楊樺

【摘 要】針對新能源汽車充電樁數(shù)據(jù)的特點，文章提出了一種新能源汽車充電樁數(shù)據(jù)分析挖掘框架，并詳細介紹了該框架涉及的關鍵技術。通過分析和挖掘新能源汽車充電樁數(shù)據(jù)，為運營商提供決策支持，為充電用戶提供智能服務。

【關鍵詞】新能源汽車;充電樁;海量數(shù)據(jù);數(shù)據(jù)分析

【中圖分類號】F426.61 【文獻標識碼】A 【文章編號】1674-0688（2020）01-0040-04

0 引言

隨著新能源汽車使用人數(shù)的增長，電動汽車充電需求迅速提升，截至2019年4月，全國充電基礎設施累計數(shù)量已達到95.3萬臺。然而，由于布局不合理、維護不到位、缺乏平臺管理等問題，可充電設施的利用率卻長期偏低。2015年10月9日，國家發(fā)展改革委、國家能源局、工業(yè)和信息化部、住房城鄉(xiāng)建設部共同印發(fā)了《電動汽車充電基礎設施發(fā)展指南（2015—2020年）》，提出：“充電智能服務平臺建設要與充電基礎設施建設同步考慮，融合互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、智能交通、大數(shù)據(jù)等技術，通過‘互聯(lián)網(wǎng)+充電基礎設施，積極推進電動汽車與智能電網(wǎng)間的能量和信息互動，提升充電服務的智能化水平。鼓勵圍繞用戶需求，為用戶提供充電導航、狀態(tài)查詢、充電預約、費用結算等服務，拓展增值業(yè)務，提升用戶體驗和運營效率?！盵1]實現(xiàn)上述目標的重點就是對充電樁數(shù)據(jù)進行分析挖掘。

1 新能源汽車充電樁數(shù)據(jù)描述

我們需要收集的新能源汽車充電樁數(shù)據(jù)主要有兩類：第一類是運營管理系統(tǒng)與充電設備之間的通信數(shù)據(jù)，這類數(shù)據(jù)可以在上級監(jiān)控管理系統(tǒng)中獲取。由于信息通信對新能源汽車充電運營的重要性，因此國家能源局、國家電網(wǎng)公司、中國南方電網(wǎng)有限責任公司發(fā)布了系統(tǒng)與離散充電樁通信規(guī)約，在這些規(guī)約的要求下，現(xiàn)行建設的充電樁大多具備與上級監(jiān)控管理系統(tǒng)進行通信的功能，運營管理系統(tǒng)與充電設備之間通信的接口支持TCP/IP協(xié)議，數(shù)據(jù)可通過有線網(wǎng)絡或無線網(wǎng)絡進行傳輸。第二類是用戶評價和建議數(shù)據(jù)，這類數(shù)據(jù)主要來源于社交網(wǎng)絡，是充電用戶對新能源汽車充電服務的各種評論及建議，需要到網(wǎng)頁中抓取。

1.1 數(shù)據(jù)內容及類型介紹

（1）運營管理系統(tǒng)與充電設備之間的通信數(shù)據(jù)。這類數(shù)據(jù)主要用于判斷充電樁的運行情況及分析其利用率。根據(jù)中國南方電網(wǎng)有限責任公司發(fā)布的《電動汽車充換電服務網(wǎng)絡運營監(jiān)控系統(tǒng)通信規(guī)約第2部分：系統(tǒng)與充電設施》（試行），運營管理系統(tǒng)與充電設備之間的通信數(shù)據(jù)主要包括充電過程實時監(jiān)測數(shù)據(jù)、鑒權數(shù)據(jù)、遠程控制數(shù)據(jù)、交易數(shù)據(jù)等。規(guī)約中對這些數(shù)據(jù)的參數(shù)名稱、字段類型、字段長度都做了定義，不同廠家的充電樁遵從不同的通信規(guī)約，內容會有所差異（見表1）。

（2）用戶評價和建議數(shù)據(jù)。這類數(shù)據(jù)是一種補充數(shù)據(jù)，用于分析用戶的滿意度，主要包括各網(wǎng)頁中用戶對新能源汽車充電服務的評價和建議，例如對現(xiàn)有充電樁安裝地點、數(shù)量密度是否滿意，充電時長能否接受等。

1.2 數(shù)據(jù)特點分析

（1）數(shù)據(jù)海量增長。以北京為例，根據(jù)中商產業(yè)研究院的數(shù)據(jù)，截至2019年3月北京市公共類充電樁數(shù)量已達50 694個，這些電樁采集的實時數(shù)據(jù)，日增長量早已超過TB級。

（2）結構化數(shù)據(jù)占比大。在我們收集的新能源汽車充電樁數(shù)據(jù)中，運營管理系統(tǒng)與充電設備之間的通信數(shù)據(jù)多為結構化數(shù)據(jù)，用戶評價和建議數(shù)據(jù)多為半結構化數(shù)據(jù)及非結構化數(shù)據(jù)。但從數(shù)據(jù)收集量來看，主要是以第一類數(shù)據(jù)為主，它是分析挖掘的最有價值的數(shù)據(jù)，并且隨著標準體系的逐步完善，這類數(shù)據(jù)的結構會越來越規(guī)范。

（3）價值密度低。新能源汽車充電樁數(shù)據(jù)雖然海量，但是多半都是記錄數(shù)據(jù)，價值密度并不高。例如，充電過程實時監(jiān)測數(shù)據(jù)一般是正常的，異常數(shù)據(jù)非常少，但是后者才是狀態(tài)檢修的最重要依據(jù)。

（4）處理速度快。對新能源汽車充電樁數(shù)據(jù)的分析挖掘需要在極短的時間內對大量數(shù)據(jù)進行分析，用于決策制定。在線狀態(tài)數(shù)據(jù)的處理性能要求遠高于離線數(shù)據(jù)，若未得到及時到位的處理，數(shù)據(jù)信息價值就會遞減。因此，在線的流數(shù)據(jù)分析挖掘相比傳統(tǒng)數(shù)據(jù)挖掘技術有本質的不同。

2 新能源汽車充電樁數(shù)據(jù)分析挖掘方案

2.1 需求分析

新能源汽車充電樁數(shù)據(jù)分析主要對海量數(shù)據(jù)進行智能采集、分析、管理和高效利用，需要支持PB級的數(shù)據(jù)存儲和處理。通過統(tǒng)計和挖掘分析充電樁運行數(shù)據(jù)，進行故障預警及判斷，提高設備的運檢水平和運作效率;通過分析用戶充電時間、分布狀況等數(shù)據(jù)，合理規(guī)劃安裝充電樁，提前進行電力資源配置;通過持續(xù)跟蹤觀察電動汽車用戶充電特征狀況，探索電動汽車用戶充電行為習慣，研究電動汽車用戶充電消費模式，為用戶的充電行為提供智能推薦，提高服務的效率和質量。

2.2 新能源汽車充電樁數(shù)據(jù)分析挖掘框架

針對新能源汽車充電樁數(shù)據(jù)的特點，最大限度地為新能源汽車充電樁運營商及充電用戶提供更有用的知識、更精確的信息及更及時的響應，本文提出了一種能源汽車充電樁數(shù)據(jù)分析挖掘框架，該框架包括5層（如圖1所示）。

（1）數(shù)據(jù)源。數(shù)據(jù)來源主要有運營監(jiān)控系統(tǒng)和互聯(lián)網(wǎng)兩個。從運營監(jiān)控系統(tǒng)中獲取充電樁傳回的通信數(shù)據(jù)，包括充電過程實時監(jiān)測數(shù)據(jù)、鑒權數(shù)據(jù)、遠程控制數(shù)據(jù)、交易數(shù)據(jù)等。在互聯(lián)網(wǎng)中抓取帶有用戶評價和建議的網(wǎng)頁。

（2）數(shù)據(jù)采集及預處理層。兩種不同的數(shù)據(jù)源分別采用不同的數(shù)據(jù)采集方法。運營監(jiān)控系統(tǒng)數(shù)據(jù)庫中數(shù)據(jù)是結構化的，采集方法可以使用數(shù)據(jù)庫導入工具或特定系統(tǒng)接口?；ヂ?lián)網(wǎng)頁面中的數(shù)據(jù)是非結構化和半結構化的，可以先用網(wǎng)站公開的API或網(wǎng)絡爬蟲進行原始網(wǎng)頁抓取，再利用網(wǎng)頁解析工具解析并提取數(shù)據(jù)。然后將簡單、獨立的數(shù)據(jù)通過解析、清洗、重構，轉換成適合數(shù)據(jù)挖掘的形式，再對數(shù)據(jù)進行過濾、抽取和融合。經(jīng)過上述預處理后，所獲取的源數(shù)據(jù)保存在由數(shù)據(jù)存儲計算層提供的分布式存儲中，可供數(shù)據(jù)分析層直接使用。

（3）數(shù)據(jù)存儲計算層。數(shù)據(jù)存儲計算層的主要功能是將數(shù)據(jù)采集及預處理層的數(shù)據(jù)進行高效存儲，并提高系統(tǒng)的容錯性。傳統(tǒng)的數(shù)據(jù)存儲方法和數(shù)據(jù)庫技術無法有效處理海量數(shù)據(jù)，所以本層中采用分布式的存儲架構解決該問題，通過分布式架構提升數(shù)據(jù)的存儲能力及數(shù)據(jù)吞吐量，通過在不同分布節(jié)點上的備份提高系統(tǒng)的容錯能力。

（4）數(shù)據(jù)分析層。數(shù)據(jù)分析分為兩類，分別是統(tǒng)計分析和數(shù)據(jù)挖掘。統(tǒng)計分析部分主要是對充電集中時間、充電電量增量情況和故障出現(xiàn)情況等信息的統(tǒng)計。數(shù)據(jù)挖掘部分包括基于用戶畫像的行為分析、趨勢分析、客戶分析等。針對用戶畫像的行為分析包括用戶充電統(tǒng)計、用戶偏好計算、用戶偏好調整。用戶充電統(tǒng)計算包括充電時長統(tǒng)計、充電時間段統(tǒng)計、充電地點統(tǒng)計;用戶偏好計算包括充電時長偏好計算、充電時間段偏好計算、充電地點偏好計算。數(shù)據(jù)挖掘分析可以根據(jù)需要進行擴展。

（5）數(shù)據(jù)應用層。數(shù)據(jù)應用層的主要功能是將數(shù)據(jù)分析層的分析結果為充電樁運營商及充電用戶服務。運營商服務方面包括數(shù)據(jù)分析結果的圖表展現(xiàn)，基于業(yè)故障分析的解決方案和預防措施，基于用戶行為分析的精準營銷和后續(xù)充電設施建設等。充電用戶服務方面包括基于充電樁位置及狀態(tài)信息的充電導航及充狀態(tài)查詢和充電預約，基于用戶行為分析的智能推薦。

3 新能源汽車充電樁數(shù)據(jù)分析挖掘關鍵技術

3.1 新能源汽車充電樁數(shù)據(jù)存儲計算技術

新能源汽車充電樁數(shù)據(jù)存儲計算技術主要包括由Hadoop的MapReduce分布式并行計算框架和HDFS分布式文件系統(tǒng)，以及存儲結構化數(shù)據(jù)和基礎結果數(shù)據(jù)的分布式數(shù)據(jù)庫。利用HDFS超大的存儲空間解決海量數(shù)據(jù)的存儲問題（如圖2所示），利用MapReduce分布式并行計算框架進行高速、可靠的數(shù)據(jù)分析處理（如圖3所示）。

3.2 新能源汽車充電樁數(shù)據(jù)挖掘技術

海量數(shù)據(jù)的挖掘常用的方法有分類、聚類、回歸分析、關聯(lián)規(guī)則、偏差分析等，它們分別從不同的角度對數(shù)據(jù)進行挖掘[4]。

（1）分類與聚類。分類與聚類都是按照相似性和差異性，把一組對象劃分成若干類。在新能源汽車充電樁海量數(shù)據(jù)分析中我們可以運用這兩種分析方法進行充電用戶的分類、屬性和特征分析、滿意度分析、充電行為趨勢預測等工作。分類方法有許多種，其中較為成熟的有決策樹、貝葉斯、支持向量機、人工神經(jīng)網(wǎng)絡等。傳統(tǒng)的分區(qū)聚類、層次聚類、基于密度的聚類、基于模型的聚類和基于網(wǎng)格的聚類算法應用到大數(shù)據(jù)的聚類中需要進行抽樣或降維，而損失了聚類的精確性;并行聚類雖然對于大數(shù)據(jù)的聚類具有效率高、可擴展性好的優(yōu)點，但是算法實現(xiàn)非常難;基于MapReduce能夠實現(xiàn)高可擴展的面向大數(shù)據(jù)的聚類算法，但對軟硬件資源要求高[5]。

（2）回歸分析?；貧w分析是大數(shù)據(jù)分析中的一種預測性的建模技術，它研究的是自變量和因變量之間的數(shù)量變化關系，該技術一般用于預測分析，常用的有線性回歸、邏輯回歸、多項式回歸、逐步回歸、嶺回歸、套索回歸和ElasticNet回歸。其中，邏輯回歸在數(shù)據(jù)化運營中有更主流、更頻繁的應用，該分析技術可以很好地回答諸如預測、分類等數(shù)據(jù)化運營常見的分析項目主題。在新能源汽車充電樁數(shù)據(jù)挖掘中，可應用該技術預測用戶接受新服務的可能性。例如，通過降價等手段能否讓用戶在指定地點或時間進行充電。

（3）關聯(lián)規(guī)則分析。關聯(lián)規(guī)則分析在數(shù)據(jù)挖掘領域主要用于發(fā)現(xiàn)隱藏在大型數(shù)據(jù)集中有意義的聯(lián)系。關聯(lián)規(guī)則最初用于購物籃分析，通過分析顧客購物籃中商品之間的關聯(lián)，掌握顧客的購物習慣，幫助零售商開發(fā)更好的營銷策略?，F(xiàn)在，該技術因為能夠成功預測銀行客戶需求，而在西方金融業(yè)中得到廣泛應用。在新能源汽車充電樁數(shù)據(jù)挖掘中，可以運用該技術進行用戶需求預測，利用預測信息，幫助充電樁運營商改善自身營銷。Apriori算法是著名的關聯(lián)規(guī)則數(shù)據(jù)挖掘算法，其最大的缺陷是多次掃描事務數(shù)據(jù)。因此，在新能源汽車充電樁海量數(shù)據(jù)挖掘中，我們可以使用FP-樹頻集算法，該算法比Apriori算法效率高且能較好地適應不同長度的規(guī)則。

（4）偏差分析。偏差分析的目的是發(fā)現(xiàn)與大部分其他對象不同的對象。例如，分類中的反常實例、模式的例外、觀察結果對期望的偏差等。偏差分析可采用的方法有橫道圖法、表格法及曲線法。在新能源汽車充電樁數(shù)據(jù)挖掘中，它可以應用到充電樁設備異常信息的發(fā)現(xiàn)、分析、識別及預警等方面。

4 結語

文章提出了一種能源汽車充電樁數(shù)據(jù)分析挖掘框架，詳細描述了該框架各層的作用及數(shù)據(jù)挖掘技術。通過對新能源汽車充電樁海量數(shù)據(jù)進行分析挖掘，找出充電用戶的行為特征和充電喜好，為運營商及用戶雙方提供更大價值的信息。隨著信息壁壘的打破，該數(shù)據(jù)分析挖掘框架也可用于車、樁、網(wǎng)數(shù)據(jù)融合后充電、用電、駕駛等大數(shù)據(jù)分析，結合用戶交通指數(shù)為充電站建設提供數(shù)據(jù)支持，進一步提高充電樁利用率，幫助運營商調整運營策略。

參 考 文 獻

[1]國家發(fā)展改革委.電動汽車充電基礎設施發(fā)展指南（2015—2020年）[Z].2015.

[2]中國南方電網(wǎng)有限責任公司.電動汽車充換電服務網(wǎng)絡運營監(jiān)控系統(tǒng)通信規(guī)約第2部分：系統(tǒng)與充電設施（試行）[Z].2016

[3]管天云，侯春華.大數(shù)據(jù)技術在智能管道海量數(shù)據(jù)分析與挖掘中的應用[J].現(xiàn)代電信科技，2014（2）.

[4]李蓉蓉.基于Hadoop的電商平臺大數(shù)據(jù)挖掘研究[J].南方農機，2017（22）.

[5]海沫.大數(shù)據(jù)聚類算法綜述[J].計算機科學，2016（S1）.

[6]張文，王東，鄭靜楠，等.電動汽車領域的大數(shù)據(jù)研究與應用[J].大眾用電，2016（12）.

[7]潘鳴宇，張祿，孫舟，等.電動汽車領域的大數(shù)據(jù)處理與分析[J].電氣應用，2016（5）.

[8]邢偉寅，鐘樂海，羅金生.基于互聯(lián)網(wǎng)+新能源汽車充電導航系統(tǒng)設計[J].價值工程，2017（12）.