大数据分析与应用大会

『壹』 聚焦大数据时代的漏洞分析与风险评估

聚焦大数据时代的漏洞分析与风险评估

在大数据时代中，新技术创新发展的历史机遇夹杂着安全风险与挑战扑面而来，对网络与信息安全保障提出了新的要求，对信息安全漏洞的挖掘分析和对网络安全风险的综合管控愈显重要和关键。近日，第八届信息安全漏洞分析与风险评估大会(VARA2015)召开。主题探讨是“大数据时代的漏洞分析与风险评估技术”，会议由中国信息安全测评中心主办，北京交通大学承办，清华大学协办。来自政府部门、高等院校、研究机构、信息安全产业界及应用单位的800余名嘉宾参加了活动。
中国信息安全测评中心李守鹏副主任作为大会主持，中国信息安全测评中心朱胜涛主任和北京交通大学校长宁滨分别致欢迎辞，中央网信办网络安全协调局胡啸副局长做了重要发言。中国工程院院士何德全、两院院士王越、中国工程院院士倪光南、费爱国，中国信息安全测评中心党委书记吴世忠出席本次大会，何院士和倪院士做了重要发言。国家发改委高技术产业司王娜处长进行了“促进大数据创新发展，强化大数据安全保障”的主题演讲。国家信息安全主管部门、国家相关部委、专家学者、大型行业、知名企业代表分别围绕此次大会主题分享该领域理论、方法、技术和实践的最新成果。
同时，此次大会举行了中国国家信息安全漏洞库(CNNVD)第三批技术支撑单位授牌仪式，十三家单位分别获得漏洞库一、二、三级支撑单位称号。其中一级共三家：中电长城网际系统应用有限公司、北京云间有道科技有限公司、北京江南天安科技有限公司;二级共三家：北京安信天行科技有限公司、北京锦龙信安科技有限公司、北京永信至诚科技有限公司;三级共七家：北京中测安华科技有限公司、上海斗象信息科技有限公司、深圳百密信安科技有限公司、北京洋浦伟业科技发展有限公司、远江盛邦(北京)信息技术有限公司、成都科来软件有限公司、东巽科技(北京)有限公司。此外，为了更好地表彰和奖励在工作岗位上做出卓越贡献的CISP持证人员，进一步推进信息安全专业人才培养工作体系的建设，中国信息安全测评中心CISP运营中心联合《中国信息安全》杂志共同举办了首届“CISP杰出人物”评选活动。大会对10位评选出的“CISP杰出人物”进行颁奖，他们是：中国联通河北省分公司高级工程师孔令飞，中石化信息化管理部工程师刘远，杭州安恒信息技术有限公司首席安全官刘志乐，江苏天创科技有限公司总经理任国强，中国保险信息技术管理有限责任公司高级工程师杨磊，中国信息安全测评中心副研究员班晓芳，深圳市安络科技有限公司总裁谢朝霞，北京江南天安科技有限公司部门经理程娜，北京邮电大学信息安全中心信息安全系副主任雷敏，北京永信至诚科技有限公司董事长蔡晶晶。
本次会议分别设立了“漏洞分析”、“风险评估”、“大数据安全分析”和"互联网+"时代下的信息安全”四个分会场，展开专题研讨。从多角度、多层面反映了大数据时代下漏洞分析新技术和新方法，展现了复杂网络与系统环境下风险评估的新思路和新实践，沟通了工控系统信息安全技术发展与测评工作的新进展，从更宽的视野探讨了信息安全积极防御的新举措。
网络空间已日益成为国际竞争的战略制高点，网络安全事关各国未来繁荣与发展的核心利益。近年来，信息技术软硬件漏洞正在成为全球各类信息安全问题的主要源头，高度依赖网络信息系统的社会和经济运行正在面临黑客攻击等网络犯罪行为的严重侵袭。我国抓住全球化、信息化的发展机遇，趋利避害，综合实力不断增强，现已成为全球信息化发展大国。但是随着信息化进程的持续深入推进，网络与信息安全问题凸显，成为我国面临的新的综合挑战。
作为信息安全领域业界专家、学术研究人员和政府、行业及用户交流的重要平台，信息安全漏洞分析与风险评估大会之前已成功举办七届，为及时、全面反映我国在信息安全漏洞分析和风险评估领域的创新成果和研究能力，探索国家信息安全保障新思路、新方法，推动信息安全技术进步，促进信息安全保障水平提升正发挥着愈来愈重要的作用。本届大会的成功召开，为信息安全领域的技术探索、产业进步与应用推进的融合发展链接了协作的桥梁，为分享相关领域在理论、方法、技术、标准和实践等方面的最新成果与研究进展提供了一个良好的沟通与交流平台。

以上是小编为大家分享的关于聚焦大数据时代的漏洞分析与风险评估的相关内容，更多信息可以关注环球青藤分享更多干货

『贰』 大数据分析是指的什么

大数据分析是指对规模宏弯巨大的数据进行分析。

对大数据bigdata进行采集、清洗、挖掘、分析等，大数据主要有数据采集、数据存储、数据管理和数据分析与挖掘技术等：

数据处理：自然语言处理技术。

统计分析：假设检验、显著性检验、差异分析、相关分析、多元回归分析、逐步回归、回归预测与残差分析等。

数据挖掘：分类(Classification)、估计(Estimation)、预测(Prediction)、相关性分组或悉键关联规则()、聚类(Clustering)、描述和可视化、DescriptionandVisualization)、复杂数据类型挖掘(Text,Web,图形图像，视频，音频等)。

随着大数据的发展，大数据分析广泛应用在各行各业，其中金融与零售行业应用较为广泛。

大数据分析方法：

大数据挖掘：定义目标，并分析问题

开始大数据处理前，应该定好处理数据的目标，然后才能开始数据挖掘。

大数据挖掘：建立模型，采集数据

可以通过网络爬虫，或者历年的数据资料，建立对应的数据挖掘模型，然后采集数据，获取到大量的原始数据。

大数据挖掘：导入并准备数据

在通过工具或者脚本，将原始转换成可以处理的数据，

大数据分析算法：机器学习

通过使用机器学习的方法，处理采集到的数据。根据具体的问题来定。这里的方法就特别多。

大数据分析目标：语义引擎蔽陆闷

处理大数据的时候，经常会使用很多时间和花费，所以每次生成的报告后，应该支持语音引擎功能。

大数据分析目标：产生可视化报告，便于人工分析

通过软件，对大量的数据进行处理，将结果可视化。

大数据分析目标：预测性

通过大数据分析算法，应该对于数据进行一定的推断，这样的数据才更有指导性。

『叁』 浪潮杯商务大数据分析与应用大赛比什么

浪潮杯商务大数据分析与应用大赛主要是比以下项目：

1、企业需求：来自企业实际需求的项目。

2、创意发挥：根据本地区或行业的社会经济发展需求特点开展能够产生社会或经济效益的创意、创新、创业项目。以参赛作品的形式展现出来，如商业策划书、原型系统等形式。

相关信息介绍：

大数据分析是指对规模巨大的数据进行分析。对大数据bigdata进行采集、清洗、挖掘、分析等，大数据主要有数据采集、数据存储、数据管理和数据分析与挖掘技术等。

大数据分析目标：语义引擎处理大数据的时候，经常会使用很多时间和花费，所以每次生成的报告后，应该支持语音引擎功能。产生可视化报告，便于人工分析通过软件，对大量的数据进行处理，将结果可视化。通过大数据分析算法，应该对于数据进行一定的推断，这样的数据才更有指导性。

『肆』 中国大数据六大技术变迁记

中国大数据六大技术变迁记_数据分析师考试

集“Hadoop中国云计算大会”与“CSDN大数据技术大会”精华之大成， 历届的中国大数据技术大会（BDTC） 已发展成为国内事实上的行业顶尖技术盛会。从2008年的60人Hadoop沙龙到当下的数千人技术盛宴，作为业内极具实战价值的专业交流平台，每一届的中国大数据技术大会都忠实地描绘了大数据领域内的技术热点，沉淀了行业实战经验，见证了整个大数据生态圈技术的发展与演变。
2014年12月12-14日，由中国计算机学会（CCF）主办，CCF大数据专家委员会协办，中科院计算所与CSDN共同承办的 2014中国大数据技术大会(Big Data Technology Conference 2014，BDTC 2014) 将在北京新云南皇冠假日酒店拉开帷幕。大会为期三天，以推进行业应用中的大数据技术发展为主旨，拟设立“大数据基础设施”、“大数据生态系统”、“大数据技术”、“大数据应用”、“大数据互联网金融技术”、“智能信息处理”等多场主题论坛与行业峰会。由中国计算机学会主办，CCF大数据专家委员会承办，南京大学与复旦大学协办的“2014年第二届CCF大数据学术会议”也将同时召开，并与技术大会共享主题报告。
本次大会将邀请近100位国外大数据技术领域顶尖专家与一线实践者，深入讨论Hadoop、YARN、Spark、Tez、 HBase、Kafka、OceanBase等开源软件的最新进展，NoSQL/NewSQL、内存计算、流计算和图计算技术的发展趋势，OpenStack生态系统对于大数据计算需求的思考，以及大数据下的可视化、机器学习/深度学习、商业智能、数据分析等的最新业界应用，分享实际生产系统中的技术特色和实践经验。

大会召开前期，特别梳理了历届大会亮点以记录中国大数据技术领域发展历程，并立足当下生态圈现状对即将召开的BDTC 2014进行展望：
追本溯源，悉大数据六大技术变迁
伴随着大数据技术大会的发展，我们亲历了中国大数据技术与应用时代的到来，也见证了整个大数据生态圈技术的发展与衍变：
1. 计算资源的分布化——从网格计算到云计算。 回顾历届BDTC大会，我们不难发现，自2009年，资源的组织和调度方式已逐渐从跨域分布的网格计算向本地分布的云计算转变。而时至今日，云计算已成为大数据资源保障的不二平台。
2. 数据存储变更——HDFS、NoSQL应运而生。 随着数据格式越来越多样化，传统关系型存储已然无法满足新时代的应用程序需求，HDFS、NoSQL等新技术应运而生，并成为当下许多大型应用架构不可或缺的一环，也带动了定制计算机/服务器的发展，同时也成为大数据生态圈中最热门的技术之一。
3. 计算模式改变——Hadoop计算框成主流。 为了更好和更廉价地支撑其搜索服务，Google创建了Map/Rece和GFS。而在Google论文的启发下，原雅虎工程师Doug Cutting开创了与高性能计算模式迥异的，计算向数据靠拢的Hadoop软件生态系统。Hadoop天生高贵，时至今日已成为Apache基金会最“Hot”的开源项目，更被公认为大数据处理的事实标准。Hadoop以低廉的成本在分布式环境下提供了海量数据的处理能力。因此，Hadoop技术研讨与实践分享也一直是历届中国大数据技术大会最亮眼的特色之一。
4. 流计算技术引入——满足应用的低延迟数据处理需求。 随着业务需求扩展，大数据逐渐走出离线批处理的范畴，Storm、Kafka等将实时性、扩展性、容错性和灵活性发挥得淋漓尽致的流处理框架，使得旧有消息中间件技术得以重生。成为历届BDTC上一道亮丽的风景线。
5. 内存计算初露端倪——新贵Spark敢与老将叫板。 Spark发源于美国加州大学伯克利分校AMPLab的集群计算平台，它立足于内存计算，从多迭代批量处理出发，兼容并蓄数据仓库、流处理和图计算等多种计算范式，是罕见的全能选手。在短短4年，Spark已发展为Apache软件基金会的顶级项目，拥有30个Committers，其用户更包括IBM、Amazon、Yahoo!、Sohu、网络、阿里、腾讯等多家知名公司，还包括了Spark SQL、Spark Streaming、MLlib、GraphX等多个相关项目。毫无疑问，Spark已站稳脚跟。
6. 关系数据库技术进化—NewSQL改写数据库历史。 关系数据库系统的研发并没有停下脚步，在横向扩展、高可用和高性能方面也在不断进步。实际应用对面向联机分析处理（OLAP）的MPP（Massively Parallel Processing）数据库的需求最迫切，包括MPP数据库学习和采用大数据领域的新技术，如多副本技术、列存储技术等。而面向联机事务处理（OLTP）的数据库则向着高性能演进，其目标是高吞吐率、低延迟，技术发展趋势包括全内存化、无锁化等。
立足扬帆，看2014大数据生态圈发展
时光荏苒，转眼间第2014中国大数据技术大会将如期举行。在技术日新月异的当下，2014年的BDTC上又可以洞察些什么？这里我们不妨着眼当下技术发展趋势：
1. MapRece已成颓势，YARN/Tez是否可以再创辉煌？ 对于Hadoop来说，2014是欢欣鼓舞的一年——EMC、Microsoft、Intel、Teradata、Cisco等众多巨头都加大了Hadoop方面的投入。然而对于众多机构来说，这一年却并不轻松：基于MapRece的实时性短板以及机构对更通用大数据处理平台的需求，Hadoop 2.0转型已势在必行。那么，在转型中，机构究竟会遭遇什么样的挑战？各个机构如何才能更好地利用YARN所带来的新特性？Hadoop未来的发展又会有什么重大变化？为此，BDTC 2014特邀请了Apache Hadoop committer，Apache Hadoop Project Management Committee（PMC）成员Uma Maheswara Rao G，Apache Hadoop committer Yi Liu，Bikas Saha（PMC member of the Apache Hadoop and Tez）等国际顶尖Hadoop专家，我们不妨当面探讨。
2. 时过境迁，Storm、Kafka等流计算框架前途未卜。 如果说MapRece的缓慢给众多流计算框架带来了可乘之机，那么当Hadoop生态圈组件越发成熟，Spark更加易用，迎接这些流计算框架的又是什么？这里我们不妨根据BDTC 2014近百场的实践分享进行一个侧面的了解，亦或是与专家们当面交流。
3. Spark，是颠覆还是补充？ 与Hadoop生态圈的兼容，让Spark的发展日新月异。然而根据近日Sort Benchmark公布的排序结果，在海量（100TB）离线数据排序上，对比上届冠军Hadoop，Spark以不到十分之一的机器，只使用三分之一的时间就完成了同样数据量的排序。毫无疑问，当下Spark已不止步于实时计算，目标直指通用大数据处理平台，而终止Shark，开启Spark SQL或许已经初见端倪。那么，当Spark愈加成熟，更加原生的支持离线计算后，开源大数据标准处理平台这个荣誉又将花落谁家？这里我们一起期待。
4. 基础设施层，用什么来提升我们的网络？ 时至今日，网络已成为众多大数据处理平台的攻坚对象。比如，为了克服网络瓶颈，Spark使用新的基于Netty的网络模块取代了原有的NIO网络模块，从而提高了对网络带宽的利用。那么，在基础设施层我们又该如何克服网络这个瓶颈？直接使用更高效的网络设备，比如Infiniband能够带来多少性能提升？建立一个更智能网络，通过计算的每个阶段，自适应来调整拆分/合并阶段中的数据传输要求，不仅提高了速度，也提高了利用率。在BDTC 2014上，我们可以从Infiniband/RDMA技术及应用演讲，以及数场SDN实战上吸取宝贵的经验。
5. 数据挖掘的灵魂——机器学习。 近年来，机器学习领域的人才抢夺已进入白热化，类似Google、IBM、微软、网络、阿里、腾讯对机器学习领域的投入也是愈来愈高，囊括了芯片设计、系统结构（异构计算）、软件系统、模型算法和深度应用各个方面。大数据标志一个新时代的到来，PB数据让人们坐拥金山，然而缺少了智能算法，机器学习这个灵魂，价值的提取无疑变得镜花水月。而在本届会议上，我们同样为大家准备了数场机器学习相关分享，静候诸位参与。
而在技术分享之外，2014年第二届CCF大数据学术会议也将同时召开，并与技术大会共享主题报告。届时，我们同样可以斩获许多来自学术领域的最新科研成果。

以上是小编为大家分享的关于中国大数据六大技术变迁记的相关内容，更多信息可以关注环球青藤分享更多干货

『伍』 大数据存储与应用特点及技术路线分析

大数据存储与应用特点及技术路线分析

大数据时代，数据呈爆炸式增长。从存储服务的发展趋势来看，一方面，对数据的存储量的需求越来越大；另一方面，对数据的有效管理提出了更高的要求。大数据对存储设备的容量、读写性能、可靠性、扩展性等都提出了更高的要求，需要充分考虑功能集成度、数据安全性、数据稳定性，系统可扩展性、性能及成本各方面因素。

大数据存储与应用的特点分析

“大数据”是由数量巨大、结构复杂、类型众多数据构成的数据集合，是基于云计算的数据处理与应用模式，通过数据的整合共享，交叉复用形成的智力资源和知识服务能力。其常见特点可以概括为3V:Volume、Velocity、Variety(规模大、速度快、多样性)。

大数据具有数据规模大(Volume)且增长速度快的特性，其数据规模已经从PB级别增长到EB级别，并且仍在不断地根据实际应用的需求和企业的再发展继续扩容，飞速向着ZB(ZETA-BYTE)的规模进军。以国内最大的电子商务企业淘宝为例，根据淘宝网的数据显示，至2011年底，淘宝网最高单日独立用户访问量超过1.2亿人，比2010年同期增长120%,注册用户数量超过4亿，在线商品数量达到8亿，页面浏览量达到20亿规模，淘宝网每天产生4亿条产品信息，每天活跃数据量已经超过50TB.所以大数据的存储或者处理系统不仅能够满足当前数据规模需求，更需要有很强的可扩展性以满足快速增长的需求。

(1)大数据的存储及处理不仅在于规模之大，更加要求其传输及处理的响应速度快(Velocity)。

相对于以往较小规模的数据处理，在数据中心处理大规模数据时，需要服务集群有很高的吞吐量才能够让巨量的数据在应用开发人员“可接受”的时间内完成任务。这不仅是对于各种应用层面的计算性能要求，更加是对大数据存储管理系统的读写吞吐量的要求。例如个人用户在网站选购自己感兴趣的货物，网站则根据用户的购买或者浏览网页行为实时进行相关广告的推荐，这需要应用的实时反馈;又例如电子商务网站的数据分析师根据购物者在当季搜索较为热门的关键词，为商家提供推荐的货物关键字，面对每日上亿的访问记录要求机器学习算法在几天内给出较为准确的推荐，否则就丢失了其失效性；更或者是出租车行驶在城市的道路上，通过GPS反馈的信息及监控设备实时路况信息，大数据处理系统需要不断地给出较为便捷路径的选择。这些都要求大数据的应用层可以最快的速度，最高的带宽从存储介质中获得相关海量的数据。另外一方面，海量数据存储管理系统与传统的数据库管理系统，或者基于磁带的备份系统之间也在发生数据交换，虽然这种交换实时性不高可以离线完成，但是由于数据规模的庞大，较低的数据传输带宽也会降低数据传输的效率，而造成数据迁移瓶颈。因此大数据的存储与处理的速度或是带宽是其性能上的重要指标。

(2)大数据由于其来源的不同，具有数据多样性的特点。

所谓多样性，一是指数据结构化程度，二是指存储格式，三是存储介质多样性。对于传统的数据库，其存储的数据都是结构化数据，格式规整，相反大数据来源于日志、历史数据、用户行为记录等等，有的是结构化数据，而更多的是半结构化或者非结构化数据，这也正是传统数据库存储技术无法适应大数据存储的重要原因之一。所谓存储格式，也正是由于其数据来源不同，应用算法繁多，数据结构化程度不同，其格式也多种多样。例如有的是以文本文件格式存储，有的则是网页文件，有的是一些被序列化后的比特流文件等等。所谓存储介质多样性是指硬件的兼容，大数据应用需要满足不同的响应速度需求，因此其数据管理提倡分层管理机制，例如较为实时或者流数据的响应可以直接从内存或者Flash(SSD)中存取，而离线的批处理可以建立在带有多块磁盘的存储服务器上，有的可以存放在传统的SAN或者NAS网络存储设备上，而备份数据甚至可以存放在磁带机上。因而大数据的存储或者处理系统必须对多种数据及软硬件平台有较好的兼容性来适应各种应用算法或者数据提取转换与加载(ETL)。

大数据存储技术路线最典型的共有三种：

第一种是采用MPP架构的新型数据库集群，重点面向行业大数据，采用Shared Nothing架构，通过列存储、粗粒度索引等多项大数据处理技术，再结合MPP架构高效的分布式计算模式，完成对分析类应用的支撑，运行环境多为低成本 PC Server，具有高性能和高扩展性的特点，在企业分析类应用领域获得极其广泛的应用。

这类MPP产品可以有效支撑PB级别的结构化数据分析，这是传统数据库技术无法胜任的。对于企业新一代的数据仓库和结构化数据分析，目前最佳选择是MPP数据库。

第二种是基于Hadoop的技术扩展和封装，围绕Hadoop衍生出相关的大数据技术，应对传统关系型数据库较难处理的数据和场景，例如针对非结构化数据的存储和计算等，充分利用Hadoop开源的优势，伴随相关技术的不断进步，其应用场景也将逐步扩大，目前最为典型的应用场景就是通过扩展和封装 Hadoop来实现对互联网大数据存储、分析的支撑。这里面有几十种NoSQL技术，也在进一步的细分。对于非结构、半结构化数据处理、复杂的ETL流程、复杂的数据挖掘和计算模型，Hadoop平台更擅长。

第三种是大数据一体机，这是一种专为大数据的分析处理而设计的软、硬件结合的产品，由一组集成的服务器、存储设备、操作系统、数据库管理系统以及为数据查询、处理、分析用途而特别预先安装及优化的软件组成，高性能大数据一体机具有良好的稳定性和纵向扩展性。

以上是小编为大家分享的关于大数据存储与应用特点及技术路线分析的相关内容，更多信息可以关注环球青藤分享更多干货

『陆』 「SAECCE议程剧透」新能源汽车大数据应用——机遇与融合

导读

新能源 汽车 大数据的利用不仅在 汽车 产业内部释放了巨大的数据红利，未来也必将成为 汽车 产业与其他产业融合的重要纽带。随着我国“新基建”的不断推进，高速低延迟的5G网络覆盖与新能源 汽车 充电桩的建设，势必会加速新能源 汽车 的发展与数据井喷。由此可见，大数据技术在新能源 汽车 上的应用会加快 汽车 产业向信息化与智能化迈进的脚步，而新能源 汽车 大数据与电力等行业的融合还将产生出巨大的蓝海市场。

2020中国 汽车 工程学会年会暨展览会（SAECCE 2020） 将于 2020年10月27-29日 在 上海 汽车 会展中心 举办。迄今为止，SAECCE年会已成功举办26届，成为在国内举办的 汽车 行业标杆活动之一。

本专题分会以 “新能源 汽车 大数据应用——融合与机遇” 为主题，邀请国内外权威专家主旨演讲和互动讨论。通过聚焦“大数据背景下新能源车辆全局优化式能量管理方法研究”等若干议题，共同交流新能源 汽车 大数据应用的主流技术与最新发展趋势，加速新能源 汽车 大数据技术成熟，并加大 汽车 产业的辐射带动能力。

N01:新能源 汽车 大数据应用——机遇与融合

会议时间&地点

2020年10月27日 13:30-18:00

上海 汽车 会展中心

协办单位

吉林大学 汽车 工程学院

会议主席

王震坡

博士/教授/博士生导师，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

王震坡，教授、博士生导师，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。入选了教育部“新世纪优秀人才”、北京市“ 科技 北京百名领军人才”、 科技 部“中青年 科技 创新领军人才”、 国家“万人计划”和机械行业“‘十二五’先进 科技 工作者”。主持了国家自然基金重点项目（动力电池系统热失控与安全管理）、国家重点研发计划项目（分布式驱动电动 汽车 集成与控制）、国家863计划项目（电动 汽车 充换电设施设计集成与管理）等纵向项目12项，发表第一作者或通讯作者SCI论文29篇(ESI高被引3篇)，第一作者EI论文60余篇。第一作者出版专(译)著4部(“电动车辆动力电池系统及应用技术”入选“十二五”高等教育本科国家级规划教材)，授权第一发明人发明专利24项。获国家 科技 进步二等奖1项，省部级科研一等奖3项，二等奖2项(1项排名第一)，中国 汽车 工业科学技术一等奖1项(排名第一)，北京市教学成果一等奖1项。

联合会议主席

许楠

博士/副教授/博士生导师，吉林大学 汽车 工程学院

许楠，吉林大学 汽车 工程学院车辆工程专业 副教授兼博士生导师，工学博士，博士后，新能源 汽车 国家大数据联盟理事，美国电气电子工程师学会（IEEE）会员，目前担任Applied Energy、IEEE Transaction on Vehicular Technology、IEEE Transaction on Power Electronics、International Journal of Electronics和SAE Journal等国际期刊审稿专家。发表新能源 汽车 领域论文二十余篇，授权发明专利10项，软件著作权13项。作为项目负责人承担国家自然科学基金青年基金项目、国家博士后科学基金面上项目、吉林省 科技 发展计划项目以及企业的合作研究等项目。荣获国家教育部博士生新人奖，入选国家留学基金委国际清洁能源拔尖创新人才培养项目（iCET2019），吉林大学优秀青年教师重点培养计划等。

主要研究城市智能交通系统规划与评价、车辆全局优化式能量管理、人-车-路系统数据挖掘与分析、新能源车辆动力系统控制与评价、开放式绕组电机控制、智能辅助驾驶。

01

演讲嘉宾简介及演讲摘要提前看

大数据+区块链在新能源 汽车 动力电池溯源管理方面的应用研究

刘鹏

北京理工大学副教授，硕士生导师，新能源 汽车 大数据联盟副秘书长

演讲要点

1、新能源 汽车 动力电池发展现状。

2、新能源 汽车 动力电池溯源管理平台建设及应用现状介绍。

3、大数据及区块链技术在新能源 汽车 动力电池溯源管理方面的应用现状及最新研究。

4、动力电池数据管理所面临的问题和挑战。

演讲摘要

概述近年来新能源 汽车 和动力电池发展数据研究现状，以及大数据平台建设及应用状况，并对大数据及区块链技术在新能源 汽车 动力电池溯源管理方面的应用及研究进行介绍，对动力电池数据管理方面所面临的挑战进行分析和展望。

一种基于数据的电动 汽车 全工况行驶能耗评价方法

袁新枚

吉林大学 汽车 工程学院教授

演讲要点

1、电动 汽车 能耗评价的需求。

2、一种新型的电动 汽车 能耗模型及基于数据的能耗评价方法。

3、仿真实验结果及讨论。

4、该方法在高速路充电站规划上的一个应用。

演讲摘要

智能网联新能源 汽车 的能量管理策略

宋珂

同济大学 汽车 学院燃料电池创新研究所所长

演讲要点

1、智能网联 汽车 概述。

2、智能网联 汽车 的通信技术。

3、智能网联新能源 汽车 能量管理技术发展历程。

4、智能网联新能源 汽车 能量管理技术发展趋势。

演讲摘要

智能网联 汽车 与新能源 汽车 将是未来 汽车 技术发展的两个重要方向。当今 社会 和人们对这两项技术的协调发展提出了更高的要求。通过使用智能网联技术（ICT），新能源 汽车 可以与外部世界（例如其他行驶车辆、道路基础设施，互联网等）进行信息实时交互，这就是所谓的车联网系统（V2X）。在对各种交通信息进行深入分析的基础上，车辆可以识别当前行驶状况并对未来驾驶状况进行有效预测，从而实现车辆动力系统能量管理的实时优化，以满足不同驾驶条件下的车辆驾驶需求。这不仅能大大改善新能源 汽车 的燃油经济性，也能够有效缓解了交通拥堵问题。介绍近年来智能网联技术在新能源 汽车 上的应用情况，基于智能网联技术的新能源 汽车 能量管理策略研究现状以及智能网联技术与新能源 汽车 技术协调发展的趋势。

大数据在新能源 汽车 安全风险防控的应用研究

张照生

北京理工大学机械与车辆学院副教授

演讲要点

1、新能源 汽车 安全情况统计分析。

2、新能源 汽车 安全预警与防控方法研究。

3、典型事故案例数据分析。

演讲摘要

基于新能源 汽车 国家监管平台数据，统计分析车辆报警、事故车辆相关情况，从大数据角度分析影响新能源 汽车 安全相关因素，提出新能源 汽车 安全预警和防控方法，并以具体事故案例分析新能源 汽车 预警情况，为新能源 汽车 安全管控及产业 健康 发展提供技术支撑。

大数据背景下新能源车辆全局优化式能量管理方

法研究

许楠

吉林大学 汽车 工程学院 副教授，博士生导师，新能源 汽车 大数据联盟理事

演讲要点

1、新能源车辆能量管理方法研究现状。

2、大数据背景下全局优化式能量管理方法所面临的机遇和挑战。

3、"信息-物质-能量"三层式全局优化架构的建立及应用。

4、全局优化式能量管理平台的应用前景。

演讲摘要

概述近年来新能源车辆能量管理方法研究现状，介绍大数据为全局优化式能量管理带来的机遇，明确全局优化式能量管理方法所面临的问题和挑战，提出“信息-物质-能量”三层式全局优化架构以解决全局优化式能量管理方法实际应用问题。最后，针对全局优化式能量管理平台未来在区域交通能耗优化等方面的应用，提出了相关建议与展望。

数据驱动的锂离子动力电池管理算法 探索 研究

韩雪冰

清华大学车辆与运载学院助理研究员

演讲要点

1、基于云端大数据的电池管理是未来的发展方向。

2、基于数据可以有效的实现电池的安全预警。

3、基于数据可以有效的实现电池的寿命估计。

演讲摘要

在新能源 汽车 使用过程中，伴随着电池的使用，电池性能不断衰减，电池组内单体间的不一致性持续增加，一致性问题还可能导致电池组的失效，引发安全问题。随着云端数据的广泛应用，电动 汽车 的数据能被监测、记录。基于这些数据可以有效的评估电池组一致性、估计电池寿命，进行电池安全预警，实现更加安全可靠的电池管理。

大数据背景下基于储能应用的电动 汽车 电池的

二次利用

班伯源

中国科学院合肥物质科学研究院副研究员

演讲要点

1、退役电动 汽车 电池二次利用的必要性。

2、电动 汽车 锂电池的衰减现象的本质。

3、退役电动 汽车 电池二次利用的关键技术 SOH估算。

4、退役电动 汽车 电池二次利用国内应用实例。

演讲摘要

近年来电动 汽车 （EV）产业飞速发展，为了保证 汽车 的动态性能和行驶安全，电动 汽车 电池在一定服役时间或性能下降后就需要更换。退役 汽车 电池二次利用是将保留了足够的性能的退役电动 汽车 电池组，用于特定的储能系统中。在本报告中整理了锂离子 汽车 蓄电池二次利用的相关法律法规，收集了SOH估算的相关方法，特别是针对目前大数据背景下的提出了整合电动车能源管理系统的SOH估算方法，列举了退役 汽车 电池可能的二次利用的利用场景。最后，根据目前国内退役电动 汽车 电池二次利用的现状，提出了相关建议与展望。

新能源车与外部环境的数据融合带来的机遇和

挑战

王川久

北京泓达九通 科技 发展有限公司董事长

演讲要点

1、大数据让新能源车看的更远，了解的更多，同时我们对车辆也有了更深的了解。

2、车辆与道路交通系统的关系。

3、大数据能给我们带来什么。

4、几个大数据的应用场景。

演讲摘要

新能源 汽车 与外部环境的大数据交换，将使车辆更好的融入道路交通系统，提高整个交通系统的效率，同时车辆的设计、生产、销售、质量控制等各个环节均发挥出与以往不同的作用。

关于SAECCE 2020

2020中国 汽车 工程学会年会暨展览会（SAECCE 2020） 将于 2020年10月27-29日 在 上海 汽车 会展中心 举办，诚邀 汽车 及相关行业的企业高层、技术领军人物、资深专家学者、广大 科技 工作者参与会议。SAECCE以“ 汽车 +，协同创新”为主题，围绕新能源 汽车 技术、智能网联 汽车 技术、 汽车 关键共性技术，深度探讨如何快速推动技术创新，重塑新型产业格局。

中国 汽车 工程学会年会暨展览会（SAECCE）已成功举办26届，成为在国内举办的 汽车 行业标杆活动之一。此外，原定于今年5月在北京召开的第七届国际智能网联 汽车 技术年会（CICV 2020）将和2020中国 汽车 工程学会年会暨展览会（SAECCE 2020）合并举办。

SAECCE2020将组织1天（2场）全体大会、50多场专题分会、20多场（论文交流）技术分会，展览面积约10000平米，预计将吸引3000多位来自政府机构及行业组织、整车企业、零部件企业、高校及科研院所的代表参会及参观。

欢迎广大企业、高校、科研院所等机构、以及广大 科技 工作者通过组团或个人报名的方式积极参与！

02

SAECCE 2020 日程架构

『柒』 中国大数据应用大会召开在什么时候

7月14日，首届中国大数据应用大会在成都开幕，来自大数据领域及相关行业的2000多名专业人士和6000余名注册听众参会，其中包括中国科学院院士鄂维南、中国工程院院士倪光南。
据了解，在国家工信部、四川省政府、成都市政府指导下，大会由中国大数据专家委员会、中国电子信息产业集团、中国电子学会、四川省经济和信息化委联合主办。两天会期内，2场主论坛和11场专题论坛将举行86场演讲、10余场圆桌讨论，以“大数据与智能时代”为主题，聚焦大数据与各行业、各领域的深度融合，以及大数据的技术创新和产业发展。川报集团封面传媒承办的大数据与媒体联接力论坛，专门探讨数据赋能为媒体提升联接力带来的巨大机遇。
与会嘉宾认为，推动大数据产业发展，政策是保证，技术是基础，应用是核心。应用是大数据技术创新和产业发展的原动力，也是大数据在经济发展、社会进步中彰显价值的关键环节。
据悉，成都正加快建设依托大数据核心技术与关键产品的高新区天府软件园、基于大数据创新创业的郫县菁蓉镇大数据产业园、以数据智慧处理中心和大数据安全为核心的崇州信息安全（大数据）产业示范园等产业聚集发展区，并在智能交通、城市管理、食品安全、环境保护、安全生产、现代物流、电子商务、两化融合等领域加大推广应用力度，力争到2020年全面建成中国西部大数据中心和国内一流的数据强市。

『捌』 国际大数据大会传递哪些新理念

国际大数据大会传递哪些新理念

为进一步促进大数据领域与传统应用行业的深度交流与合作，中国通信学会近日在北京举办“2015中国国际大数据大会”。此次大会以“大数据+”为主题。
解读大数据行动纲要
将推动政府公信力和信用体系的建设
国家统计局信息服务中心大数据研究实验室主任江青说，大数据行动纲要代表国家从顶层设计上推动大数据。
江青主要解读了大数据行动纲要对智慧城市带来的“四化”。她认为智慧城市的核心是大数据，是大数据在城市的应用。纲要有利于智慧城市实现规划科学化、管理动态化、治理精准化、管理服务高效化。
纲要还提出推动政府信息系统和公共数据的互联共享，消除信息孤岛，加快各类政府信息平台，避免数据重复打架，江青认为，这说明了两个问题，一是增强政府公信力，一是提升社会的信用体系，相对应的就是建设政府信息公用平台和政府公信力的平台。
数据开放问题
政府部门和公共企事业单位要率先开放原始的、可机读的数据
中科院院士、北京大学、普林斯顿大学教授、普林科技董事长鄂维南认为现在大数据面临的第一个瓶颈就是没数据，数据孤岛严重，不同部门数据存在在不同的地方。
中国国际经济交流中心副研究员张茉楠认为我国数据的实体化和实体数据化还处在前期阶段，还存在数据安全、数据所属权、数据治理等各方面的问题。
西安未来国际信息公司执行总裁史晨昱提出了如何开放和开放哪些数据。他认为，应首要开放政府部门和公共企事业单位的数据。政府应该建设开放平台或者网站，以满足社会公众对信息资源的使用。开放网站是全球的普遍做法，包括美国、英国都采用这种做法。开放平台应该建立在互联网上，而非建立在电子政务网上。
其次，开放的数据应该是原始的，可机读的数据。原始数据是没有加工处理的数据，可机读是指开放的数据要便于计算机处理加工。数据开放后，政府需要鼓励企业和公众，利用公共信息资源去开发信息产品，服务于社会公众，服务于其他的企业客户或者政府客户。
大数据推动社会共治
国家的治理从原来的政府主导，转向政府、公民、企业、社会共同参与的多元共治模式
张茉楠认为大数据带来的不仅仅是生产力的变革，更是一种生产关系的变革。
大数据改变了政府的角色、企业角色和社会公众的角色，也使整个国家的治理从原来政府主导的治理，开始向政府、公民、企业、社会多元共治的新模式转型。
张茉楠举例说美国环境数据的开放，就是通过一个项目把美国各个州的环境治理数据向公众开放，让公众更多地参与环境治理，由第三方负责监管。整个过程中是政府提出需求，提供服务，公众积极参与，整个社会共同监督管理。
张茉楠认为大数据时代，社会治理主要呈现三大特点，一是从原来的一家独大、政府的独治逐渐转向多元共治。第二，由原来较多的封闭结构向开放型的治理结构转型。特别是在大数据、云计算发展之下，原来公众和政府之间的信息差、知识差已经逐步扁平化。第三，由权力决策机制转向公共决策机制。
数据交易市场
数据产品交易可以活跃信息消费市场，但法律犯规、技术都还不尽完善
史晨昱认为数据服务平台应该非盈利性和商业化并举。非盈利的数据开放网站，负责将政府部门和公共服务企事业单位的数据，免费开放给公众；在此基础上建设的商业化数据服务平台，可以连接信息服务产品的供需双方，开展数据产品交易，以此活跃整个信息消费市场。
亚信数据总裁张浩认为，维护和管理数据对任何一个部门或者企业来讲都是有代价和成本的，通过交易或者是对等交换，容易实现数据价值。但我国目前还面临着问题，第一，本身还没有形成大数据，缺少法律规范让拥有数据的部门开放数据。第二，目前缺少对个人隐私保护的技术。
鄂维南认为数据作为一种商品，有一定的特殊性，每个人都可以使用，可以重复售卖，没有任何消耗。根据经济学观点，数据的价值是零，所以数据交易理论上来说是不可行的。这也是数据交易平台需要突破的悖论。
云计算+大数据
云计算可以让大数据运行更经济化、集约化和精细化
中国移动苏州研发中心大数据项目总监徐萌提出了云计算大数据，她认为，大数据把数据整合起来，这只是粗放的状态，并不是经济的模式。云计算强调经济化、集约化、精细化。云计算可以使得大数据用集约式的平台和方式来运转。
目前来看，云计算大数据的实现需要解决4个问题，第一，统一化的数据管理，即数据从哪来到哪去、共享给谁、怎么共享、权限是什么。第二，明确云计算大数据的概念，大数据是借用云计算来实现服务的。第三，精细化的资源管理，云计算目标就是降低成本，提供更多应用和服务。大数据后续也要演变过来，实现精细化运营，合理调度资源。第四，智能化就是保证多种资源框架可以自动适配。

以上是小编为大家分享的关于国际大数据大会传递哪些新理念的相关内容，更多信息可以关注环球青藤分享更多干货

『玖』 IBM Power全面推动大数据分析发展

IBM日前在2015中国大数据技术大会上分享了其在大数据分析领域的最新成果，阐述了面向大数据分析领域的IT基础架构的最新战略。针对企业在认知时代面临的大数据分析工作负载，IBM坚信要以全新的IT基础架构作为支持。凭借产品和解决方案的持续革新，IBM致力于助力大数据应用创新，通过打造基于Power的本地生态系统，全面推动本地大数据分析技术的发展。

随着互联网和移动互联网技术的进一步发展，在数据量激增的同时，数据类型也变得更为复杂多样。如何快速处理这些数据使其产生价值，如何结合结构化与非结构化数据分析进行预测、推理、感知的判断并采取相应行动，成为企业亟须思考的难题。面对当前挑战，企业需要能够处理和分析大量结构化与非结构化数据，具备高可靠性和经济效益的认知系统。未来，随着数据量的进一步增长，企业将需要一个具备更强事务处理能力、更灵活调配系统架构的领先IT 基础架构。

IBM Power一直致力于凭借领先的IT基础架构，满足企业的大数据分析需求，帮助企业实现数字化转型。针对大数据分析与认知工作负载，IBM今年推出了多款Power产品。Power Systems LC服务器基于OpenPOWER基金会创新成果，针对企业大数据分析工作负载，能够提供比同等x86服务器更快的速度及更低的成本，帮助客户实现便捷、快速的部署。此外，IBM不仅凭借基于POWER8的Linux专属服务器帮助用户发展新兴应用，还通过企业级高性能Linux分区服务器为用户的关键应用提供支持，帮助企业发展新兴工作负载、实现业务转型。

着眼未来趋势，IBM坚信认知技术与思维是满足企业发展需要不可或缺的一部分。作为IBM在认知计算领域的卓越代表，沃森（Watson）在大数据处理与分析方面已取得突破性成就，拥有分析海量数据、处理并行复杂数据以及快速判断和应答响应等卓越能力。基于由IBM Power平台构建的高性能运算基础架构的支持，IBM正联合多家合作伙伴，推动沃森的应用。

除了不断革新Power硬件平台，IBM还通过对本地人才的培养推动大数据应用的创新。今年，IBM已联手CSDN成功举办了8期POWER8极限挑战赛，吸引了逾万人次参赛。IBM也成功举办了十余次培训沙龙，为开发者带来更多学习和交流的机会。此外，IBM还以不同形式联合合作伙伴为本地开发者提供基于Power的开源技术创新环境，帮助开发者加速其创新进程。

为提升本地合作伙伴的能力，IBM还与合作伙伴联手，积极推动本地开源技术生态系统的构建。在IBM“中国合伙人”战略的引领下，IBM与CSDN等伙伴联手启动Linux开源生态系统联盟，基于IBM多年来为开源领域提供的先进支持，携手国内ISV、开源技术社区、企业用户、创投公司等多方力量，共同打造一个基于Power技术的开源技术生态圈。IBM还联手OpenPOWER基金会成员推出了全新硬件加速ISV支持计划，为本地ISV免费提供基于RedPOWER服务器以及赛灵思FPGA的云端开发及测试环境，帮助ISV提升大数据、云计算等新兴技术研发能力，促进第二代分布式计算的发展。

IBM副总裁、大中华区硬件系统部总经理郭仁声表示：“认知时代的到来标志着信息技术的发展步入了全新阶段，也对企业的IT基础架构提出了更为严苛的要求。为了帮助企业更好地处理、分析数量庞大的结构化和非结构化数据，IBM Power将凭借扎实的硬件基础和深入的行业洞察，帮助企业构建全新的IT基础架构，更好地应对当前和未来包括大数据在内的种种挑战。”