第1章 导论 1
1.1 汽车电气化与智能化 1
1.1.1 电气化 1
1.1.2 智能化 2
1.2 信息化的车联网 3
1.2.1 车联网技术 3
1.2.2 国内外发展历史及现状 7
1.2.3 车联网发展趋势 10
1.3 大数据简介 11
1.3.1 大数据的产生与发展 12
1.3.2 大数据的概念与特征 13
1.3.3 大数据的价值与挑战 15
1.4 车辆大数据与应用 18
1.4.1 汽车行业大数据应用 19
1.4.2 新能源汽车大数据应用 20
第2章 新能源汽车车联网技术 23
2.1 新能源汽车与数据采集 24
2.1.1 纯电动汽车 24
2.1.2 混合动力电动汽车 26
2.1.3 燃料电池电动汽车 30
2.2 车辆数据通信技术 31
2.2.1 CAN总线的数据交换原理 32
2.2.2 CAN总线的特征和分层结构 34
2.2.3 CAN总线在汽车控制系统中的应用 35
2.2.4 FlexRay总线 35
2.3 车载设备应用 36
2.3.1 汽车厂商领域 36
2.3.2 公共交通领域 37
2.3.3 私人交通领域 39
2.4 新能源汽车车联网大数据平台 40
2.4.1 新能源汽车大数据平台的应用背景 40
2.4.2 新能源汽车大数据平台的架构 42
2.4.3 新能源汽车大数据平台的功能 43
2.5 新能源汽车车联网应用实例分析 44
2.5.1 车联网技术在智慧交通方面的应用 44
2.5.2 车联网在新能源汽车上的应用 46
第3章 新能源汽车大数据应用流程 50
3.1 数据采集 50
3.1.1 数据采集方法 50
3.1.2 新能源汽车数据采集 51
3.1.3 小结 54
3.2 数据预处理 54
3.2.1 数据预处理目标 54
3.2.2 数据预处理方法 55
3.2.3 新能源汽车数据预处理 66
3.2.4 小结 68
3.3 数据存储 69
3.3.1 数据存储技术路线 69
3.3.2 新能源汽车数据存储 70
3.3.3 小结 72
3.4 数据探索与分析 72
3.4.1 数据探索与统计 73
3.4.2 数据挖掘与应用 75
3.4.3 新能源汽车数据探索与分析 80
3.4.4 小结 82
3.5 数据可视化 83
3.5.1 数据可视化工具 84
3.5.2 新能源汽车数据可视化 90
3.5.3 小结 93
第4章 数据分析的基础理论 94
4.1 相关与回归分析 94
4.1.1 相关分析 94
4.1.2 一元线性回归分析 99
4.1.3 多元线性回归分析 109
4.1.4 非线性回归模型 114
4.1.5 小结 117
4.2 聚类方法 117
4.2.1 聚类方法概要 118
4.2.2 K-means方法 121
4.2.3 层次聚类 122
4.2.4 类别数的确定方法 125
4.2.5 小结 127
4.3 分类方法 127
4.3.1 分类方法概要 127
4.3.2 K-近邻 129
4.3.3 贝叶斯分类 132
4.3.4 分类的评判 135
4.3.5 小结 138
4.4 诊断方法 139
4.4.1 离群点诊断概要 139
4.4.2 基于统计的离群点诊断 140
4.4.3 基于距离的离群点诊断 142
4.4.4 基于密度的离群点挖掘 144
4.4.5 基于聚类的离群点挖掘 145
4.4.6 小结 146
4.5 时间序列数据分析与预测 146
4.5.1 时间序列概述 146
4.5.2 时间序列的描述分析 148
4.5.3 长期趋势分析 151
4.5.4 季节变动分析 153
4.5.5 循环变动分析 154
4.5.6 时间序列的预测 155
4.5.7 小结 157
第5章 新能源汽车的运行大数据统计分析与应用实例 158
5.1 新能源汽车大数据的应用概述 158
5.1.1 大数据标准化 158
5.1.2 大数据应用领域 159
5.2 新能源汽车技术分析与应用 160
5.2.1 动力电池系统故障分析 160
5.2.2 动力电池系统健康状态评估 170
5.2.3 动力电池系统梯次利用分析 175
5.3 新能源汽车使用行为分析与应用 180
5.3.1 驾驶行为分析与应用 180
5.3.2 充电行为分析 185
5.3.3 行驶里程分析 189
5.4 新能源汽车宏观经济分析与应用 195
5.4.1 分时租赁应用 195
5.4.2 对城市交通运行的影响分析 204
第6章 大数据分析在未来交通出行中的应用及发展前景 213
6.1 未来的交通出行 213
6.1.1 未来的汽车出行 213
6.1.2 未来的交通网络 214
6.2 未来交通出行中大数据的分析与应用 215
6.2.1 未来汽车行业——以人为本 216
6.2.2 未来交通系统——智慧出行网络 218
6.2.3 未来社会发展——国计民生 220
6.3 未来新挑战 222
6.3.1 数据的安全性 222
6.3.2 数据的复杂性 223
6.3.3 计算的复杂性 223
6.3.4 系统的复杂性 224
参考文献 225