丁晓华:上海新能源公共数据采集两年工作分析

　　我国动力电池产业正处在由技术追赶期向同步发展期过渡的关键阶段，在国家相关政策支持下，需要进一步实现颠覆性的技术突破和协同创新。2017年6月21日，由青海省、工信部、科技部、中国电动汽车百人会在青海西宁举办的”第十八届中国·青海绿色发展投资贸易洽谈会·锂产业国际高峰论坛“迎来了全球近800名嘉宾。

　　针对“大数据在电池及电动汽车的应用”，6月21日下午举行了分论坛，围绕大数据在动力电池智能化管理和体制利用上的应用;基于电动汽车运营中产生的数据，如何产生商业价值及创造新的商业模式;有关动力电池和电动汽车数据收集、分析的相关技术和政策问题;智能化电池管理系统和综合检测方案，锂电池的全生命周期管理和监测;充电基础设施大数据在电动汽车与动力电池方面的应用。

　　上海市新能源汽车公共数据采集与检测研究中心主任丁晓华就两年来面向13万辆乘用车和客车监测当中得出的数据进行了分析报告，从而得出消费者的行为习惯、网点的布局特性、出行数据和道路的匹配应用，使得我们城市的交通管理更精细化。现场实录如下：

　　根据国家的规定，新能源汽车在一个地方销售时，基于安全，需要进行数据的监管，上海数据中心就是这么一个机构。目前数据中心采集的数据已经有12万辆，包括了乘用车、客车、物流车，还有非常少量的环卫车。

　　我们采集的数据是根据国家标准来的，在此之前，我们是按照上海的标准来进行采集，在上海制定标准之前，我们是向美国学习的。当时科技部和美国能源部签了一个上海和美国洛杉矶的电动汽车数据交换的协议，美方主要是放在这里做，大概有15个数据。现在的数据采集包括整车状态，极值数据、位置数据，这是我们平台的基本架构。我们的基础数据层包括了几块，一块是我们自己在做的潜在用户的访谈数据，也就是说我们有一个试乘试驾中心，每年大约有4000个人来开各种各样的电动汽车，开完以后填写一个访谈问卷。第二部分，我们刚才讲的根据国标和地标采集的实时数据，12万辆。第三部分，每年所做的访谈数据，因为实时数据只能回答是什么，但是我们有很多不能回答为什么，访谈的问卷能够弥补这些缺陷。随后我们再增加了一些其他的数据，比如说我们增加的是进入上海的销量数据以及用户结构数据等等，这些都要厂商给我们反馈。最后还有很多空间数据和路网数据，我后面会讲到我们一个最大的应用。

　　从最终的应用场景来看，我们主要包括了三方面，一个汽车行业，包括行为和性能。我们正在和一些研究机构合作基于电池的研究工作;还有服务行业，比如我们主要在做的是电动汽车共享。第三个就是交通行业，因为我们12万辆车的数据都是浮动的，对交通行业的研究会有巨大的帮助。

　　我们数据采集更多的是把数据整理好，将来给更多的以及其他的机构，共同来研究，而不只是我们自己的研究。目前基于我们自己的一些研究，包括纯电动消费者的出行特征，上海的情况和刚才北京所讲的出租车区别很大，出租车的特征是我们的3倍，但不等于日均40公里就是消费者认为100公里就满足了。

　　通过对消费者出行里程的分布进行采集，在PHEV的用户上和访谈问卷进行比较，这两个数据是比较接近的。通过数据采集，我们可以了解到用户的充电特征：什么时候充，实际的充电时间是多长，还有充入的电量和充电时间分布等等。

　　还有对用户的空间挖掘，我们采集的数据只有车辆的VIN码，虽然没有车牌，也不了解实际性能，但是因为有GPS，所以我们可以挖掘出他们在哪里，挖掘这个目的不是为了私人的特征。大家知道，上海的消费市场的特征是PHEV，如果PHEV的用户不充电，他对我们国家的补贴政策不是正向作用，所以我们要知道他们是不是充电。所以首先要定位他们空间的物理位置，这样我们对一个小区、一个小区就能分析这一个小区的充电概率，给政府提供很多的帮助。如果发现这个客户白天是没有固定的工作点的，那很有可能这个用户就是把车辆拿来做运营了。

　　我们还有事后的监管。一辆比亚迪唐，当时燃烧了以后报告的情况是装载了大功率车载冰箱，通过数据我们可以看到，实际情况是它的绝缘电阻变零了，其他的指标是基本正常的，因此我们认为厂商的结论基本是正确的，同时也可以看到，他的绝缘电阻之前已经不正常了，所以利用这些数据其实我们还可以提前发现一些事故的苗头。

　　我们同济大学正在开展一个电池健康状态的研究，现在采集的几个指标都是我们能采到的数据，后面的表征参数是慢慢的要进行一些分析，通过一些时间比较，最终他们想做的是电池健康状态。现在都在讨论电池的梯次利用，如果在中期的时候，对电池的健康状态如果有一个大致的评分的话，电池的梯次利用是不是就更简单一点，这是当这个课题研究的一个思想。

　　通过对一年的数据进行初步的分析，可以看到这个单体电压的正态分布发生了变化，这不等于我们结论就说它有问题了，而是说数据发生了变化我们可看到了。第二，可以看到一些插电式混合动力的总电压平均最大值、平均最小值一年之中的变化，当然它都是有条件的，是SOC大于95%的工况点的条件下，这都是刚刚在积累，我们希望通过这些数据不断的去分析，来找到各种各样的方法和评价的模型。

　　我们对时空分析也进行了一些研究，将飞行图和网点的运营图进行了分析，可以看到很粗的情况就是，网点的密度和它的营业模式正相关。上海的上面是我崇明岛，最上面是上海的一个远郊区，可以说密度很高，有了这种商业模式在空间上就能补充。右边的图可以看到上面这幅图，最下面的时间，就是凌晨5、6点的时候他出行是很少的，但是从运营数据来看，他的用车时间又是很长的，说明什么?是时间补充，这个时段公交车还没有、地铁也没有，其实需求还是有的，有了这种商业模式他在这个时间段就可以补充。

　　我们截取一个月的数据，将所有在上海的3000多个营业网点，租赁的频次进行了分析。一种是从这里开出去叫租赁，还有一个是还车，一样的概念，这里可以直观的看到网点的运营度是差别很大的，有些网点效益很好，有些网点效益很差。基于这样的时空分析我们可以进一步弥合其他曲线了，比如说空间地理的POI信息、人口数据等等等等，这样就能帮助这些企业做什么呢?为什么这些网点好，也就是提高他的运营效果。

　　我们还有基于交通的研究，如果把每个用户的出行和道路网进行匹配以后，就能产生很多的价值。每一个用户的OD是有巨大的个人隐私的，我们是不能做的，但是如果把它的力度放宽，到4条路的块或者交通调查小区的块，或者说一个街道，这样的力度很多其他的机构就可以按照他们的需要做研究了。每一个机构有他自己的数据和他自己的模型，不可能将自己的数据和模型加入到你的数据中心力，所以刚才我就非常感兴趣林总讲的区块链，如果基于这样一种开放的可追溯的话，那数据的开放和应用就具备了一些条件。

　　我们还基于热力图做了一些数据分析，通过对高峰特征和事故特征的综合分析，能够大致了解某一次事故出来以后，他这一个点、这一个时刻对整个上海交通产生了什么影响。之前一个城市的浮动车主要是出租车或者EV，量是很小的，随着电动汽车的规模化应用，我们就具备条件了，12万辆，公共交通很多、电动汽车上也很多，传统车堵他也堵，所以从这个角度分析他的交通特征他的意义就很大很大了。在进行交通研究时，我们把数据整理好，根据不同的场景、建立不同的模型，让大家非常容易的来用它。

　　总的来讲这么几条，第一，每30秒一条的电动车的数据已经采了两年12万辆，可以做很多的基础研究了。第二，我们现在主要是三个场景，一个是消费者的行为分析，帮助制造企业瓦解谁是你的客户。二是通过网点的施工分析，帮助这些企业洞察什么网点是好的，你如何去寻找好的网点。三是把这些出行的数据和道路的匹配，使得我们城市的交通管理更精细化，当然对电池管理的研究我们刚刚开始。