基于物聯網的新能源汽車安全預警系統的設計＊

余永紀，薛秀麗，王鶴欽

（云南機電職業技術學院，云南 昆明 650203）

根據國家統計局數據顯示，中國汽車保有量逐年上升，截至2020年底，中國汽車保有量達到2.81億輛，產銷量為136.6萬輛和136.7萬輛，同比增長7.5%、10.9%[1]。然而新能源汽車的迅速發展，也暴露出了其自身的一些安全問題。根據2020年中國電動汽車百人會論壇數據，中國新能源汽車每年萬輛燃燒事故率為0.9～1.2輛。其中，在已查明著火原因的車輛中，58%的車輛起火源于電池問題，19%的車輛起火源于碰撞問題，還有部分車輛的起火源于浸水、零部件故障等原因[2]。當前安全事故是新能源汽車發展的致命隱患之一[3]，因此，新能源汽車的專業數據監控、安全預警成為生產廠家和用戶的剛性需求。但是傳統簡單數據統計的監控系統已經無法滿足新能源車輛汽車行業的數據分析需求，數據背后的信息挖掘和規律探索更值得關注。

本文基于NB-IoT窄帶物聯網技術設計新能源汽車數據采集及遠程監測安全預警系統，根據CAN總線協議編寫車輛實時狀態采集程序，并對車輛電池箱設置多點傳感器采集電池組數據，通過物聯網實現數據的上傳。最后，搭建云端服務器，利用大數據對車輛數據進行分析與挖掘，針對性地建立新能源汽車安全預警模型，以分析新能源汽車運行狀況和性能變化。對車輛實時狀態進行監控，并安全預警，防患于未然，為新能源汽車的使用提供有力的安全保障。

1 系統總體架構

整個系統的體系架構如圖1所示，自下而上由感知層、網絡層、數據層和應用層4個層級組成。感知層主要是由傳感器和車輛采集終端構成，主要功能是實現新能源車輛狀態和電池箱溫度的獲取；網絡層由無線通信模塊實現，是利用4G/5G（NB-IoT+4G+5G）的物聯網技術實現與監控及安全預警平臺之間的數據通信；數據層主要利用先進的大數據技術建立新能源車輛大數據資源中心，實現車輛數據的匯聚、存儲、處理、分析和挖掘，對車輛數據進行編目、展現、管理，對應用層提供數據服務和數據展現；在數據服務的支撐下，應用層對車輛數據進行分析與應用，建立安全預警模型，實現新能源汽車安全預警和展現。

圖1 系統總體架構

2 系統硬件設計

系統硬件主要是車載數據采集終端，它負責新能源車輛實時數據的采集和上傳，是系統中數據的來源。為了實現車載全方位的數據采集和監測，數據終端設計從以下3個方面考慮：①通過CAN總線技術采集車輛運行時的實時工況數據，包括電動機的狀態參數（轉速、電壓、溫度、電流、負載等）、動力電池狀態參數（電壓、電流、溫度、剩余電量）、駕駛員輸入信號（加速踏板開度制動踏板開度、方向盤轉角）等，結合當前車輛定位的信息，就可以實現對車輛的運行狀態監控；②對電池箱進行相應的改造，設置多個溫濕傳感器，實時采集電池箱內的溫濕度；③設計移動客戶端對車輛及車主信息的采集，包括車輛信息（編號、車牌號、型號等）、車主信息（姓名、性別、聯系方式等）。

車載數據采集終端主要由電源管理模塊、NB-Iot通訊模塊、GPS定位模塊、電池箱傳感器組和車載工況采集模塊組成，車載數據采集終端結構如圖2所示。車載工況采集模塊由CAN總線設計而成，主要負責采集車輛工況和車輛BMS電池信息。為了實現車輛實時定位跟蹤功能，系統選用ATK-NEO-6M作為GPS定位模塊，該模塊自帶高性能無源陶瓷天線，具有靈敏度高、體積小、精度高、功耗低等優點，采用TTL接口方式[4]，可將衛星定位信息以字符串的形式經串口發送至處理器，解析出車輛具體位置。

圖2 車載數據采集終端結構框圖

車載采集終端主控制器采用意法半導體公司的STM32F103RCT6型芯片作為CPU處理器，該芯片被廣泛應用于汽車電子行業，它擁有豐富的片上資源和強大的運算能力，具有32位MCU的強大性能，而且該MCU內置CAN控制器[5]。但CAN控制器不能直接與總線設備通訊，還需要外加CAN收發器，收發器的主要功能是將CAN控制器的邏輯電平轉化為CAN總線的差分電平。CAN收發器選擇恩智浦公司的TJA1050芯片來設計電路，該芯片完全符合ISO11898標準，高速率、抗干擾（EMI）能力強，可以滿足新能源汽車車輛運行時實時數據采集的要求。一個完整的新能源汽車健康評估系統，數據流從車里的各個子系統（電池管理系統、整車控制系統、電源系統等）通過CAN總線發送給車載數據采集終端。另外，車載數據采集終端還具備邊緣計算功能，可以初步對數據進行分析。

通信模塊采用Quectel BC35-G通信模組，它是一款高性能、低功耗的多頻段NB-IoT無線通信模塊，通過UART串口與主控制器進行數據交互，實現NB-IOT的連接、NB-IoT的數據通信、遠程服務訪問等功能。NB-IoT構建于蜂窩網絡，可直接部署于GSM網絡、UMTS網絡或LTE網絡，具有覆蓋廣泛、功耗極低的特點。但BC35-G模組本身并不具備數據傳輸和信息處理的能力，因此為了實現物聯網感知層中的車輛實時狀態和傳感器數據采集、硬件設備控制和通過NB-IoT收發數據等功能，需要通過微處理器來驅動BC35-G模組。如此，基于NB-IoT物聯網，利用“互聯網+”構成了數據采集物聯網模塊，將數據采集終端采集到的數據可以實時傳輸到云端服務器。NB-IoT模塊電路如圖3所示，包括天線部分、復位電路和通信接口等。

圖3 NB-IoT模塊電路圖

3 系統軟件設計

系統軟件主要包括車載數據采集終端軟件和監控安全預警系統軟件2部分。

3.1 數據采集終端軟件設計

車載數據采集終端軟件包括車輛CAN數據的采集與解析、電池箱傳感器的數據采集與解析、GPS定位模塊的初始化及數據采集與解析，NB-IoT模塊的初始化及數據收發程序、數據組包協議定義等，各個模塊之間相互配合，完成數據的采集和發送與接收。主程序流程圖如圖4所示，首先對主控MCU、NB-IoT模塊、GPS定位模塊、傳感器模塊等進行初始化，然后連接服務端，連接成功后開始采集車輛相關數據。采集的數據主要由CAN總線數據、GPS數據和電池箱傳感器數據3部分組成，然后進行數據的解析與處理，將3組數據按協議打包成一組數據，再由NB-IoT通訊模塊發出到服務端。這里數據打包發送與服務端軟件數據的接收之間是同一個數據結構協議，服務端才能正確將數據接收并解析。

圖4 車載數據采集終端主程序流程圖

3.2 安全預警系統軟件設計

總體來說，安全預警系統主要有3個主要任務：①車輛實時狀態數據和電池箱傳感器數據的獲取與存儲；②數據分析挖掘和預測算法模型的搭建；③車輛監控狀態以及預測結果的展示。安全預警系統最主要的部分就是數據的處理，包括數據的存儲與處理、大數據的分析與挖掘和預期模型的建立。

3.2.1 數據的存儲與處理

新能源汽車日常運行的數據量大，在采集、傳遞、解碼數據等時均有可能產生誤差[6]，除提升軟硬件水平、加強數據質量監管之外，合理地運用大數據預處理技術也可改善數據質量，有助于提升數據挖掘過程的準確率和效率。系統運用成熟的ETL中間件技術，將采集到的數據進行預處理，主要包括數據集成、數據清洗、數據脫敏等。數據處理主要是構建源數據處理體系和搭建數據資源池基礎數據庫群2方面的工作。源數據處理系統分析源數據庫數據特征，根據源數據特征和目標數據庫結構安裝配置ETL工具，進行數據抽取/清洗/轉換/加載（即ETL過程），從數據采集到平臺之后到建成可供分析應用的數據倉庫，之間要經歷煩瑣的ETL過程（數據清洗、轉換和整合）。數據經過處理后主要采用HBase和HDFS（非結構性文件）進行存儲。

3.2.2 大數據分析與挖掘

簡單數據統計不能滿足當前新能源汽車安全預警的需求，要緊密結合新能源汽車實際運行情況，利用大數據挖掘方法，針對性地建立相關模型，以分析新能源汽車運行情況和性能變化。Spark是Map/Reduce計算模式的一個全新實現，可以分析存儲在HDFS、HBase、分布式內存緩存中的數據，基于Spark技術建設數據挖掘子系統，能夠依托大數據平臺進行車輛大規模數據挖掘分析，在Spark中實現基本機器學習算法庫與統計算法庫，支持常用的并行化機器學習算法，并利用Spark在迭代計算和內存計算方面的優勢，將并行的機器學習算法與統計算法運行在Spark上。

3.2.3 預警模型的建立

系統服務端收到車載終端上傳的數據并處理后，根據數據中的用戶身份信息及車輛識別信息，通過數據存儲服務取出該車輛和電池的歷史運行數據進行分析，由預警分析服務結合新的數據和歷史數據進行預警分析和預判，生成預警分析結果。其中預警分析服務根據歷史運行數據構建該車輛的運行狀態關系模型，并根據當前的車輛數據采用時間序列預測算法對今后一段時間的運行狀態進行預測[7]，通過支持向量機預警模型對預測數據進行預警分析，如車輛狀況或電池狀態較差，接近或低于安全運行的限值，但尚未達到預警限值，系統服務端即對該車輛進行預警。

4 結語

本文在對新能源汽車安全事故特點分析的基礎上，研究了新能源車輛監控及安全預警系統，該系統由車載數據采集終端和監控及安全預警系統軟件組成。車載數據采集終端根據CAN總線協議編寫車輛實時工況采集程序，并對電池箱設置多點傳感器采集電池組溫濕度，并基于窄帶物聯網技術實時將車輛數據按照協議打包上傳，并且可以通過移動客戶端對車輛及車主信息進行采集。監控及安全預警平臺在接收到數據后，從動力電池數據、汽車運行數據和充電數據的角度出發，利用大數據技術對數據進行分析處理和挖掘，根據歷史運行數據構建出該車輛的運行狀態關系模型，并建立相應預警分析服務，通過當前的車輛數據根據時間序列預測算法對今后一段時間的運行狀態進行預測，對可能發生的事故和安全隱患進行預警，具有很高實用的價值。