如何理解車聯網數據要素價值與模式？

充分發揮數據要素的乘數效應，不僅可為汽車產品優化和交通效率提升提供有力支撐，還是賦能汽車、交通產業變革和數字時代新經濟發展的必然選擇。

1.多次多維挖掘車聯網數據要素價值

隨著汽車智能網聯化升級、道路智能化改造以及城市智慧化治理，攝像頭、毫米波雷達、激光雷達、高精定位等各類感知設備在車輛和路側大量部署，感知并收集到海量車聯網數據，如車輛端的運行狀態、駕駛行為和軌跡等數據；道路端的信號燈狀態、目標軌跡、交通流量等數據；云端的路網地圖、交通事件等數據。車聯網數據具有地域特征、多源異構、數據量大、多層價值特點。地域特征是指行車和路側采集的數據因為各地交通環境、路網特點、交通參與者組成的差異而呈現出不同的特點，如山區城市復雜的高架路網環境、快速路為主的中大型城市交通系統，與地面平交信控為主的小城交通系統相比較，行車和管理模式均有較大區別，不同的特征對數據模型的適應性提出了較高的要求。多源異構特征是指車聯網數據來源廣泛且數據結構復雜。來自于車、路、互聯網、個人終端的視頻、雷達、激光點云、定位和軌跡、氣候、交通管理等異構數據，給數據的匯聚和融合處理帶來了一定的挑戰。數據量大是指城市與車輛實時產生的數據量巨大，例如一輛普通的智能網聯汽車每天能產生 TB 級別的數據12，成都交通運行協調中心日均新增 6 億條數據，總數據量超過 3100 億條13，大體量的數據對數據治理和處理工具提出要求。價值差異大是指數據對不同主體的價值存在較大差異，如車輛采集的雷達點云和接管數據對于自動駕駛訓練更具價值，而路側感知數據則對車聯網和城市管理更具價值，數據價值的差異也促使行業探索可信數據流通模式和交易機制的形成。

依據中國信息通信研究院《數據要素白皮書（2022 年）》，數據要素投入生產的途徑可概括為三次不同的價值釋放過程。具體到車聯網的數據領域來說，如圖 5 所示。一次價值體現在業務貫通層面，通過實體的數字化、數據的標準化和車路云的全方位連接，實現汽車、路側、云端的全線業務貫通；二次價值體現在數智決策層面，通過對各類數據的深度挖掘和分析，產生超出原始數據以外的新信息，提升車輛和交通的各類決策的效率及科學；三次價值則是體現在數據流通層面，通過數據在主體之間的流動，讓數據流通到需要的行業和企業，實現數據要素價值更大釋放。數據貫通，車路云典型應用規?；茝V。數據的業務貫通價值是指通過數據實現車輛、路側與云端的業務打通，達到車路云系統內部各主體的貫通，從而實現各類車聯網典型應用。車與路的業務貫通，數據承載著信號燈信息、交通感知信息，由路側通信系統下發給網聯車輛，使車輛能及時獲取相關的信息，從而實現各類安全、效率類應用，如無錫、重慶等地運行的路側信號燈和盲區預警應用。車與云的業務貫通，車輛數據承載著車輛狀態信息、位置信息、圖像信息等，通過網聯系統上傳至云端后，使云端平臺可以實時掌握車輛狀態，實現車輛狀態的監控，如合肥、南京等地對道路測試車輛的監控系統，通過車載終端實時上傳的車輛數據，監控車輛運行狀態；同時，云平臺可將調度數據、地圖數據等通過無線通信傳輸給車輛，實現遠程調度、導航等應用，如長沙的定制公交應用，通過將乘客預定信息下發給公交車輛，實現公交的遠程調度。路與云的業務貫通，路側設備將感知數據和設備狀態數據上傳給云平臺，實現設備的遠程監控，降低運維成本，如無錫、重慶等各地云平臺的通過路側設備的心跳數據來監控路側設備狀態；同時，云平臺可將配置數據下發給路側設備，實現設備的遠程控制，如遠程調整監控設備的角度，也可以將感知算法推動給路側MEC，實現遠程升級。

數智決策，支撐汽車與交通智能化能力升級。通過對數據的加工、分析和建模，提取大量數據中蘊含的深層關系和規律，從而產生新的價值和信息，推動智能網聯汽車產品和智慧交通服務升級。汽車廠商依托汽車電氣架構和遠程升級功能，在售賣產品后持續收集用戶使用和反饋數據，快速迭代車輛各類功能。如小鵬汽車基于車主市場調研需求，可以在汽車使用環節推出車內空調“高溫抑菌”功能。互聯網企業基于數據挖掘開發新功能，服務個人和行業。高德、百度通過對導航數據進行挖掘學習，為個人用戶提供信號燈下倒計時服務，同時形成出行大數據報告，為地方交通規劃提供決策支撐。路側運營企業深入挖掘交通數據，賦能智慧交通，助力“雙碳”實現。深圳、無錫、襄陽等地通過對路側采集的交通流數據分析，形成信號燈配時優化方案，可自動化調整路口配時，有效提升交通效率。中信科智聯通過接入路側融合感知設施數據，挖掘出精細化的車速、車型、道路流量等排放相關數據，并結合出行區域數據轉化為碳排放數據，為后續“雙碳”目標提供支撐。但是車端數據和路側數據的匯聚和分析，也對企業的數據挖掘、模型分析、數據篩選等能力提出了更高的要求，產生的應用相比一次價值釋放更為聚焦和專業。

數據流通，賦能跨行業協同共建產業新生態。數據異質性使得相同數據在不同使用者和不同場景下存在較大價值差別，通過有效的數據流通和交易手段，在前兩次基礎上可以進一步釋放數據價值。車端方面，供應鏈數據流通降低生產階段管理成本。德國由寶馬、博世等企業牽頭成立的 Catena-X 數據空間，用于各供應鏈企業間數據安全流通交換，實現碳足跡追蹤（圖6）、零部件質量管理等應用，提升了整個汽車供應鏈的協作水平。路端方面，路側感知數據多維賦能多個行業。百度聯合清華，發布了基于路側感知數據的DAIR-V2X 車路協同數據集，為自動駕駛和車路協同解決方案商提供車路協同模型的研發和訓練；德清城市運營主體利用路側的感知數據，為交警、企業等提供道路事件監控等服務，并成功上線大數據交易所。云端方面，車聯網數據與交通云、交管云、城管云等融合，在交通管理、城市治理等方面拓展應用。廣州市車城網平臺通過對接交通車輛管理平臺、城管數據中心等平臺，通過對車輛闖紅燈、逆行、道路遺撒、車斗未封閉等交通事件以及事故進行識別，實現對重點車輛可追溯、自動化監管。

雖然產業各方針對車聯網數據要素釋放開展了許多有益探索，但目前仍存在路側數據采集質量差異較大、可信數據流通架構和新型基礎設施尚未建成、數據運營和交易機制尚不完善、安全合規準線尚不明晰等方面的問題，影響數據流通和應用的發展，制約數據價值的進一步釋放。

2.新技術促進車聯網數據要素價值釋放

數據要素價值釋放的全生命周期包括數據生產、數據流通和數據應用三個環節，數據安全保障則貫穿全生命周期。數據生產層完成數據采集、篩選、處理和分析，實現原始數據向數據服務、數據資產的轉變。數據采集與匯聚方面，人工智能識別、時序時空數據庫等技術持續提升數據采集的效率和準確性。人工智能識別有助于篩選潛在價值場景，有效節省數據傳輸和存儲成本、提升訓練效率，如百度阿波羅基于人工智能識別，可對感知數據進行關鍵信息提取，可對自動駕駛模型進行針對性訓練。時空時序數據庫技術能有效的匯聚海量的感知、定位、授時、地圖數據，形成具備時空、時序屬性的自動駕駛場景集和交通統計數據，為后續挖掘和使用奠定基礎。百度推出的天工時序時空數據庫能存儲實時采集的每輛車自動駕駛時的運行狀態，借助高精定位技術和基礎地理數據，可在數據庫中還原車輛的運行軌跡和場景，實現高效數據分析和算法迭代。不斷提高的數據采集精度和效率要求，促進采集技術向更加智能化、動態化的方向發展。針對具體需求選擇更有價值的數據，同時基于大模型，未來數據篩選流程有望部署在車/ 路的邊緣側，進一步提高數據采集效率。

數據處理與分析方面，自動化標注、交通大數據模型等技術持續提升數據處理分析效率。特斯拉的 Auto-Labeling、商湯科技的商湯明眸等自動標注技術，能自動對圖像和視頻中的交通參與者、車道線、標志等信息進行標注，極大提升標注效率，降低數據處理成本。交通大數據模型可對交通及車輛流量信息等進行統計分析，實現區域信號優化、交通態勢預測等應用。如深圳基于交通感知數據實現在線動態交通仿真和路網狀態精準預測，并從中還原出交通出行量表、路徑等關鍵信息，支撐信控優化方案選擇。數據價值釋放依賴于專業數據治理工具和數據處理模型，針對非結構化、多源數據關鍵信息提取的高效治理工具將會成為數據商品化、資產化的關鍵。同時，面向自動駕駛場景提取、場景泛化以及智慧交通優化、決策的相關模型的迭代一定程度上會影響數據的價值。

數據流通層通過數據控制、交易等實現數據價值可信流通及融合應用。一方面，以數據連接器為代表的技術通過數據加密、使用規則附加等功能確保數據主權。如 Catena-X 數據空間中的數據連接器能在對數據加密的同時，實現數據跨域的刪除、鎖定、撤回等操作；華為推出的數據膠囊產品，可將加密后的數據、使用策略、描述信息以及校驗信息等封裝成數據膠囊，實現閱后即焚、定時訪問、定點訪問、定量訪問等功能。另一方面，以可信數據空間為代表的數據流通基礎設施快速發展。華為、數鑫科技等企業推出了基于可信數據空間架構的數據交換解決方案，可以在數據主權可控、數據分布式存儲的前提下，實現各主體間數據的安全流通和共享。目前，車聯網領域數據流通的基礎設施還在起步階段。產業各方對于數據空間形態、數據流通模式、組織形式仍未形成共識，行業級的數據空間平臺和組織還未形成。面向未來車聯網數據流通的需求，仍需探索非結構化、高敏感性、高度定制化的數據流通技術和解決方案，推動標準化的數據流通中間件研發和行業級的身份及數據認證平臺建設，打造行業化的可信數據流通平臺。

隱私保護、數據脫敏、數據溯源多方面保障數據安全合規。隱私保護方面，利用同態加密、聯邦學習、安全多方計算等技術，探索大模型聯合訓練，為車聯網數據流通過程中隱私保護提供了新的思路。信安世紀、360 數科、安恒信息、騰訊等企業建立可信隱私計算平臺，并通過“可信隱私計算評測”，解決數據共享過程中的安全、信任和隱私保護問題。數據脫敏方面，利用人工智能等技術對車外人臉、車牌數據進行脫敏處理，防止敏感信息泄露，如信長城、格爾軟件等推出人臉、車牌快速脫敏算法，助力企業滿足信息保護要求。數據溯源方面，基于區塊鏈、數字水印等技術保障數據不可篡改、可溯源。如寶馬開發的 PartChain 區塊鏈項目，通過對零部件企業數據上鏈，在數據流通時確保零部件來源可溯；中汽協以區塊鏈為底層架構開發汽車大數據區塊鏈交互平臺，將企業脫敏數據的標簽上鏈，保證數據的確權和不可篡改，實現數據資產的線上交易和線下交割。數據水印技術將標識信息隱藏在結構化數據中，使數據在流通和使用過程中具備可識別分發者、分發對象、分發時間、分發目的等特點。如京東安全通過在圖片中插入水印信息，實現敏感圖片不被輕易轉發。目前，針對圖像和視頻中的人臉、車牌等敏感信息的脫敏技術已經相對成熟，能夠滿足小批量數據場景下敏感信息保護需求；但面向大數據場景的信息挖掘和處理技術還未成熟，同時針對車聯網數據的分類分級方法、不同等級的安全應對體系還在持續探索，區塊鏈、隱私計算及聯邦學習等技術也將持續與車聯網數據應用場景結合，更好的保障車聯網數據的安全應用。