数据采集
Data Collection
从设备获取运行数据的过程，涉及采集点位、频率、精度与时间同步的设计，其质量决定后续所有分析的可信度。
定义
数据采集是把设备的物理状态转换为可存储、可分析的数字信息的过程。对工业车辆而言，采集内容涵盖位置、速度、工况参数、操作行为与故障信息，来源包括车辆内部电控网络、外部加装传感器以及与业务系统的对接。采集环节的重要性在于它处于整个数据链路的最上游——上游采集的偏差、缺失与错误会传导到下游的每一个分析与决策，且后期难以通过算法弥补。因此在数据项目中，采集方案的设计往往比分析方法的选择更值得投入，「垃圾进、垃圾出」在工业数据场景中体现得尤为明显。
采集什么：从问题倒推
常见的误区是「先把能采的都采下来，以后总有用」，结果是存储成本高企、数据杂乱、真正需要的字段反而缺失。更有效的方式是从要回答的业务问题倒推所需数据。例如要分析车队规模是否合理，需要工时、任务量与等待时间；要做电池健康评估，需要充放电电流、电压、温度与循环记录；要识别操作风险，需要速度、加速度、转向与载荷状态。明确问题后再确定必需的数据项、精度与频率，可以显著减少无效采集。同时也要保留一定前瞻性——某些数据事后无法补采，若成本可接受且明显与未来需求相关，可以纳入采集范围。
采样频率与精度的权衡
频率与精度并非越高越好，需要与分析目的匹配。判断车辆是否在作业，秒级甚至分钟级数据即可；分析急加速急制动等操作行为，需要更高频率才能捕捉短暂过程；识别碰撞冲击则需要更高的采样率。频率提升带来的代价是存储与传输量成倍增加，以及车端处理压力上升。实践中常采用分层策略：常规状态低频上报，检测到特定事件时提高频率或保存前后一段时间的高频片段，兼顾数据量与关键信息的完整性。精度方面同样需要匹配，过度追求精度会增加传感器成本，而精度不足则可能使目标现象淹没在噪声中。
时间同步与数据关联
时间戳的准确性是多源数据关联分析的前提，也是最常被忽视的环节。若车端时钟存在漂移、断电后未及时校准、或不同系统使用不同时区与时间基准，来自车辆、仓储系统与生产系统的数据在时间轴上就无法对齐，因果关系的分析将失去意义。例如要分析某次拥堵的成因，需要把多台车的轨迹、任务下发时间与现场事件精确对应，时间偏差哪怕只有几十秒也可能导致错误结论。解决措施包括：通过网络时间同步机制定期校时；在数据中记录时钟状态与校时信息；对断网期间缓存的数据标注本地时间并在补传时说明；以及在分析前做时间一致性校验。
设备身份与主数据
同一台设备在采购系统、维修系统、上云平台与现场标识中若使用不同编号，采集到的数据就无法与其他信息关联，这是数据项目中最基础也最容易被拖延的问题。主数据治理应在采集方案设计阶段同步推进，内容包括：确定唯一的设备标识并在各系统中贯通；建立设备台账，记录型号、配置、投用日期、所属部门与位置；明确设备变更（改装、调拨、报废）时的信息更新流程。此外还需注意终端与设备的绑定关系，终端更换或车辆调换时若未更新绑定，数据会被记到错误的设备上，这类错误在事后极难发现和纠正。
数据质量的持续保障
采集系统上线不等于数据质量有保障，需要持续监控。基本的质量维度包括：完整性，是否存在缺失的时间段与设备；及时性，数据是否按预期频率到达；有效性，数值是否在合理范围内，是否存在明显异常值；一致性，同一现象的不同来源数据是否相互矛盾。实践中建议建立自动化的质量监控，对缺失、异常与延迟自动告警，而非等到分析时才发现问题。此外应记录数据的采集口径与变更历史——采集方式、传感器型号、计算逻辑的任何变更都可能造成数据不可比，若不加记录，后续分析会把口径变化误判为真实变化。
常见问题
是不是采集的数据越多越好？
不是。「先把能采的都采下来」往往导致存储成本高企、数据杂乱而真正需要的字段反而缺失。更有效的方式是从要回答的业务问题倒推：分析车队规模需要工时、任务量与等待时间；电池健康评估需要充放电电流电压温度与循环记录。明确问题后再定数据项、精度与频率。但对事后无法补采且明显与未来需求相关的数据，若成本可接受可适度前瞻纳入。
为什么数据分析结果总对不上？
常见根源有两个。一是时间同步问题——车端时钟漂移、断电未校准或不同系统时间基准不一致，会使多源数据在时间轴上无法对齐，因果分析失去意义。二是设备身份不统一——同一台车在采购、维修、上云平台中编号不同，数据无法关联；终端更换或车辆调换后未更新绑定，数据会记到错误设备上，这类错误事后极难发现。
相关术语
本术语库收录行业通用概念，用于技术交流与知识普及，不含任何特定厂商的非公开资料。具体设备的技术参数与操作规范，请以整车厂官方文档为准。