2018年之后成果发布渐少,可能是数据统计滞后的原因。
技术分析
对历年发表的14,339篇相关论文及21,509名学者成果的相关资料分析,汽车数据行业处于上升期的关键技术为大数据(Big Data);特征提取(Feature Extraction)和数据挖掘(Data Mining)是当下研究热点;计算视觉(Computer Vision)步入成熟期;数据处理(Data Processing)进入大规模部署应用阶段。
其中,单以特征提取(Feature Extraction)技术领域分析,一些相关技术的发展阶段如下:
Image analysis 正处于期望膨胀期、Artificial intelligence 正处于复苏期、Image segmentation 正处于期望膨胀期、Convolutional neural network 正处于触发期、Feature extraction 正处于期望膨胀期、Feature selection 正处于期望膨胀期、Computer vision 正处于幻灭期、Support vector machine 正处于幻灭期、Edge detection 正处于期望膨胀期、Genetic algorithm 正处于幻灭期、Artificial neural network 正处于期望膨胀期、Image processing 正处于期望膨胀期、Information retrieval 正处于幻灭期、Image retrieval 正处于幻灭期、Data mining 正处于期望膨胀期、Signal processing 正处于幻灭期、Machine learning 正处于触发期;
学者大部分位于中国和美国,中国高校排名靠前的包括:同济、吉大、川大。
车辆数据领域的一些热点技术分别是:Vehicle Dynamics(汽车动力学),Unmanned Aerial Vehicle(无人机),Data Collection(数据采集),Autonomous Vehicle(无人驾驶汽车),Data Mining(数据挖掘),Experimental Data(实验数据),Global Positioning System(全球定位),Electric Vehicles(电动汽车),Space Vehicles(航天器),Data Acquisition(数据获取),Motor Vehicle(摩托车)、Automotive Engineering(车辆工程)。
汽车动力学和无人机属于行业应用相对成熟的领域,有比较多的历史成果积累。2008年之后一波数据挖掘的研究热潮。
在不考虑相对成熟技术领域的情况下,技术辐射和带动效应最明显的是:数据采集、数据挖掘、自动驾驶、实验数据等。
处于研究峰值的数据挖掘技术产生了比较多的成果,实验数据和测试数据,在自动驾驶汽车、传感器数据的交叉领域还是研究空白。
学者机构分析
中国学者的论文数量在1996年之后已经超过美国和德国,这应该得益于市场和人口优势。
在科研产出上,中美是人才集中的地方,德英日属于第二梯队。美国、德国和澳大利亚研究时间早,相对引用量较高,仍是权威。
加州大学、加州理工大学、卡内梅隆大学是技术领域的领先学府,第二梯队中包括清华、北理、同济和吉大。
学者数量上,中国是最有潜力的生力军。
加州大学仍在引领这方面的趋势,同济、浙大有追赶趋势,吉大近年下降趋势明显。
2008年左右,世界范围内的学术交流有一个明显峰值,其后集聚效应不断下降,区域科研力量趋于稳定。
参考链接
https://analysis.aminer.cn/trend/5fcb93ea0ecd195d20c93f8b