基于大数据分析的新能源汽车行业发展研究

2021-01-17潘晓霞

合作经济与科技 2021年24期

□文/魏铮潘晓霞

（浙江经贸职业技术学院工商管理学院浙江·杭州）

［提要］为切实应对环境污染与能源危机等问题，新能源汽车的应用和发展逐渐得到社会各界的广泛重视。新能源汽车拥有智能网联与高信息化的特征，可以通过数据挖掘、分析的方式进行技术分析、安全监管与预警，为我国汽车行业健康发展提供全新的发展方向。本文综合探究大数据分析在新能源汽车中的应用基础及原理，明确基于大数据分析的新能源汽车行业发展问题，提出相应的发展策略。

伴随化石能源枯竭威胁与环境污染恶化等问题的出现，大力发展以电动汽车为主的新能源汽车逐渐成为世界各国及地区的普遍共识。我国政府通过颁布《国务院有关加速发展新型产业的决定》，把新能源汽车作为战略性产业之一，2018年前后我国新能源汽车的产量达到127万余台，位居世界前列。而在新能源汽车系统日渐完善的背景下，其信息化程度也逐渐提升，历史数据、结构化数据的积累与分析，使居民出行更加安全、更加规范。2016年，新能源汽车管理与检测平台在北京建立，切实帮助我国相关政府部门更好地收集海量的车辆运行数据，并结合气象数据、档案数据及道路数据，为新能源汽车的顺利运行奠定了基础。同时，也使大数据分析逐渐融入到新能源汽车行业发展的进程中。

一、大数据分析概述

目前，大数据技术已经成为互联网发展中的核心技术，在数据高度集成、分析、处理的效用下，令互联网内部数据呈现出高速融通，有效规避传统大容量数据所产生的冗余性风险。依托于大数据技术来发展数据分析技术，则是在大数据的容量、速率、类型、真实等方面进行延伸，深度挖掘出数据传输过程中的信息价值，提高数据处理质量。在具体分析过程中，主要是从下列五个方面对数据进行深层次的价值挖掘：

第一，可视化分析。大数据分析技术在具体实现的过程中，是利用数据模型将系统内部的数据进行可视化分析，令数据具备自显示的能力，满足数据多元处理诉求。

第二，挖掘算法。挖掘算法的作用主体为机器及内部系统，在实际运行过程中，通过集群处理、分割处理等，令挖掘算法可深度作用于数据内部，利用算法对当前信息载体进行数据挖掘，保证每一类数据信息处理的速度及质量，精准识别系统内数据处理指令，提高数据运算性能。

第三，预期性分析。从数据处理本质来讲，分析技术的实现是针对数据信息本身所产生的数据特征进行分析与罗列，将数据可视化结果进行整合，然后与挖掘算法进行对比，预测出数据信息在运算过程中的行为轨迹，这样便可将各类数据作为对比值，以预测信息为导向，对当前数据传输行为进行判断。

第四，语义引擎。语义引擎相对于数据分析与罗列，则是建立在智能处理模式之上，利用系统工具分析出数据在具体罗列时的表达范畴，并按照智能搜寻模式，真正在现有的数据处理系统中提取数据信息，打造出多位联动的数据处理框架，提高信息处理效率。

第五，数据管理。数据管理是对数据信息进行罗列处理，如标准化、定义化等，令数据信息在阐述相关定义时，按照不同业务处理诉求，真正实现数据质量、数据管理、数据存储、数据仓库的智能化运作。

二、大数据分析在新能源汽车中的应用基础及原理

新能源汽车在运行中会积累海量的数据资源，能够更有效，更全面地提升车辆数据分析的实效性和有效性。然而在综合探究新能源汽车应用大数据分析技术前，我们需要对大数据分析的“应用基础”进行分析。首先，大数据主要指海量、庞大、复杂的，传统数据分析工具难以处理的数据集合。拥有“5V”特征（数据庞大、来源多样、增长速度快、可信度高、低价值密度），可以通过批处理、流式处理、交互查询、图数据处理等系统，提升数据资源的应用质量。其次，在新能源汽车应用上，新能源与大数据的融合基础是构建“大数据平台”。然而，为切实破解新能源汽车所面临的安全问题，提高行业监管质量，推动新能源产业的快速发展，我国工信部构建了新能源汽车管理与检测平台，并接入220万辆新能源汽车，预计2025年平台接入的新能源车辆将突破8，000万辆。其现有的数据类型具体分为动态数据与静态数据两种，其中静态数据属于档案类数据，主要包括销售区域、车辆类型、厂商、VIN码、车牌号等信息。动态数据包括历史数据与运行数据两种。在大数据分析技术应用上，新能源汽车通常通过大数据存储处理、统计分析、数据采集、数据挖掘等方式，实现对海量运行数据的分析和应用的。

（一）运行数据采集。现阶段，我国新能源车辆能够借助整合地方、国家及企业等监管平台的方式，实现车辆运行数据的有效传递和采集，可以更好地将车辆故障信息、统计信息及运行数据上传到相关的国家平台中。从具体收集方法而言，则是通过数据日志文件的收集，对数据信息进行不同阶段的罗列与处理，确保计算机信息系统中，智能操控模式可精准作用到不同程序之内，实现数据集传输诉求。其运行机理是新能源汽车通过GPRS信号将数据传递给企业平台，企业平台再将数据分别传给国家平台和地方平台。通过数据采集端与数据终端之间的关联，可以有效实现数据信息的高效率处理，提高数据信息传输的整合度与对接度，规避数据传输中的不对称问题，打造出更为全面的数据对接平台，实现局部与整体、地方与中央的数据融通，对汽车数据进行实时化采集与分析。

（二）数据处理。通常来讲，数据在解码、传递或采集等流程中容易出现偏差，为切实提升数据的传递质量，需要通过预处理的方式对其进行调整，其过程具体包括数据离散、数据降维、数据规约、数据清洗及数据集成等过程。在新能源汽车行业中运用时，则可以看成是基于汽车数据监管的一种系统及数据运行途径，在大数据技术的支撑下，实现对新能源汽车数据的精准核验。通常情况下，数据处理一般分为两种形式：一是指数据信息传输到制定平台内部时，结合数据实时测验，计算出与当前数据呈现出标定的数据基准，真正建立在数据准确性之上，为数据预处理提供基础保障；二是针对新能源汽车运行过程中的源数据进行分析，其是作用在软件程序之上，对数据进行过滤处理，避免出现掉帧的问题，达到数据预处理的效用。数据存储作为数据处理的一种运行载体，通过物理存储服务器或云端存储服务器对新能源汽车行业发展过程中产生的数据进行整合，满足数据的实时化处理诉求。通常而言，物理服务器与云端服务器属于同步运行的模式，在满足数据拓展的前提下，提高数据挖掘质量及效率。

（三）信息挖掘能够分析新能源车辆的技术、安全预警、基础设施管理等内容，提升汽车运行质量。但是考虑到数据信息在不同场景下运行所产生的差异分析现象，则应真正将分析技术应用到新能源汽车专业技术中，令每一项数据信息在具体查证过程中，提高数据辨识度，这样在数据核验与分析过程中，仅需要数据模型之间的比对，便可实现多方位的数据分析，及时了解到当前数据运算中的变化规律，然后结合结构化、非结构化的数据处理，对数据信息进行多元处理。

（四）数据统计分析。大数据分析技术主要是指利用统计算法对整个数据库内的信息资源进行分析与挖掘，查找出具有一定价值的数据，解析出数据在罗列过程中的规律，并通过回归算法、分析算法等，对数据进行统计。最后统计数据将在数据模型的支撑下，在地方系统与国家监管主系统之间构筑一个数据交流平台，实时显示数据结果。

三、基于大数据分析的新能源汽车行业发展现状

大数据分析通常应用在用户特征、驾驶行为、能耗分析、电池状况等数据分析中，可以提升新能源汽车的安全性和稳定性。然而，在产业发展上，却存在诸多的问题。首先，在政策环境方面。2001年我国为促进新能源和节能汽车的发展，确立了高新技术发展计划，明确了新能源汽车发展的原则。2009年，我国完成了示范布局工作，并实行了“十城万辆”的活动，预计在2010年实现十个城市部署万辆“燃料机车”“电力机车”“混合动力机车”的目标。2016年，为切实制止“骗补现象”的出现，我国相关政府部门提高了政策补贴的门槛。然而，在大数据分析技术的应用上，我国还没有形成初创企业、中小企业的扶持机制，难以通过政策支持的方式，推动企业平台的构建，无法引导中小企业通过自主研发的方式，创新数据分析模式、方法，提高非结构化大数据分析的质量。其次，数据存储和数据安全的矛盾。在新能源汽车网联化发展的过程中，“大数据存储”所面临的安全问题，逐渐得到社会各界的广泛重视，特别在国民隐私意识不断提升的背景下，如何处理大数据安全问题，逐渐成为新能源汽车行业发展的关键。然而，我国并没有构建相对完善的大数据安全法规，导致大数据分析技术难以在新能源汽车应用中得到较为广泛地应用。最后，资金支持和人才培养问题。基于大数据分析的新能源汽车研发工作，需要大批的大数据人才与新能源汽车人才，但我国高校还未增设与新能源汽车有关的课程和专业，人才培养质量相对有限。而在资金支持的层面上，基于大数据分析的新能源汽车行业发展需要大量的资金作为支持，紧靠财政投入难以帮助中小企更好地推动产业的快速发展。在基础建设上，充电桩是新能源汽车行业发展的根基，如果资金缺乏，将导致充电桩技术低、规模小，严重影响到产业发展的实效性和有效性。

四、基于大数据分析的新能源汽车行业发展策略

首先，完善政策体系。我国相关政府部门应积极落实新能源汽车中“初创企业”与“中小企业”的优惠政策，通过税收优惠和“加计扣除”等方式，鼓励中小企业集中精力投入到大数据分析模式、分析方法的创新中，切实破解大数据分析在新能源汽车应用中所存在的难题，从而为我国新能源汽车行业的健康发展营造出良好的政策环境。此外，我国相关政府部门应在服务、待遇、审批办照及市场准入等层面上，提供良好的服务，激发企业的自主性和积极性。

其次，加强相关法律法规的建设和完善，提升企业对大数据存储、大数据安全的重视程度，降低黑客攻击、网络病毒对新能源汽车运行的影响。我国相关政府部门应结合国民的隐私保护特征，制定大数据安全管理标准和规范，引导企业以数据安全为抓手，科学优化数据存储、压缩及处理程序，提升大数据与新能源汽车的协调性，推动我国新能源汽车行业的快速发展。在此基础上，我国相关政府部门还应构建合理的监督机制，细化责任体系，使大数据安全有法可依、有规可循。

再次，强化技术应用力度。大数据时代的到来，令不同类别的数据信息实现高效率处理，加强系统与车辆终端的数据交互力度；同时在物联网体系的支撑下，依托于射频识别技术，真正实现对数据信息的高效率处理，保证数据在罗列过程中，可以遵循一体化原则，打造出万物互联的发展格局，及时明晰出新能源汽车的发展走向。但是，从现有的技术发展趋势而言，大容量数据信息的传输及运行，对于持续性发展的新能源汽车产业而言，还需要加强对技术的应用力度，真正做到以技术为驱动的行业化、职业化发展，塑造出更为完整的技术体系，提高数据之间的关联度，避免产生数据不对称的问题。为此，必须加强对大数据技术的研发及应用力度，解析出新能源汽车产业在发展过程中呈现出的诉求点，建构出多数据融合平台，深度挖掘出新能源汽车行业发展中的数据价值，保证数据信息在多元处理过程中，可以实时映射出数据信息存在的本质特征，为汽车行业发展提供数据支撑。

最后，加强人才培养与资金支持。在人才培养上，我国相关政府部门应加强与新能源汽车、大数据相关课程或专业的创设，结合市场发展趋势，明确人才培养方向，以此为新能源汽车行业提供大量的、优秀的汽车研发及大数据分析人才。而在资金支持上，我国应在加大财政投入力度的前提下，鼓励民间资本、社会资本对“基于大数据分析的新能源汽车行业”的投资，鼓励产业联盟与龙头企业构建“发展基金”，借助创业投资、风险投资、天使投资基金等方式，充分发挥社会资本在新能源汽车行业发展中的价值。进而通过创业企业与集团企业、新能源产业与民间资本的融合，为新能源产业发展提供支持。与此同时，也能为充电桩的规模增长与技术升级提供助力。

五、大数据分析技术下新能源汽车行业发展应当注意的问题

从互联网发展趋势而言，大数据与新能源汽车智能网络的结合俨然成为必然的技术产物，且在技术的深度应用下，加快了新能源汽车产业的转型发展。但是，新能源汽车行业在深度发展中，也必须注重相应的问题点，保证大数据分析技术可以深度根植于行业发展进程中，并真正发挥出中坚力量。为此，在后续发展过程中，必须注意下列几点：

第一，汽车行业与大数据技术的深度融合。目前，新能源汽车在市场中的份额逐渐加大，但是与传统燃油类汽车相比，在具体实践过程中仍暴露出许多的问题。产生此类问题的主要原因则是新能源汽车在研发过程中，理论计算与汽车行驶环境存在一定的差距，例如驾驶性能、能耗参数等，部分理论数据受到的影响因素较大，易造成数据监测结果不稳定的问题。这就需要在后续发展过程中，利用数据分析与模拟功能，深度解析出汽车制造、应用过程中存在的问题，真正利用数据阐明汽车设计、制造过程中存在的问题，为汽车行业发展提供数据支撑。

第二，大数据分析技术的深度运用。从技术本质特征来看，大数据分析技术的实现是真正建立在数据多元运行功能之上的，通过数据信息的深度挖掘，解析出不同数据操控单元下，汽车应用数据处理的可行性。与此同时，大数据分析技术在实际应用过程中，是以数据变量为核心，以计算模型为框架，构筑出具有分布处理功能的数据运行体系，保证静态与动态整合的过程中可以有效将不同组列的数据进行针对性处理，极大提高数据模型的应用效能，对数据进行分析。为此，必须加强对技术原理以及组织特征的分析，确保不同数据操控视域下，大数据分析技术所起到的价值可持续性推动我国新能源汽车行业的发展。

第三，数据服务模式。新能源汽车是服务于用户的，在“智慧+汽车”的建设下，汽车智能化的实现正依托于数据技术在多功能领域的应用。为此，在后续发展过程中，汽车生产行业也应向服务行业所转变，建立在终端集成系统之上，保证数据信息服务的共享性与时效性，真正达到一体化的数据建设，挖掘出汽车行驶及汽车功能服务的主体，提高系统运行质量，推动我国新能源汽车智能产业链的发展。