新能源汽车大数据分析及其应用前景
摘 要： 随着国家对新能源汽车产业的大力支持与推动，特别是近几年国家从战略层面重点扶持与引导智能网联汽车发展，新能源汽车已经开始进入数字化时代。车企当前基于国家要求对新能源汽车的运行数据进行采集和监控，这些数据犹如巨大的矿产资源，隐藏着极大的商业利益和价值。本文主要以新能源汽车为载体，围绕车辆相关的生态圈进行数据分析研究，为企业、行业、国家战略决策等提供数据支持。
1 引言
随着互联网不断渗透到各行各业，大数据、云计算以及人工智能等前沿技术为各行业带来全新的变化。伴随着国家对智能网联汽车的极大推动，汽车已经从独立的个体逐步演变成为了互联网的一部分。预计未来几年，车端信息和车端周边相关信息将会能够实时地上传到云端，从而使车、人、云端、环境等建立起广泛的生态连接，云端不断丰富数据的来源和种类，一种崭新的汽车生态将会出现。在新的汽车生态中，数据已经是企业站在新的发展点上最重要的资产，如何挖掘出这些数据潜藏的商业价值，并通过一定的商业模式将其转换成为企业利润，将是车企要思索的重要问题。本文通过对新能源汽车大数据的分析方向和分析方法进行了初步研究，为车企提供借鉴。
2 针对驾驶习惯的行为分析研究
用户在日常驾驶车辆时并不太关注自己的驾驶行为习惯，也没有太多途径获取到如何驾驶才是比较好的驾驶习惯。实际上，不良的驾驶习惯对新能源汽车整车寿命、电池寿命、相关零部件寿命都会产生不同程度的影响。同时，不良的驾驶习惯对续航里程、整车能耗、故障发生率也会受影响。因此，针对用户在某段时间内的驾驶行为进行筛取，通过大数据分析方法对这些数据进行研究，为提高用户良好的驾驶习惯给出合理的改进建议。
2.1 基于行驶轨迹的分析
用户的行驶轨迹能够比较真实地反映用户日常的出行习惯、生活半径等。通过分析用户在工作日的行驶轨迹，大致可以了解该用户是上班族还是做生意，做什么类型的工作等；通过分析用户周末出行的行驶轨迹，大概可以分析出用户的业余爱好。针对行驶轨迹分析基本可以掌握用户的购车用途，为整车企升级新车型，提高研发品质方向提供重要数据支撑。
2.2 基于里程的分析
里程是用户购买新能源汽车最基本也是最重要的考虑因素，如果用户购买新能源汽车仅仅为上下班使用，而且上班距离也不长，通常其对里程的要求并不高；对于家庭住址远或者平时用户跑商务生意等则会考虑更高里程的车辆。通过对车辆每日行驶里程进行统计，同时对单次行驶里程进行分析，基本可以掌握用户的生活范围。以此了解到什么样的人群喜欢购买该车型，这些用户有哪些典型特征等。
2.3 基于车速的分析
车速是影响新能源汽车的百公里耗电量以及续航里程的重要因素之一。长时间处于高速行驶状态下对电池和电机寿命均有不同程度损害。通过大数据统计出每日最高车速、每日平均车速、单次行程中最高车速、单次行程中平均车速的分布情况，可以分析出用户的日常驾驶习惯，同时也对该路段的路况有所了解。
2.4 基于能耗的分析
不管是燃油车还是新能源车，能耗都是车辆最关键的指标，也是用户购买车辆最重要的考量点之一。通常可以发现用户关于车辆能耗的抱怨，例如，原先车辆慢充可以行驶160公里，但是实际行驶只能跑120公里，与厂家宣传的续航里程明显差距很大。车企可以利用大数据统计用户的驾驶行为习惯，分析出影响其每次行驶中导致能耗高的因素，并向用户告知情况，同时提醒用户改善驾驶习惯，以消除用户疑虑。
2.5 基于行车故障的分析
行车安全关系到用户的生命财产安全。如果车辆的潜在故障在行车前就被发现，在故障发生时及故障发生后能第一时间识别并立即采取紧急措施，那么将可以最大限度地减轻人员及财产的损失。利用大数据后台根据以往的故障记录、历史数据记录与当前实时上传的数据进行对比，做到事故前，事故中，事故后故障准确排查及追溯，将会对用户的用车体验起到积极促进作用。
2.6 基于用车时间的分析
通过用户的用车时间行为，可以了解用户的日常生活习性。针对用车时间可以分为三个分析点，第一：用车开始时间点，这个标签主要关注用户在什么时间点开始使用该车辆。车企通过分析用户每天使用车辆的时间点分布，可以了解用户出行习惯。第二：用车时长，通过分析用户每天使用车辆的时长，以及单次使用车辆行驶的时长，了解用车的偏好。第三：用车频次，用户每天使用车辆的频次越高，说明用户对车辆的粘度越大，也说明用户对车辆的认可度越强。通过大数据分析出高频用户，有针对性的提供一些额外的服务，不仅能够增加用户体验同时也为公司创造良好的口碑。
3 针对充电习惯的行为分析研究
当前新能源汽车相应的配套设施尚未健全，用户购买新能源汽车的一个重要的顾虑是没有地方充电。充满一次电能够跑多远，电池包寿命有多久，频繁充电对电池包影响有多大，这些都是用户最为关心的问题点。通过对用户日常的充电行为进行分析，了解用户的充电习惯，可以为用户提供更加优质的充电建议，同时也可以为充电设施的建设提供准确的数据支持。
3.1 基于充电时间的分析
充电时间可以从3个点进行分析：第一，充电开始时间点。主要关注用户在什么时间点开始对该车辆进行充电。车企可以通过分析用户每天充电开始的时间点分布，分析出用户的日常习惯。第二，充电时长。通过分析用户每天充电的时长，可以了解用户的充电习惯是不是良好，是不是经常插拔充电枪。同时，也可以辅助判断是不是有存在充电故障。第三，充电结束时间点：通过分析每次充电的最后结束时间点分布，分析出用户在每天的偏好充电时间段，为电网电费制定，错开充电高峰、充电时间点选择等提供数据依据。第四，充电频次。用户充电频次越多，基本可以说明该用户经常使用该车辆，或者能够说明该用户有良好的充电习惯，也可以反应出该用户对里程的焦虑感比较高。通过大数据可以更加深入了解用户所想，为用户提供更加优质的服务。
3.2 基于充电位置的分析
位置是大数据统计中很重要的一个参数，通过分析车辆充电的位置，可以分析出用户的家庭地址和工作地址，以及用户经常出入的场所。充电位置与时间的关系图分布，可以看出用户的充电地方偏好，为充电设备商部署充电设备提供准确的数据依据，也可以为充电桩周边商业发展提供依据。
3.3 基于充电故障的分析
用户一般会选择在居民区或者工作单位附近充电，所以充电安全关系用户的切身利益。车辆在充电过程中潜在的故障如果能及时发现、在故障发生时以及故障发生后能够第一时间发现并且及时采取紧急措施，那么将最大程度地减轻用户的人身及财产损失。
3.4 基于停车位置的分析
车辆停放的位置往往反映出用户的意图，例如，在公司附近停车，可以反映该用户正在上班；车辆停在家附近，反映出用户已回家；停在商场附近，反映用户正在购物。类似的车辆停放场景，通过对其位置数据深度挖掘，可以对用户的日常生活习惯有所了解，为后续的商业运营提供基础。
4 针对用户客户端使用习惯的分析研究
随着互联网逐步渗透入汽车行业，汽车网联化得到快速的发展。手机客户端作为连接车与人的桥梁，在汽车网联化发展中变得越来越关键。车企在销售汽车时同时为用户提供手机版客户端，用户可以通过手机端了解车辆实时状态以及车企的一些动态，同时也建立起车企与用户的直接关系纽带。
4.1 基于客户端下载量的分析
目前很多车企把车辆网联化作为销售的亮点，但是用户对车辆的网联化产品是不是感兴趣，车企的互联网产品是不是能够吸引到用户，客户端的下载量是个非常重要的体现。如果用户购买车辆但是并没有下载客户端，说明该用户并没关注网联这个特性。通过大数据分析下载量，可以从侧面体现该车辆产品主打的方向是否正确，也为车企精准营销，改善产品定位提供依据。
4.2 基于客户端在线率的分析
用户下载客户端只是车辆网联化产品中的一个环节，如果用户并没有在客户端中停留太久，在线频率非常低，说明客户端并没有特别能够吸引用户的地方，通过大数据分析，车企可以了解用户的这些变化，及时调整策略，优化设计，满足用户期望。
4.3 基于客户端模块使用率的分析
为了满足不同用户的喜好和需求，车企在开发客户端的时候往往涵盖了很多功能丰富的模块，然而大部分的功能用户可能并不使用，原因可能是用户不会操作、不感兴趣，或者甚至是反感。有了大数据分析，可以及时掌握用户的需求变化，及时调客户端功能来迎合用户的需求。
5 结语
通过大数据分析及应用，指导用户优化驾驶习惯，出行习惯；为车企准确地定位用户群体，调整产品定位，同时可以拓展更多衍生服务。可以预见，未来大数据将重新定义汽车生态，重新树立汽车商业模式，大数据将引领新时代。
来源：《时代汽车》班定东 黄祖朋 陈炼松 张送 张亮 上汽通用五菱汽车股份有限公司技术中心