新能源汽車大數(shù)據(jù)分析及其應用前景

班定東 黃祖朋 陳煉松 張送 張亮

摘 要：隨著國家對新能源汽車產(chǎn)業(yè)的大力支持與推動，特別是近幾年國家從戰(zhàn)略層面重點扶持與引導智能網(wǎng)聯(lián)汽車發(fā)展，新能源汽車已經(jīng)開始進入數(shù)字化時代。車企當前基于國家要求對新能源汽車的運行數(shù)據(jù)進行采集和監(jiān)控，這些數(shù)據(jù)猶如巨大的礦產(chǎn)資源，隱藏著極大的商業(yè)利益和價值。本文主要以新能源汽車為載體，圍繞車輛相關的生態(tài)圈進行數(shù)據(jù)分析研究，為企業(yè)、行業(yè)、國家戰(zhàn)略決策等提供數(shù)據(jù)支持。

關鍵詞：新能源汽車 大數(shù)據(jù) 分析方向

1 引言

隨著互聯(lián)網(wǎng)不斷滲透到各行各業(yè)，大數(shù)據(jù)、云計算以及人工智能等前沿技術為各行業(yè)帶來全新的變化。伴隨著國家對智能網(wǎng)聯(lián)汽車的極大推動，汽車已經(jīng)從獨立的個體逐步演變成為了互聯(lián)網(wǎng)的一部分。預計未來幾年，車端信息和車端周邊相關信息將會能夠?qū)崟r地上傳到云端，從而使車、人、云端、環(huán)境等建立起廣泛的生態(tài)連接，云端不斷豐富數(shù)據(jù)的來源和種類，一種嶄新的汽車生態(tài)將會出現(xiàn)。在新的汽車生態(tài)中，數(shù)據(jù)已經(jīng)是企業(yè)站在新的發(fā)展點上最重要的資產(chǎn)，如何挖掘出這些數(shù)據(jù)潛藏的商業(yè)價值，并通過一定的商業(yè)模式將其轉換成為企業(yè)利潤，將是車企要思索的重要問題。本文通過對新能源汽車大數(shù)據(jù)的分析方向和分析方法進行了初步研究，為車企提供借鑒。

2 針對駕駛習慣的行為分析研究

用戶在日常駕駛車輛時并不太關注自己的駕駛行為習慣，也沒有太多途徑獲取到如何駕駛才是比較好的駕駛習慣。實際上，不良的駕駛習慣對新能源汽車整車壽命、電池壽命、相關零部件壽命都會產(chǎn)生不同程度的影響。同時，不良的駕駛習慣對續(xù)航里程、整車能耗、故障發(fā)生率也會受影響。因此，針對用戶在某段時間內(nèi)的駕駛行為進行篩取，通過大數(shù)據(jù)分析方法對這些數(shù)據(jù)進行研究，為提高用戶良好的駕駛習慣給出合理的改進建議。

2.1 基于行駛軌跡的分析

用戶的行駛軌跡能夠比較真實地反映用戶日常的出行習慣、生活半徑等。通過分析用戶在工作日的行駛軌跡，大致可以了解該用戶是上班族還是做生意，做什么類型的工作等;通過分析用戶周末出行的行駛軌跡，大概可以分析出用戶的業(yè)余愛好。針對行駛軌跡分析基本可以掌握用戶的購車用途，為整車企升級新車型，提高研發(fā)品質(zhì)方向提供重要數(shù)據(jù)支撐。

2.2 基于里程的分析

里程是用戶購買新能源汽車最基本也是最重要的考慮因素，如果用戶購買新能源汽車僅僅為上下班使用，而且上班距離也不長，通常其對里程的要求并不高;對于家庭住址遠或者平時用戶跑商務生意等則會考慮更高里程的車輛。通過對車輛每日行駛里程進行統(tǒng)計，同時對單次行駛里程進行分析，基本可以掌握用戶的生活范圍。以此了解到什么樣的人群喜歡購買該車型，這些用戶有哪些典型特征等。

2.3 基于車速的分析

車速是影響新能源汽車的百公里耗電量以及續(xù)航里程的重要因素之一。長時間處于高速行駛狀態(tài)下對電池和電機壽命均有不同程度損害。通過大數(shù)據(jù)統(tǒng)計出每日最高車速、每日平均車速、單次行程中最高車速、單次行程中平均車速的分布情況，可以分析出用戶的日常駕駛習慣，同時也對該路段的路況有所了解。

2.4 基于能耗的分析

不管是燃油車還是新能源車，能耗都是車輛最關鍵的指標，也是用戶購買車輛最重要的考量點之一。通?？梢园l(fā)現(xiàn)用戶關于車輛能耗的抱怨，例如，原先車輛慢充可以行駛160公里，但是實際行駛只能跑120公里，與廠家宣傳的續(xù)航里程明顯差距很大。車企可以利用大數(shù)據(jù)統(tǒng)計用戶的駕駛行為習慣，分析出影響其每次行駛中導致能耗高的因素，并向用戶告知情況，同時提醒用戶改善駕駛習慣，以消除用戶疑慮。

2.5 基于行車故障的分析

行車安全關系到用戶的生命財產(chǎn)安全。如果車輛的潛在故障在行車前就被發(fā)現(xiàn)，在故障發(fā)生時及故障發(fā)生后能第一時間識別并立即采取緊急措施，那么將可以最大限度地減輕人員及財產(chǎn)的損失。利用大數(shù)據(jù)后臺根據(jù)以往的故障記錄、歷史數(shù)據(jù)記錄與當前實時上傳的數(shù)據(jù)進行對比，做到事故前，事故中，事故后故障準確排查及追溯，將會對用戶的用車體驗起到積極促進作用。

2.6 基于用車時間的分析

通過用戶的用車時間行為，可以了解用戶的日常生活習性。針對用車時間可以分為三個分析點，第一：用車開始時間點，這個標簽主要關注用戶在什么時間點開始使用該車輛。車企通過分析用戶每天使用車輛的時間點分布，可以了解用戶出行習慣。第二：用車時長，通過分析用戶每天使用車輛的時長，以及單次使用車輛行駛的時長，了解用車的偏好。第三：用車頻次，用戶每天使用車輛的頻次越高，說明用戶對車輛的粘度越大，也說明用戶對車輛的認可度越強。通過大數(shù)據(jù)分析出高頻用戶，有針對性的提供一些額外的服務，不僅能夠增加用戶體驗同時也為公司創(chuàng)造良好的口碑。

3 針對充電習慣的行為分析研究

當前新能源汽車相應的配套設施尚未健全，用戶購買新能源汽車的一個重要的顧慮是沒有地方充電。充滿一次電能夠跑多遠，電池包壽命有多久，頻繁充電對電池包影響有多大，這些都是用戶最為關心的問題點。通過對用戶日常的充電行為進行分析，了解用戶的充電習慣，可以為用戶提供更加優(yōu)質(zhì)的充電建議，同時也可以為充電設施的建設提供準確的數(shù)據(jù)支持。

3.1 基于充電時間的分析

充電時間可以從3個點進行分析：第一，充電開始時間點。主要關注用戶在什么時間點開始對該車輛進行充電。車企可以通過分析用戶每天充電開始的時間點分布，分析出用戶的日常習慣。第二，充電時長。通過分析用戶每天充電的時長，可以了解用戶的充電習慣是不是良好，是不是經(jīng)常插拔充電槍。同時，也可以輔助判斷是不是有存在充電故障。第三，充電結束時間點：通過分析每次充電的最后結束時間點分布，分析出用戶在每天的偏好充電時間段，為電網(wǎng)電費制定，錯開充電高峰、充電時間點選擇等提供數(shù)據(jù)依據(jù)。第四，充電頻次。用戶充電頻次越多，基本可以說明該用戶經(jīng)常使用該車輛，或者能夠說明該用戶有良好的充電習慣，也可以反應出該用戶對里程的焦慮感比較高。通過大數(shù)據(jù)可以更加深入了解用戶所想，為用戶提供更加優(yōu)質(zhì)的服務。

3.2 基于充電位置的分析

位置是大數(shù)據(jù)統(tǒng)計中很重要的一個參數(shù)，通過分析車輛充電的位置，可以分析出用戶的家庭地址和工作地址，以及用戶經(jīng)常出入的場所。充電位置與時間的關系圖分布，可以看出用戶的充電地方偏好，為充電設備商部署充電設備提供準確的數(shù)據(jù)依據(jù)，也可以為充電樁周邊商業(yè)發(fā)展提供依據(jù)。

3.3 基于充電故障的分析

用戶一般會選擇在居民區(qū)或者工作單位附近充電，所以充電安全關系用戶的切身利益。車輛在充電過程中潛在的故障如果能及時發(fā)現(xiàn)、在故障發(fā)生時以及故障發(fā)生后能夠第一時間發(fā)現(xiàn)并且及時采取緊急措施，那么將最大程度地減輕用戶的人身及財產(chǎn)損失。

3.4 基于停車位置的分析

車輛停放的位置往往反映出用戶的意圖，例如，在公司附近停車，可以反映該用戶正在上班;車輛停在家附近，反映出用戶已回家;停在商場附近，反映用戶正在購物。類似的車輛停放場景，通過對其位置數(shù)據(jù)深度挖掘，可以對用戶的日常生活習慣有所了解，為后續(xù)的商業(yè)運營提供基礎。

4 針對用戶客戶端使用習慣的分析研究

隨著互聯(lián)網(wǎng)逐步滲透入汽車行業(yè)，汽車網(wǎng)聯(lián)化得到快速的發(fā)展。手機客戶端作為連接車與人的橋梁，在汽車網(wǎng)聯(lián)化發(fā)展中變得越來越關鍵。車企在銷售汽車時同時為用戶提供手機版客戶端，用戶可以通過手機端了解車輛實時狀態(tài)以及車企的一些動態(tài)，同時也建立起車企與用戶的直接關系紐帶。

4.1 基于客戶端下載量的分析

目前很多車企把車輛網(wǎng)聯(lián)化作為銷售的亮點，但是用戶對車輛的網(wǎng)聯(lián)化產(chǎn)品是不是感興趣，車企的互聯(lián)網(wǎng)產(chǎn)品是不是能夠吸引到用戶，客戶端的下載量是個非常重要的體現(xiàn)。如果用戶購買車輛但是并沒有下載客戶端，說明該用戶并沒關注網(wǎng)聯(lián)這個特性。通過大數(shù)據(jù)分析下載量，可以從側面體現(xiàn)該車輛產(chǎn)品主打的方向是否正確，也為車企精準營銷，改善產(chǎn)品定位提供依據(jù)。

4.2 基于客戶端在線率的分析

用戶下載客戶端只是車輛網(wǎng)聯(lián)化產(chǎn)品中的一個環(huán)節(jié)，如果用戶并沒有在客戶端中停留太久，在線頻率非常低，說明客戶端并沒有特別能夠吸引用戶的地方，通過大數(shù)據(jù)分析，車企可以了解用戶的這些變化，及時調(diào)整策略，優(yōu)化設計，滿足用戶期望。

4.3 基于客戶端模塊使用率的分析

為了滿足不同用戶的喜好和需求，車企在開發(fā)客戶端的時候往往涵蓋了很多功能豐富的模塊，然而大部分的功能用戶可能并不使用，原因可能是用戶不會操作、不感興趣，或者甚至是反感。有了大數(shù)據(jù)分析，可以及時掌握用戶的需求變化，及時調(diào)客戶端功能來迎合用戶的需求。

5 結語

通過大數(shù)據(jù)分析及應用，指導用戶優(yōu)化駕駛習慣，出行習慣;為車企準確地定位用戶群體，調(diào)整產(chǎn)品定位，同時可以拓展更多衍生服務。可以預見，未來大數(shù)據(jù)將重新定義汽車生態(tài)，重新樹立汽車商業(yè)模式，大數(shù)據(jù)將引領新時代。

基金項目：廣西科技計劃資助項目（桂科AC16380043）;柳州市科技計劃資助項目（2019AG10202）

參考文獻：

[1]劉潤澤.大數(shù)據(jù)分析：方向，方法與工具. 中華少年，2017-12-25.

[2]王小君，盧昱明. 基于大數(shù)據(jù)分析的海量數(shù)據(jù)特征智能采集方法研究. 自動化與儀器儀表，2017-11-25.

[3]孫宇超.大數(shù)據(jù)在交通優(yōu)化上的應用. 科技創(chuàng)新導報2018-02-24.

[4]李紅蕾，姚麗. 基于大數(shù)據(jù)分析和消費心理模式的可信服務推薦模式研究.中國新通信 2018-01-05.