池的損傷，提出了一種考慮電池老化的再生制動分層控制策略[26]。Zhang Xudong等人針對分布式驅(qū)動電動車，綜合考慮了牽引效率和制動能量回收效率，提出了一種節(jié)能轉(zhuǎn)矩分配方案。在牽引條件下，考慮電機的功率損耗，在制動條件下，保證穩(wěn)定性并最大化回收能量。并采用離線有回話和在線分配的方式使得控制策略能滿足實時性要求[27]。

另外，目前基于制動能量回收系統(tǒng)，還出現(xiàn)了一種新的駕駛模式—單踏板駕駛模式。在該模式下，汽車任何速度在松油門時都能產(chǎn)生再生制動。如雪佛蘭Bolt EV、大眾e-Golf、豐田Pruis、Model 3和捷豹i-Pace等車型均具有該功能，并且可以對再生制動力進行調(diào)節(jié)。在日產(chǎn)最新款聆風上的e-Pedal模式可以完全實現(xiàn)單踏板操作，松開油門后車能達到制動停車的效果。

駕駛員總是希望得到更簡單、智能的操作體驗，單踏板模式可能會在未來的汽車產(chǎn)品中得到更多的應用。

2.1.2 混合動力智能能量管理

混合動力驅(qū)動系統(tǒng)的能量管理策略主要分為基于規(guī)則的控制策略和基于優(yōu)化的控制策略。

優(yōu)化能量管理算法主要包含全局優(yōu)化和實時優(yōu)化兩種。全局優(yōu)化算法主要有動態(tài)規(guī)劃、遺傳算法和博弈理論等方法。其中較為常用的有動態(tài)規(guī)劃算法（DP）。Peng,H.等人運用了DP對并聯(lián)式HEV進行能量管理決策優(yōu)化[28]，隨后又將基于DP的能量管理擴展

到了混聯(lián)式HEV上[29]。Johannesson.L.等人提出了采用馬爾可夫鏈的隨機動態(tài)規(guī)劃來解決固定路線下HEV的能量管理問題[30]。

實時優(yōu)化方法主要包括等效燃油消耗最?。‥CMS）、魯棒控制、模型預測控制、機器學習和解耦控制等。Paganelli,G.等人最早提出ECMS并應用于并聯(lián)式HEV車型上[31]。基于ECMS而開發(fā)的自適應等效燃油消耗最小策略（A-ECMS）和遠程等效燃油消耗最小策略（T-ECMS）是工況適應性更好。Vahidi,A.等人最先將模型預測控制應用到燃料電池混合動力汽車中[32]。孫超等人利用神經(jīng)網(wǎng)絡預測未來需求工況，基于交通信息流進行全局工況獲取，進一步提高了預測能量管理的性能[33-34]，提出了網(wǎng)聯(lián)的能量管理方法。

2.2 整車智能駕駛與動力學控制

2.2.1 無人駕駛

基于新能源汽車平臺，綜合利用雷達、攝像頭、高精度定位系統(tǒng)和高精度地圖，基于機器學習、智能控制、大數(shù)據(jù)和車輛網(wǎng)技術進行無人駕駛控制，在國內(nèi)已獲得廣泛關注。尤其是，電動汽車平臺所擁有的線控底盤和電能供給等優(yōu)勢，為無人駕駛技術開發(fā)提供了良好的基礎。

其中利用智能化手段進行路徑的實時、合理規(guī)劃與決策是重中之重。智能優(yōu)化方法主要包括模糊邏輯算法、觸須算法、蟻群算法、粒子群算法、水滴算法、快速擴展隨機樹等。通常為了得到更好的優(yōu)化路徑，需結(jié)合多種優(yōu)化算法。如文獻[35]利用了模糊邏輯和遺傳算法構(gòu)建了一種局部避障路徑規(guī)劃算法；文獻[36]將修正的人工勢場法與模糊邏輯結(jié)合，克服人工勢場法的局部最小值問題，提高了算法在復雜環(huán)境下的適應性。文獻[37]中，結(jié)合了蟻群算法和人工勢場法的優(yōu)點，使局部規(guī)劃更加準確和迅速。

無人駕駛除了面臨很多感知、決策和控制方面的技術挑戰(zhàn)，同時也面臨著社會學和道德選擇的難題。如圖2所示為Science期刊研究的三種不可避免會發(fā)生事故的駕駛情景[38]，第一種為撞擊橫穿馬路的很多行人或者撞擊遵守規(guī)則的單個行人，第二種為撞擊橫穿馬路的單個行人或者路邊障礙物（可能造成乘客受傷），第三種為撞擊橫穿馬路的很多行人或者路邊障礙物。涉及道德的決策難題也是無人駕駛領域的研究方向。

2.2.2 分布式電驅(qū)動車輛控制

分布式電驅(qū)動汽車擁有異常出色的動力學靈活性潛力?，F(xiàn)階段對分布式驅(qū)動車輛的智能控制的研究主要集中在如下幾個方面。

圖2 三種涉及無人駕駛道德難題的駕駛情景[38]

以汽車安全為目標的穩(wěn)定性控制，主要包括基于制動、驅(qū)動、轉(zhuǎn)向和懸架的主動控制。其中基于驅(qū)動和制動相結(jié)合的主動安全控制系統(tǒng)的研究是現(xiàn)階段的研究熱點。如文獻[39]提出采用主從、并行控制的電液復合制動防抱死控制策略，提高了最優(yōu)滑移率的追蹤效果以能量優(yōu)化為目標的轉(zhuǎn)矩分配，如李洋等建立了電機模型及4WD電動汽車的驅(qū)動系統(tǒng)損耗模型，在考慮能量損耗的基礎上，得到了理想的轉(zhuǎn)矩分配比，結(jié)果顯示，在理想轉(zhuǎn)矩配比下效率提高3%[40]?？紤]多個動力學控制系統(tǒng)間的相互影響的協(xié)調(diào)/集成技術，其中分層式控制結(jié)構(gòu)是主要的發(fā)展趨勢。在這方面，劉偉等人提出了一種綜合考慮車輛行駛的安全性、穩(wěn)定性，操縱安全性和能耗經(jīng)濟性的車輪轉(zhuǎn)矩集成控制方案，并進行了控制器在環(huán)仿真，驗證了控制方案的可行性[41]。

3 新能源汽車車聯(lián)網(wǎng)系統(tǒng)智能化

3.1 網(wǎng)聯(lián)大數(shù)據(jù)信息平臺

移動互聯(lián)網(wǎng)、大數(shù)據(jù)和云計算等新一代革命性的信息技術的發(fā)展，使新能源汽車信息的采集、集成和深度分析成為了當前重要的研究方向。

通過車聯(lián)網(wǎng)收集、整合和分配與汽車相關的數(shù)據(jù)信息，對于車輛監(jiān)控與管理、智慧交通布局與規(guī)劃、節(jié)能減排、企業(yè)的市場策略制定、個性化定制服務等都有重要意義。能夠從信息層的角度，極大提高新能源汽車及交通系統(tǒng)的智能化程度。

3.1.1 國外汽車大數(shù)據(jù)平臺研究進展

美國國家城市交通官員協(xié)會(National Association of City Transportation Officials，NACTO)推出了一個中立、匿名的開放式數(shù)據(jù)標準及數(shù)字化平臺Shared-Streets，用于分析、交通規(guī)劃、街道設計和新技術的開發(fā)[42]，見圖3；英國倫敦交通局（Transport for London，TfL）開放了大量交通數(shù)據(jù)，如動態(tài)的地鐵到達信息和

交通攝像機的實時更新數(shù)據(jù)，靜態(tài)的基礎設施位置、道路信息等；日本推出了ETC 2.0系統(tǒng)，提供自動收費機制，通過路測設備與車載單元（On-Board Unit，OBU）提供駕駛員協(xié)助。同時收集和存取行車歷史數(shù)據(jù)和車輛行為歷史數(shù)據(jù)，利用V2I或I2V，將信息轉(zhuǎn)變?yōu)樘娲缆穮f(xié)助、災害事件協(xié)助、安全駕駛借助等服務，以提升路網(wǎng)使用效率。

圖3 出租車乘客上車和下車容量圖(SharedStreets數(shù)據(jù))[43]

然而，以上國外建立的車聯(lián)網(wǎng)大數(shù)據(jù)平臺，主要從交通的角度針對傳統(tǒng)汽車進行。尚無專門針對新能源汽車，并具備良好數(shù)據(jù)分析和利用能力的大數(shù)據(jù)平臺。

3.1.2 國內(nèi)汽車大數(shù)據(jù)平臺研究進展

為了確保新能源汽車的安全發(fā)展和保障財政部補貼的有效落實，我國已經(jīng)逐步建立企業(yè)-地方-國家的三級新能源汽車車聯(lián)網(wǎng)大數(shù)據(jù)平臺結(jié)構(gòu)。介入了國內(nèi)數(shù)百家新能源汽車的5 000多種電動化車型整車、電池、電機的主要數(shù)據(jù)。

同時，能夠兼容插電式混合動力汽車以及燃料電池汽車的特殊數(shù)據(jù)。另外還對汽車相關信息，包括人流信息、駕駛行為信息以及相應地理位置信息、行駛道路環(huán)境信息、充電樁信息等進行采集。通過對這些數(shù)據(jù)的統(tǒng)計與挖掘，從而為政府領域、商業(yè)領域、一般用戶進行相應的數(shù)據(jù)服務。截至2018年12月，我國已有200萬輛新能源汽車接入了新能源汽車國家監(jiān)測與管理中心平臺（圖4）。

圖4 新能源汽車國家監(jiān)測與管理中心汽車數(shù)據(jù)[48]

3.1.3 車聯(lián)網(wǎng)通訊技術

新能源汽車信息智能化強調(diào)“融合現(xiàn)代通信與網(wǎng)絡技術”。更全面的數(shù)據(jù)采集和全方位的網(wǎng)絡連接與信息共享，需要依賴于V2X通信技術。目前，國際上的主流的有基于蜂窩移動通信系統(tǒng)的C-V2X技術（包括LTE-V2X和5GNR-V2X）和專用短程通信(Dedicated Short Range Communications ，DSRC)。

現(xiàn)階段在電子不停車收費系統(tǒng)(Electronic Toll Collection,ETC)、車隊管理、出入控制、信息服務等領域，DSRC都有較為廣泛的應用。C-V2X起步較晚，但具有更好的遠距離傳輸可達性、非視距傳輸性能，更大的容量和更高效的擁塞控制，并且可利用現(xiàn)有蜂窩基礎設施降低部署成本，對于5G有更強的兼容性，CV2X演進將納入5G新空口特性，具有高吞吐量、寬帶載波支持、超低延遲和高可靠性。

目前，各國均在積極開展相關技術研究和測試驗證工作。歐洲各國開展了DriveC2X、C-ITScorridor、simTD等項目，對交通管理、道路安全以及環(huán)境保護等方面進行了測試應用[44]。美國對于V2X通信的研究工作主要側(cè)重DSRC技術。并積極推動立法，對V2V通信設備的工作頻段、通信能力、市場滲透等給出了建議。日本提出了車車/車路防碰撞安全應用的規(guī)范ARIBSTD-T109，并于多地進行了測試驗證工作。中國企業(yè)華為與羅德與施瓦茨公司合作，對5G V2X無線電技術進行了現(xiàn)場測試。證明了5G V2X無線電技術具有低延遲等方面的優(yōu)勢（圖5）。

圖5 基于5G的C-V2X通訊[45]

世界各國家和地區(qū)，對V2X通訊技術發(fā)展側(cè)重點有所不同，但均將V2X技術發(fā)展看作是未來汽車行業(yè)轉(zhuǎn)型升級、產(chǎn)業(yè)培育和交通運輸服務變革的重要方向，并且制定了一系列的頂層設計規(guī)劃，著手開展技術試驗和應用示范。

3.1.4 車聯(lián)網(wǎng)大數(shù)據(jù)類型

在車聯(lián)網(wǎng)中收集范圍更廣、更全面的數(shù)據(jù)信息，將有利于進行跨界融合。對于汽車相關數(shù)據(jù)的采集主要有車輛數(shù)據(jù)、用戶數(shù)據(jù)、環(huán)境數(shù)據(jù)和城市與交通

數(shù)據(jù)等四個類型[46]，如圖6所示。

圖6 車聯(lián)網(wǎng)大數(shù)據(jù)類型[46]

用戶數(shù)據(jù)包括心率、體溫等用戶生理數(shù)據(jù)，指紋、虹膜等生理識別數(shù)據(jù)，駕駛習慣、決策、表現(xiàn)等駕駛行為數(shù)據(jù)，以及用戶使用的第三方應用積累的車內(nèi)行為數(shù)據(jù)。車輛數(shù)據(jù)包括車輛的車型及配置等基本信息，發(fā)動機、輪胎、底盤使用情況等部件的狀態(tài)數(shù)據(jù)，天窗、座椅狀態(tài)等車內(nèi)部件數(shù)據(jù)，車輛的啟停、路線、方向等行駛路線數(shù)據(jù)。環(huán)境數(shù)據(jù)包括空氣、溫度等自然環(huán)境數(shù)據(jù)，道路、橋梁等道路環(huán)境數(shù)據(jù)，停車場、加油站等興趣點數(shù)據(jù)。交通主要有道路的擁堵情況、公共交通服務的運行及使用數(shù)據(jù)、交通信號燈等。城市數(shù)據(jù)包括城市的基礎設施布置及使用、公共資源以及信息網(wǎng)絡等。

3.2 汽車大數(shù)據(jù)的智能應用

在智慧城市、智慧交通、智慧出行迅速發(fā)展的背景下，對汽車大數(shù)據(jù)的挖掘、整合與運用，從形式上可以分為離線分析應用和在線分析應用。

3.2.1 離線設計應用

城市交通規(guī)劃：面對日益激增的汽車保有量，城市交通壓力和交通事故。利用交通數(shù)據(jù)的挖掘可為管理者提供科學合理的決策依據(jù)。如利用交通流信息的統(tǒng)計分析，可以適時調(diào)整公交運力、運量，合理配置公交資源，從而有效提升城市的公共交通運輸效率。利用客流量分布的統(tǒng)計與預測，將使公共交通設施的規(guī)劃與布置更加合理，從而進一步推進智慧政府建設。

汽車生產(chǎn)與技術優(yōu)化：汽車企業(yè)借助對大數(shù)據(jù)的挖掘，能夠加深對行業(yè)調(diào)研的廣度和深度，更全面的提高產(chǎn)品的質(zhì)量與售后服務水平。如通過了解汽車行業(yè)市場構(gòu)成、消費者需求和競品狀況等，能夠制定出更有利的發(fā)展策略；通過對用戶數(shù)據(jù)分析處理，將有利于對用戶的分類識別，并進行個性化精準管理。利用零部件的壽命等整車數(shù)據(jù)，可以建立零部件維修和報廢大數(shù)據(jù)庫，實現(xiàn)零配件和整車壽命的合理匹配，降低生產(chǎn)成本。

3.2.2 在線分析應用

車輛的監(jiān)測管理與服務：汽車企業(yè)利用汽車部件的實時監(jiān)測數(shù)據(jù)進行分析，能夠獲得汽車的實時狀態(tài)，以及車輛的報錯、故障信息，從而提供相關的配套售后服務。例如，通過數(shù)據(jù)分析，為車輛使用者提供車輛狀態(tài)綜合分析報告，車輛故障問題預警信息，以便車主能夠及時獲得維修、保養(yǎng)建議，保障人車安全。除此之外，利用車輛部件數(shù)據(jù)還能提供二手車評估服務，協(xié)助制定合理的二手車價格。

交通智能化管理與協(xié)同控制：在交通管理與協(xié)同上，可以根據(jù)實時路況信息，分析最佳的路口交通信號方案，并通過遠程干預和微調(diào)，提高路口通行能力，實現(xiàn)通行有序化(圖7)。亦可利用交通流量及流速、道路占有率等信息，制定誘導方案，并利用通訊系統(tǒng)發(fā)布交通誘導信息，引導行人和車輛避開擁擠路線，充分利用交通系統(tǒng)的全部時空資源內(nèi)。

圖7 智能交叉路口通過檢測各種模式中的用戶并向連接的車輛和系統(tǒng)廣播信息來執(zhí)行主動安全措施[47]

4 結(jié)語

隨著現(xiàn)代通信技術、人工智能、計算機、互聯(lián)網(wǎng)技術的發(fā)展，智能化已經(jīng)滲透進各個行業(yè)。汽車產(chǎn)業(yè)作為國民經(jīng)濟重要支柱產(chǎn)業(yè)，智能化是必然趨勢。在部件智能化層面，動力驅(qū)動系統(tǒng)的智能化一直是研究的重點，電機的智能化控制，動力電池基于智能算法的狀態(tài)估計，多模型融合的電池熱管理系統(tǒng)，以及全氣候應用電池等，將不斷進步完善，為新能源汽車帶來強勁的續(xù)航及動力性能。在整車及控制層面，融入了智能控制策略的制動能量回收以及混合動力能量管理將讓新能源汽車更加節(jié)能，基于新型驅(qū)動形式汽車優(yōu)勢的穩(wěn)定性控制、能量效率等將會受到更多的關注?；谛履茉雌嚻脚_的無人駕駛技術已經(jīng)進入白熾化競爭階段。新能源汽車從動力系統(tǒng)到人機交互系統(tǒng)都實現(xiàn)了電氣化和電子化，更易實現(xiàn)物聯(lián)網(wǎng)化，這為汽車的車聯(lián)網(wǎng)系統(tǒng)智能化提供了最基本條件，智能交通的布局需要龐大的汽車信息，各國均積

極部署大數(shù)據(jù)平臺服務于政府和企業(yè)，針對新能源汽車所建設的大數(shù)據(jù)平臺將會為新能源汽車的持續(xù)深入發(fā)展提供巨大助力。