连续三年参加日内瓦车展，今年这家「骗子」公司又来了？
故事还要从一个人说起，他叫 Nunzio La Vecchia。如果你去谷歌搜一下，会出现这样的结果： 是的，这位大哥是个最早是个唱歌的，十年前他一共发布了 20 多首歌。在 Youtube 上，也有他不少演出视频和 MTV。虽然点击率不高，但网友们的评价还挺积极。（我听了几首，还不错…）或许是音乐事业不得志，这个意大利人后来就不唱歌了，不知为何， 突然跨界……开始……搞汽车了。 音乐人跨界造车？听上去有点任性，但 Vecchia 除了唱歌，还自称是一名物理学家、自学者，有博士学位，并且还是赛车手、飞行员。简直就是一名人生赢家，听上去有点夸张对不对？下面来看看他造了一辆什么车… 在 2009 年，柯尼塞格和 NLV 公司联合打造了 Koenigsegg Quant 概念车，但后来双方中止合作。这是一辆电动超跑，表面覆盖了 NLV 公司的太阳能电池，可以给车供电。NLV，就是 Nunzio La Vecchia 名字的缩写，也就是这位主人公创办的同名公司，号称从 1991 年开始就开始研究太阳能技术。 对了，在车上装太阳能电池板这件事，我们很早就说过这种做法有多不靠谱。 到了 2013 年，Vecchia 成立了 nanoFLOWCELL 公司，以每年一辆的速度推出概念车，并且高调的参加日内瓦车展。截止到 2016 年，他们一共带来了三款概念车，分别是 Quantino、Quant E 和 Quant F。 nanoFLOWCELL 公司的这几辆概念车所宣扬的核心技术，就是液流电池。液流电池并不是什么新鲜技术，国内外都有相关研究。 原理是这样的：液流电池中，电极部分和电解液部分是分离的，在充放电的过程中，电解液在泵的作用下通过电极，电解液中的电解质在电极处发生氧化还原反应，释放吸收电子，电子通过电极上的集流设备连接外接电路进行充放电。 下面是它的原理图： 也就是说，当需要补充能量时，只需把原来的电解液替换掉就行，比充电快多了，有点像加氢。另外，nanoFLOWCELL 公司自称这种电池的能量密度是特斯拉锂电池的五倍。 在今年的日内瓦车展上，这家公司会带来 QUANT 48VOLT 概念车，加入了 48V 系统。这辆车性能强悍，使用 4 台 140kW 电机，2.4 秒破百，极速 300 公里，续航超过 1000 公里。 迄今为止，nanoFlowcell 公司并没透露更多技术细节。再次经过一番谷歌，我发现许多热衷于技术的外国网友都对 nanoFLOWCELL 公司提出质疑，因为他们所公布的那些东西太无力了。 至于实车上路，我上 Youtube 搜了搜大部分 CG 特效，只有一家媒体曾捕捉到它上路时的样子： 看到这里，我已经隐约觉得 Vecchia 在吹牛逼了，于是，我扒了扒 Vecchia 这个人背后的故事。 事实上，Vecchia 之前给自己贴的标签：物理学家、博士学位，都无法被证实，他本人也拒绝透露在哪获得了学位。 不过，有外媒爆料说他的博士学位是花钱买的，更有意思的是 Vecchia 的发家史，故事来自于 2013 年的一篇瑞士媒体的德文报道。 根据这篇报道，Vecchia 早年曾惹上一起官司。 Vecchia 是一名意大利裔瑞士人，他在 2001 年前后，结识了一位老太太。关于这位老太太，原文措辞是：「 老、有钱、独自生活、需要爱情」。（小鲜肉勾搭富婆的套路？）当时 NLV 公司有一项非常先进的太阳能技术，为了「 融资」，Vecchia 开始说服这位老太太投钱。 于是在 2001 年，这位老太太给 Vecchia 写了两封信，分别是《生活中的杰作》、《完美的解决办法》。（说明这位老太太要掏钱了）随后老太太掏出了 3900 万瑞士法郎、Ascona TI 和 Küsnacht ZH 两处工厂地块，因此持股 25％。NLV 公司需要将 Alpha-Solarzellen 项目投放市场并申请专利，但是并未达成。 2003 年，老太太有所察觉，认为受到欺骗（可能是技术没 Vecchia 吹得那么先进），于是把 Vecchia 告上法庭。但是 Vecchia 的解释是：出于安全考虑，在 1999-2000 年期间销毁了技术原型机。（也就不能证明他的技术到底靠不靠谱）由于缺乏证据，于是楚格州立法院判决 Vecchia 无罪。随后的日子里，这位老太太不断为这起官司奔波。在这期间相关法律也不断完善，楚格州州立法院于 2010 年 … 继续阅读
使用涂层材料也能提高发动机性能？有家公司就动起了这个心思
汽车产业发展到了今天，发动机的技术突破似乎已经达到了一定瓶颈，如何挖掘发动机的技术潜力也就成为了一个难题，各家公司为此也算是搅尽了脑汁。 为此，菲亚特旗下的工业制造公司柯马推出了一项叫作 PTWA（Plasma Transferred Wire Arc，线材等离子电弧喷涂）的技术。关于这项技术，可以深入挖掘的东西其实还不少。 通过耐磨涂层提高发动机效率 作为汽车当中最重要的一个大型元件，发动机常常要以每分钟几千转的速度高速运转，它所承受的运载负荷要远远超过其他普通零件。这种情况下，气缸与缸体之间的摩擦特性将直接决定发动机的运行效率。 目前，许多整车制造商正采用铝合金发动机缸体来替代传统铸铁缸体。铝合金的最大优点就是能降低发动机重量，但相比于传统铸铁缸体，铝合金缸体的摩擦特性并不好。而 PTWA 技术的存在就是为了解决这项难题。通过热喷涂法快速对铝制汽缸内孔细密喷涂钢液微粒，钢液的厚度大约在 0.1-0.15mm 厚，经过处理后的缸体摩擦损耗将会大幅减小。 除了减小气缸与缸体之间的摩擦损耗之外，PTWA 技术还可以降低发动机的整体重量。柯马介绍说，这项处理技术可以保证每个汽缸的重量最多减轻 0.5 公斤，减重过后的发动机不仅运行效率更高，开发成本方面也将拥有更大优势。 同样可以用来翻新旧发动机 其实除了柯马之外，一些公司也注意到了 PTWA 技术的优势。新一代福特野马 Shelby GT500、日产 GTR 等车型全都使用了 PTWA 技术来制造发动机。 另外，除了用来制造发动机之外，PTWA 技术还可以用来翻新旧发动机。当发动机发生重大故障或者磨损时，往往会引起整车报废，而重新制造一台发动机成本较为高昂，工艺也非常复杂并且还会产生很大的碳排放量。 这种情况下，PTWA 技术就派上了用场，早在 2015 年，福特就尝试将金属雾化材料喷涂到发动机缸体及曲轴的内壁，填充发动机表面的凹坑和擦伤，不同的材料还将被用来构建多重涂层。经过处理后的旧发动机内部焕然一新，可以继续使用，并大幅减少碳排放量。除了福特之外，卡特彼勒也曾使用 PTWA 技术翻新柴油发动机并降低生产成本。 当汽车发动机技术发展到一定程度时，如何提高运行效率似乎要比单纯地提高性能参数重要的多。如果以这种角度分析问题，PTWA 技术的推广价值或许将会超过我们的想象。 原创声明： 本文为 GeekCar 原创作品，欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」，并附上原文链接，不得修改原文内容，谢谢合作！ 欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车（微信号：GeekCar）& 极市（微信号：geeket）。
顶着「小蚂蚁」光环的奇瑞 eQ1，配置逆天，但只是看起来很美？
在年前的一篇文章里，我们对将要在 2017 年上市的国产品牌微型电动车做了个盘点，大家反应强烈。不过因为篇幅有限，那个文章里对每辆车的介绍和分析都比较笼统，所以我们单开一个系列，更细致的聊聊这些小电动车。（感觉又是一个大坑）今天说说奇瑞的小蚂蚁。 奇瑞新能源比较有意思，目前在市面上他们没有大的纯电动车在卖，目前在售的两款车分别是 QQ3EV 和 eQ，也就是分别基于两代 QQ 做的电动版。到了小蚂蚁这儿，还是一个微型车。另外，插电混动版有艾瑞泽 7e，今年他们还会推出艾瑞泽 5 ev。 我们之前聊过，奇瑞曾经在几次车展上都推出过不同版本的小蚂蚁概念车，造型一次比一次科幻。后来，终于传出了小蚂蚁量产版的消息。 它除去补贴之后可能在五六万左右，不过准确价格还得等它上市才能知道。但在北京的经销商那儿，已经有了展车（并不是最终销售的版本），赶在春节放假之前，我们去南四环看了看。 看见眼前这辆奇瑞新款电动车，你最好忘了小蚂蚁这回事。 虽然这也是一个两座车，但是和奔驰 smart 以及同样身为电动车的众泰 E200 相比，它的长度要多出半米左右。结果就是，打开尾门，你能看见一个「巨大」的后备箱。 我估计，肯定有人买了车之后想在后备箱里常备小马扎。工作人员说，以后可能有会有四座版本。网上也有图为证： 外观这东西见仁见智，我喜欢这车的前半身，不太喜欢它的后半身。不过总体来说它的造型还是挺欧式的，相比之前的车子提升很明显。 有一些对这辆车的介绍用到了「全铝车身」的字眼，实际上这有点误导。它的外覆盖件用的是复合材料，只是车架使用了铝镁合金。这和特斯拉、捷豹的「铝车身」不是一回事。 看到下面这张内饰图，相信你会有不错的第一印象，双色内饰很符合微型车的年轻化定位，而且还有一个竖向布置的「悬浮」大屏，和之前的 QQ 之流完全不在一个级别上。 在造型上，它能给人眼前一亮的感觉，但是这种好感在坐进车之后会大打折扣，原因是内饰材质——全部都是硬塑料，而且手感非常一般。厂商给出的信息是，这辆车的 内饰采用了环保型塑料件，部件重量更轻，有利于减重。 整个内饰的焦点当然还是那块竖置的大屏幕。在尺寸方面，奇瑞做的还算克制，没有盲目的做大，尺寸目测在 9-10 寸左右。实体的空调控制区仍然被保留了下来。 屏幕的功能方面，导航用的是高德地图车机版。根据我们之前对于高德地图车机版的体验，实际效果应该还不错。车机手机互联功能也有，采用的是很多自主品牌普遍使用的镜像投射方式。倒车影像也有。 不过，功能虽全，UI 感人。在界面配色和设计上，档次感实在不高。 全液晶仪表对于一辆电动车来说是必须的，不过这辆车的仪表显示的信息有点杂乱。 eQ1 的三元锂电池组容量是 18kWh，续航里程 150 公里左右，最高车速 100km/h。简单计算得出，理论能耗约为百公里 12kWh。它支持快充和慢充两种充电方式，快充半小时，慢充 6-8 小时。150 公里的续航水平决定了它只能作为城市代步使用。试车时行驶里程不长，所以关于实际续航里程这方面，目前还没有太多数据可以给出。 对于这辆车的受众人群来说，后驱一定不是让他们买单的点。 eQ1 的动力系统用的是 30kW 的永磁同步电机，动力作为电动车来说中规中矩。具备能量回收功能，不过有点儿意外的是，它居然还能通过中控屏调节能量回收的强度，共有七档调节。分别设置到两个极端，效果差异明显。按照一位电动车行业大牛的评价，「对于这种动力一般的小车来说，能量回收其实挺难做的，电机能给的制动力和能量都有限。」这辆试装版的 eQ1 的行车品质相比外观来说要「低档」一些，不好的印象来自于噪音，希望正式销售的版本会好一些，顺便再把打转向灯没有提示音这种小细节解决好。另一个关于「声音」的细节是，这辆车在低于 20km/h 行驶时，会发出规律性的警示音来提醒路人。 打开前机盖之后的情景： 在我看来，eQ1 的「内在」其实还有很大提升空间。不过这意味着要投入更多的研发力量，同时成本也会水涨船高，一辆微型电动车或许很难承受这部分成本，而如果把成本都花在内在上，又不可能会有那么高的配置。这在某种程度上来说就是微型电动车的尴尬之处。 eQ1 的外观和内饰的设计乍一看比较亮眼，内部功能也非常全，看得出来厂家是有心把它做好，但是受限于车型定位以及售价，它还是不可能做到从里到外的精致。「当然，提起国产电动车，一定会伴随着各种负面声音，比如骗补、辣鸡什么的……」分时租赁或许是 eQ1 的一个重要市场。目前，不管是上海的 evcard 还是北京的 gofun 平台，都采购了不少电动版 QQ 作为租赁用车，eQ1 完全可以在未来接替电动版 QQ 完成这个任务，不过前提是足够安全、足够稳定。 而追求外观、配置的同学们，如果你在考虑买一台几万块的电动车，eQ1 应该在考虑范围之内。 PS：对于这种小车，你最关心哪方面的信息，欢迎留言告诉我们，在以后的文章里我们可以更有针对性的对单一车型进行解读。 原创声明： 本文为 GeekCar 原创作品，欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」，并附上原文链接，不得修改原文内容，谢谢合作！ 欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车 （微信号：GeekCar）& 极市 （微信号：geeket）。
「GeekCar Daily」2.6：nanoFLOWCELL 发布概念跑车预告图；特斯拉确认将推出纯电动半挂式卡车
nanoFLOWCELL 发布概念跑车预告图 最近，列支敦士登电动汽车公司 nanoFLOWCELL 发布了一款概念跑车的预告图。这款概念跑车叫作「Quant 48Volt」，采用了一套燃料电池动力系统，最大续航里程可以达到 1000 公里，最大功率超过 760 马力。同时，「Quant 48Volt」 的 0-100km/h 加速时间只需 2.4 秒，最高时速则可以达到 300km/h。 你敢信？ 特斯拉确认将推出纯电动半挂式卡车 早在去年，Elon Musk 就宣布特斯拉将会打造纯电动半挂式卡车。而在今天，Elon Musk 正式确认了这个名为「Tesla Semi」 的项目的存在。目前，「Tesla Semi」 项目由特斯拉副总裁 Jerome Guillen 负责，Jerome Guillen 在加入特斯拉之前，曾在戴姆勒负责卡车项目。 充电快不快？百公里加速多少？我要拉着一车货秒天秒地…… 特斯拉 Model 3 品牌标识最终确定 前不久，特斯拉在官网上将 Model ☰的标识更改为 Model 3。而今天，Elon Musk 在 Twitter 上正式确认，「Model 3」 将成为新车的品牌标识。「Model ☰」 的品牌标识与「Model E」 更加相近，算上 Model S 以及 Model X 这两款车型，恰恰可以组成「SEX」，但特斯拉最终却放弃了这一设计。 那些注册了隶书、楷书等各种字体 Model ☰的同学，亏了吧？ 谷歌地图新增功能，预测目的地停车状况 最近，谷歌地图增加了一项新功能：预测目的地停车状况。用户在使用谷歌地图查询路线时，如果所去目的地有停车困难的可能性，屏幕当中就会出现一个红字的字母 P 图标。停车的难易程度将会分为「 车位有限」、「 中等难度」 以及「 容易」 三种级别。 然而还是不能进入中国，即使能进，也搞不定那些乱收费的冒牌停车场管理员。 原创声明： 本文为 GeekCar 原创作品，欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」，并附上原文链接，不得修改原文内容，谢谢合作！ 欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车（微信号：GeekCar）& 极市（微信号：geeket）。
吐槽多年的停车难问题，谷歌想到了一个解决办法
本文转载自「DONEWS」 近日，谷歌在安卓设备的更新中，为谷歌地图新增了一项功能——预测目的地的停车状况。 用户只需在谷歌地图中查询路线，就可以看到一个新的图标。如果谷歌预测到你所去的目的地可能有停车难的风险，你就会看到地图上出现一个彩色的点，且附带字母 P。停车的难易程度将分为「 车位有限」、「 中等」 和「 容易」 三个等级。 如果谷歌预测到你所去的目的地可能有停车难的风险，地图上会出现彩色的点，且附带字母 P。 谷歌的一篇官方博客称，这一功能目前已经向 25 个美国最大的城市地区开放。但谷歌公司正寻求在未来将该功能推广至更多的城市和国家，以及打破平台限制，延伸至苹果 iPhone 设备上的谷歌地图应用。 谷歌平台上的另一个地图应用 Waze 也为美国许多大城市提供类似服务，但谷歌地图采用的方式略有不同。Waze 预估停车位时采用了 INRIX 公司整合的停车数据信息，但谷歌声称其停车预测是基于用户主动共享地理位置历史，从而获得的匿名数据。 2 月 3 日，谷歌的软件工程师 James Cook、Yechen Li 和研究员 Ravi Kumar 联合发布了一份研究报告，详细论述了此项应用的原理。 要提供这一停车预测功能，工程师们需要解决许多问题——停车情况复杂多变，几乎没有实时的停车位信息；即使有些地区有联网的停车计时器，这些数据也不包括非法停车、许可停车和提前离开等信息；道路只能提供二维图像，但停车场本身结构更为复杂；停车位的供需即时变动，即使是最好的系统都很可能无法及时更新。 为了解决这些问题，谷歌的团队结合了众包和机器学习来建立能够提供停车难度信息的系统，甚至还能帮助用户决策采用何种方式出行。在预发布的实验中，他们发现出行模式按钮的点击量大增，这表明用户获得了停车难度信息之后，会更倾向于考虑公共出行方式，以取代开车。【编注：众包，即 crowdsourcing，指的是一个公司或机构把过去由员工执行的工作任务，以自由自愿的形式外包给非特定的（而且通常是大型的）大众网络的做法。】要为解决停车难的问题设计算法，需要三方面技术——通过众包的方法获得地面实况数据、一个合适的机器学习模型，以及一个用以训练模型的强大特征集。 地面实况数据 在机器学习解决方案中，收集高质量的实况数据一直是个关键挑战。谷歌团队采用的方法是，问司机是否遇到了停车难的问题。但是，他们很快发现，面对这样主观的问题，通常会得到相互矛盾的答案：对同一时间段的同一地点，有的人回答「 容易」 找到停车位，有的人的回答却是「 难」。换成「 多久能找到停车位？」 这样的客观问题，答案的可信度就有了很大的提高，从而能众包产生高质量的、超过 10 万个回答的实况数据集。 模型特征 有了可用数据，接下来就是选择用来训练模型的特征。该项目利用的是喜欢分享定位的用户提供的匿名聚合信息，以此作为评估实时交通状况、高流通时间段、访问时长的关键信息源。 谷歌研究员在报告中称，他们很快便发现，即便有了所需数据，还是会遇到一些独特的挑战。比如，如果有人在自己门前或者私人的停车位停车，系统不该错误地认为这里的停车位是可用的。用户搭乘出租车到达，可能会造成门前停车很多的假象，与此类似，公共交通用户可能会被系统认为是在公交车站停车。这些错误的认知，都会误导机器学习系统。 因此，系统的设计需要更强大的聚合特征。其中一个功能的灵感就来自谷歌所在的 Mountain View 地区。如果谷歌导航发现大量用户在午餐时间开着车在市中心绕圈，这就表明停车位很难找。 如果谷歌导航发现大量用户在午餐时间开着车在市中心绕圈，这就表明停车位很难找。 谷歌的研究员在思考，如何把这些关于停车难的「 蛛丝马迹」 作为一个特征来进行训练。研究员把用户直接到达目的地时间与绕圈、停车、步行这样实际到达目的地的时间进行了对比，聚合了二者之间的不同。如果多数用户在二者之间所用的时间存在显著差异，就被认为是遇到了停车难的问题。 之后，谷歌团队继续开发了更多的特征：特定的目的地、散步的停车地点、停车的时间点与日期（例如，用户在早晨会停得离目的地很近，在高峰时间会很远，这怎么办？）、历史停车数据等等。最后，他们得到了大约 20 个不同的特征。之后，就是调整模型的表现了。 模型选择和训练 针对上述特征，研究员使用了一个标准的回归机器学习模型。这种选择有几个原因：首先，逻辑回归的原理是大家所熟知的，并且，在训练数据中，它对噪音是有弹性的；第二，可以将这些模型的输出解释为停车难的概率，然后可以将其映射成描述性术语，如「 停车位有限」 或「 轻松停车」；第三，很容易理解每个特定特征的影响，这使得验证模型是否合理更加容易。例如，当研究员开始训练时，许多人认为上述「 蛛丝马迹」 的功能将是最好的方法，可以解决所遇到的难题。但实际情况并非如此，事实上，基于车位位置分散的特征才是停车难度最强大的预测因素之一。 结论 使用谷歌的模型，研究员们能够为任何位置和时间的停车难度生成一个估算值。下图是该系统输出的几个例子，用于提供给定目的地的停车难度估计。比如，星期一早上对整个城市来说都停车困难，尤其是最繁忙的金融和零售区。在星期六晚上，又会再次变得繁忙，但却主要集中在餐厅和景点等区域。 停车难度模型在旧金山金融区和联合广场地区上的输出。红色表示有更高置信度的停车困难。上排：一个典型周一的上午 8 点（左）和 9 点（右）。下排：一个典型周六的相同时间。 欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车（微信号：GeekCar）& 极市（微信号：geeket）。