不容樂(lè)觀！上半年新能源汽車(chē)實(shí)時(shí)運(yùn)行數(shù)據(jù)錯(cuò)誤占比64.75%

大數(shù)據(jù)的挖掘和應(yīng)用在各個(gè)層面上展開(kāi),尤其是在新能源領(lǐng)域。大數(shù)據(jù)作為一種基礎(chǔ)性與戰(zhàn)略性資源得到了廣泛認(rèn)可,面對(duì)“四化”未來(lái),大數(shù)據(jù)是汽車(chē)產(chǎn)業(yè)發(fā)展的重要支撐。而數(shù)據(jù)質(zhì)量是決定大數(shù)據(jù)分析的重要因素。

8月21日,新能源汽車(chē)國(guó)家大數(shù)據(jù)聯(lián)盟在2018年中會(huì)議暨新能源汽車(chē)評(píng)價(jià)指數(shù)研討會(huì)上發(fā)布了《新能源汽車(chē)國(guó)家監(jiān)管平臺(tái)車(chē)輛數(shù)據(jù)質(zhì)量分析報(bào)告》。報(bào)告顯示,2018年1-6月,全國(guó)接入車(chē)輛969107輛,其中627461輛車(chē)出現(xiàn)過(guò)錯(cuò)誤,占比64.75%,共出現(xiàn)72類(lèi)的錯(cuò)誤數(shù)據(jù),集中出現(xiàn)在車(chē)輛狀態(tài)和單體電壓/溫度值等方面?？傮w來(lái)看,接入平臺(tái)的車(chē)輛出現(xiàn)錯(cuò)誤概率較大。

北京理工大學(xué)副教授、新能源汽車(chē)國(guó)家大數(shù)據(jù)聯(lián)盟副秘書(shū)長(zhǎng)劉鵬表示,錯(cuò)誤的數(shù)據(jù)將影響數(shù)據(jù)分析結(jié)果,也會(huì)影響到企業(yè)的新能源汽車(chē)車(chē)輛里程核查。

成功接入平臺(tái)的車(chē)輛 運(yùn)行數(shù)據(jù)質(zhì)量仍堪憂(yōu)

新能源汽車(chē)國(guó)家監(jiān)管平臺(tái)今年2月初正式投入使用,接入車(chē)輛已突破百萬(wàn)輛,用于新能源汽車(chē)安全監(jiān)管、數(shù)據(jù)分析、車(chē)輛管理和補(bǔ)貼核算等工作。截至2018年8月13日,接入整車(chē)服務(wù)平臺(tái)的車(chē)輛數(shù)為104.76萬(wàn)輛,注冊(cè)整車(chē)企業(yè)429家,通過(guò)“平臺(tái)符合性檢測(cè)”的整車(chē)企業(yè)384家,通過(guò)“車(chē)輛符合性檢測(cè)”的車(chē)型5388個(gè)。

企業(yè)平臺(tái)若想接入國(guó)家平臺(tái),需要經(jīng)過(guò)車(chē)輛靜態(tài)數(shù)據(jù)接入和動(dòng)態(tài)數(shù)據(jù)接入審核。目前此平臺(tái)共存儲(chǔ)有效數(shù)據(jù)231TB,每天新增約1TB數(shù)據(jù)。其中實(shí)時(shí)數(shù)據(jù)人工審核通過(guò)車(chē)輛為76.6萬(wàn)輛,占比73.18%;實(shí)時(shí)數(shù)據(jù)未審核與未通過(guò)的車(chē)輛數(shù)為28.1萬(wàn)輛,占比26.82%。審核未通過(guò)車(chē)輛多為不符合GB/T 32960的要求。

盡管車(chē)輛通過(guò)了相關(guān)審核成功地接入國(guó)家平臺(tái),但是在實(shí)際運(yùn)行中仍出現(xiàn)多項(xiàng)錯(cuò)誤。報(bào)告顯示:車(chē)企出現(xiàn)錯(cuò)誤數(shù)據(jù)的車(chē)輛數(shù)占該車(chē)企總車(chē)輛數(shù)的百分比大于50%的占比超過(guò)83.5%。這個(gè)數(shù)字實(shí)在不容樂(lè)觀。前8類(lèi)錯(cuò)誤類(lèi)型多由車(chē)載信息采集模塊精度低傳輸差造成

按照國(guó)標(biāo)GB/T 32960-2016的要求,新能源汽車(chē)國(guó)家監(jiān)管平臺(tái)實(shí)時(shí)信息采集項(xiàng)為61項(xiàng),包括驅(qū)動(dòng)電機(jī)、車(chē)輛位置、整車(chē)、極值數(shù)據(jù)、報(bào)警數(shù)據(jù)、故障下的單體數(shù)據(jù)等。

排在前8位的錯(cuò)誤類(lèi)型中,出錯(cuò)率最高的項(xiàng)目是“車(chē)輛狀態(tài)為空或錯(cuò)誤”,占比16.76%;排在第四位的錯(cuò)誤類(lèi)別是充電狀態(tài)為空或者無(wú)效,占比4.82%。造成這種現(xiàn)象的原因可能是某些型號(hào)車(chē)輛的充電狀態(tài)檢測(cè)裝置損壞所造成。

除了以上兩類(lèi)錯(cuò)誤,其他排名在前的6類(lèi)錯(cuò)誤均為電池單體問(wèn)題,包括單體溫度和電壓的錯(cuò)誤,初步判斷為車(chē)載信息采集模塊精度較低,傳輸數(shù)據(jù)質(zhì)量較差。從丟包率大于1,30秒內(nèi)里程跳變大于2公里等錯(cuò)誤車(chē)輛占比來(lái)看,說(shuō)明車(chē)載數(shù)據(jù)采集裝置的精度和傳輸速率都有待改進(jìn)。

車(chē)企數(shù)據(jù)質(zhì)量參差不齊 可能影響補(bǔ)貼核算

在報(bào)告中,不同企業(yè)的數(shù)據(jù)質(zhì)量相差很大。有的企業(yè)接入平臺(tái)車(chē)輛的出錯(cuò)率達(dá)到100%。企業(yè)車(chē)輛數(shù)據(jù)出錯(cuò)率在50%以上的占企業(yè)總數(shù)比重為70.4%,僅有小部分車(chē)企的數(shù)據(jù)質(zhì)量較好。新能源汽車(chē)國(guó)家大數(shù)據(jù)聯(lián)盟同期發(fā)布了“新能源汽車(chē)大數(shù)據(jù)指數(shù)TOP-n車(chē)型”,這些車(chē)型的數(shù)據(jù)良好。

A企業(yè)車(chē)輛數(shù)據(jù)出錯(cuò)情況

來(lái)看一個(gè)實(shí)例,A企業(yè),接入平臺(tái)車(chē)輛總數(shù)為29631輛,車(chē)輛數(shù)據(jù)出錯(cuò)率為94.4%,單車(chē)錯(cuò)誤數(shù)量均值為2883條。具體出錯(cuò)數(shù)據(jù)項(xiàng)有電池單體電壓最高值與實(shí)際包內(nèi)單體電壓值不相等、混動(dòng)模式發(fā)動(dòng)機(jī)無(wú)數(shù)據(jù)、車(chē)速大于0而車(chē)輛狀態(tài)為熄火、里程為空或無(wú)效等等。劉鵬分析,

“這家企業(yè)出現(xiàn)的動(dòng)力電池相關(guān)數(shù)據(jù)項(xiàng)錯(cuò)誤比重已超過(guò)71.7%。動(dòng)力電池作為新能源汽車(chē)的關(guān)鍵部件,它的優(yōu)劣直接影響著整車(chē)性能,電池?cái)?shù)據(jù)質(zhì)量過(guò)差會(huì)直接影響新能源汽車(chē)的安全?！?/p>

另外,劉鵬提醒企業(yè)注意,像這家企業(yè)‘里程為空或無(wú)效’錯(cuò)誤項(xiàng)占比接近5%,出現(xiàn)此項(xiàng)表明該企業(yè)車(chē)輛實(shí)際運(yùn)行里程與上報(bào)里程存在一定偏差,會(huì)直接影響該車(chē)企的里程核查。

近幾年,像長(zhǎng)安汽車(chē)、上海汽車(chē)等整車(chē)企業(yè)在多方位挖掘大數(shù)據(jù)的價(jià)值,用于產(chǎn)品改進(jìn)、研發(fā)、銷(xiāo)售和服務(wù)等領(lǐng)域。像寧德時(shí)代等電池企業(yè),他們認(rèn)為大數(shù)據(jù)的價(jià)值在于通過(guò)故障監(jiān)控、預(yù)警體系確保車(chē)輛安全可控,通過(guò)監(jiān)控體系降低維修成本,提高運(yùn)營(yíng)效率。

分析新能源汽車(chē)平臺(tái)現(xiàn)存的72類(lèi)數(shù)據(jù)差錯(cuò),除去傳感器、數(shù)據(jù)采集裝置、電池等硬件因素外,企業(yè)平臺(tái)數(shù)據(jù)對(duì)接國(guó)家平臺(tái)在實(shí)時(shí)傳輸中數(shù)據(jù)產(chǎn)生的沖突和不一致,也導(dǎo)致大數(shù)據(jù)質(zhì)量問(wèn)題。

不管怎樣,大數(shù)據(jù)價(jià)值挖掘的基礎(chǔ)在于數(shù)據(jù),數(shù)據(jù)質(zhì)量?jī)?yōu)劣直接影響大數(shù)據(jù)分析結(jié)果的可信度。如何保證數(shù)據(jù)符合標(biāo)準(zhǔn),并保證完整、準(zhǔn)確、穩(wěn)定和一致,將成為車(chē)輛大數(shù)據(jù)分析的重要課題。