智能運維—特來電的大數(shù)據(jù)之路

我們可以說是在風(fēng)口浪尖上，趕上了一個大數(shù)據(jù)技術(shù)革新的時代。我們在數(shù)據(jù)管理上，以運營數(shù)據(jù)以及物聯(lián)網(wǎng)數(shù)據(jù)為主進行了一個融合性的處理，形成我們的大數(shù)據(jù)動力平臺。我們通過統(tǒng)計報表分析、機器學(xué)習(xí)、人工智能等方式，把大數(shù)據(jù)應(yīng)用領(lǐng)域里的設(shè)備運維、車輛保養(yǎng)等數(shù)據(jù)共享給我們的合作伙伴。

在去年，針對電動汽車的使用者，我們從職業(yè)、日均行駛里程、關(guān)注點及充電頻度四個角度，對充電人群進行了深入研究。職業(yè)上，我們收集了專車司機、公交車司機、出租車司機，也涵蓋了企事業(yè)單位、個體經(jīng)營、服務(wù)業(yè)、工人、自由職業(yè)者等。日均行駛里程，我主要統(tǒng)計了20公里之內(nèi)、20～50公里，50～100公里、100公里以上。充電頻度，有的人有續(xù)航恐懼，要一天一充；有的人悠哉游哉，就三天一充，甚至更長的時間。充電時，我們考察了安全、價格、速度、位置這幾個維度。

我們做了一個關(guān)于用戶的大數(shù)據(jù)畫像分析。這樣，通過對用戶畫像的數(shù)據(jù)分析，我們能看出來，日均行駛里程的數(shù)據(jù)及位置決定了我們充電樁的布局。充電頻度的訴求，決定了我們對快充、慢充的投入比例。安全第一，還是價格第一，這決定了我們的技術(shù)研發(fā)方向的發(fā)力點。

有了這些基本的內(nèi)容，結(jié)合實際發(fā)展情況，通過機器學(xué)習(xí)以及復(fù)雜的模式算法，我們就有了比較準確的數(shù)字，來指導(dǎo)我們的電站建設(shè)。

我們做了一個模擬青島市電站建設(shè)熱度的概況圖，結(jié)合青島六個區(qū)的情況，預(yù)測出來的特來電指數(shù)結(jié)論是，對于將來的建設(shè)方向，應(yīng)該繼續(xù)向人口密度大、經(jīng)濟條件較好的市南區(qū)、市北區(qū)傾斜。

通過基于大數(shù)據(jù)的特來電指數(shù)的對比，并通過城市網(wǎng)格圖的直觀對比，不僅可以對目前的充電網(wǎng)建設(shè)情況了然于胸，更可以對建設(shè)將來更加完善的5公里充電圈甚至是3公里充電圈，提供直接的指導(dǎo)建議。

通過模擬全國的熱力圖分布可以看到，目前特來電的充電終端主要集中在華東、華中、華南地區(qū)，在西部和東北地區(qū)分布較少。而在太原和武漢，這兩地的政府營運車輛推廣力度較大，熱力需求比較大。所以，只要國家前期在營運車輛上保證投入力度，就可以促進整個充電行業(yè)的健康快速發(fā)展。

由此我們可以看到，基于大數(shù)據(jù)的特來電指數(shù)，對特來電自己在公司運營、電站選址等方面，發(fā)揮了巨大的作用。

面向特來電的用戶，大數(shù)據(jù)又能發(fā)揮什么作用呢？我們做過一個預(yù)估，按照國家的規(guī)劃，2020年將有500萬輛電動汽車運行，每天有20億筆數(shù)據(jù)發(fā)生，這些數(shù)據(jù)量高達50TB，這要求后面的支撐系統(tǒng)達到50毫秒的響應(yīng)時間。

如果想做修車，首要面對的就是這些驚人數(shù)字的挑戰(zhàn)。如何處理這些海量的數(shù)據(jù)？如何快速地存儲、讀取這些有用的信息？如何快速響應(yīng)？

通過每天充電積累的車的電氣數(shù)據(jù)、運行數(shù)據(jù)、環(huán)境數(shù)據(jù)，打造汽車工業(yè)大數(shù)據(jù)平臺。為電動車主提供車輛維修、保養(yǎng)、配件、保險等數(shù)據(jù)服務(wù)和增值服務(wù)。為電動車企、電池企業(yè)，上下游相關(guān)企業(yè)在產(chǎn)品設(shè)計、優(yōu)化、評價等方面提供數(shù)據(jù)服務(wù)。

我們看一下基于大數(shù)據(jù)的特來電大數(shù)據(jù)修車解決方案。

數(shù)據(jù)來源上，主要是四個部分，車子跑起來的數(shù)據(jù)，包括用戶駕駛習(xí)慣、電機數(shù)據(jù)、電池數(shù)據(jù)；車輛在充電時的數(shù)據(jù)，包括電壓、電流、狀態(tài)、溫度等；互聯(lián)互通別人家的數(shù)據(jù)，包括第三方電樁的數(shù)據(jù)；以及第三方網(wǎng)站上的一些參考信息。

這些海量的數(shù)據(jù)，經(jīng)過網(wǎng)絡(luò)傳輸?shù)皆破脚_，經(jīng)過數(shù)據(jù)采集、實時處理、持久化、ETL，通過學(xué)習(xí)型的專家系統(tǒng)，形成了八大模型。專家?guī)熘械倪@些模型，包括汽車診斷模型、智能充電模型、安全駕駛模型、汽車預(yù)警模型、電池故障模型、電池預(yù)警模型、電池壽命模型、機器學(xué)習(xí)模型。

我們目前利用了多達86種的模型算法，比如二分類、多酚類、聚類、回歸等。再細化一些，比如隨機森林、樸素貝葉斯、線性支持向量機等。針對不同整車廠、電池廠商無縫接入，實現(xiàn)故障分類標準化、閾值標準化，并從平均每日700GB的數(shù)據(jù)中挑選出符合條件的2K數(shù)據(jù)，實現(xiàn)了從平均每日80萬行的數(shù)據(jù)中，50毫秒之內(nèi)挑選出19條記錄。

通過持續(xù)對車輛數(shù)據(jù)的分析、電池數(shù)據(jù)的分析、駕駛行為的分析，特來電大數(shù)據(jù)修車會在故障發(fā)生前，有針對性地提醒車主車輛有故障，并免費提供一份預(yù)警通知給車主。

如同我們?nèi)メt(yī)院體檢一樣，體檢完成后，拿到報告單，要支付費用。同理，對于車輛的具體報警信息，比如電機錯誤的具體錯誤代碼，比如電池故障的細節(jié)，我們也會收取一定的費用。

針對發(fā)現(xiàn)的問題，我們會結(jié)合專家?guī)靸?nèi)容，提供詳細的分析和修復(fù)建議。但是，這只是針對車主的部分。更多時候，我們是要讓它為我們的工業(yè)做出貢獻，為整車廠、電池廠貢獻我們自己的力量。