陳鵬飛　蘇萬(wàn)德　韋通明　譚倚靖　張亮

【摘? 要】隨著人們生活水平不斷提高，車輛總數(shù)迅速增加，道路交通安全成為了一個(gè)必須妥善解決的社會(huì)現(xiàn)象。該如何及早發(fā)現(xiàn)常見故障、如何有效把握車輛狀況、如何做到汽車提前預(yù)警，確保駕駛員安全性成為了大家需要考慮的問(wèn)題?；谝陨想y題，應(yīng)用大數(shù)據(jù)Storm技術(shù)的預(yù)警功能應(yīng)時(shí)而生。本文介紹預(yù)警標(biāo)準(zhǔn)、數(shù)據(jù)周期時(shí)間、數(shù)據(jù)清洗及計(jì)算節(jié)點(diǎn)。

【關(guān)鍵詞】提前預(yù)警；大數(shù)據(jù)技術(shù)Storm；預(yù)警功能

中圖分類號(hào)：U463.6? ? 文獻(xiàn)標(biāo)志碼：A? ? 文章編號(hào)：1003-8639（ 2023 ）09-0040-03

Real-time Vehicle Warning Based on Storm

CHEN Pengfei，SU Wande，WEI Tongming，TAN Yijing，ZHANG Liang

（SAIC GM Wuling Automobile Co.，Ltd.，Guangxi Laboratory of New Energy Automobile，

Guangxi Key Laboratory of Automobile Four New Features，Liuzhou545007，China）

【Abstract】With the continuous improvement of people's living standard，the number of vehicles is increasing rapidly. Traffic safety has become a social problem that needs to be solved as soon as possible. So，how to find the fault in time，how to better grasp the car condition，how to realize the car active warning，to ensure the safety of drivers has become a problem that we need to consider. Based on the above problems，the early-warning function technology using the big data Storm technology comes into being. This paper introduces active warning standard，data cycle time，data cleaning and computing nodes.

【Key words】active warning；big data Storm；early warning function

作者簡(jiǎn)介

陳鵬飛（1998—），男，數(shù)據(jù)項(xiàng)目工程師，研究方向?yàn)楫a(chǎn)品經(jīng)理與項(xiàng)目管理。

1? 科學(xué)研究背景與作用

1.1? 選題背景

目前，伴隨著都市化發(fā)展和車輛的興起，各種各樣交通出行問(wèn)題凸顯。交通堵塞、交通事故頻繁發(fā)生造成交通狀況日益惡變。伴隨著專家對(duì)各種各樣汽車交通事故的解讀數(shù)據(jù)顯示，全部交通事故中，80%的原因是因?yàn)轳{駛員沒(méi)有及時(shí)反應(yīng)或操作失誤造成的。其中，汽車追尾事故撞擊占這一類事故的65%，側(cè)邊撞擊、擦掛這一類事故占35%。專家學(xué)者對(duì)各種交通事故展開了系統(tǒng)化深入研究，最終得到的結(jié)論為：只需駕駛員可在事故產(chǎn)生前提早1s意識(shí)到了汽車出現(xiàn)異常或危險(xiǎn)來(lái)臨，就能及時(shí)反應(yīng)并制定相對(duì)應(yīng)的恰當(dāng)對(duì)策，從而減少絕大部分的事故產(chǎn)生。因此，為減少駕駛員的壓力和避免不必要的錯(cuò)誤行為，全力科學(xué)研究開發(fā)汽車提前預(yù)警安全技術(shù)，提升交通安全，是非常有必要的。

有人會(huì)說(shuō)，目前汽車的自動(dòng)駕駛發(fā)展這般快速，是否能通過(guò)無(wú)人駕駛來(lái)防止交通事故的產(chǎn)生。本質(zhì)上是合理的，但人的駕駛行為是一個(gè)相對(duì)高度智能的過(guò)程，盡管目前學(xué)界花了很多的心思去研究無(wú)人駕駛，也取得了一定實(shí)際效果，但是就現(xiàn)階段人工智能技術(shù)性來(lái)講，還不能建立一個(gè)確定的模型以全面真實(shí)地體現(xiàn)安全駕駛?cè)^(guò)程，因而，現(xiàn)階段沒(méi)法依靠智能駕駛技術(shù)的某個(gè)功能，如全自動(dòng)轉(zhuǎn)彎、主動(dòng)制動(dòng)等，來(lái)預(yù)防交通事故。就目前而言，提早的汽車預(yù)警是很切實(shí)可行的技術(shù)方案。

1.2? 研究意義

所謂的汽車提前預(yù)警技術(shù)，具體指的是事故前“安全性”，通過(guò)防范和規(guī)避，降低事故發(fā)生的可能。以往，大家在規(guī)劃汽車時(shí)，關(guān)注的關(guān)鍵在于被動(dòng)屬性的安全性保障措施，如設(shè)定汽車安全氣囊、保險(xiǎn)杠、保險(xiǎn)帶等。而如今汽車工程師們大量考慮到的則是主動(dòng)安全系統(tǒng)預(yù)警技術(shù)，使汽車可以自己“思索”，提前預(yù)警或采取相應(yīng)保障措施，防止交通事故的產(chǎn)生。而主動(dòng)安全系統(tǒng)預(yù)警技術(shù)又可以分為兩類：防止安全技術(shù)和事故安全技術(shù)。①防止安全技術(shù)包含：車輛狀況、實(shí)時(shí)路況檢測(cè)、車載式視覺(jué)效果提高、駕駛員狀態(tài)檢測(cè)、自主導(dǎo)航；②事故安全技術(shù)包含：安全性報(bào)案和駕駛?cè)藛T操控性提升。

本論文主要研究?jī)?nèi)容為基于Storm的車輛實(shí)時(shí)預(yù)警功能。根據(jù)Storm的實(shí)時(shí)流數(shù)據(jù)處理來(lái)確保預(yù)警的時(shí)效性，通過(guò)數(shù)據(jù)清洗及其Storm的計(jì)算邏輯性來(lái)確保預(yù)警的準(zhǔn)確性，靈活運(yùn)用如今云計(jì)算技術(shù)等行業(yè)的研究成果，設(shè)立了汽車提前預(yù)警行為模型，完成對(duì)汽車情況的實(shí)時(shí)檢測(cè)，如汽車的前后撞擊預(yù)警、無(wú)法上髙壓預(yù)警、虧電預(yù)警這些。一旦發(fā)現(xiàn)車輛有什么問(wèn)題或附近有障礙物將要造成撞擊，便立即向駕駛員傳出報(bào)警，使駕駛員快速采用正確的操作，從而減少事故的產(chǎn)生。該研究成果有極為重要的實(shí)際意義和廣泛的應(yīng)用前景，極大地提高了人們的用車體驗(yàn)、保證了人們的駕車安全，有重要的社會(huì)效益和經(jīng)濟(jì)效益[1]。

1.3? 研究動(dòng)態(tài)

現(xiàn)階段，各種各樣主動(dòng)安全系統(tǒng)裝置相繼問(wèn)世，防抱死系統(tǒng)制動(dòng)系統(tǒng)軟件（ABS）、制動(dòng)智能輔助系統(tǒng)（BAS）、電子器件傳動(dòng)系統(tǒng)（EBS）、推動(dòng)調(diào)節(jié)方式（ASR）、車載雷達(dá)和超聲波防滑裝置等。這些裝置充分展現(xiàn)了制動(dòng)高效率，提升了汽車的機(jī)動(dòng)性和加速全過(guò)程的可靠性，在一定程度上確保了駕乘人員的安全。

預(yù)防措施遠(yuǎn)比保障措施來(lái)得更高效，主動(dòng)安全預(yù)警技術(shù)通過(guò)預(yù)防將保護(hù)提前到事故發(fā)生以前，在保護(hù)的前提下更加重視預(yù)防。而云計(jì)算技術(shù)的探索促使通過(guò)數(shù)據(jù)可以使車輛具備“智能化”，能感受外部，可以自己“思索”，可以自己“講話”，主動(dòng)預(yù)警，從而使駕駛?cè)藛T立即采取有效措施，防止事故的發(fā)生[2]。

2? 技術(shù)以及基礎(chǔ)知識(shí)簡(jiǎn)述

2.1? 什么叫Storm

Storm是一個(gè)完全免費(fèi)并開源的分布式實(shí)時(shí)大數(shù)據(jù)管理系統(tǒng)，被業(yè)界稱之為實(shí)時(shí)版Hadoop。但隨著越來(lái)越多的應(yīng)用領(lǐng)域給出了實(shí)用性的需求，如實(shí)時(shí)大屏幕、智能推薦系統(tǒng)、即時(shí)預(yù)警系統(tǒng)、金融體系等，Hadoop的MapReduce由于高延遲慢慢被取代。隨之而來(lái)的就是大數(shù)據(jù)技術(shù)并行處理科技的爆發(fā)式增長(zhǎng)，到現(xiàn)在已經(jīng)是分布式技術(shù)行業(yè)的爆發(fā)點(diǎn)，而Storm更是流計(jì)算技術(shù)中的佼佼者和主流。

在Storm出來(lái)之前，做并行處理是很困難的，絕大部分精力都用在了怎樣保證每日任務(wù)完成、信息怎樣保證次序，而真正的業(yè)務(wù)邏輯只占代碼的一小部分，且整個(gè)系統(tǒng)十分脆弱沒(méi)有可擴(kuò)展性，需要自己去保證線程池和worker進(jìn)程運(yùn)行正常。而Storm輕松地解決了各種問(wèn)題，能夠讓你專心地去完成即時(shí)業(yè)務(wù)的業(yè)務(wù)邏輯，無(wú)需耗費(fèi)額外的時(shí)間來(lái)處理這一系列問(wèn)題。

2.2? Storm的應(yīng)用場(chǎng)景

Storm一般用于對(duì)實(shí)時(shí)性要求相對(duì)較高的地方，比如實(shí)時(shí)分析、在線機(jī)器學(xué)習(xí)算法、持續(xù)計(jì)算、ETL等，實(shí)際的應(yīng)用則是實(shí)時(shí)推薦系統(tǒng)、金融體系、實(shí)時(shí)預(yù)警系統(tǒng)軟件、實(shí)時(shí)大屏、實(shí)時(shí)交通路況系統(tǒng)軟件等，因此基于Storm的車輛實(shí)時(shí)預(yù)警功能，從實(shí)時(shí)性而言是能夠?qū)崿F(xiàn)的。

2.3? Storm的一些特點(diǎn)

1）可擴(kuò)展性：Storm適宜橫向擴(kuò)展，可擴(kuò)展性高，1s可解決很多信息。集群中真正運(yùn)轉(zhuǎn)的主要有3個(gè)實(shí)體線：線程、任務(wù)和工作進(jìn)程。要擴(kuò)展一個(gè)實(shí)時(shí)任務(wù)，需要做的就是提升設(shè)備及任務(wù)的并行性。Storm應(yīng)用ZooKeeper來(lái)融洽集群中的很多配置，促使Storm集群能夠輕松擴(kuò)展。

2）保證數(shù)據(jù)信息無(wú)遺失：實(shí)時(shí)系統(tǒng)務(wù)必保證每一條數(shù)據(jù)被成功地處理，而Storm能夠保證每一條消息都能被處理。

3）易管理方法：Storm集群重新啟動(dòng)節(jié)點(diǎn)不影響應(yīng)用，很容易管理。

4）高容錯(cuò)性：Storm會(huì)保證一個(gè)處理單元始終運(yùn)行。若是在信息處理過(guò)程中出現(xiàn)了一些異常，Storm將進(jìn)行重試。

5）支持多種計(jì)算機(jī)語(yǔ)言：Storm的Topology和消息處理組件能用一切語(yǔ)言來(lái)定義，我們不僅可以用Java，還可以使用別的它們所熟悉的計(jì)算機(jī)語(yǔ)言。

2.4? Storm的一些組件

Storm集群和Hadoop集群在表面上十分相似，可是，Hadoop運(yùn)行MapReduce工作，而Storm運(yùn)行拓?fù)?，這是根本不同類型的。一個(gè)重要的區(qū)別在于：MapReduce工作最終都會(huì)結(jié)束，而拓?fù)鋾?huì)永遠(yuǎn)運(yùn)行。

Storm集群根據(jù) Zookeeper開展融洽，由一個(gè)主節(jié)點(diǎn)和一組工作節(jié)點(diǎn)構(gòu)成。

每一個(gè)工作節(jié)點(diǎn)運(yùn)行一個(gè)名為Supervisor的節(jié)點(diǎn)。Supervisor會(huì)監(jiān)聽分派給它這臺(tái)設(shè)備的工作，并根據(jù)需求運(yùn)行/關(guān)掉工作進(jìn)程。每一個(gè)工作進(jìn)程實(shí)行一個(gè)拓?fù)渥蛹?，運(yùn)行里的拓?fù)溆蛇\(yùn)行在很多設(shè)備上的工作進(jìn)程構(gòu)成。Storm組件關(guān)系見圖1。

1）Nimbus是主節(jié)點(diǎn)。關(guān)鍵負(fù)責(zé)管理，用以協(xié)調(diào)、監(jiān)管、任務(wù)分派這些。

2）Supervisor是工作節(jié)點(diǎn)。主要等候主節(jié)點(diǎn)的工作分派，并基于規(guī)定運(yùn)行工作進(jìn)程。

3）Zookeeper是Storm中的一個(gè)重要組件，主要用于協(xié)調(diào)一個(gè)集群里的配置信息。

4）Worker是運(yùn)行實(shí)際處理組件邏輯的進(jìn)程。

3? 預(yù)警標(biāo)準(zhǔn)

開展預(yù)警的第一步，首先就要確立預(yù)警標(biāo)準(zhǔn)，而如何制訂出一套預(yù)警標(biāo)準(zhǔn)，就必須要先確立預(yù)警的需求場(chǎng)景，考慮到一個(gè)場(chǎng)景內(nèi)所有的可能，進(jìn)而去判斷出預(yù)警的開始條件和退出條件。

預(yù)警標(biāo)準(zhǔn)一般是由預(yù)警的開始條件、開始持續(xù)時(shí)長(zhǎng)、退出條件和退出持續(xù)時(shí)長(zhǎng)構(gòu)成。汽車主動(dòng)提前預(yù)警的形成由預(yù)警的開始條件和開始持續(xù)時(shí)長(zhǎng)相互配合產(chǎn)生，實(shí)際就是指可以通過(guò)大數(shù)據(jù)分析車輛狀況，當(dāng)符合一定的前提條件且持續(xù)了一定的時(shí)長(zhǎng)就判斷該規(guī)則相對(duì)應(yīng)的零件出了問(wèn)題，進(jìn)而發(fā)出預(yù)警。預(yù)警的退出也是一樣的道理。

預(yù)警規(guī)則的制定一般需要各個(gè)業(yè)務(wù)部門提供數(shù)據(jù)，為了確保預(yù)警的準(zhǔn)確性，一條預(yù)警規(guī)則的形成通常早期都要通過(guò)大量的局部性測(cè)試驗(yàn)證，保證預(yù)警準(zhǔn)確度超過(guò)90%以上才可以正式應(yīng)用。

有些情形可以直接發(fā)布預(yù)警；有些情形可以先進(jìn)行預(yù)警分析，依據(jù)預(yù)警級(jí)別再?zèng)Q定是否發(fā)布預(yù)警。

預(yù)警規(guī)則按類型一般可分成虧電報(bào)警、SOC低報(bào)警、高壓互鎖情況報(bào)警、輪胎氣壓系統(tǒng)異常報(bào)警等。按預(yù)警等級(jí)還可以可分為一級(jí)報(bào)警、二級(jí)報(bào)警、三級(jí)報(bào)警，預(yù)警的級(jí)別從觸發(fā)的臨界點(diǎn)來(lái)確定，如圖2所示。

4? 基于Storm的車輛實(shí)時(shí)預(yù)警功能

4.1? 預(yù)警詳細(xì)介紹

通過(guò)預(yù)警管理體系結(jié)合大數(shù)據(jù)技術(shù)，初步形成了對(duì)時(shí)速、電機(jī)環(huán)境溫度、充電電池等的預(yù)警種類，在達(dá)到預(yù)警規(guī)則的臨界點(diǎn)時(shí)觸發(fā)預(yù)警，實(shí)現(xiàn)汽車的主動(dòng)提前預(yù)警，并及時(shí)通知駕駛?cè)藛T。

在其中為了方便管理人員更好地對(duì)預(yù)警規(guī)則進(jìn)行維護(hù)，我們創(chuàng)立了預(yù)警功能版塊，一個(gè)可視化的預(yù)警規(guī)則配置頁(yè)面。與此同時(shí)，該網(wǎng)頁(yè)頁(yè)面還可以實(shí)時(shí)查看所發(fā)生的預(yù)警信息，用于實(shí)現(xiàn)預(yù)警信息的即時(shí)分發(fā)。

整個(gè)技術(shù)以Storm為核心，確保了數(shù)據(jù)的實(shí)時(shí)性、有效性、序列性，從而使車輛的主動(dòng)預(yù)警功能實(shí)時(shí)、穩(wěn)定且準(zhǔn)確。

4.2? 數(shù)據(jù)周期時(shí)間

車輛的實(shí)時(shí)預(yù)警功能是根據(jù)車輛數(shù)據(jù)與預(yù)警規(guī)則去判定的，數(shù)據(jù)的全生命周期如圖3所示。數(shù)據(jù)從T-BOX采集到數(shù)據(jù)接收端以后，存到Kafka里，在Storm實(shí)時(shí)集群里進(jìn)行數(shù)據(jù)的解析、統(tǒng)一的清洗、加工得到預(yù)警結(jié)果數(shù)據(jù)，隨后將預(yù)警結(jié)果推送到外部平臺(tái)，再由外部平臺(tái)推送給用戶。這一系列的操作在Storm中用很短的時(shí)間去完成，完全可以達(dá)到實(shí)時(shí)預(yù)警的功能。

4.3? 數(shù)據(jù)清洗

數(shù)據(jù)清洗的概念是再次檢查驗(yàn)證數(shù)據(jù)的全過(guò)程，即刪除重復(fù)信息，改正目前不正確的信息，提供數(shù)據(jù)一致性，以上就是百科中數(shù)據(jù)清洗的概念。以個(gè)人的角度來(lái)看，數(shù)據(jù)清洗就是通過(guò)設(shè)置的清洗規(guī)則將“臟數(shù)據(jù)”替換成“高品質(zhì)數(shù)據(jù)”的過(guò)程。臟數(shù)據(jù)需要人為進(jìn)行判定，通過(guò)設(shè)置對(duì)應(yīng)的清洗規(guī)則來(lái)將人為判定的“臟數(shù)據(jù)”進(jìn)行清洗，一份數(shù)據(jù)在不同的場(chǎng)景下可能有不同的數(shù)據(jù)價(jià)值，所以不能一概而論，不論場(chǎng)景將這一類數(shù)據(jù)都認(rèn)為是“臟數(shù)據(jù)”，而是要根據(jù)不同的場(chǎng)景去設(shè)置對(duì)應(yīng)的清洗規(guī)則。

為了避免“臟數(shù)據(jù)”影響人為預(yù)警的正常判定，數(shù)據(jù)在被用來(lái)做預(yù)警判定之前都會(huì)進(jìn)行一輪清洗，其中包括了數(shù)據(jù)有效性的檢驗(yàn)、未來(lái)數(shù)據(jù)的判定、過(guò)期數(shù)據(jù)的判定等。

4.4? 計(jì)算節(jié)點(diǎn)

當(dāng)數(shù)據(jù)清洗完以后就進(jìn)入到了Storm計(jì)算預(yù)警的邏輯環(huán)節(jié)。在這里預(yù)警的類型會(huì)分為兩大類，一類是次數(shù)性滿足，當(dāng)觸發(fā)了預(yù)警規(guī)則臨界點(diǎn)達(dá)到規(guī)定的次數(shù)后報(bào)警；另一類是持續(xù)性滿足，當(dāng)觸發(fā)了預(yù)警規(guī)則臨界點(diǎn)達(dá)到規(guī)定的持續(xù)時(shí)長(zhǎng)以后觸發(fā)報(bào)警。不管是哪種預(yù)警，都必須是連續(xù)滿足，即連續(xù)滿足預(yù)警條件，如果中途有不滿足預(yù)警條件的數(shù)據(jù)，則不會(huì)觸發(fā)預(yù)警。這樣的做法是為了避免很多無(wú)效的預(yù)警出現(xiàn)，因?yàn)檐囕v的數(shù)據(jù)經(jīng)常會(huì)產(chǎn)生跳變，如果不設(shè)置持續(xù)性滿足，則用戶會(huì)收到很多無(wú)效的預(yù)警，從而降低預(yù)警的準(zhǔn)確率。

5? 結(jié)論

從以上內(nèi)容進(jìn)行歸納總結(jié)，基于Storm的實(shí)時(shí)流數(shù)據(jù)處理功能保證預(yù)警的即時(shí)性，根據(jù)數(shù)據(jù)清洗及Storm的計(jì)算邏輯性來(lái)確保預(yù)警的準(zhǔn)確性，基于Storm的車輛實(shí)時(shí)預(yù)警功能可以通過(guò)實(shí)時(shí)監(jiān)測(cè)和后臺(tái)管理大數(shù)據(jù)分析對(duì)監(jiān)測(cè)到的風(fēng)險(xiǎn)信息進(jìn)行風(fēng)險(xiǎn)等級(jí)劃分，并推送給用戶，進(jìn)而用戶可提早中止出行并將車帶去修理店開展安全檢查。這個(gè)功能一方面可以有效預(yù)防事故產(chǎn)生、抵制駕駛?cè)藛T危險(xiǎn)駕駛行為，另一方面可以大大地減少管理人員管控的時(shí)間與精力成本，進(jìn)而在更具難度系數(shù)、創(chuàng)造性的工作上綻放光芒。

參考文獻(xiàn)：

[1] 王鑫. 面向車聯(lián)網(wǎng)的車輛后端碰撞實(shí)時(shí)預(yù)警策略研究[D]. 遼寧：大連理工大學(xué)，2021.

[2] 宮振飛. 面向輔助駕駛的實(shí)時(shí)行人車輛檢測(cè)預(yù)警算法研究[D]. 武漢：華中科技大學(xué)，2020.

[3] 劉國(guó)清. 駕駛輔助系統(tǒng)及車輛實(shí)時(shí)預(yù)警提醒方法：中國(guó)，2015109804652[P]. 2019-04-19.

（編輯? 楊凱麟）