新能源汽车大数据分析与应用技术 第2版
作者：王震坡 刘鹏 张照生
ISBN：978-7-111-76659-9
所属丛书：战略性新兴领域“十四五”高等教育系列教材
本书从新能源汽车数据基础、大数据应用流程、数据分析方法、数据处理工具、新能源汽车运行大数据统计分析与应用实例、大数据分析在未来交通出行中的应用及发展前景等方面，融合车辆工程、信息工程、计算机技术等多学科知识，理论与实践相结合，由浅入深，系统地介绍了新能源汽车与大数据融合的发展趋势、理论基础与挖掘技术、应用技术与范例。可为从事大数据分析工作的研究人员和相关工作组提供借鉴和参考，对新能源汽车大数据平台构建、数据管理和数据应用有指导意义。 本书适合新能源汽车相关行业的从业人员，从事相关科研项目或相关专业的教师、学者，以及本科生、研究生阅读。
同系列书
相关图书
- 图书详情
装订：平装
编辑：王婕
开本：16
出版日期：
2024-11-06
字数：343 千字
最新版印次：2-1
最新印次时间：2024-11-06
定价：65.0
cip：2024SW6765
图书简介
本书从新能源汽车数据基础、大数据应用流程、数据分析方法、数据处理工具、新能源汽车运行大数据统计分析与应用实例、大数据分析在未来交通出行中的应用及发展前景等方面，融合车辆工程、信息工程、计算机技术等多学科知识，理论与实践相结合，由浅入深，系统地介绍了新能源汽车与大数据融合的发展趋势、理论基础与挖掘技术、应用技术与范例。可为从事大数据分析工作的研究人员和相关工作组提供借鉴和参考，对新能源汽车大数据平台构建、数据管理和数据应用有指导意义。 本书适合新能源汽车相关行业的从业人员，从事相关科研项目或相关专业的教师、学者，以及本科生、研究生阅读。
作者信息
王震坡，北京理工大学教授、博士生导师，现任北京理工大学电动车辆国家工程实验室主任、新能源汽车国家大数据联盟秘书长。先后入选北京市“科技领军人才”、科技部“中青年科技创新领军人才”、国家“万人计划”。发表SCI/EI论文百余篇，授权发明专利30余项，出版著作6部，获国家科技进步二等奖1项，省部级科研奖励一等奖3项，中国汽车工业科学技术一等奖1项。
章节目录
丛书序
前言
第1章 导论 1
1.1 大数据基本概念 2
1.1.1 大数据的概念 2
1.1.2 大数据特征和数据类型 2
1.1.3 大数据与云计算、人工智能的关系 7
1.2 大数据的发展历程 8
1.2.1 大数据的产生与发展 8
1.2.2 大数据的价值 10
1.3 新能源汽车大数据及应用 12
1.3.1 汽车行业数字化现状 12
1.3.2 新能源汽车数据概述 13
1.3.3 新能源汽车大数据应用 16
1.4 新能源汽车大数据应用流程 18
本章习题 21
第2章 新能源汽车数据采集与治理 24
2.1 数据采集终端 25
2.1.1 车载终端设备 25
2.1.2 终端功能 28
2.1.3 车辆定位 30
2.1.4 车辆升级 31
2.2 数据采集方法 32
2.3 数据通信方式 34
2.3.1 无线传输技术 35
2.3.2 有线通信协议 36
2.3.3 数据加密与安全 38
2.4 数据预处理 40
2.4.1 数据清洗 41
2.4.2 数据集成 42
2.4.3 数据转换 45
2.4.4 数据规约 46
本章习题 48
第3章 新能源汽车大数据存储与计算 49
3.1 数据库基础 50
3.1.1 关系数据库 50
3.1.2 时序数据库 51
3.1.3 新型数据库 60
3.2 分布式存储系统 61
3.2.1 分布式存储运行原理 62
3.2.2 典型分布式存储架构 63
3.3 大数据计算 68
3.3.1 批量大数据计算 69
3.3.2 流式大数据计算 71
3.3.3 大规模图数据计算 74
3.4 新能源汽车大数据平台 75
3.4.1 平台技术架构 76
3.4.2 平台可扩展性 78
3.4.3 平台应用服务系统 79
本章习题 80
第4章 数据分析方法 82
4.1 数据分析基础理论 83
4.1.1 描述性统计分析 83
4.1.2 抽样与抽样分布 87
4.1.3 参数估计 91
4.1.4 假设检验 93
4.2 数据关联分析 95
4.2.1 关联规则定义与说明 95
4.2.2 Apriori算法 97
4.2.3 FP-Growth算法 99
4.2.4 Eclat算法 101
4.3 数据分类分析 103
4.3.1 分类分析的定义与说明 103
4.3.2 支持向量机 103
4.3.3 决策树 106
4.3.4 随机森林 108
4.3.5 逻辑回归 109
4.4 数据聚类分析 111
4.4.1 聚类分析法定义与说明 111
4.4.2 划分聚类法 112
4.4.3 密度聚类法 114
4.4.4 层次聚类法 116
4.5 数据回归分析 117
4.5.1 回归分析法定义与说明 117
4.5.2 线性回归 118
4.5.3 非线性回归—人工神经网络 120
本章习题 123
第5章 数据处理工具 124
5.1 数据管理工具 125
5.1.1 MySQL 125
5.1.2 Oracle Database 127
5.1.3 Microsoft SQL Server 130
5.2 数据可视化工具 132
5.2.1 数据可视化工具概述 132
5.2.2 数据可视化图表 137
5.3 数据分析工具 140
5.3.1 数据分析工具概述 140
5.3.2 Python基本操作 141
本章习题 149
第6章 新能源汽车运行大数据应用实例 151
6.1 动力电池系统故障分析 152
6.1.1 应用背景 152
6.1.2 数据准备 152
6.1.3 模型构建 152
6.1.4 应用案例 154
6.1.5 总结 156
6.2 动力电池系统安全风险评估 157
6.2.1 应用背景 157
6.2.2 数据准备 157
6.2.3 电池系统安全风险评估模型构建 157
6.2.4 应用案例 161
6.2.5 总结 163
6.3 动力电池系统健康状态评估 163
6.3.1 应用背景 163
6.3.2 数据准备 164
6.3.3 计算方法 164
6.3.4 模型训练和结果验证 169
6.3.5 总结 171
6.4 新能源汽车能耗影响分析特征 171
6.4.1 应用背景 171
6.4.2 数据准备 172
6.4.3 新能源汽车能耗影响分析模型 172
6.4.4 应用案例 175
6.4.5 总结 179
6.5 新能源汽车行驶工况构建方法 180
6.5.1 应用背景 180
6.5.2 数据准备 180
6.5.3 车辆行驶工况构建模型 180
6.5.4 应用案例 183
6.5.5 总结 186
本章习题 187
第7章 新能源汽车跨网大数据应用实例 188
7.1 充电基础设施选址规划应用 189
7.1.1 应用背景 189
7.1.2 数据准备 189
7.1.3 充电规划模型构建 189
7.1.4 应用案例 192
7.1.5 总结 195
7.2 车辆电动化节能减排分析 195
7.2.1 应用背景 195
7.2.2 数据准备 196
7.2.3 新能源汽车行驶阶段碳排放计算模型 197
7.2.4 应用案例 198
7.2.5 结论 199
7.3 新能源汽车关键零部件故障诊断 200
7.3.1 应用背景 200
7.3.2 数据准备 200
7.3.3 故障诊断模型建立 201
7.3.4 应用案例 205
7.3.5 总结 208
7.4 新能源汽车动力电池衰退预测应用 208
7.4.1 应用背景 208
7.4.2 数据准备 209
7.4.3 模型构建 210
7.4.4 应用案例 214
7.4.5 总结 217
7.5 新能源汽车群体充电负荷和充电车辆比例评估 218
7.5.1 应用背景 218
7.5.2 数据准备 218
7.5.3 模型构建 219
7.5.4 应用案例 220
7.5.5 总结 221
本章习题 222
第8章 新能源汽车数据化发展趋势 223
8.1 未来新挑战 224
8.1.1 数据的安全性 224
8.1.2 数据的复杂性 224
8.1.3 计算的复杂性 225
8.1.4 系统的复杂性 225
8.2 智能化、网联化发展趋势 226
8.3 跨网融合发展趋势 227
8.4 大模型融合趋势 230
8.4.1 大模型体系框架 230
8.4.2 大模型与新能源汽车 231
本章习题 233
参考文献 236
前言
第1章 导论 1
1.1 大数据基本概念 2
1.1.1 大数据的概念 2
1.1.2 大数据特征和数据类型 2
1.1.3 大数据与云计算、人工智能的关系 7
1.2 大数据的发展历程 8
1.2.1 大数据的产生与发展 8
1.2.2 大数据的价值 10
1.3 新能源汽车大数据及应用 12
1.3.1 汽车行业数字化现状 12
1.3.2 新能源汽车数据概述 13
1.3.3 新能源汽车大数据应用 16
1.4 新能源汽车大数据应用流程 18
本章习题 21
第2章 新能源汽车数据采集与治理 24
2.1 数据采集终端 25
2.1.1 车载终端设备 25
2.1.2 终端功能 28
2.1.3 车辆定位 30
2.1.4 车辆升级 31
2.2 数据采集方法 32
2.3 数据通信方式 34
2.3.1 无线传输技术 35
2.3.2 有线通信协议 36
2.3.3 数据加密与安全 38
2.4 数据预处理 40
2.4.1 数据清洗 41
2.4.2 数据集成 42
2.4.3 数据转换 45
2.4.4 数据规约 46
本章习题 48
第3章 新能源汽车大数据存储与计算 49
3.1 数据库基础 50
3.1.1 关系数据库 50
3.1.2 时序数据库 51
3.1.3 新型数据库 60
3.2 分布式存储系统 61
3.2.1 分布式存储运行原理 62
3.2.2 典型分布式存储架构 63
3.3 大数据计算 68
3.3.1 批量大数据计算 69
3.3.2 流式大数据计算 71
3.3.3 大规模图数据计算 74
3.4 新能源汽车大数据平台 75
3.4.1 平台技术架构 76
3.4.2 平台可扩展性 78
3.4.3 平台应用服务系统 79
本章习题 80
第4章 数据分析方法 82
4.1 数据分析基础理论 83
4.1.1 描述性统计分析 83
4.1.2 抽样与抽样分布 87
4.1.3 参数估计 91
4.1.4 假设检验 93
4.2 数据关联分析 95
4.2.1 关联规则定义与说明 95
4.2.2 Apriori算法 97
4.2.3 FP-Growth算法 99
4.2.4 Eclat算法 101
4.3 数据分类分析 103
4.3.1 分类分析的定义与说明 103
4.3.2 支持向量机 103
4.3.3 决策树 106
4.3.4 随机森林 108
4.3.5 逻辑回归 109
4.4 数据聚类分析 111
4.4.1 聚类分析法定义与说明 111
4.4.2 划分聚类法 112
4.4.3 密度聚类法 114
4.4.4 层次聚类法 116
4.5 数据回归分析 117
4.5.1 回归分析法定义与说明 117
4.5.2 线性回归 118
4.5.3 非线性回归—人工神经网络 120
本章习题 123
第5章 数据处理工具 124
5.1 数据管理工具 125
5.1.1 MySQL 125
5.1.2 Oracle Database 127
5.1.3 Microsoft SQL Server 130
5.2 数据可视化工具 132
5.2.1 数据可视化工具概述 132
5.2.2 数据可视化图表 137
5.3 数据分析工具 140
5.3.1 数据分析工具概述 140
5.3.2 Python基本操作 141
本章习题 149
第6章 新能源汽车运行大数据应用实例 151
6.1 动力电池系统故障分析 152
6.1.1 应用背景 152
6.1.2 数据准备 152
6.1.3 模型构建 152
6.1.4 应用案例 154
6.1.5 总结 156
6.2 动力电池系统安全风险评估 157
6.2.1 应用背景 157
6.2.2 数据准备 157
6.2.3 电池系统安全风险评估模型构建 157
6.2.4 应用案例 161
6.2.5 总结 163
6.3 动力电池系统健康状态评估 163
6.3.1 应用背景 163
6.3.2 数据准备 164
6.3.3 计算方法 164
6.3.4 模型训练和结果验证 169
6.3.5 总结 171
6.4 新能源汽车能耗影响分析特征 171
6.4.1 应用背景 171
6.4.2 数据准备 172
6.4.3 新能源汽车能耗影响分析模型 172
6.4.4 应用案例 175
6.4.5 总结 179
6.5 新能源汽车行驶工况构建方法 180
6.5.1 应用背景 180
6.5.2 数据准备 180
6.5.3 车辆行驶工况构建模型 180
6.5.4 应用案例 183
6.5.5 总结 186
本章习题 187
第7章 新能源汽车跨网大数据应用实例 188
7.1 充电基础设施选址规划应用 189
7.1.1 应用背景 189
7.1.2 数据准备 189
7.1.3 充电规划模型构建 189
7.1.4 应用案例 192
7.1.5 总结 195
7.2 车辆电动化节能减排分析 195
7.2.1 应用背景 195
7.2.2 数据准备 196
7.2.3 新能源汽车行驶阶段碳排放计算模型 197
7.2.4 应用案例 198
7.2.5 结论 199
7.3 新能源汽车关键零部件故障诊断 200
7.3.1 应用背景 200
7.3.2 数据准备 200
7.3.3 故障诊断模型建立 201
7.3.4 应用案例 205
7.3.5 总结 208
7.4 新能源汽车动力电池衰退预测应用 208
7.4.1 应用背景 208
7.4.2 数据准备 209
7.4.3 模型构建 210
7.4.4 应用案例 214
7.4.5 总结 217
7.5 新能源汽车群体充电负荷和充电车辆比例评估 218
7.5.1 应用背景 218
7.5.2 数据准备 218
7.5.3 模型构建 219
7.5.4 应用案例 220
7.5.5 总结 221
本章习题 222
第8章 新能源汽车数据化发展趋势 223
8.1 未来新挑战 224
8.1.1 数据的安全性 224
8.1.2 数据的复杂性 224
8.1.3 计算的复杂性 225
8.1.4 系统的复杂性 225
8.2 智能化、网联化发展趋势 226
8.3 跨网融合发展趋势 227
8.4 大模型融合趋势 230
8.4.1 大模型体系框架 230
8.4.2 大模型与新能源汽车 231
本章习题 233
参考文献 236
图书评论
