CASF2020|抄佩佩：新能源汽车安全预警技术及应用场景

2020年10月20日-22日，由国家市场监督管理总局缺陷产品管理中心、浙江清华长三角研究院、中国汽车工程研究院股份有限公司、重庆市合川区人民政府联合主办的第三届中国汽车安全与召回技术论坛在重庆隆重召开。本届论坛以“智能新能源汽车全产业链安全与技术创新”为主题，汇聚120家政府机构、事业单位、科研院所以及整车和零部件企业等行业翘楚权威论道。其中，在10月21日举办的“智能汽车产业链安全与技术创新”专题论坛上，中国汽车工程研究院股份有限公司总监抄佩佩发表了核心为《新能源汽车安全预警技术及应用场景》的精彩演讲。以下内容为现场演讲实录：

中国汽车工程研究院股份有限公司总监抄佩佩

尊敬的各位来宾，大家下午好！

我这个报告主要是基于之前和我们召回中心一起的探索，希望能够从政府的监管与数字化创新中选一些特定的场景进行应用。目前主要是基于大数据来做新能源汽车安全预警方面的研究。

我的报告的内容主要是以下几个方面。从总体上看，为什么当时选题选到新能源汽车？这是国家和行业的需求。整个新能源汽车保有量截止到2020年已经突破417万辆，同时随着全球对新能源汽车的规划，未来新能源汽车体量将进入一个大规模的发展期。在这个发展过程当中也带来了一些安全事故的问题。

通过前面的研究，我们发现事故里面主要涉及三个比较突出的点。第一个就是在事故数据方面，我们积累了很多现场调查数据，包括后台的事故数据。这个事故数据究竟怎样逆向进行分析，如何有效利用来跟我们未来的数据做结合，这是行业面临的一个比较突出的难点。第二个就是火灾过程当中来自于电池的问题以及里面BMI相关的缺陷，哪一些是导致火灾造成识别的核心的特征，这个缺陷识别也是比较难点的问题。第三个就是对安全风险的评估，如果是通过一个单阈值的方式去做前期预警报警的话，在前面的实践中，往往很多报警都是无效的。这是当时总结出来的几个问题。

基于这几个问题，新能源汽车整个迈入了全链条，随着国家和地方的发展，我们在第一批新能源汽车推广过程中就已经积累了大数据的平台。我们认为新能源汽车已经迈入了一个数据和产业融合，可以通过新能源汽车安全预警来推动产业高质量发展的阶段。

现在新能源汽车有三部分标准和数据。

第一部分在整车版块，围绕原本国家平台和企业自建的平台所积累下来的标准和数据。第二个在电池和后市场，当前国家的监测和动力电池的回收溯源以及再保险车联网数据采集规范也形成了相应的数据标准和数据资源。第三个就是在充电板块，我们也有相应的充电设施和接入数据的标准和通信协议的规范。整个数据支撑条件，相对来说，在汽车大的领域当中是比较好的。在这方面，我们也做了基于数据驱动的安全预警，结合国家在新能源汽车方面大的技术图谱，主要选定了依托基础设施的平台，结合网联里面的车辆信息进行新能源汽车安全预警。在核心共性技术方面，主要是聚焦在动力电池和电池管理技术这部分，提炼作为汽车安全预警模型开发。

第二部分,我们做的数据驱动整个模型的方法论。中国汽研在安全预警领域有三大理念，搭建了一套我们自己做安全预警的理念。第一个理念就是整体安全观，我们一方面要考虑车辆在驾驶过程当中的缺陷安全、信息安全，另一方面也要在新能源汽车安全对造成高危的批次车辆，质量缺陷的车辆进行及时提醒整改，打造整体安全观的理念。第二个，我们希望把安全真正地量化起来，搭建风险累计模型，就是不断地来累计这个风险，来搭建一个安全的量化理论体系，当风险累计达到一定阈值或者一定标准就是安全预警爆发点，所以第二个希望把大量安全能够量化出来。第三个，就是“AI+专家”服务，我们现在大量投入资源来做现场事故调查，现场的专家对事故的分析。总的来看，我们认为应该把线上和线下有机结合，我们来定义AI的部分，线上的部分更多是我们做分诊，在前期环境中，真正专家会去做最终的确诊，这样就形成“AI+专家”服务安全预警服务模式来推动新能源汽车行业的健康发展。

在整个大数据方法体系当中，我们采用数据循证的方法，主要以大数据为基础，以事故案例为核心，来持续做研究方法的更新迭代。这个里面主要是四个部分内容。

第一个部分，就是涉及到所有现场事故的调查和数据。这个也是在总局交汇中心的联动下面。我们通过对事故现场的数据进行分析，到我们中国汽研的实际测试环境进行实验室的还原，在实验室还原之后，输入对风险预警的特征参数，建立预警模型，最终实现安全预警的服务。这是整个四个阶段的内容，整个过程是不断迭代累积的过程，在前面也是通过几个方面在不断完善。第一个就是模型迭代，现在是从算法上升级，从特殊参数上完善，最后从安全服务体系上进行完善。

第二部分，前期数据资源和实验室评价出来的数据资源也是在不断的更新迭代过程当中，会渐渐输入更准确的模型参数。整个预警算法上，现在是按照内部算法开发和外部集成两条路径在做。现在对于外部算法，我们也形成了一种测试、集成、验证、评价、推广的方法体系，就是外部存储算法可以通过技术接口介入到我们平台进行测试，集成去做整体安全预警，在我们正式进行验证评价之后进行推广。

目前，我们积累了5个方面的算法模型。

第一个一致性评价模型，这个一致性更多是侧重于指标的异动，比如说单体电池电压指标异动类模型，这类模型行业比较多，我们是通过把很多一致性模型搭载在一起来，去做相应的整个模型的集成。第二类是安全风险概率累积模型，这个是我们自主开发的一套，是通过之前提到的安全量化，希望把风险能够及时的量化出来变成一个概率，植入到我们的模型当中。第三个就是智能阈值，现在单个阈值的模型对于不同品牌、不同材料体系、不同车型搭载的电池可能会有不同要求，所以在我们模型当中提出了一个智能可变的阈值。第三个和第四个是我们现在的重点，依托课题开发的事故特征的匹配，就是通过实验室和我们事故特征的提取来去做相应的匹配模型，还有基于神经网络风险的快速识别模型。这五套算法模型目前构成了新能源汽车基于大数据做安全预警的整套体系。

在大数据体系当中，我们同步考虑了四个方面的平台能力建设。第一个方面是整个外部接入的能力，我们现在这个平台在设计的时候就是面向新能源和智能网联的实时大数据体系来去做的技术架构。第二个就是异构的数据，根据不同数据的处理能力会建立一个统一格式，来加快对接的速度。第三个是数据的计算能力，在我们平台进行软硬件协同优化设计，使平台具有持续高效的数据计算能力。第四个是数据的存储能力，这个存储能力也是希望在面对未来体量非常大的大数据时，能够有一套支撑我们特定数据资源的高效且性价比最高的存储能力，这是整个研究大数据体系的支撑。

我们的专家团队和重点实验室主要是从安全、能耗、体验三个维度所做的基础测试评价，然后增添了从动力电池安全测试方面，围绕安全性能、环境测试、可靠性等方面的测试标准，对照着事故案例进行相应的实验室测试。目前我们这套“AI+专家”已经可以实现通过预处理进行快速识别，这个可以初步为行业提供一些服务。

第三部分，是我们做场景方面的探索。

第一个是我们协同车企在安全管理和产品技术提升方面做了一些相应工作，主要是给车企赋能，弥补车企在安全管理方面的不足。现在车企大多数是通过车端BMS直接传来报警数据，这类报警有效率比较低，我们希望能有效弥补这方面的不足，充分挖掘整车性能。

第二个希望构建整车安全的第二道防线，我们基于BMS的预警和告警的机制，是希望能够在一些同批次的、高风险的、群体性问题上面去构建第二道防线。

第三个就是在我们实际使用场景帮助车企去做安全的开发、安全的迭代，包括技术提升、升级改造、性能提升等等；其次是协助运营公司做车辆安全运营和商业价值的衍生。当前主要是在后市场服务上，做检测和风险评估；第三是电池价值评估，对车辆的残值、电池寿命和梯度利用方面进行价值评估；第四就是基于我们的数据去做精准的运营，包括客户的画像分析、驾驶行为的分析和消费者精准定位，从这方面去挖掘数据所产生的一些新的价值。

第四个是希望推进安全预警，让国家、企业、地方平台有序结合，从事前预警、事中监督和事后管理三个方面提供管理服务功能，为新能源汽车安全保障护航。在安全预警技术应用平台方面，我们现在第一个是协同国家平台建立了西南分中心，西南分中心的数据主要源于我们的模型试验，基于前期新能源汽车运行过程当中的历史数据来去做风险对比，这里面主要是做高危车辆的排查。第二个是在政府服务和后市场端的拓展应用，依托我们现在的分中心来进行相应的开展。第三个方面，是跟总局协同做好新能源汽车风险监控和事故调查。这个是我们最核心和常态化的工作内容，里面包括四块工作，第一个，事故现场勘察分析调查，第二个，形成新能源汽车案例库，第三个，开展动力电池缺陷分析以及相应实验室测试工作，然后逐步构建新能源汽车安全缺陷应急平台，通过大数据支撑实现新能源汽车召回的智慧监管，第四个，安全预警技术应用范例，我们进行了溯源分析，从整个事故车的曲线也可以看得出来，在事故前10天和事故发生之后的，我们会及时做数据比对和处理，形成对事故车辆溯源的分析。另外还有热失控特征因子分析，针对事故车辆进行深度分析，找出典型的事故特征，结合这个特征来进行高危险车辆“胃镜”，同时反哺优化车型，帮助重点企业排查隐患，做一些常态化检查和报警，实现预警信息复合，避免一些事故的发生。

第四部分，新能源汽车安全预警技术发展方向。这个是从线上线下相结合打通整套新能源汽车服务体系，我们也希望通过打造人车桩完整新能源汽车生态数据链来提供线上到线下的完整的检测评估报告，来支撑新能源汽车安全预警技术的全面提升。

结合中国汽研在开展这项工作来讲，我们也希望发挥平台优势，从四个方面推动行业去不断的进步。第一个方面在行业标准的制定上，包括新能源汽车标准和未来数据标准，我们去积极推进行业进一步提升。第二个方面是安全监管所相应的配套保证和政策支持，也是希望从我们角度更多呼吁政府的相关管理部门去做好相应的服务。第三个方面就是通过建立联合技术研究推动产学研用真正的技术突破，打通各个环节的数据、技术层面的壁垒，共同推进技术创新。第四个方面，也是希望我们把预警效果放在更多场景中去探索应用，在产业的后端提供更多服务体系支撑整个新能源汽车安全能力的提升和新能源汽车健康可持续的发展。

总体上来说，新能源汽车大数据是在当前汽车产业中积累量最大，也是最可以去探索未来的商业场景应用，同时也是联动未来智能网联汽车大数据的重要接口，我们希望发挥我们的平台优势，共同推动基于大数据、基于政策监管，在未来汽车领域创造更多有价值的应用。

以上就是我的报告，谢谢！

（注：本文根据现场速记整理，未经演讲嘉宾审阅，请勿转载）