2023年3月19日，由沈阳市人民政府和新能源汽车国家大数据联盟共同主办的“中国新能源汽车大数据2023年产业大会”在沈阳市成功举办。武汉理工大学教授、副校长吴超仲出席大会并发表主题演讲《新能源汽车多元数据挖掘方法及应用》。

新能源汽车运行的风险模式多样且与很多因素相关，吴超仲建议，从部件和整体的角度来做相应的风险辨识，从事前、事中、事后全周期进行安全预警的技术应用。

随着国家战略发展的需要，我国新能源汽车快速发展。据公安部统计，截至2022年底，全国新能源汽车保有量达1310万辆，同比增长67.13%，而新能源汽车交通事故数以171%的速度递增。

吴超仲指出，新能源汽车事故的致因包括驾驶人因素、车辆因素、道路环境因素等。但目前，关于新能源汽车安全的研究，主要集中在动力电池安全状态的估计和安全结构防护上，关于驾驶行为对新能源汽车安全影响的研究较少。据统计，新能源汽车事故的主要原因是驾驶人的不良驾驶行为，其中妨碍驾驶占事故数30.94%，未按规定让行占事故数13.12%，醉酒或酒后驾驶占事故数10.93%，违反交通信号事故占比8.05%。

针对新能源汽车驾驶行为的安全问题，吴超仲团队从部件及整体的角度，对运行风险做了识别。新能源汽车部件安全风险辨识亟需多元数据挖掘融合分析，通过设计自然驾驶实验室，采集多元行车数据，收集车辆的工作状态、电机的工作状态、行车工况、交通环境等数据，对运行工况与电池安全性的耦合关联分析。在K-W检验下，加速踏板行程、制动踏板行程、车速对电池电压标准差有显著影响。在微观片段下，加速踏板行程、车速是影响电池电压变异系数的最主要因素。

新能源汽车运行综合风险辨识亟需构建覆盖驾驶行为、碰撞事故以及关键部件故障的综合运行风险评价体系。通过驾驶行为模式的图谱和道路安全域的计算，在急加速、急减速和滑移风险的辨识方面建立相应的模型。这些模型与传统的燃油汽车进行比较，通过仿真进行验证。不同驾驶个体在转向、换道和变速工况下，在速度选择、油门踏板控制、刹车踏板控制和横纵向加速度控制上有显著差异。利用人工智能算法，耦合驾驶人个体差异与行车工况特征，实现新能源汽车汽车驾驶行为风险辨识更精细、更精准。

新能源汽车运行的风险模式多样且与很多因素相关，吴超仲建议，从部件和整体的角度来做相应的风险辨识，从事前、事中、事后全周期进行安全预警的技术应用。针对新能源汽车大数据研究，他表示，未来在三个方面还需要进一步的研究：第一，基于更加精细化、细颗粒度的数据，扩展新能源汽车国家监管平台的功能；第二，要融合群组的挖掘、语义的挖掘等先进的人工智能技术，拓展安全监管的应用场景；第三，要进一步融合数字孪生技术、全息感知技术，实现新能源汽车和其他车辆混行情况下的安全综合监管。