2017年5月18日，第七届中国国际新能源汽车论坛在上海盛大举行，车网互联副总裁李旭受邀在论坛上发表了题为《新能源车联网——连接今天与未来》（英文名：《Telematics of NEV Today & Tomorrow》）的精彩演讲。以下为车网互联编辑完成的演讲记录，以供大家交流探讨。
温馨提示：如想下载本次《演讲PPT》文件，请在@车网互联 官方微信后台留言【今天与明天】，即可获取下载方式。
大家下午好，非常高兴今天能与在座的各位嘉宾一起做交流分享。其实，在我接到今天这个演讲邀请的时候，心里还是有些纠结的。直到刚刚上台前，都还在思考，我应该讲些什么？
一讲到“新能源车联网”，就会想到“新能源汽车的国家补贴、大城市限牌、废旧电池的利用等。若聚焦“今天”，就难免谈到国标平台、分时租赁等，若畅想“明天”，就总少不了“自动驾驶、无人驾驶”等等。
这些东西重要吗？重要！正因为重要，才会经常被拿出来讨论。但是，那些被很多人聊过的今天和明天，我们并不想跟风赘述，所以今天只想和大家试着聊点不一样的内容，想探讨这么一个问题，即“今天”和“明天”究竟是怎么连接的？关于这一点，我们有一些探索和思考。
1.我们提供的＝用户关注的？
人们普遍认为，今天的新能源汽车市场正处在投入阶段。于是我们心怀希望，希望此刻的这些投入，都能在不久的将来展现使用价值。因此，今天的投入并不是一次性的短期行为，而是可以持续产生价值的长期过程。
人们无数次地提到国标平台，但直到今天，还只是一个比较宽泛的概念，还只是满足政府需求的新能源汽车应用的基础架构。
我们无数次提到 T-BOX远程对车辆的控制，包括开关空调、座椅加热、升降车窗等等。这些功能都需要有硬件支持，同时还要依托于物联网技术才可以真正实现。如今，我们将这些都落实到了监管平台上，从而能够有效地掌控总体信息、地图位置监控、电池信息监控、车况信息等。
车网互联曾参与过包括江西省新能源汽车管理平台在内的几个省级的汽车监管平台项目的建设开发工作，在建设的过程当中，我们也曾不断探索：除了满足政府监管要求以外，我们还能做些什么？
我们说TSP平台，其中涵盖了设备提供商、电信运营商和内容服务商等等，另外还有包括资讯、导航、维保、娱乐等平台运营商。这是我们在过去五年、十年已经看到的TSP平台正在做的事情。
这张图是TSP平台的经典架构。我们可以将各种车辆的信息接入到TSP平台上，然后通过监控系统、信息管理系统、数据交换系统、统计分析系统等重要模块来实现针对个人用户和行业客户的应用服务。
以车网互联的TSP平台举例，主要包括主机厂管理客户端、特约店管理客户端以及车主 APP三大功能区块。而实际上，目前已有许多厂商把这些功能变成了标配，于是当我们还在盼望通过这些功能来撬动整个市场的时候，难免会有些无所适从的感觉。
然而，如果我们觉得现在已经做的够多了，已经能让用户觉得自己在享受车联网服务了，那么请您看下这张图。
2.大数据时代，让我们更懂客户
传统的汽油车时代，我们没有很好的手段解决这个问题。
很早以前，我们就经常谈到“数据驱动”，结果却只是谈谈而已。但从用户的低续费率这一条来看，低续费率必会导致车联网落实到每辆车的比例非常小，因此便拿不到足够的数据，于是所谓的“数据驱动”也便无从谈起了。不过现在好了，新能源汽车给我们带来了新的市场机会。
为什么这样说呢？因为，新能源汽车在中国的应用场景非常特殊。
大家知道，中国的新能源汽车必须要满足国家硬性标准，这就直接促使新能源汽车的车辆数据获得了持续地积累。与此同时，随着国内数据处理技术的快速发展，很多的数据应用也发展得越发成熟，从而解决了由来已久的数据采集问题。
根据我们的国家监管要求，新能源汽车必须能够满足基本的电机数据、车辆位置数据、发动机数据、整车数据等等数据提取要求，与此同时，主机厂也会自定义采集许多关键数据。这样的变化是在传统的汽油车时代很难想象的。
除了这些来自车辆本身的数据以外，我们还可以获取来自各类手机APP的重要数据。随着移动互联网的快速发展，人们的手机早已成为了数据采集的关键来源，这其中包括天气、保险、停车场、限行、POI信息点等等。若能将这些数据都接入到管理平台，便能创造出许多可能。
过去，我们常说的“统计分析”工作往往指的是“BI”（BI是Business Intelligence的简称，中文译“商务智能”）。现如今，数据分析工作远远不止这些，比如日益流行的“深度学习”，就会涉及到很多的应用模型。基于刚才所讲的数据提取与整合，再通过复杂的数据分析，就能够得出更加综合全面的分析结果。比如我们可以有效掌握车辆的情况、车主的特征、驾驶行为的评估、甚至能够回溯行车事件等等；不仅如此，我们还能进一步了解用户的尾气排放、行车环境等情况，而这些都是能够通过车联网大数据而得到的结果。
前面提到，新能源汽车的产业发展推动着数据分析技术的不断成熟。我们车网互联在这一领域也做了许多的基础实践：目前，我们已拥有近一百万的真实车主用户，通过领先的数据分析技术，不仅可以快速区分不同车型的占比，还能实现这些车型的量级排序。这里面的车型排序的结果，完全来自于大量真实用户的自主选择。而他们的车联网数据为我们提供了分析、预判的有力依据。
比如这张车网互联的车主用户群的分布图，完全是根据用户群体的自然增长，客观实际的反映出车主的聚集点及活动范围，随着该数据的不断积累，最终便得出了这样直观的画面。
3.有了数据基础，就有了更多可能
有了基础数据，就有了更多可能——我们可以实现越来越多的商业价值转化，最典型的就是保险产品的转化。同时，我们还能实现更多的功能应用。
以我们做的DEMO为例。这是北京城区的驾驶行为数据，蓝色是五环外驾驶的数据，黄色是市内驾驶的数据。
在平常工作日，大家基本都是在城区内驾车通勤；而到了小长假，比如清明、五一等，人们则更愿意开车出城。所以，图中的展示是符合我们的认知的。不过，我们也注意到了一些特殊情况：比如去年的9.3阅兵期间，北京就出现了这样的出行特征；到了年底，这里又出现一个特别奇怪的波谷，为什么大家都在这天选择不开车了呢？后来我们查询了关于这一天的历史数据，发现原来就在这一天，北京迎来了百年难遇的大雪天，于是得到这样的数据波谷也就不难理解了。数据就是这么的简单纯粹，它能够真实无偏见的反应客观现实，只不过有些时候，还需要我们去耐心挖掘其隐藏在表象之下的内在联系。在这里，我们就不再展开分析了。
再看一张车联网数据分析图。这张图很直观地显示了北京某一天24小时的用户群聚集点都在哪些区域（想观看全部演讲PPT内容？请在@车网互联 官方微信后台留言【今天与明天】，即可获取下载方式）。
根据我们以往智慧城市项目的经验来看，政府部门还是很愿意以这样的直观方式来观测当地的交通状况，这样实时动态的数据处理与展示形式，不仅可以有效帮助政府时时把握城市动态，比如是不是有群体性的事件发生、是不是需要疏导支持等等，还可以帮助政府有效改善城市的交通安全维护，更能提升突发事件的应急处理效率等。
若要具体到某一个人，则数据勾勒出的用户画像是这样的。以我们经常讲到的保险领域应用为例：基于用户在投保时填写的个人资料与相关信息，通过车联网技术与数据的加持之后，我们就能很容易地得到关于用户更精准的判断。另外，我们还能够分析出用户的生活习惯、个人爱好等属性特征。甚至，我们还可以通过这些数据来折射出用户的职业信息等。于是，基于这样的用户画像，我们的车厂、保险公司以及车联网服务提供商们就可以创造出更加贴合用户需要的产品和服务，这也是大数据可以为我们带来的最核心价值。
刚才我们提到车险，就不得不讲一下UBI。UBI保险是一种新型的车险模式，它是基于用户的驾驶行为表现和使用量等因素，来为客户量身定制车险价格和服务的创新模式。
两年前的UBI可谓是如火如荼。那个时候的资本市场在狂欢、改革之风在呼啸，这分明是一个投资热点。但是，狂欢之后，大家还是要冷静下来，看看我们还有哪些问题没有解决？比如，数据从哪里来？数据的转化过程会不会受到政策影响？整个链条上，究竟要由谁来为产品的革新买单？是由具体的个体来承担还是大家分摊等等？
事实上，就在大家肆意享受科技进步所带来的好处的时候，我们仍有很多问题没有想清楚。UBI只是车联网的一个小分支，若要围绕整个车联网，我们能做的还有更多，比如承保的工作、理赔的工作等，而且我们的商业模式也还在不断地完善成熟。总之，虽然我们对车联网数据在保险行业的应用抱有信心，但我们也的确希望这个市场可以变成更加理性。
刚才我们所讲的内容，不仅可以应用到 UBI，还可以运用到针对保险产品的改进上面。举个例子，这是碰撞事故的数据还原，灰色代表的是加速度的变化，蓝色则是速度的变化。在这张图中（想观看全部演讲PPT内容？请在@车网互联 官方微信后台留言【今天与明天】，即可获取下载方式），当车辆速度接近于零的时候，却突如其来地出现了一个加速度，为什么会这样呢？经过分析，我们了解到，这个数据其实还原了一场交通事故，产生突发加速度的原因是该车辆被后车追尾而导致。
随着我们分析能力的不断提升，我们可以获得更多。这是基于业务应用的综合型平台的示意图。主机厂从决策层到研发、到销售、再到售后都是依赖于这样的平台，而对应的车联网应用端，则包含了今天很多同行、伙伴们讲到的分时租赁、新能源服务（如充电桩）、保险、4S店、生活服务等，我们的应用商可以基于“新能源综合应用平台”的数据和服务来实现管理、服务和行业等数据应用与服务，并从中获得收益。
车联网发展到现在，国家要加强监管，地方要加强监管，企业也想优化管理，所以基础平台的建设工作就越发重要了。不过，所谓的平台建设，并不意味着一定要大而全，只需要大家将所有的存量数据共享出来，通过共享来有效实现大数据的价值。如果大家各自割裂、相互隔绝，那么再多的数据也很难实现价值最大化。
4.用“今天”的努力来创造“明天”更好的用户体验
刚才大家提到“有很多自动驾驶的测试基地，而且做了很多试验工作”。对于这一点来说，我认为试验本身不是坏事，但是这与真正的落地也的确还存在着不小差距。因此，我们建议能将今天的试验更好地对应用户需求，从而使其真正地成为明天更好的用户体验。
最近在接受一个媒体采访的时候，被问到了一个问题：“你觉得未来的车联网应该给用户带来什么样的体验？”我认为，如果作为一个普通的消费者，我希望车联网可以带给我的是“和原来一样的体验”。什么叫“和原来一样的体验”呢？就是我即使在开车，我的体验也和原来坐车时的体验没差别。我希望接受导航服务，但我不想重新去适应一套新的系统，我只希望这套模式是自然融入我的生活或用车体验的。当然，这种希望，并不是在推崇一定要保留目前既定的模式，我们只是希望：今天的尝试，都可以落地成为明天让用户觉得更舒服的应用和服务。
我们知道自动驾驶需要解决的三大问题为“环境感知”、“行为决策”以及“运动控制”。前面大家讲了很多，包括行为决策有短期决策、长期决策、进程决策等等，另外也讲到了运动控制和环境感知，就环境感知来讲，车网互联目前就正在做很多V2X的新尝试，并且参与了V2X国家标准的制定工作，我们希望可以通过行业协同，真正地完成一套有指导意义的国家标准，从而能够让我们的车和车之间、车和基础设施之间以及车和人之间可以实现更好的交互。
再具体讲一些V2X的超视距告警系统、城市交通安全辅助以及城市局部交通路况。目前，我们车网互联的V2X项目已经进入到了实车检验的阶段，并且已经积累了大量的数据基础。期间，我们还很幸运地与一些愿意开放共享数据的合作伙伴，因此便获得了更多的数据支撑，也拥有了尝试更多DEMO和实验的机会。
实践中，我们把抽象的事情归结为不同模式，通过不同行为分析模型来掌握驾驶策略的特征。终有一天，我相信自动驾驶汽车的乘车体验，会变得与搭乘真人老司机的车没什么区别，而且一定可以更好。
这个图展示就是我们驾驶行为分析模型，其中有时段、时长、速度、平稳性、专注度等等。这里的速度不是针对绝对速度的比较，而是相对速度的比较，越来越实时的速度比较，同时我们还可以把城市栅格化，基于地理划区来判断车辆的相对速度。
再说一下驾驶行为的平稳性。我们不希望看到太多的急刹车、急转弯、急加速，这里永远有一个阈值，若在这个阈值之外则意味着危险。因此，我们会在平稳性这里给予不同于其他标准的权重。
根据我们的算法，可以把不同用户的驾驶特征提取出来。比如图中的绿色，代表的是我们得分高的车主，包括在高速和在市区里的驾驶特征；而红色则代表着驾驶行为平均分比较差的行为。同时，它还能够分别呈现车主用户在高速与市区道路中的特征差异，可以让我们更好地去识别哪些驾驶行为是真正危险的，哪些则是符合情境要求的，哪些是需要被肯定并鼓励保持的。
其实，实际的应用并不遥远。目前，我们就已经拥有很多落地的运营项目，比如说清扫车、观光车、摆渡车等等，而大家家里的私家车则会是另外一番光景。所以，我们要区分不同车辆的品类，比如营运车辆就需要由更高效率的算法，以保证其更稳定地运营；而私家车则更关注行驶速度等用车数据。
就目前而言，自动驾驶已经在应用层面有了很好的方向。
5.从“今天的车联网”变成“明天的智慧城市”
讲了这么多车联网。如果说，车联网本身是物联网的分支，那我们所讲的智慧城市就是物联网规模化的应用。其实，车联网的城市应用已经日趋成熟，无论是车辆的安全、车辆的应用、还是专有车辆的管理以及数据同步等等，都已经非常成熟了。
比如我们在智能交通领域，可以做非急刹车直线停启，这很容易理解，这样的场景经常会出现在交通道路的路口。如今，要掌握这样的智能交通结果，已不再需要实地的勘测，只需凭借国内地图厂商已积累的车联网数据就能实现，从而有效地降低了运维及管理成本。
再一个，我们可以通过车联网大数据获悉加油事件的聚点分析图。加油站是如此，充电桩亦是如此。如果现在要做城市的规划，我们就可以用车联网的数据来实现。比如说，这是北京加油站的分布图，我们不仅可以看到北京加油站的位置，还可以观测到北京加油事件聚点的分布，从而为加油站关键点规划及选址等管理决策。
刚刚也讲过，营运车辆和社会车辆的驾驶特征是不一样的，因此，在计算保费的时候，就需要将这两类加以区分。但要怎么区分呢？如果加入的车辆，既不是单纯的自驾车，也不是一个单纯的营运车辆，更不是出租车的时候，又要怎么识别呢？
这张图展示的就是两种非常典型的营运车（想观看全部演讲PPT内容？请在@车网互联 官方微信后台留言【今天与明天】，即可获取下载方式），一个是频繁地出入于飞机和车站，另一个是非常高频且长时间地游走于城市的各个位置，根据各自数据的属性特征，我们便能够有效辨别营运车辆的类型——哪些是滴滴？哪些是公共车辆？甚至可以知道哪些私家车存在着一定比例的运营行程，并且能够知道到底有多大比例。因此，我们的保险估值便有了碎片化、定制化的可能，我们甚至有可能把它的营运时段和自驾时段有效地拆分定价。
关于急加速和急转弯为什么会在某些路段集中发生，我们也可以通过车联网大数据来进行分析。拿北京天气举个例子。前一段时间，北京的天气非常不错，但“一带一路”撤了以后，据说今天马上就又开始轻度污染了。坊间也总有传闻说，北京的环境问题主要是因为“汽车”，但到底是不是因为车呢？数据可以告诉我们。又或者，如果未来新能源汽车的比重增大以后，是不是就可以结合汽油车和新能源汽车的比例变化来看一下：到底汽油车能对我们的环境产生多大的影响？而这正是我们车联网可以为城市做的。
刚刚，林林总总地聊了很多，其实都是对未来工作的基础尝试，因此我们今天的尝试便与未来的工作有了一个直接的衔接：横向来讲，我们拥有今天有如上各个方向的储备，他们在面向明天的时候，都是有足够发展空间和成长性的；从纵向来讲，我们也有自己的侧重和关切，会在具体的领域不断放大我们的优势。
6.立足今天，放眼未来
最后我想放一个小动图，这是从2007年到2017年的车网互联车主云图：在广袤的大地之上，海量的用户数据如流星般划过黑暗，最终勾勒出了一幅美丽的中国地图。而这样的变化，不也正代表着中国车联网一路走向美好明天的发展历程吗？
非常荣幸能够有机会与大家分享和探讨我们今天所做的尝试与努力，同时也希望可以通过这样的梳理，来与大家一起审视以往付出的价值所在，从而理出哪些才是有未来的方向，从而可以更加坚定地走向“明天”。今后，希望可以与大家一起创造中国车联网的未来！最后，感谢各位的聆听！
李旭
北京车网互联科技有限公司副总裁
北京大学光华管理学院MBA
12年车联网工作经验
作为主要发明人
已获车联网领域多项发明专利
新闻热点
新闻爆料
