在新能源汽车领域，从政府监管的角度来讲，分为两大类，一类是私家车，私家车的位置信息是不会上传的，除了这个车，其他车所有的数据每30秒传一帧，都会到国家平台。下一步的智能驾驶一定是基于新能源汽车的，而且新能源汽车本身比燃油车更容易实现信息化。现在每个新能源车掌握的数据比驾驶员知道的多，按照国家的标准，61大类信息，包括位置的、整车的、电动电池的所有的信息，包括车的故障信息，就为整个下一步的智能网联和无人驾驶，以及为物流的信息化、智能化，提供了信息的基础。
新能源物流车领域有几大痛点：第一、性能。新能源车相对于燃油车来讲，载重能力、续航里程以及充电不便都是问题。第二、车辆运行效率低，本身充电桩的使用效率也是非常低，数据标明，每个充电桩平均充电时间不到16%，在北京也有很多僵尸桩，草长得比桩还深，车基本开不进去，我认为如果车的补贴和桩的补贴能够从购置向运营来倾斜，可能很多方面会比较容易避免。第三、整个售后服务不健全，因为新能源车比燃油量的备品、备件不及燃油车多。数据的真实性差、及时性差。
大数据助推新能源车发展
现在已经有100万辆车的数据，这么多的数据为行业、政府做支撑，对社会也好，金融也好，一定要产生价值。可以研究人、车、路相关的结合，整个驾驶行为的分析，以及每台车单独的数据分析。在物流行业很简单，将来其实可以具体落地到每个驾驶司机的相关情况，基于位置信息就很简单，这个人一般中午12点钟吃饭，会停几点，有哪些站点是送货点或者收货点是要停的，突然发现这个司机都不是常见的地方停了两个小时，有可能就是偷懒了，通过信息化的手段是很容易实现的。第二个，车辆的百公里能耗的分析。北京公交有好几千辆新能源汽车，北京公交在调度排班以及充电匹配合理性安排上还有很多潜力可挖。公交车的续航里程和每个公交站点之间的里程是非常好计算的，这样通过结合排班性以及项目的调度算法，就可以很明确地告诉他，哪些公交车白天其实并不需要充了，尽可能让充电桩晚上去充电。
现在所有的公共领域的车辆，够2万公里才能拿国家的补贴，车辆的仪表里程仅仅是参考数据，主要是核算GPS的里程，比如说某辆车的仪表已经够5万公里了，但是为什么在北理工的国家平台里核出来只有1.5万、1.6万？有可能这个数据本身就没有实时上传，所以我们没办法核到这个车相关的轨迹信息。以前二手车市场最大的痛点，有很多二手车的交易市场收购以后去改这个仪表，这个车买来已经跑了50万公里，改成只跑了10万公里，所以基于每辆车的里程核查是基于轨迹来核算，整个车辆的仪表里程只是作为参考。目前我们想通过大数据的维度分析整个新能源车的数据想通过真正运行的数据，从经济性、环境适应性、可靠性、安全性四个维度进行分析，目前这个算法还不是特别准确，称之为1.0，还在不停修正，希望将来这个指标能成为中国新能源汽车本身的参考风向标，整车企业也可以看到全国的平均水平，看到某个车型的水平和全国的水平是什么差异。
新能源汽车已经完全具备了在物流配送行业的信息化，在整车生产企业出厂之前，这个信息化已经全部实现了，全国的新能源整车生产企业他们的数据比国家数据更全，他们采集的更多，国家数据只是一个标准，整车企业比国家平台的数据至少多一倍，这样对整个物流来讲，信息化就非常容易实现了。以前在燃油车里面，808、809协议是通过在车上加装一个T-BOX，增加一个GPS数据。现在新能源汽车国家标准就有61大项，整车企业应该不止61大项，每台车起码有上百项信息，整个新能源汽车在物流配送行业可以规避续航里程短和充电难的短板。到目前为止，新能源汽车电池技术没有实现突破之前，更多通过市场化的手段来解决。
现在更多的还是从车辆本身的安全以及车辆本身的指标来做整个分析，比如数据的整合、数据反哺、数据分析，最终当然落实到降低运营成本和车辆研发本身的成本。目前来讲，大数据算法在我们平台大概做了100来种，的确发现非常非常多有价值的东西。
大数据应用于汽车后市场
目前我们还在做动力蓄电池部分核心部件健康评估模型。新能源汽车还是聚焦在电池上，这是电池健康的评估，电池容量衰减的分析，以及里程衰减的分析。最终要形成车辆残值的价值，现在新能源汽车发展，还有较大的痛点，新能源汽车的残值究竟怎么评估？到底是买车好还是租车好？如果我作为一个机构里有10个亿，我想买50个亿价值的车，我肯定肯定借助金融机构，如果哪天公司倒闭了，这些车全砸手里卖不掉怎么办？
当然，我们现在的研究不能说解决所有残值分析的问题，毕竟还有交易数据，每辆新能源汽车从生到死的所有过程我们平台是全的，可以对电池状态可以评估，这些是残值里面比较重要的参考的一部分。当然还包括关键零部件。因为每个人的驾驶行为不一样，每一台新能源汽车都带一个盒子，那个盒子可以远程升级这辆车的，如果一旦动态调教，每个人的驾驶行为分析完以后，你去4S店保养的时候，4S店员工就会问你，我们如果这么调教，你的驾驶、提速相关东西更舒适，你是不是愿意接受？这个数据已经不需要我们在4S店专门的仪器去做，通过常年的数据分析已经可以得出这个结论。零部件的数据分析还有一个维度，大家知道任何一个产品的质量和成本是一个悖论，很多汽车零部件的临界点说白了，可以说是拍脑袋拍出来的，也可以说是实验室的产品，就通过50辆车、100辆车跑出来的数据做的比对，通过多少次的耐久性，通过这个数据分析，我们现在已经发掘出一些比较有意思的东西，的确有些东西的质量没必要做那么好，因为在整个汽车配件里面，车的生命周期没那么长，我何苦要做到10亿次或者多少次呢。
