針對“大數據在電池及電動汽車的應用”，6月21日下午舉行了分論壇，圍繞大數據在動力電池智能化管理和體制利用上的應用;基于電動汽車運營中產生的數據，如何產生商業(yè)價值及創(chuàng)造新的商業(yè)模式;有關動力電池和電動汽車數據收集、分析的相關技術和政策問題;智能化電池管理系統和綜合檢測方案，鋰電池的全生命周期管理和監(jiān)測;充電基礎設施大數據在電動汽車與動力電池方面的應用。

　　上海市新能源汽車公共數據采集與檢測研究中心主任丁小華就兩年來面向13萬輛乘用車和客車監(jiān)測當中得出的數據進行了分析報告，從而得出消費者的行為習慣、網點的布局特性、出行數據和道路的匹配應用，使得我們城市的交通管理更精細化。現場實錄如下：

　　根據國家的規(guī)定，新能源汽車在一個地方銷售時，基于安全，需要進行數據的監(jiān)管，上海數據中心就是這么一個機構。目前數據中心采集的數據已經有12萬輛，包括了乘用車、客車、物流車，還有非常少量的環(huán)衛(wèi)車。

　　我們采集的數據是根據國家標準來的，在此之前，我們是按照上海的標準來進行采集，在上海制定標準之前，我們是向美國學習的。當時科技部和美國能源部簽了一個上海和美國洛杉磯的電動汽車數據交換的協議，美方主要是放在這里做，大概有15個數據?，F在的數據采集包括整車狀態(tài)，極值數據、位置數據，這是我們平臺的基本架構。我們的基礎數據層包括了幾塊，一塊是我們自己在做的潛在用戶的訪談數據，也就是說我們有一個試乘試駕中心，每年大約有4000個人來開各種各樣的電動汽車，開完以后填寫一個訪談問卷。第二部分，我們剛才講的根據國標和地標采集的實時數據，12萬輛。第三部分，每年所做的訪談數據，因為實時數據只能回答是什么，但是我們有很多不能回答為什么，訪談的問卷能夠彌補這些缺陷。隨后我們再增加了一些其他的數據，比如說我們增加的是進入上海的銷量數據以及用戶結構數據等等，這些都要廠商給我們反饋。最后還有很多空間數據和路網數據，我后面會講到我們一個最大的應用。

　　從最終的應用場景來看，我們主要包括了三方面，一個汽車行業(yè)，包括行為和性能。我們正在和一些研究機構合作基于電池的研究工作;還有服務行業(yè)，比如我們主要在做的是電動汽車共享。第三個就是交通行業(yè)，因為我們12萬輛車的數據都是浮動的，對交通行業(yè)的研究會有巨大的幫助。

　　我們數據采集更多的是把數據整理好，將來給更多的以及其他的機構，共同來研究，而不只是我們自己的研究。目前基于我們自己的一些研究，包括純電動消費者的出行特征，上海的情況和剛才北京所講的出租車區(qū)別很大，出租車的特征是我們的3倍，但不等于日均40公里就是消費者認為100公里就滿足了。

　　通過對消費者出行里程的分布進行采集，在PHEV的用戶上和訪談問卷進行比較，這兩個數據是比較接近的。通過數據采集，我們可以了解到用戶的充電特征：什么時候充，實際的充電時間是多長，還有充入的電量和充電時間分布等等。

　　還有對用戶的空間挖掘，我們采集的數據只有車輛的VIN碼，雖然沒有車牌，也不了解實際性能，但是因為有GPS，所以我們可以挖掘出他們在哪里，挖掘這個目的不是為了私人的特征。大家知道，上海的消費市場的特征是PHEV，如果PHEV的用戶不充電，他對我們國家的補貼政策不是正向作用，所以我們要知道他們是不是充電。所以首先要定位他們空間的物理位置，這樣我們對一個小區(qū)、一個小區(qū)就能分析這一個小區(qū)的充電概率，給政府提供很多的幫助。如果發(fā)現這個客戶白天是沒有固定的工作點的，那很有可能這個用戶就是把車輛拿來做運營了。

　　我們還有事后的監(jiān)管。一輛比亞迪唐，當時燃燒了以后報告的情況是裝載了大功率車載冰箱，通過數據我們可以看到，實際情況是它的絕緣電阻變零了，其他的指標是基本正常的，因此我們認為廠商的結論基本是正確的，同時也可以看到，他的絕緣電阻之前已經不正常了，所以利用這些數據其實我們還可以提前發(fā)現一些事故的苗頭。

　　我們同濟大學正在開展一個電池健康狀態(tài)的研究，現在采集的幾個指標都是我們能采到的數據，后面的表征參數是慢慢的要進行一些分析，通過一些時間比較，最終他們想做的是電池健康狀態(tài)?，F在都在討論電池的梯次利用，如果在中期的時候，對電池的健康狀態(tài)如果有一個大致的評分的話，電池的梯次利用是不是就更簡單一點，這是當這個課題研究的一個思想。

　　通過對一年的數據進行初步的分析，可以看到這個單體電壓的正態(tài)分布發(fā)生了變化，這不等于我們結論就說它有問題了，而是說數據發(fā)生了變化我們可看到了。第二，可以看到一些插電式混合動力的總電壓平均最大值、平均最小值一年之中的變化，當然它都是有條件的，是SOC大于95%的工況點的條件下，這都是剛剛在積累，我們希望通過這些數據不斷的去分析，來找到各種各樣的方法和評價的模型。

　　我們對時空分析也進行了一些研究，將飛行圖和網點的運營圖進行了分析，可以看到很粗的情況就是，網點的密度和它的營業(yè)模式正相關。上海的上面是我崇明島，最上面是上海的一個遠郊區(qū)，可以說密度很高，有了這種商業(yè)模式在空間上就能補充。右邊的圖可以看到上面這幅圖，最下面的時間，就是凌晨5、6點的時候他出行是很少的，但是從運營數據來看，他的用車時間又是很長的，說明什么?是時間補充，這個時段公交車還沒有、地鐵也沒有，其實需求還是有的，有了這種商業(yè)模式他在這個時間段就可以補充。

　　我們截取一個月的數據，將所有在上海的3000多個營業(yè)網點，租賃的頻次進行了分析。一種是從這里開出去叫租賃，還有一個是還車，一樣的概念，這里可以直觀的看到網點的運營度是差別很大的，有些網點效益很好，有些網點效益很差?；谶@樣的時空分析我們可以進一步彌合其他曲線了，比如說空間地理的POI信息、人口數據等等等等，這樣就能幫助這些企業(yè)做什么呢?為什么這些網點好，也就是提高他的運營效果。

　　我們還有基于交通的研究，如果把每個用戶的出行和道路網進行匹配以后，就能產生很多的價值。每一個用戶的OD是有巨大的個人隱私的，我們是不能做的，但是如果把它的力度放寬，到4條路的塊或者交通調查小區(qū)的塊，或者說一個街道，這樣的力度很多其他的機構就可以按照他們的需要做研究了。每一個機構有他自己的數據和他自己的模型，不可能將自己的數據和模型加入到你的數據中心力，所以剛才我就非常感興趣林總講的區(qū)塊鏈，如果基于這樣一種開放的可追溯的話，那數據的開放和應用就具備了一些條件。

　　我們還基于熱力圖做了一些數據分析，通過對高峰特征和事故特征的綜合分析，能夠大致了解某一次事故出來以后，他這一個點、這一個時刻對整個上海交通產生了什么影響。之前一個城市的浮動車主要是出租車或者EV，量是很小的，隨著電動汽車的規(guī)模化應用，我們就具備條件了，12萬輛，公共交通很多、電動汽車上也很多，傳統車堵他也堵，所以從這個角度分析他的交通特征他的意義就很大很大了。在進行交通研究時，我們把數據整理好，根據不同的場景、建立不同的模型，讓大家非常容易的來用它。

　　總的來講這么幾條，第一，每30秒一條的電動車的數據已經采了兩年12萬輛，可以做很多的基礎研究了。第二，我們現在主要是三個場景，一個是消費者的行為分析，幫助制造企業(yè)瓦解誰是你的客戶。二是通過網點的施工分析，幫助這些企業(yè)洞察什么網點是好的，你如何去尋找好的網點。三是把這些出行的數據和道路的匹配，使得我們城市的交通管理更精細化，當然對電池管理的研究我們剛剛開始。還有一塊是千人計劃專家在牽頭的，就是基于大數據，他什么都不講道理，就是把數據拿來，如何建立模型，在這個模型上如何貼上他的標簽，但這些工作才剛剛開始，坦率的說要初心結論的話可能還會比較漫長，但是希望我們這些數據能夠被更多的專輯也好，我們的企業(yè)也好來使用，挖掘他的價值。