汽车大数据的战略价值、全面影响及应用前景

针对大数据在汽车产业的应用潜力，对大数据相关概念与内涵进行了辨析，集中探讨了大数据的战略价值，重点分析了大数据对汽车产业的全面影响及其在汽车产业的应用前景。研究分析表明，汽车产业大数据将全面改变汽车产业链条的各个环节。汽车企业将从产品生产模式转向生产产品和数据的复合模式，并通过数据驱动价值增值。大数据在汽车产业的持续应用将进一步形成汽车大数据产业，而汽车大数据产业也终将催生汽车产业平台企业，从而实现大规模定制化生产，最大限度地满足用户的个性化需求。     

道路交通流数据检验与修复方法

交通流数据常见问题分为数据缺失、数据无效和数据时间点3类，针对这些问题，提出了一种交通流数据检验与修复方法。以北京市交通流数据为例，应用这一方法进行了分析与验证。结果表明该方法具有很好的实际应用效果。交通流数据质量检验可以保证从数据源所获得数据的正确性和完整性，为数据的管理和应用提供了可靠的数据基础.     

博世FWA515四轮定位仪的使用（二）

4．电脑复检 车辆调整好以后，重新测量各个角度值。使之与标准数据相比较，看是否在车辆检测数据范围内。如果不在检测数据范围内，请重新调整再检测，直到所调整的数据在标准数据的范围内。     

论中国动态交通信息服务出路？

中国动态交通信息服务如何才有出路？第一、有容乃大。众所周知，动态交通信息服务首先依赖于交通信息源的多样性，包括地感线圈、测速雷达、监控摄像等固定设施数据，还有浮动车数据、手机信号源数据等类型的海量数据。不同来源的数据可以互为补充、互为校验，从而提升交通信息的覆盖面及准确性。但从目前形式来看，获取和整合各类信息困难很大，由于种种原因，信息缺乏开放性，     

出行公司车辆数据运营管理

以出行公司大数据产品及技术为核心，在出行公司的车辆运营及管理等方面充分发挥大数据的优势，实现出行公司车辆运营管理数据化、数字化、自动化、智能化。从出行公司数据来源、数据传输、数据存储、数据处理和数据应用几个层面，对出行公司在车辆安全管理的大数据应用情况进行介绍，分析大数据在出行公司车辆管理方面的应用价值和意义，并对大数据在未来出行行业的发展和应用进行展望。     

大数据赋能企业成本管控的思考

大数据技术的应用能够为企业发展注入强劲动力。企业成本数据资产的数量持续增加，类型也呈现出多样化态势，这要求企业创新成本管理方法，以大数据赋能成本管控，以提高企业信息化水平。文章分析了企业成本管控存在的问题，给予大数据及其应用场景，阐述了大数据赋能企业成本管控的意义，并提出了相关建议，以供参考。     

分层理论在车联网数据仓库的应用

随着智能网联汽车的快速发展，各大汽车企业积累了庞大的业务数据，如何有效组织并使用这些数据，成为了各个企业所必须面对的问题。本文基于维度建模分层理论，结合实际车辆网联数据，设计了车联网数据仓库，为各大汽车企业管理者提供一个组织并使用数据的解决方案，也为汽车数据行业工作者提供一些简单的参考。     

基于DS-LOF与GA-XGBoost的路域环境感知数据智能检测与修复

针对目前路域环境感知系统易受路面结构和气候等众多因素影响从而造成感知数据出现异常的问题，对路域环境感知数据异常智能检测与修复问题展开研究，提出一种基于DS-LOF(Difference&Summation-Local Outlier Factor)与GA-XGBoost (Genetic Algorithm-eXtreme Gradient Boosting)的路域环境异常感知数据智能检测与修复方法。以沥青路面温湿度感知数据为实例，首先通过对感知数据进行一阶差分与线性求和计算，构建原始感知数据DS (Difference&Summation)特征向量；然后，基于DS-LOF算法对感知数据进行异常值检测，并与K-means聚类和单类支持向量机算法进行对比分析；其次，以原始感知数据集为基础，并结合异常检测结果，构建路域环境感知数据异常修复数据集；最后基于遗传算法优化XGBoost模型进行数据修复。试验结果表明：GA-XGBoost模型相比于XGBoost模型以及其他机器学习修复模型，其路域环境感知数据修复平均误差最低(M_AE=1.253 7,R     

基于车联网大数据的纯电动汽车行程识别算法

当前，车联网大数据驱使着智能汽车的发展，基于车联网大数据分析用户驾驶行为已成为必然趋势，但直接分析底层数据是非常困难的，需结合用户驾驶过程来分析。基于此目的，本课题提出一种基于车联网大数据的纯电动汽车行程识别算法，来实现对整车数据的聚合。     

工信部油耗数据从何而来

中国工业和信息化部最近发布了近6000款车型的油耗数据，车主们面对这些数据众说纷纭，自己的汽车油耗不能与数据提供的相对应，不少人在质疑”这些数据从何而来”。业内人士透露”轻型汽车燃料消耗量报告”发布的数据是由汽车生产企业或经销商提供．     

自动化公路货物运输量统计方法

为了提高中国公路货运统计的真实性和统计效率，利用自动化交调、轴载检测、高速公路计费、联网联控货车以及国家道路货运量专项调查等数据，提出2种自动化公路货运量统计方法。2种方法均采用浮动检测数据与固定检测数据融合的原理，使用浮动车数据获得运输特征，分别使用高速计费数据及自动化交调数据获得运输规模。通过设备检测数据与人工调查数据的嵌套计算，解决分层统计中行业浮动车代表性不足的问题。通过数据的一致性分析，解决不同类型数据车型划分标准不同给数据融合带来的口径不一致问题。与传统方法相比，统计方式由人工统计转变为自动化统计；统计对象由营运性货车扩展为全社会货车；统计口径由按车籍地统计转变为按运输发生地统计；统计周期由月缩短为日。此外，实现了可按车辆类型、道路类型、运输成分及公路线路的精细化统计。以辽宁省路网和G102国道为例，给出区域公路网和公路线路的货运量统计结果。最后，以高速公路为统计对象，与计费数据获得的货运量对比，验证基于交调数据统计方法的准确性。结果显示，交调融合法的货运量统计误差为11.5%。对比2种方法，交调融合法具有更广泛的适用性和更高的灵活性，为中国公路运输统计现代化发展提供了技术方法，同时探索了利用设备检测数据和人工调查数据嵌套分析解决工程问题的方法。     

基于车联网大数据的可视化应用研究

在“大数据时代”的浪潮下，每个企业都面对着庞大的数据，而如何让这些高容量、低价值密度、高速处理、多类型的数据发挥价值是每个企业都在思考的事情，汽车企业也是如此。面对庞大的车联网数据，采用视化技术就是实现数据价值的一个很好的方法。本文将通过一些典型例子对车企车联网大数据在可视化方面的应用进行简单研究。     

基于VBA的岩土试验数据快捷处理方法研究

通过Excel与VBA语言相互通信机制，结合公路工程岩土试验数据特点，对试验数据进行自动化整理统计分析。首先对原始试验数据按照钻孔桩号、取样深度进行自动排序并删除重复项数据；其次依据构造物勘探点获取桥梁、隧道、边坡等工点试验数据；最后采用最不利原则对同类地质条件和相同层位试验数据进行统计分析，剔除异常值，获取试验参数及评价结果。避免手工处理的繁琐、工作量大、花费时间长的缺点，达到界面友好，处理数据迅速、准确，极大地缩短工期的效果，从而能更加有效地保证工程质量及进度。     

地理信息系统平台在公交线网规划中的应用

公交线网规划需要大量的空间数据的支持，由于涉及到的空间数据繁杂，因此有必要利用有效的数据管理系统在公交线网规划中管理这些数据。地理信息系统（GIS）作为可视化的空间和属性数据的管理平台，可以作为公交线网规划的数据管理平台。文章介绍了大连市的公交线网规划中利用GIS的全过程，包括管理数据、显示数据、挖掘数据以及辅助设计和成果管理。     

基于卷积自编码的沥青路面目标与裂缝智能识别

目前基于深度学习的路面裂缝识别经常面临训练数据集小，以及路面图片标注成本高等问题，基于小规模路面图片数据集，利用卷积自编码（CAE）方法进行数据增强，开展包括路面裂缝在内的路面目标智能化识别方法研究。在传统图像几何变换数据增强的基础上，采用CAE重构图片方法对原始数据集进行两步骤扩增；利用卷积神经网络DenseNet，设置了不同数据扩增方法的对比试验；针对沥青路面裂缝图片背景较黑，裂缝特征不清晰，无监督聚类学习难度大等问题，采用了一种基于CAE预训练的深度聚类算法DCEC，对经数据增强的路面图片进行无标注的聚类识别。研究结果表明：经过DenseNet网络100代的训练，在同一测试集的测试下，基于原始数据集训练的网络分类准确度为78.43%，利用传统图像处理方法进行扩增后准确度为83.44%，利用所提出的图片增强方法进行数据扩增后准确度达87.19%；在保持扩增后数据集样本量大小相同的情况下，与几何变换、像素颜色变换等经典数据增强手段相比，CAE重构图片的数据扩增方法有较高的路面图片识别精度；CAE数据扩增方法较受训练数据集样本量的影响，利用传统方法将数据集扩增后进行CAE特征学习，重构后的图片样本更易被机器识别；相较于传统机器学习聚类算法，所提出的的DCEC深度聚类方法将聚类准确率提升了约10%，初步实现了无需人工标注的路面目标的端到端智能识别。     

高速公路ETC门架数据在交调工作中的转换应用研究

在对比分析高速公路ETC门架站点与传统交调站点替代条件、数据转换条件、系统运维水平的基础上，进行ETC交易数据与交调数据的站点匹配、车型对应、数据转换、接口传输等研究，形成集约化的高速公路交通流检测方案，为相关ETC数据的交调分析应用工作提供参考。     

基于特征相关度分析的路面凝冰短时预测方法

针对高速公路易结冰路段的路面凝冰预测问题，提出了一种基于特征相关度分析的路面凝冰短时预测方法。该方法利用路侧设备的测量数据，包括结冰厚度、相对湿度、风向与风速等，通过ADF(Augment Dickey-Fuller)检验方法分析数据集的平稳性，进而设计出基于长短期记忆网络(Long Short-term Memory, LSTM)的路面凝冰短时预测算法。根据Spearman相关度系数法分析计算上述多种凝冰监测数据的相关度与置信度，并形成基于Spearman特征相关度的数据筛选模型，优化LSTM神经网络中的输入数据集。在此基础上，搭建面向凝冰预测误差的LSTM神经网络模型，并利用筛选后的凝冰数据集训练优化预测算法中的模型参数，提高目标路段路面凝冰预测的效率与精度。最后，通过数值仿真分析比较不同特征相关度下路面凝冰短时预测算法的均方根误差，确定最优预测模型，并于西延高速KM200+918路段进行实地测试。研究结果表明：路侧设备的测量数据中相关度较低的数据对路面凝冰预测算法存在反向作用，并非将所有数据进行组合即可得到最优结果，需对测量数据进行有效筛选，进而优化LSTM神经网络，提高凝冰预测...     

高速公路交通数据上报系统的研究与开发

在对高速公路交通数据上报系统的需求分析的基础上，给出了数据上报系统的架构和操作流程，并使用Socket和FTP传输技术，实现了高速公路观测站交通信息向交通部公路交通信息中心的实时数据上报和24h数据上报。该系统已经得到应用，并取得了良好的效果。     

基于云端放电数据的电池组一致性研究

为提升电池组放电数据使用价值，减少对电池组充电数据的依赖，改变放电数据因质量差、采集效率低等原因难以得到有效利用的现状，以云端放电数据为研究对象，提出一种动力电池组一致性评价方法。该方法筛选出电池组的有效放电循环数据片段，根据每一放电循环中的单体电压曲线绘制包络线，进而基于上下各数条包络线进行数学计算，最终拟合得到一条一次曲线，根据最终拟合一次曲线斜率大小对一致性进行定量评价。试验结果表明，对于不同一致性状况的电池组，该方法能合理对其评分；实车数据分析表明，该方法能有效运用于工程中。该方法为电池组一致性的评价提供一种新思路，在一定程度上实现放电数据的有效利用价值。     

基于环形线圈检测器采集信息的数据挖掘方法研究

智能交通系统(ITS)是以信息和信息技术为基础，随着大量多源的信息采集之后，如何对信息进行有效处理是面临的新挑战。章以环形线圈检测器采集的基础信息为对象，通过数据挖掘，即数据获取、数据准备、数据规约、数据转换和挖掘方法流程，论述了各阶段的要求和算法，最终从海量的基础数据层得到新的信息交通状态。