落地海马汽车|京东、东软、Intel 联合打造智能网联汽车云平台

当前,智能互联是国内汽车重要的发展方向,车载智能应用将成为新车型的前沿研发领域。为了增强产品竞争力,海马汽车构建智能网联汽车云平台,支持新一代智能网联汽车投产。

海马汽车智能网联汽车云平台由京东与东软及 Intel 三方联合打造。系统提供道路救援、保养及召回提醒、车辆状态及定位、车辆维修、信息推送、电子说明书等服务,支持天气、音乐、导航等线上应用,收集和分析相关数据,为 CRM 应用提供数据基础。同时, 信息娱乐方面能够提供车家互联、语音购物、车辆智能维保三大功能。全新的智能网联汽车云平台让车辆驾驶更“安全”,让车家互联更“便利”。

车辆运行监控管理系统

全新的智能网联汽车云平台以东软的车辆运行监控管理系统为基础,该系统基于 RealSight APM 应用性能监控平台构建。具备海量时间序列,监控大数据采集、存储、分析及可视化展现能力。增强了场景表现效果,提升视觉体验。

车辆运行监控系统核心模块

  • 单车监控

基于遍在接入公有云服务,建立低延迟、高可靠数据通道,实时采集车辆位置、运行状态数据、CAN 数据。基于数据湖,实现车辆故障实时监控、诊断和预警。在集中管理门户可自定义查询车辆出勤率、历史轨迹数据、车辆档案等数据。支持数据快速回溯分析和自定义条件过滤。

系统提供自定义查询搜索框,能够灵活定义指定单车监控、指定型号车辆监控、指定地域车辆监控等。底层机器大数据平台层支持 5 年数据回溯,PB 级海量数据秒级响应检索。

  • 车辆定位

支持基于 GIS 地图展示、定位监控车辆具体位置,位置信息随着车辆移动自动进行刷新。能够实现热力图、柱状图、趋势图统计图表展现指定位置车辆数据统计结果。

  • 参数监控

提供独立窗口对车辆 CAN 数据进行实时监控,监控仪表盘支持关联、数据联动分析等高级数据检索功能。

  • 电池监控

可对电池总电压、总电流、SOC 以及每节电池单体电压、温度进行监控,并可通过柱状图进行显示,可快速了解当前电池单体一致性情况。

  • 历史轨迹

支持对车辆历史轨迹数据进行查询,并支持车辆运行轨迹在线回放。

  • 分屏监控

支持 2 分屏、4 分屏、9 分屏等自定义分屏展示监控仪表盘策略,能够同时对多个车型、城市车辆进行监控,支持定点追踪指定车牌、型号车辆,并支持单个分屏的放大和缩小操作。

  • 高级查询

支持全可视化配置方式定义高级数据查询、分析、统计、切片、切块、过滤、多维分析等功能。能够定义 VIN、车牌、车型、批次、城市等任意维度检索、过滤海量监控数据。支持秒级 PB 数据快速查询,能够根据实际需要对存储能力线性扩展,以应对快速增长车辆监控数据存储、分析的需要。

  • 故障报警

车辆故障后可采用灯光、语音等方式进行实时报警,并支持报警故障查询。

丰富监控、统计类可视化图表库,满足多场景监控需要,提供时序、拓扑、告警多类别上百种监控专用图表,满足不同应用运维场景监控需要。支持定义层级结构仪表盘,根源问题快速定位,支持多级仪表盘关联,同时满足集中监控,和故障时数据下钻分析的需要。

提供灵活配置数据分析策略能力,能够零编码修改图表,支持通过配置公式,实现海量运维数据自助探索,下钻钻取、钻透、切片、联动分析一键搞定。基于实时监控仪表盘和统计分析报表的运维团队合作,发现问题后,运维人员可以一键生成共享链接,方便在讨论群、邮件、微信分享问题数据,协作完成问题排查。

掌握车辆运行数据,可以分析判断车辆故障和交通事故原因。对于故障预警,车辆用户体验,避免重大事故,降低售后维护成本具有帮助,形成制造+服务的商业模式,从单一的车辆生产商转变为服务提供商,形成产品和服务的差异化。

人工智能分析和预测 让系统“更具智慧”

Analytics Zoo 是统一大数据分析和人工智能的平台,可以将 Tensorflow、Keras、 PyTorch、 Spark、 Flink 和 Ray 程序等集成在一个统一的流水线中,并且可以从笔记本环境透明地扩展到大规模集群,对生产数据进行处理。下图所示是 Analytics Zoo 的总体架构。

Analytics Zoo 架构图

通过使用 Analytics Zoo,用户可以轻松地创建端到端的人工智能应用,并加以部署,例如在 Spark 程序中书写 TensorFlow 或者 PyTorch 代码,并进行分布式的训练和推理;或者通过 RayOnSpark,在大数据集群中直接运行 Ray 的应用程序。通过使用 Analytics Zoo,用户可以使用高级机器学习流水线,来实现大规模机器学习应用程序开发过程的自动化,例如用户使用自动分布式的 Cluster Serving 来进行 TensorFlow、PyTorch、Caffe、BigDL 和 OpenVINO 模型的推理;或者通过可扩展的 AutoML,来进行时序数据的预测。此外,Analytics Zoo 还提供了用于构建推荐、时序数据、计算机视觉和自然语言处理程序等不同应用场景的各种算法和模型。 

在典型的机器学习应用中,用户一般要先通过恰当的数据预处理、特征工程、特征提取和选择等,使数据集能够有效地被机器学习应用所使用;数据预处理之后,用户还必须使用恰当的模型算法,以及通过超参数优化,来使得机器学习模型和算法的预测性能最大化。很显然,这些步骤都极具挑战性,使一般人难以利用机器学习的技术。

自动机器学习(AutoML)是一种把机器学习应用到解决真实世界问题的自动化手段,它涵盖了从原始数据处理到可部署的机器学习模型的整个流程。由于机器学习的应用需求不断增长,AutoML 被认为是应对这一问题的一种人工智能解决方案。高度自动化的 AutoML 使得非专业人士也可以利用机器学习模型和技术,而不必先成为这一领域的专家。通过应用端到端的自动机器学习技术,用户不仅能够获得类似人工智能的解决方案,更快地构建这些解决方案,并且这些方案大多在性能上还可超越人工调试的模型。

基于 Analytics Zoo 的 AutoML 不仅可以实现特征生成、模型选择和超参数调优的过程自动化,而且由其训练生成的模型准确率通常会超越传统方法或者手工调优措施。如下图第一组对比,当时序数据中的周期长度不是特别规则的时候,使用传统方法进行时间序列数据预测会产生较大偏差,而基于 Analytics Zoo AutoML 的预测值和实际值吻合度较高。如下图第二组对比,传统方法对时间序列数据中峰值不是特别规则的情况预测偏差较大,而 Analytics Zoo AutoML 的模型的吻合度相对较高。

通过双方团队研发合作,Analytics Zoo 及其 AutoML 特性,已经融入到东软的 RealSight APM 平台中,在时间序列数据的诸多场景,尤其是趋势预测、异常检测等应用中,获得了行业前沿的分析功能,并且将持续迭代翻新。

娱乐系统 便利“触手可及”

全新的智能网联汽车云平台引入了由东软和京东联合打造的“小京鱼”车载 OS,提供车家互联、语音购物、车辆智能维保等三大功能。实现了人、车、家互联的多元化理念,打造有温度的车联生活。

  • 车家互联

通过 4G/5G 网络,实现汽车与家中的智能家居互联,开启车载智能之旅,打通车和家的边界,车主可以在车中远程查询家居状态,控制家居。用户可以通过语音、触控等多种方式,利用车机控制家里的“小京鱼”平台设备。 

车主可以自定义“回家模式”和“离家模式”,方便快捷地进行模式切换,即刻触发。一键开启或关闭家中设备,为用户带来便捷、舒适的生活体验。

通过设置地理围栏,在回家或离家时自动触发关联的场景,省去手动触发的麻烦,快捷高效。

  • 语音购物

通过语音入口,车主可以在车内实现语音购物。有京东快递的运送时效保障,实现了快递到家、快递到车。

  • 智能维保

根据车辆当前的状态和保养计划,提醒车主进行车辆保养,推荐经济实惠的保养套餐,同时开放京东旗下所有京车会维保店。实现了从保养提醒、在线维保商品选购、下单以及到店服务的一体化服务。

致力于为用户打造可信赖的智能技术,由京东、东软、Intel 合作的智能网联汽车云平台,是三个业务领域巨头依托自身技术积淀和生态资源而构建的典型案例。

都市生活,人们在出行时最关心的就是如何在城市密集的交通网络中高效舒适地抵达目的地。京东、东软、Intel 联合打造的智能网联汽车云平台,通过人与车、车与车、车与控制中心的多重互动,实现轮子上的智能生活,让一切成为可能。

相关产品

2020-08-14T11:31:02+00:00