车联网系统_车联网系统的组成_车联网系统架构图

　　一、车联网系统

　　根据行业背景不同，对车联网的定义也不尽相同。传统的车联网定义为装在车辆上的电子标签通过无线射频等技术对车辆信息进行提取，使以有效的监管和提供综合服务系统。但随着互联网技术和各产业的迅速发展，传统的车联网定义已经不足以覆盖现如今车联网的全部内容，根据车联网产业技术创新战略联盟的定义。

　　车联网是以车内网、车际网和车载移动互联网为基础，按照约定的通信协议和数据交互标准，在车与人、车与道路、车与互联网等之间，进行无线通讯和信息交换的大系统网络，然后系统通过实现对海量数据的“过滤清洗”，平台对数据进行处理，进而实现智能化交通管理、智能动态信息服务和车辆智能化控制的一体化网络，是物联网技术在交通系统领域的典型应用。

　　车联网系统

　　车联网系统，是指是利用先进智能技术、传感技术、网络技术、计算技术、控制技术，使系统对道路和交通进行全面感知，使所有车辆可以通过自身环境和状态进行信息采集，并将自身的各类信息上传到互联网大数据平台，由中央处理器对大量上传信息进行汇总、分析和处理，系统将对每一辆交通参与车辆进行全程控制，对每一条道路进行实时管控，为使用者提供交通的效率与安全。

　　车联网的重要性

　　车联网（IOV：Internet ofVehicle）是物联网在汽车领域的一个细分应用，是移动互联网、物联网向业务实质和纵深发展的必经之路，是未来信息通信、环保、节能、安全等发展的融合性技术。

　　“车-路”信息系统一直是智能交通发展的重点领域。在国际上，欧洲CVIS，美国的IVHS、日本的SmartWay等系统通过车辆和道路之间建立有效的信息通信，实现智能交通的管理和信息服务。RFID技术近年来在物流与供应链管理领域以及交通运输领域智能化管理中得到了应用，如智能公交定位管理和信号优先、智能停车场管理、车辆类型及流量信息采集、路桥电子不停车收费、高速公路多义性路径识别及车辆速度计算分析等方面取得了一定的应用成效。

　　

　　二、车联网系统的组成

　　1、车机，是安装在汽车内的车载信息娱乐产品的简称。车机在有些功能上可以实现驾驶者与车辆和车与外界的交互，增加驾驶者的用户体验和安全系数。有些车机包含了预约保养、远程诊断、接打电话、语音控制、车辆救援等功能。

　　2、智能手机，国内以百度Carnet为代表的产品，国外以苹果carplay、android auto为代表的产品。驾驶者可以将手机的内容投射到车机屏幕上，让车辆智能系统更具灵活性和延展性，给予驾驶者更便捷的上手感受。

　　3、地图导航，很多车辆的车机都带有导航，但由于版本更新慢等问题，实际使用量很少，一般驾驶者都转为使用手机APP进行操作。

　　4、语音技术，在计算机领域中的关键技术有自动语音识别技术（ASR）和语音合成技术（TTS）。是未来人机交互的发展方向，其中语音成为未来最被看好的人机交互方式。语音比其他的交互方式有更多的优势，同样语音技术将会成为车联网的重要的组成部分。

　　WCDMA/LTE移动通信技术、车载Wi-Fi和3G/4G等安全、高速的移动通信技术为汽车这一快速交通工具接入互联网提供了可能，同时也可以为移动运营商带来巨大的利益。车载Wi-Fi是面向现代交通工具推出的特种上网设备，车载Wi-Fi使移动交通工具转化成为一个移动网络，并且运营商通过LBS（Location Based Service基于位置服务）获取移动终端用户的位置信息，在地理信息系统平台的支持下，为用户提供相应服务，从而使驾驶者或乘客享受到无处不在的信息服务。所以说，车载Wi-Fi技术和WCDMA/LTE移动通信技术将会成为智能汽车的关键一环。

　　5、HUD（Head Up Display平视显示器），现如今很多豪华车都已自带简单的HUD附件，但仅是简单的实时速度和简单的导航映射。不过国内外也有很多科技公司开始设计并开发新型的HUD，甚至有前风挡玻璃就是一面大的HUD，通过驾驶者的肢体操控，人机交互或者是车内传感器就可以完成操作，这样就能使驾驶者脱离手机，解决了分心困扰。

　　6、OBD（On-Board Diagnostic车载诊断系统），OBD起初实质性能就是通过监测汽车的动力和排放控制系统来监控汽车的排放。当汽车的动力或排放控制系统出现故障，当污染量超过设定的标准，故障灯就会点亮报警。现如今OBD集成于检测、维护和管理一体，系统会进入发动机、变速箱等系统的ECU（Electronic Control Unit电子控制单元，又称“行车电脑”）中读取故障码及其他相关数据。现部分OBD已集成GPS芯片、加速传感器等，可以获取驾驶数据，结合手机App能够起到一定的安防作用（震动、位移、点火告警），对车况进行实时监控。

　　7、CAN（Controller Area Network控制器局域网络），是国际上应用最广泛的现场总线之一。近年来，其所具有的高可靠性和良好的错误检测能力受到重视，被广泛应用于汽车计算机控制系统。

　　8、RFID（Radio Frequency Identification射频识别技术），是一种通信技术，可通过无线电讯号识别特定目标并读写相关数据，而无需识别系统与特定目标之间建立机械或光学接触。其实RFID大家已经非常熟悉，我们常用的各种门禁卡就是基于这种技术制作而成。RFID对于车辆辅助或者管理的系统有ETC、停车场、车位导引、特殊车辆管理等。

　　9、ITS（Intelligent Transport System智能交通系统）是未来交通系统的发展方向，它是将先进的信息技术、数据通讯传输技术、电子传感技术、控制技术及计算机技术等有效地集成运用于整个地面交通管理系统而建立的一种在大范围内、全方位发挥作用的，实时、准确、高效的综合交通运输管理系统。ITS可以有效地利用现有交通设施、减少交通负荷和环境污染、保证交通安全、提高运输效率，因而，日益受到各国的重视。21世纪将是公路交通智能化的世纪，人们将要采用的智能交通系统是一种先进的一体化交通综合管理系统。

　　

　　三、车联网系统架构图

　　一、数据源

　　大数据平台的数据源包括两类数据：

　　1、车载终端数据

　　系统规模由车载终端并发接入量与消息并发处理需求决定，其特点为增长迅速，数据类型繁多且数据格式多变。大数据平台必须可能保证车载终端高并发远程接入并传输数据。同时还应兼顾历史数据的导入，传统数据存储及分析方式往往以两种形式处理这些车载终端数据：一是用传统型关系型数据库，二是用文件系统。

　　2、 应用数据

　　应用系统相关数据，数据相对较小，增长较慢。数据结构与应用强相关且较为稳定。

　　二、数据传输

　　针对上述数据源，大数据平台应提供相应的数据传输接入工具：

　　1、车载终端数据

　　2、实时数据

　　大数据平台应支持多设备同时接入并进行数据传输。高并发的规模应考虑在十万级别。

　　3、历史数据

　　大数据平台应提供面向关系型数据库与文件系统的数据导入接口。

　　4、通讯协议

　　如果车载终端由不同供应商提供且使用不同的私有自定义通讯协议，大数据平台应提供私有协议解析适配功能。

　　5、应用数据

　　大数据平台不应对建设在其上的应用系统附加限制，如开发语言，通讯协议等。大数据平台应遵循‘面向服务架构’（Service-Oriented Architecture）的设计模式，即各种异构的应用系统可通过独立的消息中间件进行通信，且通信的数据路由、消息传输协议、传输质量与安全都可管理。大数据平台应提供面向消息中间件的数据接入与导出接口。

　　三、数据预处理

　　车载终端数据的一个显著特点是数据源源不断，且具有周期性。因此此类数据随车载终端数量增多，系统部署规模的扩大会迅速积累增长，对数据存储与分析带来较大压力。对此，大数据平台需在数据存储之前进行一些必要的预处理：

　　1、解析

　　每种车载终端数据均有固定的schema，大数据平台应提供一种统一的schema定义工具，所有车载终端供应商可便捷的通过此工具将数据schema导入或直接编辑。大数据平台还应提供‘通用信号’功能，在应用与数据间提供了一个适配层，使应用无需关注某一信号在每个异构车载终端中的名称。即将类似‘车速’、‘车门故障’这样的通用描述与各种异构车载终端中的信号名（例如不同列车总线对车速信号的定义可能是Spd/speed/carspeed等）进行绑定。

　　2、过滤

　　针对解析后的数据值，大数据平台应提供去重、降噪、筛选、清洗等工具将无效数据进行过滤，以达到节省存储空间的目的。这些操作应该是在数据接入时实时处理的。

　　3、预处理

　　此外，大数据平台为数据分析提供预处理功能，以便提高后续数据分析的效率。预处理包括合并、分类、转换与增强等。

　　四、数据存储

　　传统的集中式的数据存储方案在存储车载终端数据时均存在一些性能瓶颈。关系型数据库的规模扩展是其最大的性能瓶颈，纵向扩展意味着花费高昂的成本采购硬件设备，横向扩展则对数据库管理软件、数据库管理员乃至网络带宽与环境等均提出非常高的要求。这主要是因为在其核心设计理念提出的上世纪70年代，分布式的概念尚未出现。而文件系统则在数据分析时面临数据索引、文件切分等问题，影响分析效率。

　　大数据平台应针对车载终端数据与应用数据提供分布式与集中式的混合型存储建构。其中对车载终端数据的存储是对客观事实的记录，即一旦存入便不会变更，应采用分布式方案来存储车载终端数据，以便于灵活扩展系统存储规模。应用相关数据则可采用传统关系型数据库进行存储。此外，系统应提供数据导出功能以便用户使用专业工具进行数据处理。

　　五、数据分析

　　大数据平台的核心功能是将原始数据通过各种数据分析的手段转换成对用户有意义的信息。大数据平台的数据分析包括：

　　1、基础数据运算

　　针对各种数据类型，提供相应基础数据分析功能，例如求平均数、最值、变化率、数值积分等。

　　2、机器学习

　　大数据平台应内置各种机器学习的算法，并为用户提供友好的客户端接口。

　　3、自定义数据分析工作流

　　用户可结合应用需求将基础数据运算功能、机器学习以及其他分析手段结合在一起组合成自定义工作流，由大数据平台提供任务的调度与结果的展示。

　　4、实时分析

　　有些数据时效性较强，即需要被实时处理才能将原始数据转化为对用户有意义的信息或被用于支持一些即时决策。一旦处理不及时，这些数据所包含的信息量将大幅下降。大数据平台可在数据预处理时提供实时数据处理.