“中深杯”2019全国高校新能源汽车大数据创新创业大赛
参赛声明
×

  请参赛者认真阅读本声明,您通过网络页面点击确认完成注册,即表示您同意遵守以下参赛条件,如参赛者在比赛过程中有任何违反本声明的行为,组委会有权取消其参赛资格。本声明自您注册之时起或自您使用的行为发生之时起(以时间在先者为准)生效。本声明最终解释权归大赛组委会所有。

一、大赛服务使用规范

1.1本次竞赛分为学生组和社会组两个组别,参赛者实名认证方可进行比赛:学生组参赛者须填写个人信息、学校信息、专业信息等,并上传身份证扫描件及有效的学生证扫描件进行实名认证;社会组参赛者须填写个人信息、公司信息、职位信息等,并上传身份证扫描件、加盖公司公章的参赛身份文件扫描件、公司营业执照扫描件进行实名认证。参赛者承诺实际参赛者将与报名信息保持一致,决赛将进行现场身份确认。

1.2参赛者仅可通过账户(登录名+密码)登录的方式使用大赛服务。主办方仅根据参赛者的登录账户来确认使用大赛服务的主体身份。开通大赛服务使用权限的账户仅限于参赛者自身使用。

1.3参赛者声明并保证其使用大赛服务过程中应遵守如下要求,如主办方对参赛者使用大赛的部分服务有额外要求的,参赛者应同时遵守上述要求或在达到上述要求后方可使用该等服务:

(1)不模仿、修改、翻译、改编、出借、出售、转许可、在信息网络上传播或转让大赛服务,也不得逆向工程、反汇编、反编译、分解拆卸或试图以其他方式发现大赛服务的源代码;

(2)不发送、上传和储存带有病毒的、蠕虫的、木马和其他有害内容的计算机代码、文件、脚本和程序;

(3)不利用主办方提供的大赛服务散发大量不受欢迎的或者未经请求的电子邮件、电子广告或包含反动、色情等有害信息的内容;

(4)不利用主办方提供的资源和服务上传、下载、储存、发布任何违法违规、侵权、淫秽、色情、不道德、欺诈、诽谤、非法恐吓或非法骚扰等信息或内容,不为他人发布该等信息提供任何便利(包括但不限于设置URL、BANNER链接等)。

1.4参赛者同意,主办方保留在任何时候自行决定对大赛的产品内容、数据内容、功能模块等随时进行增加、删除、修改、升级、转移、暂停、终止的权利;或因定期、不定期的维护,及/或国家法律法规、政策,大赛数据披露政策等的调整而暂缓提供的权利。主办方进一步保留在大赛开发新的服务、模块、功能或其他语种服务等的权利。上述所有变更的服务、模块、功能的提供,除非主办方另有说明,否则仍适用本声明。

二、知识产权

2.1参赛者在此承诺不会利用大赛成果从事任何商业行为或获取任何商业利益;否则,主办方保留向参赛者追索及主张相关权利的权利。

2.2参赛者同意授权主办方可以在本次竞赛期间及之后任何时间,免费使用参赛作品的项目简介在包括但不限于网站、平面杂志等媒体进行公开宣传的权利。

2.3高校参赛者同意授权主办方将参赛作品推荐给其他全国大型赛事参加二次评审的权利。

2.4参赛者在此不可撤销地同意授予主办方及其关联公司在赛后一年内、全球范围、不受限制地免费使用上述所有研究成果的权利,包括合作研究、商业用途等;因主办方及其关联公司使用上述研究成果所产生的新成果,主办方及其关联公司对此享有完整的知识产权。如主办方及其关联公司有意取得上述的参赛者的研究成果的完整知识产权的,参赛者同意主办方在同等条件下享有优先受让权,相关转让事宜由双方另行协商确定。

2.5参赛者一经提交作品即代表完全接受大赛活动所有条款。

三、保密

3.1保密信息的内容包括但不限于:

(1)主办方及其关联公司的运营数据、交易数据、参赛者信息(如参赛者ID、参赛者列表、参赛者关系)、技术资料、财务信息、经营渠道以及方案、软件、程序、手册等;

(2)主办方及其关联公司从第三方处获得但应承担保密责任的信息;

(3)任何其他机密或专有信息;

(4)主办方或第三方经当事人授权或同意或已采取合理措施,在大赛提供或披露的基础数据;

(5)其他通常不为主办方及其关联公司以外的人所知晓、未在公共领域被正式公开的信息。

参赛者同意对上述保密信息严格保密。

3.2责任免除:主办方无须因参赛者对保密信息的使用行为承担任何责任。

3.3保密信息的使用及保护:

(1)参赛者应承诺按照大赛服务项目的指定要求在指定区域、指定场景内使用保密信息,参赛者不得以不符合大赛要求的方式获取、使用保密信息;严禁参赛者利用上述内容从事任何本协议约定之外的目的。

3.4保密期限:参赛者对于保密信息的保密义务于本声明生效之日起至主办方或其关联公司或第三方公司对外公开此等保密信息为止。

四、违约责任

4.1本次参赛者的报名成员必须如实参加竞赛,不得由他人替代,如发现替代或类似行为,取消参赛和获奖资格。

4.2如果参赛者的作品获得或申请了任何专利,参赛者应在决赛现场的认证材料中提交相关文件明确告知,否则主办方有权取消其所获取的奖项。

4.3参赛者应明确告知其参赛作品是否参加过其他竞赛,以及在其他竞赛中的获奖情况,否则主办方有权取消其所获取的奖项。

4.4对于上传、开发、运行、管理、保存及维护算法、模型、数据,参赛者同意独立承担所有的风险和后果。

4.5参赛者保证其作品为其原创作品,且内容符合中华人民共和国的有关法律。该参赛作品将不会侵犯任何第三方之知识产权、所有权(包括占有权、使用权、收益权、处分权。以下同),如不享有该作品的所有权等相关权利或该作品是剽窃、抄袭他人作品而获得的,由此所引起的一切后果及法律责任由参赛者自己承担。

五、免责

5.1大赛将在现有技术的基础上尽最大努力提供相应的安全措施以保障服务安全和正常运行。但由于可能存在的计算机病毒、网络通讯故障、系统维护等方面的因素,以及参赛者操作不当、或参赛者通过非主办方授权的方式使用大赛服务,以及可能发生的不可抗力事件,主办方不对因上述任一情况而导致的任何损害赔偿承担责任。

电动汽车行驶里程预测




1.竞赛题目 Question

电动汽车行驶里程预测

Prediction of electric vehicle driving distance 

2.背景介绍 Background

续驶里程作为电动汽车重要的性能参数之一,近年来引起了广泛关注。电动汽车某段时间内的实际行驶里程与动力电池衰退情况、行驶过程的特征以及环境因素相关。准确预测电动汽车某一工况下的行驶里程,可以增强驾驶者对车辆续驶里程的信心,提高能量利用率,在能量管理,出行决策制定等方面具有重要意义。

Driving range, a key performance parameter of electric vehicles, has raised great concern recent years. The actual driving distance in a certain time period of EVs is related to the degradation of power battery, the characteristics of the driving process and environmental factors. Accurately predicting the driving distance of EVs in a specific condition can increase driver’s confidence in driving range, improve energy utilization efficiency, and is of great significance to energy management, travel decision-making and so on.

3.问题描述 Description of the question

行驶里程受电池能量和行驶能耗等多方面因素影响。参赛者需根据给定数据,综合分析环境状况、能耗、电池衰退情况等因素,合理建立数据模型,预测某一行驶片段的行驶里程。

Driving distance is influenced by many factors, such as battery energy and driving energy consumption. Contestants are required to analyze environmental conditions, energy consumption, battery degradation and other factors according to the given data, and establish an appropriate data model to predict the driving distance of a certain driving segment.

4.数据说明 Data description

本赛题数据来源于市面上某款电动汽车的实际运行数据,训练样本和测试样本数据由同一车型的不同车辆产生,所有车辆运行地区均为北京。训练样本包含5辆电动汽车的实际运行数据(含行驶和充电等状态),数据按时间顺序排列成行,列名见表1。原始数据集中可能存在异常数据,请参赛者自行识别。

注:由于车载BMS和电机控制器采集及传输数据的异步性,可能导致电池组相关数据项和电机相关数据项无法完全匹配。

The real-world driving data of electric vehicles are used in this question, and the training data and test data are produced by different vehicles with the same model, all the vehicles are operated in Beijing. The training data consist of data of 5 vehicles (both driving state and charging state are included), and the data are arranged in time order in rows. The data items are listed in Table 1. Abnormal data may exist in the raw data and need to be identified by the contestants themselves.

Note: Due to the asynchrony between BMS and motor controller in collecting and transmitting, the data about battery pack and motor could not be completely matched. 

测试样本15辆车的100个行驶片段构成,0-4号车每辆车10个行驶片段,5-14号车每辆车5个行驶片段,测试样本中的0-4号车与训练样本中的0-4号车一一对应,5-14号车没有对应的训练样本数据。测试样本数据按时间顺序排列成行,列名见表2。数据可能存在异常,需参赛者自行识别。

Test data consist of 100 driving fragments of 15 vehicles, the vehicles No.0-4 provides 10 driving fragments each, while the vehicles No.5-14 provides 5 driving fragments each. The vehicles No.0-4 in test data are corresponding to the vehicles No.0-4 in the training data, and vehicles No.5-14 have no corresponding training data. The test data are arranged in time order in rows, and the data items are listed in Table 2. Abnormal data may exist in the raw data and need to be identified by the contestants themselves.

提交内容的数据格式及说明如表3所示,参赛者须对测试片段内车辆行驶里程进行补充,间隔符为英文逗号。

The data format and description of the submission are shown in Table 3, and the contestants are required to supplement the driving distance within test fragment with an English comma.

5.评分准则 Scoring criteria

根据提供的测试数据,计算预测值与实际结果的误差,公式如下:

Based on the test data provided, the error between the prediction result and the real-world value is calculated as follows: