(1)分車型主動防護分析
商用電動貨車的市場剛剛起步，充電訂單的總數與商用客車、乘用車相比，數量幾乎差了一個數量級，但是被防護比例卻遙遙領先。100筆訂單中就有接近2筆被主動防護終止充電。這說明其BMS的穩定性和可靠性還亟需提升。
還有一大部分未知的車型。這是因為車輛充電過程中，大部分車輛的BMS沒有按照國標傳遞車輛唯一識別碼（VIN）。特來電根據充電過程中產生的數據，利用監督式學習中的決策樹C50算法，訓練“猜車”模型，計算車型信息，得出來的結果在手機APP端與用戶互動。確認或者不確認猜車結果，都會反饋給模型進行優化。目前，基于該模型的猜車準確度達到了99%。
(2)分品牌的乘用車主動防護分析
對于乘用車大類，整體的質量還是不錯的，但是有個別品牌的被防護比例卻接近了6%，與同類的某些品牌相比，BMS的穩定性和可靠性有將近10倍的差異。
(3)分品牌的商用客車主動防護分析
對于商用客車，BMS的穩定性與可靠性也是參差不齊，整體質量比乘用車要差一些。
(4)分品牌的商用貨車主動防護分析
對于商用貨車，BMS穩定性與可靠性，普遍的比商用客車，尤其是乘用車要差，僅有一個車型的被防護比例低于1%。
(5)分品牌分防護類型的主動防護分析
以下我們對137種品牌，針對11種主動防護類型，做了詳細的分解。
而在這2400多萬筆充電訂單中，主動防護的前三名，分別是整包過壓、BMS接觸器開路故障和溫度異常熱失控。
用戶端的信息與報警
這兩級安全防護體系，在用戶側最終體現在特來電APP端的信息展示與報警功能上。
除了主動防護的訂單之外，特來電還對那些看起來每次都正常結束，但實際上終止原因不太嚴重（如單體電壓達到目標值而終止）的訂單，利用大數據分析工具進行了梳理。這些訂單有可能是一種安全隱患，是發生安全事故的前兆，嚴重的可能就會導致過充過放、電池熱失控，最后導致車輛自燃。
特來電針對這些“可疑”的數據，會進行更進一步的梳理與分析，并作相應的處理，提醒用戶進行車輛檢測。
車輛健康與體檢
特來電還在APP用戶端提供了方便的車輛健康體檢功能，可以對充電過程或者行駛過程中的很多數據，進行展示與分析。
提供基于車輛的實時狀態監控功能，比如實時監控車輛的充電、駕駛、停放等行為，以及實時展示車輛的運行軌跡。
對車輛的各種故障、異常數據進行實時采集、處理、診斷和預警，輔以車輛的三電數據，可以快速定位車輛的故障位置、故障原因。
電池網微信
