Luxoft 和 Vantage Power 利用 AWS IoT 遥测技术实现动力系统创新并提供安全保障

从政府团体到当地的倡导组织，全球各地的成员坚持要求公司找到促进低碳经济的方法，以保护环境的健康和安全。运输行业的许多车辆和零部件制造商都致力于通过投资车辆电气化来减少燃气发动机的有害排放。

近年来，私营和轻型商用领域对低碳技术的采用有所增加，促进了这一领域的更大发展。相比之下，重型汽车行业的发展速度缓慢，导致创新滞后。

政府正在通过立法来推动变革。例如，伦敦承诺，到 2025 年只购买零排放公共汽车，到 2020 年将公共汽车车队升级到欧六标准，并确保所有超低排放车辆都采用混合动力或全电动。

重型车辆和车辆系统制造商希望快速将新技术推向市场，以应对不断出现的立法和需求。这意味着许多原始设备制造商 (OEM) 可能会比平常更早地发布产品，不需要经过多年测试，就能打造出更成熟的产品流。

这使得 OEM 和运营商在寻找一种解决方案，能够在部署之后，对新技术进行现场跟踪和监控。通过收集操作数据，他们可以防止在车辆使用寿命期间可能出现的潜在问题。通过跟踪和监控，可以对零件进行高质量维护，对可以改善产品的场景进行建模以及证明合规性。

Vantage Power 需要一种能够深度集成到动力系统、车辆控制软件以及其他现有系统中的车辆遥测系统，来收集能够用于全面了解车辆和零件运行状况的大量操作数据。他们希望创造一种方法来密切监控他们的锂离子电池系统，帮助客户及早发现电池级缺陷并缓解问题，从而有助于避免更换锂离子电池（每辆公共汽车的更换成本超过 50000 USD）。 

Vantage Power 与 Luxoft 合作创建了一个名为 VPVision 的遥测平台，为每个互联车辆提供 AWS 云平台，Luxoft 是 AWS 合作伙伴网络高级咨询合作伙伴兼 AWS IoT 能力合作伙伴。VPVision 可以让 Vantage Power 的客户从技术层面全面了解动力系统部件，包括发动机、电池、控制系统、发电机和电机。该系统可完全根据特定发动机和车队进行定制。

VPVision 基于物联网 (IoT) 架构构建，可以利用 AWS 的 IoT 服务，包括 AWS IoT Core、AWS IoT Greengrass ML Inference 和 AWS IoT Analytics。这些服务与 Amazon Simple Storage Service (Amazon S3) 和 AWS Lambda 相结合，通过蜂窝连接优化每分钟、1 赫兹的数十万个数据点的处理，以获得见解和预测分析模型，然后将这些模型分发给车辆，以实时采取预防措施。 

Luxoft 引进了 AWS IoT Analytics 和 IoT Greengrass ML，使用户能够从每辆车接收到超过 6000 个数据点的报告和见解。通过将这些数据添加到 VPVision 的后端架构，Vantage Power 能够使用历史真实数据在 AWS 上构建和训练机器学习模型，同时在运行的车辆的实时数据流上对其进行测试。通过连接 AWS Machine Learning 的功能，Vantage Power 可以访问一个强大的环境，以比以往更快的速度构思、测试和发布新理念。

“通过与 Vantage Power 合作以及使用 AWS，Luxoft 开发出了一种解决方案，它可以使用来自联网车辆的数据提供深入见解和价值。”Luxoft 的数字企业常务董事 Sam Mantle 说，“几秒内，复杂的数据就被转换为可操作的信息并显示在平台上。例如，传感器知道混合动力汽车何时进入低排放区，并确保其电池提前充满电，从而扩大行驶范围并减少污染。”

“电池供电的重型车辆越来越普遍，但成功地大规模部署和维护它们仍然是一个挑战。”Vantage Power 的首席执行官 Alex Schey 说，“利用投入使用的电池的真实数据，我们开发了一种模型，可以比目前早几个月检测到云中的故障模式。对于这个平台能够应用于所有行业的电池技术，以实现更强大、更敏捷的电动重型车辆管理方式，我们感到非常兴奋。”

目前，VPVision 作为独立产品提供，并提供免费工程服务，使重型车辆制造商和次级 OEM 能够集成他们自己的产品。  

锂离子电池需要保持平衡才能获得最佳性能，这就需要电池在特定电荷电平下保持足够长的时间。借助 VPVision，Vantage Power 使用 Sagemaker 笔记本（AWS IoT Analytics 的一部分）开发了一种机器学习模型，该模型可以自动分析车辆数据并确定理想的平衡时间和位置。当车辆接近其目的地时，该模型将改变运行模式以确保车辆在停放时达到理想的电荷状态。这可将电池的使用寿命延长约 10%。这项创新是在云中开发的，并在实时、真实的数据上进行了测试，确保在部署之前对其进行优化和验证。

Vantage Power 使用 VPVision 来推动其业务，将新创新产品的上市时间缩短了 6 个月以上，通过预测分析提供安全性和合规性控制，并通过远程诊断和边缘计算降低成本。 

通过使用 AWS IoT Analytics 来支持 VPVision 的后端架构，确保客户可以收集和处理所需的数据，来确定和解决个别车辆潜在的安全性和合规性问题。

Vantage Power 和 Luxoft 合作开发了一种机器学习模型，该模型分析了从在实际环境下驾驶超过一年的双层公共汽车车队收集的数十亿个数据点。这些公共汽车结合使用 Vantage Power 的新型混合动力系统和用于重型车辆的锂离子电池，这些电池由数千个独立电池组成。如果这些电池中的任何一个出现过度自放电故障，就会减少存储的电荷，从而降低整个电池组的性能并影响车辆的运行。现在，通过了解已知的故障实例，该模型就可以比以前使用的技术提前一个月检测到高自放电现象。当电池真正发生故障时，该模型会在车辆出现此故障之前将其诊断出来，这有助于确保以最短的停机时间进行有效响应。 

基于 AWS 构建的机器学习模型可以部署到边缘设备，从而降低云交易和计算成本。Vantage Power 和 Luxoft 合作创建了一个诊断模型，可以分析车载数据，并在出现需要注意的问题时进行报告。这最大限度地减少了传统上在监控、管理、调度、零件供应、修理和调试车辆方面遇到的管理负担，从而使车辆可以更快地重新投入使用。例如，如果冷藏车意外停止制冷，那么当货物温度超过阈值时，库存就会报废，因此而造成的成本可能高达 40000 USD。通过将预测性故障分析部署到边缘并防止新出现的问题影响操作，可以避免代价高昂的故障。  

了解有关 AWS 上的 IoT 技术的更多信息。