汽车行驶数据分析（国赛 2015 C）

历年真题解法库 · 本题为公开赛题要点整理，完整原题请到官方渠道获取（链接见下）；
下方「练习数据」为本站生成的合成数据集，仅用于跑通方法，非官方原题数据。

一、赛题要点

赛事：国赛 2015 年 · 题号 C
问题实质：面向新能源车行驶数据，要求识别驾驶工况并做能耗评价与异常检测。

二、需要产出什么

建立工况特征矩阵；做聚类分群、能耗评价与异常识别。

三、数据说明（官方来源 + 练习数据集）

官方数据/赛题：官方给出速度、电流、温度等时序；需做特征提取。
官方获取渠道：http://www.mcm.edu.cn（请以当年官网发布为准）
本站练习数据集：data/cumcm2015c.csv —— 按本题结构生成的合成数据（series 型），可下载后用上面的算法手册直接练手。
字段说明：CSV 表头即各变量名；数值为合理量级的随机样本，仅用于方法验证，不代表真实赛题数据。

四、可用解法 → 对应手册

下面按本题涉及的题型，给出对应的「方法选型指南」与可直接套用的算法手册跳转。

题型：时间序列类

先看选型 👉 🧭 时间序列选型指南

可套用算法手册：

题型：分类 / 聚类类

先看选型 👉 🧭 分类聚类选型指南

可套用算法手册：

题型：预测 / 回归类

先看选型 👉 🧭 预测类选型指南

可套用算法手册：

参考手册速查

📘 时间序列 ARIMA · 📘 灰色预测 GM(1,1) · 📘 指数平滑 · 📘 移动平均 · 📘 马尔可夫链 · 📘 多元回归 · 📘 BP 神经网络 · 📘 线性回归 · 📘 K-Means 聚类 · 📘 层次聚类 · 📘 模糊 C 均值 · 📘 决策树 · 📘 支持向量机 · 📘 贝叶斯分类 · 📘 逻辑回归

五、建模思路提示

从时序提取工况片段特征
聚类识别典型工况
异常用统计/距离法

六、常见坑与规避

不要把赛题要点当原题照搬，先独立重述问题再建模。
拿到数据先检查量纲、缺失与异常，再决定用预测/评价/优化哪类方法。
方法选型别凭感觉：先看「方法选型决策指南」对应题型那本，再进具体算法手册。
合成练习数据只验证逻辑，正式参赛务必用官方数据并做敏感性/误差分析。

七、优秀范文（本站手写，非生成器）

本题为三篇一组的系列范文：同一赛题、三种视角、层层递进；全部手写（≥2500 字 · SVG 配图 · 可运行 Python 附录）。

视角	链接	字数 · 配图 · 附录
数据理解与特征工程	优秀范文一	2612 字 · 8 图 · 1 附录
工况聚类与能耗评价	优秀范文二	2513 字 · 8 图 · 1 附录
异常检测与稳健性验证	优秀范文三	2504 字 · 8 图 · 1 附录

八、配套资源