A review of data element circulation for intelligent connected vehicles

doi:10.12267/j.issn.2096-5931.2024.03.004

Abstract

Abstract:

Intelligent connected vehicles (ICVs) have become the core focus of the global automotive industry. Along with the continuing improvement of the automotive network connection, the data-based product development and service extension gradually lead to the change of automotive product and service mode, and the data assets of ICVs are rapidly rising. Under the background of China’s vigorous development of the data element market, data in the field of ICVs have a huge value. The circulation of data elements can improve the quality and efficiency of automotive product R&D and production, and facilitate the high-quality development of the ICVs industry. This paper starts with the high-value scenarios for ICVs, and analyzes the applicability of the data element system in the field of ICVs. Then, it identifies the problems in the data circulation of ICVs in China, and puts forward the corresponding suggestions.

Key words: ICVs, data element, data circulation

CLC Number:

TN929.11

HONG Qi’an, YU Rundong, YU Shengbo, LONG Xiangyu. A review of data element circulation for intelligent connected vehicles[J]. Information and Communications Technology and Policy, 2024, 50(3): 27-34.

Add to citation manager EndNote|Ris|BibTeX

URL:

http://ictp.caict.ac.cn/EN/10.12267/j.issn.2096-5931.2024.03.004

http://ictp.caict.ac.cn/EN/Y2024/V50/I3/27

Figures/Tables 4

References 23

[1]	中国信息通信研究院. 数据要素白皮书(2022年)[R], 2023.
[2]	复旦大学数字与移动治理实验室. 中国地方公共数据开放利用报告:城市(2023年度)[R], 2023.
[3]	AWS. AWS data exchange[DB/OL]. 2024[2024-02-01]. https://aws.amazon.com/cn/data-exchange.
[4]	工业互联网产业联盟, 中国信息通信研究院. 可信工业数据空间系统架构1.0[R], 2022.
[5]	LIM S Y, FOTSING P T, ALMASRI A, et al. Blockchain technology the identity management and authentication service disruptor: a survey[J]. International Journal on Advanced Science, Engineering and Information Technology, 2018, 8(4-2):1735-1745. doi: 10.18517/ijaseit.8.4-2.6838 URL
[6]	杨雪菲. 数字签名技术综述[J]. 电脑编程技巧与维护, 2021(11):7-9.
[7]	LIU Y, HE D, OBAIDAT M S, et al. Blockchain-based identity management systems: a review[J]. Journal of Network and Computer Applications, 2020, 166:102731. doi: 10.1016/j.jnca.2020.102731 URL
[8]	王卓, 刘国伟, 王岩, 等. 数据脱敏技术发展现状及趋势研究[J]. 信息通信技术与政策, 2020, 46(4): 18-22.
[9]	RANI S, KAUR H. Technical review on symmetric and asymmetric cryptography algorithms[J]. International Journal of Advanced Research in Computer Science, 2017, 8(4):182-186.
[10]	王艳红, 孔玲, 付艳艳, 等. 隐私计算技术标准化路径分析与建议[J]. 信息通信技术与政策, 2024, 50(1): 32-36.
[11]	任洪民, 李祉岐, 孙磊, 等. 隐私计算技术应用和展望[J]. 中国信息化, 2023(12): 66-69.
[12]	CABRERO-HOLGUERAS J, PASTRANA S. SoK: privacy-preserving computation techniques for deep learning[C/OL]// Proceedings on Privacy Enhancing Technologies, 2021(4): 139-162.
[13]	LI Z, SHARMA V, MOHANTY S P. Preserving data privacy via federated learning: challenges and solutions[J]. IEEE Consumer Electronics Magazine, 2020, 9(3):8-16.
[14]	WANG W, JIANG Y, SHEN Q, et al. Toward scalable fully homomorphic encryption through light trusted computing assistance[J]. arXiv Preprint arXiv:1905. 07766, 2019.
[15]	陈山枝, 葛雨明, 时岩. 蜂窝车联网(C-V2X)技术发展、应用及展望[J]. 电信科学, 2022, 38(1): 1-12. doi: 10.11959/j.issn.1000-0801.2022007
[16]	中国信息通信研究院. 数据要素白皮书(2023年)[R], 2023.
[17]	CASADO R, YOUNAS M. Emerging trends and technologies in big data processing[J]. Concurrency and Computation: Practice and Experience, 2015, 27(8): 2078-2091. doi: 10.1002/cpe.v27.8 URL
[18]	GIPP B, MEUSCHKE N, GERNANDT A. Decentralized trusted timestamping using the crypto currency bitcoin[J]. arXiv Preprint arXiv:1502.04015, 2015.
[19]	FREIRE J, KOOP D, MOREAU L. Provenance and annotation of data and processes[C/OL]// Second International Provenance and Annotation Workshop. London:Springer, 2008: 17-18.
[20]	明华, 张勇, 符小辉. 数据溯源技术综述[J]. 小型微型计算机系统, 2012, 33(9): 1917-1923.
[21]	戴超凡, 王涛, 张鹏程. 数据起源技术发展研究综述[J]. 计算机应用研究, 2010, 27(9):3215-3221.
[22]	张国英. 基于区块链的数据溯源技术的研究[D]. 南京: 南京邮电大学, 2020.
[23]	Catena-X. Catena-X automotive network e.V. list of members[R], 2023.

数据分类	子类	数据范例	数据来源	潜在流通价值	流通场景范例与对应流通模式
用户数据	用户画像数据	驾驶人基本信息、行为习惯等	用户移动设备、互联网公司、车载系统等	中	以数据共享或交易的模式在车企和互联网公司之间流通,实现精准营销
用户数据	驾驶统计数据	出行时间、出行起讫点等	用户移动设备、车载定位系统等	中	以数据共享或交易的模式流通。车企-保险公司,基于使用的保险定价模式;车企-互联网公司,生成加入驾驶出行记录的用户画像;车企-交通部门,实现出行行为预测及统计、碳足迹追溯等
车辆自有数据	车辆基本数据	车辆行驶里程、维修保养时间等	车载系统、4S店等	低	以数据共享的模式在车企、保险公司、二手车行间流通,提高二手车市场的透明性和公平性
	车辆控制数据	车辆速度及加速度、油门及刹车开度、发动机或电动机转速等	车辆行车电脑及相关传感器	低	以数据共享的模式流通。车企-4S店,汽车故障分析、维保预测、紧急救援、事故溯源等;车企-交通部门,路面平整度识别
	驾驶习惯数据	急加速、急刹车、最高时速等驾驶行为习惯	用户移动设备、车载定位系统、车辆行车电脑等	中	以数据共享的模式流通。车企-交警,识别危险驾驶和交通违法行为;车企-保险公司,保险精确定价
	车辆感知数据	点云数据、图像数据等	激光雷达、毫米波雷达、视觉传感器等	高	以数据共享或交易的模式流通。车企-车企,自动驾驶原始数据可用于全场景自动驾驶算法训练、规控场景库生成;车企-图商,点云和图像数据在进行匹配后可用于高精度地图的生产
外部来源数据	基础设施数据	地图数据、兴趣点数据等	图商、综合信息服务平台等	中	以数据共享或交易的模式在图商、导航服务提供商和车企间流通,以实现地图和兴趣点的实时更新
	交通状况数据	车流量、事故情况等	导航服务提供商、传感器、交通部门等	高	以数据共享或交易的模式在车企、导航服务提供商和交通部门间流通,以实现出行路线的规划
	车路协同数据	路侧单元回传的感知数据和其他网联车辆信息	路侧传感器、其他智能网联车辆等	高	以数据共享或交易的模式流通。路侧数据所有者-车企,起到完善自动驾驶规控场景库及补充自动驾驶训练数据集的作用;路侧数据所有者-交通部门,优化信号灯配时方案,提高通行效率

数据分类	子类	数据范例	数据来源	潜在流通价值	流通场景范例与对应流通模式
用户数据	用户画像数据	驾驶人基本信息、行为习惯等	用户移动设备、互联网公司、车载系统等	中	以数据共享或交易的模式在车企和互联网公司之间流通,实现精准营销
用户数据	驾驶统计数据	出行时间、出行起讫点等	用户移动设备、车载定位系统等	中	以数据共享或交易的模式流通。车企-保险公司,基于使用的保险定价模式;车企-互联网公司,生成加入驾驶出行记录的用户画像;车企-交通部门,实现出行行为预测及统计、碳足迹追溯等
车辆自有数据	车辆基本数据	车辆行驶里程、维修保养时间等	车载系统、4S店等	低	以数据共享的模式在车企、保险公司、二手车行间流通,提高二手车市场的透明性和公平性
	车辆控制数据	车辆速度及加速度、油门及刹车开度、发动机或电动机转速等	车辆行车电脑及相关传感器	低	以数据共享的模式流通。车企-4S店,汽车故障分析、维保预测、紧急救援、事故溯源等;车企-交通部门,路面平整度识别
	驾驶习惯数据	急加速、急刹车、最高时速等驾驶行为习惯	用户移动设备、车载定位系统、车辆行车电脑等	中	以数据共享的模式流通。车企-交警,识别危险驾驶和交通违法行为;车企-保险公司,保险精确定价
	车辆感知数据	点云数据、图像数据等	激光雷达、毫米波雷达、视觉传感器等	高	以数据共享或交易的模式流通。车企-车企,自动驾驶原始数据可用于全场景自动驾驶算法训练、规控场景库生成;车企-图商,点云和图像数据在进行匹配后可用于高精度地图的生产
外部来源数据	基础设施数据	地图数据、兴趣点数据等	图商、综合信息服务平台等	中	以数据共享或交易的模式在图商、导航服务提供商和车企间流通,以实现地图和兴趣点的实时更新
	交通状况数据	车流量、事故情况等	导航服务提供商、传感器、交通部门等	高	以数据共享或交易的模式在车企、导航服务提供商和交通部门间流通,以实现出行路线的规划
	车路协同数据	路侧单元回传的感知数据和其他网联车辆信息	路侧传感器、其他智能网联车辆等	高	以数据共享或交易的模式流通。路侧数据所有者-车企,起到完善自动驾驶规控场景库及补充自动驾驶训练数据集的作用;路侧数据所有者-交通部门,优化信号灯配时方案,提高通行效率