网易汽车6月5日报道 中国汽车产业变革进程渐入白热化阶段，当下市场遇寒不容乐观，未来“三化”技术将进行产业重塑，如何在抓准趋势的同时“创新·图强”？在2019中国汽车重庆论坛中，超过300名国内外汽车行业领军人物汇聚于此，碰撞出最先锋的发展路径。
网易汽车直击重庆论坛，其中网易传媒副总编辑张齐先生将深度对话车企领袖与供应商巨头，探寻补贴退坡之后的电动汽车前行之路。
在“新能源汽车与大数据研讨会——新能源汽车大数据应用价值”环节，比亚迪乘用车研究院副院长钟益林发表了“汽车大数据在新能源研发体系中的深度应用”主题演讲。他表示，通过新能源大数据可以做更懂用户的车，精准定位细分群体，为群体提供个性化服务，了解用户驾驶习惯，让产品得到很好的设计改进，包括通过网络舆情改进产品不足。
2011年，E6上市时，比亚迪就开始建立比亚迪新能源监控系统。目前，比亚迪车辆总数为75万辆，日活跃数50万辆，数据总量112T（压缩过的），如果没有压缩应该是乘5，日增量为240G（压缩过的）。
新能源汽车大数据包括方方面面，车辆数据只是整个大数据系统的一小部分，目前，比亚迪规划各个数据系统，主要基于公司内部产品设计、生产、运行、售后、舆情全生命周期的数据。通过数据仓库的扩充，使大数据的分析场景化更加清晰。
钟益林表示，比亚迪的新能源监控系统，是24小时监控室，除了有国标监控，故障报警监控以外，还有企标监控和服务器运行状况监控。
以下为演讲实录：
钟益林：感谢主办方给一个机会跟大家交流。刚才观众提到比亚迪，她可能有一些误解，比亚迪现在已经全部市场化了。我们现在三电都可以从市面去采购，内部的供应商体系和外部供应商体系都已经是竞争状态。为什么有些产品内部做，因为我们做的三合一、四合一，市面上没有这样的产品。我今天讲的题目是“汽车大数据在新能源研发体系中的深度应用”。主要是实践工作中提炼出来的，主要是技术方面的问题。
比亚迪汽车大数据发展历程，2011年的时候，E6上市就开始建立比亚迪新能源监控系统。2012年和北京质量监督检察院平台做对接。2013年做架构调整，到现在分布式架构。2014年对接上海市新能源汽车数据平台。2016年跟上海做了对接，2016年12月成为首批国家平台检测的企业之一。我们现在做了很多地方政府的工作，现在已经有十几个地方对接了。我们现在的车辆总数是75万辆，日活跃数是50万辆，数据总量112T（压缩过的），如果没有压缩应该是乘5。日增量是240G（压缩过的）。我们也有国标的数据和企标的数据，国标的数据占1/4，整个数据总量9000亿条，日增数据20亿条。目前部署的服务器现在有30台和120G内存服务器在运行。
新能源汽车大数据是方方面面的，车的数据只是整个系统里面的一小部分，比亚迪规划的各个系统目前主要是基于公司内部的设计、生产、运行、售后、舆情全生命周期的数据。通过数据仓库的扩充，使大数据的分析场景化更加清晰。
以前传统造车没有数据更多围绕车本身，比如动力的变化，进行多元化的设计。新能源车应用车载以后有很多大数据产生，现在越来越多样化了。经过前期的市场调研可以一细分市场群体，精准定位市场。根据网络舆情设计配置和改款车型功能。每个环节都把大数据接入进去。运行数据，OTA数据，多媒体日志数据，网络舆情，400客服，售后数据，都接到了数据仓库里面。
我们建了一个新能源监控系统，24小时监控室，除了有国标的监控，故障报警监控以外，还有企标监控，包括服务器运行状况监控。现在公司的服务器都是微服务化，可以看到所有服务器运行情况，包括数据运行情况，以及OTA的监控情况，以及400客服数据监控情况，在监控大屏上可以实现。
我们在市场前端，比亚迪把用户群体进行了分类，就是基本属性分类和汽车偏好。基本属性就是年龄性别、收入、教育、工作等等得出基本属性。结合新能源上特有的汽车偏好，比如配置、能源类型等等做了划分。我们把两个结合以后得到了一个比较好的数据。全新一代产品上线的时候，其实绝大部分的车主都是大学里面的老师。两个群体以后做出来了一个分析。比亚迪也建立了舆情分析系统，我们通过整车的数据标签做了一个五级的分类，对产品进行识别，对产品观点和产品种类进行识别。以及把观点和评论进行区分，同时也对正负情感进行区分，得出了舆情论坛，我们每天更新舆情论坛的数据，这样给车更好的指导，也可以做到实时的预警。我们现在已经做到零部件级别的舆情论坛分析。
接下来重点讲一下用户驾驶习惯分析。早几年在SOC、电压、电流、油门等等做了很多定义，让它能够符合大数据的要求。很多数据在做软件定义的时候没有定义是没有办法被大数据采用的。比如门开关，后来在软件定义的时候，要求把使用次数统计进来，为以后做大数据打下了基础。前几年一直在做这样的定义工作，通过这样的定义工作慢慢产生了很多数据，也产生了很多应用场景。比如SOC的状态，电流的温度、深度等等，有一系列的分析场景。
举个例子，比如充电桩分布。我们通过整车的充电状态反推GPS，得出了充电桩位置分布。这个图数据比较简单，可能没有什么作用，但是在实际应用中，给充电的测试帮助很大。因为每个车型电压不一样。在上市之前需要做大量的充电测试，去不同的桩试一遍。到新的城市就可以通过这个数据做充电桩的测试。包括充电时长和耗电量分布也是，通过充电时长和耗电量分布可以做到充电系统零部件耐久时间的分析和可靠性的分析。充电时长大部分是在6个小时比较多一些，3-8个小时占比是绝大多数的。
充电难一直是行业里面都在探讨的问题，我们对比了一下比亚迪车主和行业车主。比亚迪车主充电率很高，有将近90%多。因为比亚迪车厂里面装了很多充电桩，在家里不能充可以在公司充，所以充电率很高。晚上22点以后充非常多，早上7点以后比较少。老小区存在扩容难的问题，因为要装就会影响小区电容容量，我们通过数据可以分析22点以后大部分家庭已经把EV设备关闭了，是不是分时充电就可以实施了？右边是开始充电与结束充电SOC对比，充到95-100%停止是占绝大部分，也有一部分是没有充到50%就拔掉枪了。这是空调温度分析，绝大部分车主温度设定是在22-27度。我们通过这些数据的比例可以看出整个空调系统在夏天的能力是不是足够。
我们通过简单的数据可以对整个的体系做提升，对整个空调的能力做提升。这是制动系统的数据。制动深度在50以下的话占了将近99%，紧急刹车其实是非常少的。88%的车主制动深度在30-35%。这是电池冷却系统开启的情况，在放电模式、交流充电模式、直流充电模式，88%的车主没有开过电池冷却，说明电池冷藏是没有好的，不需要额外的冷却。
这是智能充电分析，我们做的寿命评估和使用可靠性的评估。大家都知道，电动车没有起动机，不存在深放深充的情况，都是浅放浅充。为什么要频繁充电？可以看得出来，天比较冷的时候，充电次数就会增加，电池寿命衰减比较厉害的话，充电次数也会增加。如果车上有异常导致深度放电，充电次数也是增加的。
我们后面做了一个预警模型系统，静态功耗预警，可以看出车上出现异常以后可以把出现异常的零件抓取出来。我们现在已经建立了将近200个类型的模型，来识别出车上的异常情况。比如电量和油量突然出现下降的情况，我们会识别出来。正常情况下，电量和油量不会突然出现下降，一般有一个缓慢过程，比如漏油。我们对特殊的工况做了定义。我们知道很多异常情况，我们就能及时挖掘出来。我们在车入库的时候就做了大规模的监控，监控静态功耗。比亚迪已经建立了不少，今天主要是一个抛砖引玉。
通过新能源大数据可以实现做更懂用户的车，产品精准定位细分群体，群体个性化服务，了解用户驾驶习惯，得到很好的设计改进，包括网络舆情改进产品不足。
做几年大数据下来发现确实还有很多地方需要去努力，包括大数据很多模型要被构建出来，要被应用到研发体系中。我们现在每天将近有一百多个小程序在跑，其实就是服务很多公司的部门，让他们很快获得这些大数据的数据。同时大数据的算法也需要更智能化，因为车的保有量越来越大，需要持续被优化。我们需要更多普及深度学习的算法，让其更可靠。
以上是比亚迪在大数据方面的实践！谢谢大家！
