汽车数据应用构想（三）

上期说的，用数据去拟合停车信息的应用，那么类似的POI信息相关的场景其实都可以实现。今天讲讲用户使用频率也很高的加油/充电场景。

实际应用中，在加油场景中用户关心的通常还是价格。无论是导航还是各种加油APP/小程序，都已经很好地满足了用户需要。但是哪些加油站有免费洗车、加油或洗车是否需要排队、要排多久......还是有信息缺失的。

通过熄火再点火后的油箱数据变化，即可判断有加油行为；多车在此地有加油行为，即可判断出这个位置是加油站；

下次再有车开至附近慢速移动，即可视为到达加油站。到达时间至熄火时间，多车在此坐标点停留，即排队；

加油后并未马上驶离加油站，而是具有相似（近）移动轨迹，并且有不熄火、关窗、挂空挡等行为，即可判断其有自助洗车行为；

加完油，且有洗车行为。那么加完油启动，至驶离加油站，就是洗车的排队时间。

多说一点，附近有多个加油站，那就看多数人都去哪个加油。人多、排队等这些数据则表明：要么油品好，要么价格低……如果再能结合第三方价格信息，则可以更精确判断！

充电则与加油不同，价格并不是最重要的选择条件，反而是排队时长、充电时长（实际充电功率）、充电枪与车是否兼容......更让用户感到焦虑，而这些却是各类充电APP中缺失的！

无论是打开充电口，还是插枪，或BMS中开始充电的数据都可以作为充电行为判断条件。充电场地POI即多辆车在此发生过充电行为的位置（如果历史信息中这个位置只有相同的一辆或几辆车充电，说明这是私桩或非运营场地）；

排队时长与加油类似。车行驶到充电场地，且未熄火时开始，到其充电开始的这段时间，则是排队时长；

充电时长，甚至不同电量区间的充电功率，在数据中都有着清楚地记录。而比较关键的就是相同车型肯定是具有同样的充电功率，包括充不进电的情况，都是实际应用中最需要提供给相同车型用户的信息之一；

洗车相关与上面加油场景相同，不再赘述。

看，是不是挺简单？但要注意的是加油/充电的数据不能仅仅简单地统计，因为还有一些条件会导致行为的异常：

一、节假日影响。这个影响最不稳定，并不是所有高速路段或景区都人满为患。季节、媒体导向都会影响人流车流，比如淄博烧烤，现在放假就没那么多人了吧。

二、异常天气影响。极寒天气自助洗车机肯定就不开了，冻了一晚上的电池充电功率与时长也与正常是不一样的。

三、价格变动。这个影响极大，油价上调之前很多车排大队加油，而电车则是在“谷”价的时候才有人去充电。

想到哪儿说到哪儿，以上条件也并不全面，总之“数据”转变为“信息”的过程并不是简单的统计，而是有更多维度的细分与过滤，算法对精度的影响极大，只有在落地的过程中不断调整才可以获得更有价值的提升！

而这种通过车辆数据变化去记录位置信息的POI服务，不仅限于加油充电，包括打滑路段，积水路段等，都可以用车辆数据去拟合，下期把这类场景一起说一下。

---

文章首发于公众号：昊叔说车

原创不易，转载请告知原作者，注明出处。