此前我们介绍了翌擎智能“车辆个性化分析应用解决方案”，完成了从信号采集、智能分析到场景落地的基础能力建设，实现车身动静双态数据的协同分析。

点击回顾：研发要闻！车联网技术应用：车辆信息个性化应用解决方案

数据量跃升的同时，“数据是否可信”成为新的核心命题。车联网核心业务对CAN数据质量要求极高，传统方案在准确性、完整性、一致性、实时性上存在短板；没有治理，海量车身信号难以支撑多车型、高并发的精细化运营。

这次，我们在此基础上进一步升级，聚焦云端CAN协议信息质量治理。方案以“基础保障 + 智能升级”双驱动为核心，构建“采集→评估→治理→监控→优化”全链路闭环，让车辆数据从“能用”走向“可信”，为信号分析应用提供坚实的数据底座。

一、治理业务架构：数据从“采上来”到“落下去”的闭环

信号治理不是单点修复，而是一个持续闭环。整个业务流程从TSP平台的数据上报质量分析开始：通过对上报数据的质量检测，输出信号质量报告；报告一方面驱动硬件整改，另一方面，针对硬件无法整改的问题，进入数据落盘策略——通过数据丢弃、数据修正等手段，对问题数据进行差异化处理。

治理后的高质量数据，再回流到车辆信号个性化分析应用中，为场景落地提供可信输入；而应用过程中发现的新问题，又会反哺回数据上报质量分析，形成“采集—评估—治理—应用—再评估”的完整闭环。

二、应用架构方案：三层架构支撑“基础保障 + 智能升级”

为支撑上述闭环，方案设计了从数据层到应用层的三层应用架构，以TSP平台数据上报为输入，以数据落盘规则下发为输出，实现信号全生命周期的治理管理。

数据层：汇聚CAN协议数据库、TBOX状态库、信号质量库、知识图谱、模型训练库等核心数据资产，为上层能力提供统一、可追溯的数据基础。

能力层：体现“基础保障 + 智能升级”双驱动。

基础保障

通过阈值校验、规则过滤、静态配置、人工复核等手段，筑牢数据质量的显性底线，快速过滤明显异常。

智能升级

通过动态参数优化、智能异常检测、根因定位等AI能力，深挖基础校验难以覆盖的隐性异常，实现从“人找问题”到“问题找人”的转变。

质量评估量化：基于基础校验与AI检测结果，采用100分制加权计算，实现评分维度与权重分配定义、评分与扣减分处理、质量等级与差异化处理策略，让数据质量“看得见、说得清、可追溯”。

应用层：面向业务提供业务支撑接口、数据质量监控面板、告警系统，让治理结果实时可见、可干预。

三、治理效果：用数据说话

信号治理的价值，最终要落到可量化的指标和可感知的页面上。

在CAN协议治理系统总览仪表盘中，可以直观看到平均质量分、当日异常总数、治理成功率、人工介入率、合规达标率等核心指标，数据质量一目了然。

质量评估页面则从准确性、完整性、一致性、时效性四大维度展示综合得分和扣分明细，帮助研发人员快速定位问题信号。

AI模型监控页面进一步呈现异常检测准确率、误报率、召回率、F1分数等模型性能指标，验证智能治理能力的实际效果。

以下为CAN协议治理系统页面样例：

四、应用场景价值

可信的数据底座，最终将释放到具体业务场景中：

个性化驾驶

基于高质量历史数据推荐个性化设置，通过OTA推送定制化信号包。

新能源车电池安全管理

实时监控SOC、电芯温度、电压均衡性等信号并设置预警规则，实现电池预测性维护。

商用车运营效率提升

分析“载重+车速+坡度”信号组合，推荐最优驾驶模式，降低运营成本。

从信号分析到信号治理，从基础保障到智能升级，翌擎智能持续深耕车联网技术应用。通过“采集→评估→治理→监控→优化”的全链路闭环，车辆数据从“能用”真正走向“可信”，为车企实现数据驱动的精细化运营奠定坚实基础。