無監(jiān)督學習在新能源汽車分類中的應用研究

吳濤 朱曉琳 孫銅海

摘要：隨本文以汽車之家網(wǎng)站各類新能源汽車數(shù)據(jù)為研究基礎(chǔ)，采用機器學習算法中無監(jiān)督學習聚類分析方法，對多類新能源汽車進行產(chǎn)品分類。該分類方法主要通過汽車型號、級別、里程、馬力、充電時長、價格六個關(guān)鍵指標，進行新能源汽車產(chǎn)品的模型聚類分析，用定量計算指標間與中心點的距離，避免之前分類方法中的靠經(jīng)驗和大量人工投入進行的分類，以智能手段替代以往靠大量人力投入進行的競品分析。

關(guān)鍵詞：無監(jiān)督學習;聚類分析;新能源汽車;競品分析

1引言

隨著新能源汽車具有低能耗、輕污染等傳統(tǒng)燃油汽車不可比擬的優(yōu)點，可以改善能源緊缺與環(huán)境污染等問題，所以中國政府高度重視新能源汽車行業(yè)的研發(fā)，并作為中國戰(zhàn)略新興產(chǎn)業(yè)和“中國制造2025”的重點領(lǐng)域。在社會的發(fā)展與政策的鼓勵下，中國新能源汽車行業(yè)在過去幾年內(nèi)經(jīng)歷了飛速的發(fā)展，正在從萌芽期向成長期邁進，其保有量在5年間增長了9倍有余。由于我國堅持的純電驅(qū)動戰(zhàn)略取向，純電動汽車在保有量當中占有較大比重，2020年純電動汽車保有量達到400萬，占比超過80%。當前，由于科技和產(chǎn)業(yè)變革，新能源汽車已經(jīng)成為汽車產(chǎn)業(yè)轉(zhuǎn)型升級的中堅力量，眾多造車勢力也都加入到新能源汽車的制造當中。隨著新能源汽車品牌的多元化、汽車類型的多樣化，新企業(yè)或者新團隊再想加入新能源汽車的制造大潮中，就要對當今的新能源汽車進行競品分析。及時了解市場的需求，看清市場的發(fā)展趨勢，找準市場切入點;挖掘分析友商的產(chǎn)品理念、產(chǎn)品特點、用戶定位，了解對手，他山之石可以攻玉，同時發(fā)現(xiàn)潛在的競爭對手。做好競品分析，及時調(diào)整市場應對，快速融入市場新需求的浪潮中。

2傳統(tǒng)方式尋找競品的痛點

汽車企業(yè)需要成立相關(guān)部門，獲取第一手資料，并且對數(shù)據(jù)進行分析，找到合適的競品。但是這個工作相對工程量會比較大，需要車企專門成立一個情報部門或者小組，首先收集市場上所有相關(guān)的產(chǎn)品，然后對產(chǎn)品逐一進行人工分析。但是如果缺乏足夠的先驗知識，因此難以人工標注類別又或者數(shù)據(jù)量過大，進行人工類別標注的成本太高。

3無監(jiān)督學習

根據(jù)類別未知的訓練樣本解決模式識別中的各種問題，稱之為無監(jiān)督學習。聚類是典型的無監(jiān)督學習。

3.1聚類

聚類是指在沒有訓練目標的情況下，把目標樣本分為若干類的方法。通過聚類分析將樣本分類后，類與類之間有著較大的差異性，而每一類的內(nèi)部相似性較高。在統(tǒng)計學中，聚類分析通過建立模型來簡化數(shù)據(jù)。傳統(tǒng)的方法包括：系統(tǒng)聚類法、加入法、分解法、動態(tài)聚類法、模糊聚類等[1]。

在無監(jiān)督學習中使用“簇”的概念。聚類是搜索簇的無監(jiān)督學習過程。無監(jiān)督學習由算法自動確定并標記“簇”，不依賴于類的定義或訓練實例。聚類不是示例式的學習，是觀察式的學習[2]。聚類分析可以分為4大類型，分別是基于距離的聚類、基于模型和密度的聚類、稀疏聚類和雙向聚類等。

3.2優(yōu)點

聚類分析承擔著數(shù)據(jù)挖掘的其中一項主要任務。它可以獲取數(shù)據(jù)分布，觀察數(shù)據(jù)特征，對特定的分類做進一步分析，它還可以作為其他算法的處理步驟，如分類和定性歸納算法等。在上述背景下，傳統(tǒng)方式尋找競品有許多弱勢，而使用聚類分析可以彌補這種不足[3]。

3.3應用

聚類分析現(xiàn)在已有了廣泛的應用，在多個統(tǒng)計分析軟件中（如SPSS、SAS、R、Python等）都有相應的功能[4]。常見的應用有：用戶分群、產(chǎn)品價值組合、風控中監(jiān)測離群點、基因分類等本文主要通過Python實現(xiàn)聚類分析。

4建模部分

4.1數(shù)據(jù)來源

本文所使用的數(shù)據(jù)來源于汽車之家的公開數(shù)據(jù)。通過八爪魚網(wǎng)頁數(shù)據(jù)爬取工具，總共爬取了273條關(guān)于新能源的汽車數(shù)據(jù)。其中包含165個品牌，273種車型，6個關(guān)鍵字段。字段分別為型號，級別，里程，馬力，充電時長，價格。汽車之家網(wǎng)站完整的數(shù)據(jù)還包括基本參數(shù)，車身，電動機，變速箱，底盤轉(zhuǎn)向，車輪制動，主/被動安全裝備，輔助/操控配置，外部/防盜配置，內(nèi)部配置，座椅配置，多媒體配置，燈光配置，玻璃/后視鏡，空調(diào)/冰箱，選裝包等。為了降低建模的復雜性，本文使用級別，里程，馬力，充電時長，價格這五個字段建模，應用于新能源汽車的產(chǎn)品分類。

4.2描述統(tǒng)計

通過對不同類型新能源車數(shù)量統(tǒng)計，可以將新能源車分為8個大類，17個小類。SUV大類包含緊湊型SUV、小型SUV、中型SUV、中大型SUV和大型SUV五個小類。數(shù)量分別為24種、42種、24種、8種和1種。MPV大類包含緊湊型MPV、中型MPV和中大型MP三個小類。數(shù)量分別為5種、4種和1種。普通車大類包含緊湊型車、小型車、中型車和中大型車四個小類。數(shù)量分別為39種、5種、5種和7種。剩下的微型車、微面、微卡、皮卡和輕客五個種類下都只包含各自的類型。數(shù)量分別為36種、32種、13種、5種和22種。

通過對不同里程新能源車數(shù)量統(tǒng)計，里程分布在100公里到700公里之間，其中一半以上的里程分布在300公里到500公里之間。通過對新能源汽車的價格分布可以發(fā)現(xiàn)，大多數(shù)新能源汽車的價格在40萬以內(nèi)，少部分新能源汽車的價格超過40萬，極少數(shù)新能源汽車在500萬左右。通過對不同馬力新能源車數(shù)量統(tǒng)計，數(shù)據(jù)整體呈現(xiàn)右偏分布。大部分集中在0到300馬力之間。通過對不同指導價新能源車數(shù)量統(tǒng)計，大部分集中在0到30萬之間。

4.3數(shù)據(jù)處理

在大多數(shù)獲取的數(shù)據(jù)集中，普遍會存在以下幾個問題。數(shù)據(jù)集中包含缺失值，重復值，異常值。這些問題往往會導致數(shù)據(jù)質(zhì)量下降，最終影響建模的結(jié)果。因此在建模前，通常要處理好這些問題[5]。

4.2.1缺失值，重復值，異常值常用的處理方法

對于缺失值來講，在缺失值的缺失率較少并且該屬性重要程度較低的情況下，若屬性為數(shù)值型數(shù)據(jù)則根據(jù)數(shù)據(jù)分布情況簡單的填充即可。如果數(shù)據(jù)是均勻分布，可以使用均值對數(shù)據(jù)進行填充即可;如果數(shù)據(jù)是偏態(tài)分布，可以使用中位數(shù)填充即可。若屬性為類別屬性，可以用-1填充。在缺失值的缺失率較高并且該屬性重要程度較低的情況下，可以直接刪除該屬性。因為盲目的填補只會讓數(shù)據(jù)更加不準確，影響建模結(jié)果。常用的插補法主要有多重插補法，熱卡插補法，以及多項式插值法等。常用的建模方法有回歸、貝葉斯、隨機森林以及決策樹等模型。利用數(shù)據(jù)集中其他數(shù)據(jù)的屬性，構(gòu)造一棵決策樹，來預測缺失值的值。

對于異常值來講，首先要根據(jù)對業(yè)務的理解，然后對每一個指標設定一個合理的范圍，一旦超過這個范圍，則認為是異常值。還有一種判斷異常值的方法稱為3σ原則。σ是代表標準差，3σ也就是3倍的標準差。一般認為68.26%數(shù)據(jù)與均值之間的絕對距離在±1σ以內(nèi)，95.45%數(shù)據(jù)與均值之間的絕對距離在±2σ以內(nèi)，99.73%數(shù)據(jù)與均值之間的絕對距離在±3σ以內(nèi)。超過±3σ的部分值稱為異常值。

對于重復值來講一般采用刪除的方式處理。

由于爬取的數(shù)據(jù)中包含缺失值，無重復值，和異常值。所以在建模之前需要對數(shù)據(jù)進行預處理。型號、類型兩個字段均無缺失值。里程字段有11條記錄缺失，缺失比例4%。馬力字段有11條缺失值，缺失比例4%。充電時間有34條缺失記錄，缺失比例12.5%。指導價格無缺失值。由于缺失值均為數(shù)值型數(shù)據(jù)，且缺失率較少，所以均采用-1進行填充。

4.2.2分類變量編碼

聚類模型只能使用數(shù)值，不能使用字符串，所以要對分類變量中的字符串進行編碼。常用的編碼方式有硬編碼、獨熱編碼以及目標變量編碼。

所謂硬編碼，即直接對類別特征進行數(shù)值映射，有多少類別取值就映射多少數(shù)值。這種硬編碼方式簡單粗暴，方便快捷。獨熱編碼是應用最廣泛的編碼方式。假設一個類別特征有m個類別取值，通過獨熱編碼將其轉(zhuǎn)換為m個二元特征，每個對于類別特征內(nèi)部取值不存在明顯的內(nèi)在順序時，即直接的硬編碼不適用時，獨熱編碼的作用就凸顯出來了。目標變量編碼就是用目標變量的分類均值來給類別特征做編碼。CatBoost中就大量使用目標變量統(tǒng)計的方法來對類別特征編碼。

本次使用的數(shù)據(jù)中，為了降低數(shù)據(jù)的復雜程度，使用硬編碼的方式對類型進行編碼。

4.2.3數(shù)據(jù)歸一化

在將數(shù)據(jù)導入模型之前，需要對數(shù)據(jù)進行歸一化處理。歸一化處理主要有兩個好處。第一個好處是提高模型的精確度。尤其是在處理距離算法的時候效果顯著。在量綱差距特別大的情況下，數(shù)值較大的數(shù)據(jù)會對模型造成較大的影響，歸一化能夠解決這個問題。第二個好處是提高模型的計算速度。由于取值范圍在0到1之間，在梯度下降時，模型計算速度會有明顯的提升[6]。

4.4算法選擇

常用的無監(jiān)督學習聚類算法有10種，分別為K-Means，Affinitypropagation，Mean-shift，Spectralclustering，Wardhierarchicalclustering，Agglomerativeclustering，DBSCAN，OPTICS，Gaussianmixtures，BIRCH。由于不同算法對于模型訓練有不同的結(jié)果，根據(jù)經(jīng)驗K-Means更適合此種情景的聚類[7]。

K-Means算法首先需要指定分成k類。此算法會相對隨機的選取k個點作為中心，然后計算其他點到中心點的距離，并且將樣本歸為距離中心點最短的那一類。然后利用該類所有點的均值作為新的中心點，重新計算其他點到中心點的距離，并且將樣本歸為距離中心點最短的那一類。經(jīng)過多次迭代，直到中心點不再發(fā)生顯著變化。最終K-Means算法就會將由N個樣本組成的樣本X，分成k個聚類C。

4.5模型優(yōu)化與評估

本次對模型的評估采用輪廓系數(shù)法

4.5.1輪廓系數(shù)法原理

輪廓系數(shù)法的取值范圍在-1到1之間，取值越接近1，表示聚類效果越好，取值越接近-1表示聚類效果越差，取值在0附近，表示分類有重疊。

s=（b-a）/（max?（a，b））

a：某個樣本與其所在的分類中其他樣本的平均距離

b：某個樣本與其他分類中樣本的平均距離

s：某個樣本的輪廓系數(shù)

4.5.2模型優(yōu)化

為了選擇更合適的分類k，首先根據(jù)經(jīng)驗將k指定為17到50，然后重復多次計算，根據(jù)輪廓系數(shù)法[*]選出合適的k。

最終使用當K=35時，取得最大輪廓系數(shù)0.385。所以對K-means模型，選擇k=35作為最優(yōu)分類。

4.6聚類結(jié)果

在通過K-means聚類算法擬合之后，總共將新能源汽車分為35類。

第1類包含微卡、皮卡、微型車、微面4個類型的車共19種型號，分別為零跑T03、寶駿E300、北汽新能源EC3、海豚EV、長安神騏T10新能源、東風小康EC36、上汽大通MAXUSEV30、域虎EV、佳寶V80新能源、長安星卡新能源、SITECHDEV1、長安之星9新能源、飛碟Q2V、飛碟Q2T、比克興熠、北汽EV5、遠程E5、啟能GEV1和啟騰M70EV。

第2類包含皮卡、微面2個類型的車共4種型號，分別為五菱EV50、北汽小河馬、銳騏6新能源和銳騏新能源。

第3類包含中型SUV、中型車2個類型的車共5種型號，分別為ModelY、Model3、小鵬汽車P7、MustangMach-E和零跑C11。

第4類包含緊湊型SUV、輕客、緊湊型車、緊湊型MPV4個類型的車共22種型號，分別為暢巡、軒逸·純電、歐拉iQ、帝豪GSe、艾瑞澤e、雷克薩斯UX新能源、奕炫EV、長安歐尚X7EV、領(lǐng)界EV、艾瑞澤5e、風行S50EV、上汽大通MAXUSEV90、斯派卡新能源、凱翼E5EV、江淮iEVA50、北京EX5、富康ES500、特順新能源、金旅海獅新能源、啟騰EX7、速達SA01和東風風神E60。

第5類包含微卡、微面、小型SUV、小型車4個類型的車共11種型號，分別為五菱榮光EV、五菱電卡、起亞KX3新能源、俊風ER30、海獅EV、威途X35、成功BEV6、好運1號、瑞馳新能源EK01S、鑫源T50EV和瑞馳新能源EC71。

第6類包含中大型車、中型車、中型MPV3個類型的車共4種型號，分別為紅旗E-QM5、比亞迪e9、奔騰NAT和長安歐尚科尚EV。

第7類包含緊湊型SUV、緊湊型車2個類型的車共5種型號，分別為秦PLUS、宋PLUS新能源、ID.4CROZZ、秦Pro新能源和Polestar2。

第8類包含中型SUV、中型車、中大型MPV、中型MPV、中大型SUV5個類型的車共18種型號，分別為寶馬iX3、ID.6X、奔馳EQC、大螞蟻、MARVELR、創(chuàng)維汽車EV6、威馬W6、愛馳U5、菱智M5EV、榮威MARVELX、威馬EX6、上汽大通MAXUSEG10、合創(chuàng)007、天際ME7、北京EU7、捷途X70SEV、奔騰E01和遠志M1。

第9類包含小型SUV1個類型的車共6種型號，分別為雷諾e諾、東風新能源EX1、啟辰e30、名爵EZS純電動、風光E1和楓葉30X。

第10類包含小型SUV、微型車、微卡3個類型的車共8種型號，分別為雷丁芒果、寶駿E100、寶駿E200、凌寶BOX、恒潤HRS1、長安睿行ES30、幸福e+和邁喬。

第11類包含微卡、皮卡、微型車3個類型的車共5種型號，分別為北汽大貓、海馬愛尚EV、北汽小貓、上汽大通MAXUST90新能源和邁圖。

第12類包含微面1個類型的車共2種型號，分別為成功V2E和海格H4E。

第13類包含中型SUV、中大型車、中大型SUV3個類型的車共5種型號，分別為蔚來ES6、蔚來ES8、蔚來EC6、極狐阿爾法S（ARCFOXαS）和極狐阿爾法T（ARCFOXαT）。

第14類包含中型SUV、中大型車、中大型SUV3個類型的車共4種型號，分別為極氪001、ID.6CROZZ、蔚來ET7和AIONLX。

第15類包含微型車1個類型的車共2種型號，分別為奔奔E-Star和科萊威CLEVER。

第16類包含小型SUV、小型車2個類型的車共28種型號，分別為歐拉好貓、豐田C-HREV、零跑S01、微藍7、東風本田M-NV、奕澤E進擎、廣汽本田VE-1、東風本田X-NV、云度π3、北汽新能源EC5、傳祺GE3、長安新能源E-Pro、長安CS15EV、標致e2008、瑞虎e、思皓E20X、祺智EV、瑞虎3xe、野馬EC60、思皓E40X、雷丁i9、啟辰T60EV、北京EX3、江淮iEV7S、江淮iEVS4、云度π1、國機智駿GX5和易至EX5。

第17類包含中大型SUV、大型SUV2個類型的車共4種型號，分別為紅旗E-HS9、嵐圖FREE、奧迪e-tron和高合HiPhiX。

第18類包含輕客、緊湊型車、緊湊型SUV、緊湊型MPV4個類型的車共6種型號，分別為宋Pro新能源、微藍6、上汽大通MAXUSEUNIQ5、風光E3、圖雅諾智藍和風景智藍。

第19類包含緊湊型SUV、緊湊型車2個類型的車共8種型號，分別為AIONS、ID.4X、哪吒U、幾何A、威馬EX5、幾何C、R汽車ER6和長安CS55純電版。

第20類包含中大型車、中大型SUV2個類型的車共3種型號，分別為Taycan、ModelS和ModelX。

第21類包含中型SUV、中大型車、中大型SUV3個類型的車共4種型號，分別為漢、唐新能源、奧迪e-tron（進口）和騰勢X。

第22類包含輕客1個類型的車共3種型號，分別為宇通T7新能源、依維柯褒迪新能源和九龍EW5。

第23類包含皮卡、緊湊型車、緊湊型SUV3個類型的車共5種型號，分別為AIONY、AIONV、紅旗E-HS3、炮新能源和起亞K3新能源。

第24類包含輕客1個類型的車共3種型號，分別為九龍A6、海格H6V和瑞途新能源。

第25類包含小型SUV、微型車、微面、微卡4個類型的車共9種型號，分別為元Pro、歐拉白貓、思皓E10X、比亞迪e1、江淮iEV6E、優(yōu)優(yōu)EV、悅虎、東南DX3新能源和優(yōu)勁EV。

第26類包含緊湊型SUV、輕客、緊湊型車3個類型的車共7種型號，分別為朗逸純電、高爾夫·純電、寶來·純電、途岳新能源、上汽大通MAXUSV80新能源、遠程E6和卡威EV1。

第27類包含小型SUV、中型SUV、中型車3個類型的車共4種型號，分別為捷豹I-PACE、名圖新能源、昂希諾純電動和上汽大通MAXUSEUNIQ6。

第28類包含微型車、小型SUV、微卡、小型車、微面5個類型的車共17種型號，分別為歐拉黑貓、小螞蟻、哪吒V、奧迪Q2Le-tron、哪吒N01、華晨新日i03、華晨新日i03A、DS3新能源、LITE、易至EV3、江淮iEV7、國機智駿GC1、國機智駿GC2、啟騰N50EV、速達SD01、DST神州5號和云度V01L。

第29類包含微卡、微面2個類型的車共11種型號，分別為瑞馳新能源EC35、長安睿行EM60、銀隆5024EV、瑞馳新能源EK07S、瑞馳新能源EC31、開沃D07創(chuàng)業(yè)者、宏遠EM60、九龍EM3、恒好EV1、恒好EV7和風景V5新能源。

第30類包含微卡、微型車2個類型的車共9種型號，分別為宏光MINIEV、凌寶COCO、朋克美美、尼歐Ⅱ、比德文E3、北汽EC100、北汽EV2、帥騏和宏瑞小虎。

第31類包含輕客1個類型的車共5種型號，分別為東風·瑞泰特EM30、金威新能源、開沃D10、開沃D11和領(lǐng)特新能源。

第32類包含緊湊型車、緊湊型MPV2個類型的車共5種型號，分別為比亞迪e2、秦新能源、比亞迪D1、逸動新能源和楓葉80V。

第33類包含緊湊型SUV、輕客、緊湊型車3個類型的車共5種型號，分別為俊風E11K、御風EV、長安睿行EM80、開瑞K60EV和航天金龍。

第34類包含緊湊型SUV、輕客、緊湊型車、緊湊型MPV4個類型的車共4種型號，分別為長安歐尚A600EV、e愛麗舍、東風·瑞泰特EM10和漢騰X5新能源。

第35類包含緊湊型車、緊湊型SUV2個類型的車共13種型號，分別為小鵬汽車G3、榮威Ei5、帝豪新能源、北京EU5、沃爾沃XC40新能源、廣汽豐田iA5、東風風神E70、繹樂、北京EU5PLUS、菲斯塔純電動、啟辰D60EV、思皓E50A和江淮iC5。

4.7待售產(chǎn)品預測

利用聚類算法不僅可以對新能源汽車進行分類，方便競品選擇，還可以對帶發(fā)售的新能源車進行分類預測。

本次選用小鵬汽車P5，海豚，朋克多多，風行T1EV和Modern in四種型號的車進行分類預測。小鵬汽車P5分在第6類，海豚分在第10類，風行T1EV分在第8類，Modern in分在第34類。

5結(jié)論

本文通過多種機器學習的聚類算法，有效的將新能源汽車的種類分為了多個合適的種類。在實際的新能源汽車的競品選擇中，可以結(jié)合實際情況來選擇不同的算法，調(diào)整相關(guān)參數(shù)，從而劃分合適的種類，方便后續(xù)的分析。通過機器學習算法，可以簡單高效的找到目標產(chǎn)品的競品。這不僅僅為企業(yè)節(jié)省了選擇競品時間，讓企業(yè)可以在更短的時間完成競品分析，為后續(xù)的產(chǎn)品更新，戰(zhàn)略布局做出指導，又大大節(jié)省了人工調(diào)研所需要的人力成本，優(yōu)化企業(yè)結(jié)構(gòu)，節(jié)省企業(yè)支出。有助于企業(yè)更好更快速更穩(wěn)定的發(fā)展。

參考文獻

[1]邢潔清，朱慶生，郭平.蟻群聚類組合方法的研究[J].計算機工程與應用，2009，45（18）：146-148.

[2]Xu R，Wtmsch D.Survey of clustering algorithms[J].IEEE Transactions on Neural

[3]朱亞平，魯永杰，李華.基于K均值聚類的文字分割算法研究與實現(xiàn)[J].計算機光盤軟件與應用，2013（2）：16-19.

[4] 朱娜. 以打車類APP為例淺談競品分析[J]. 通訊世界，2014，20：181.

[5]張建萍，劉希玉.基于聚類分析的K-means算法研究及應用[J].計算機應用研究，24（5）：166-168.

[6] 王林，魏華蕊，蔣曉. 淺談競品分析在互聯(lián)網(wǎng)產(chǎn)品設計中的應用[J]. 科技致富向?qū)В?013，12：33.

[7]王祝文，劉菁華，任莉.基于K均值動態(tài)聚類分析的地球物理測井巖性分類方法[J].東華理工大學學報（自然科學版），2009，32（2）：152-156.

作者簡介

吳濤，數(shù)據(jù)分析部部長，本科，就職于北京晨文時空科技有限公司，研究方向為算法優(yōu)化，數(shù)據(jù)發(fā)掘，競品分析等。