Elsevier出版集团旗下《Journal of Industrial Information Integration》国际期刊，近日发表厦门大学侯亮教授课题组最新研究成果：An IoV data imputation-fusion bus mass estimation framework based on triple dependency and multi-source information fusion networks. https://doi.org/10.1016/j.jii.2025.101017
海量的车联网数据为车辆参数估计领域带来了巨大的机会与挑战，特别是在客车质量估计方面。尽管车联网数据种类繁多、数量庞大，但普遍存在数据缺失和采样率低等问题。此外，并非所有类型的数据都对质量估计有帮助。因此，针对客车质量估计的特定数据需求和采样率要求，迫切需要提出新的车联网数据处理方法和质量估计方法。
基于车联网数据插补与融合的客车质量估计
本文提出了车联网数据下的客车质量估计框架。首先，利用车辆纵向动力学模型选择质量估计任务中的关键数据类型，然后，利用提出的三重依赖插补网络提高关键数据的采样率，最后，通过融合网络综合利用插补后的数据与原始车联网数据进行客车质量估计。本文所提方法能有效利用车联网数据，具有数据采集成本低且识别精度高的优点。
Journal of Industrial Information Integration(JIII)，即《工业信息集成》，是工程技术最重要的国际顶级学术期刊之一，每年出版的文章数量很少同时拥有较高的影响因子（2024年影响因子为11.6）。
IDEAL实验室博士生郑正中为该文第一作者，侯亮教授为通讯作者，相关研究工作得到国家自然科学基金（51975495）的支持。
