全国自行车如何编码?

自今年12月1日起,自行车生产企业要按照质检总局制定的《生产企业自行车编码管理实施规则》对新生产自行车刻制编码,并印制统一的《自行车销售(保修)登记单》；在流通环节,销售企业要负责填写《自行车销售(保修)登记单》,对购买者的相关个人信息和车辆编码等自行车信息予以登记,并按规定向公安部门报送。

自行车编码采用15位

记者了解到,此次列入编码管理的包括自行车、电动自行车及汽油机助力自行车,一组自行车的编码包括一辆自行车的基本信息,每一辆自行车只有一个编码,在全国范围内不允许有重复编码出现。

按照《生产企业自行车编码管理实施规则》要求,自行车编码统一刻制在自行车车架的某一个固定位置,任何人不得随意更改编码刻制位置。刻制在自行车车架上的编码必须永久保持,不易磨损和腐蚀。

每辆新自行车的编码采用的是15位全数字代码结构,共由4部分组成,从左至右依次是企业代码、车种代码、生产年份代码、生产流水号代码。新自行车刻制编码的工作由生产企业负责在自行车出厂前完成。

《规则》要求,自行车的编码应刻制在自行车车架前管的右侧、自行车中接头的底部或者不影响自行车强度且易于观察和读取的其他部位。

编码刻制可能为横圈式

目前,北京市的公安、质监等部门已经派人前往本市的几家自行车生产厂家进行调研。

有关人士介绍,因为生产厂家反映,按照《规则》的位置要求,编码很难在自行车上刻印得完整清晰。因此根据实际情况,初步确定北京生产的自行车编码将刻制在自行车车架竖管下端,以横向的排列方式绕着竖管刻制一圈。此外,某些没有竖管的电动自行车等特型车,编码将刻制在脚蹬轴的最外侧位置。质监部门将确定最后的方案。据悉,本市自行车编码规格也将在近期由编码管理部门统一确定,自行车生产厂家在此之前应将编码机准备完毕。

有关部门还将研究建立自行车编码管理数据库,新自行车购买者的个人信息和车辆编码将由商家记录后,统一交给公安部门,然后录入数据库。一旦发生自行车被盗案件,警方通过编码可以找到生产商、销售商、购车人等相关信息。

这个是论文：http://wenku.baidu.com/view/6c714de819e8b8f67c1cb9fe

下面这个是源码：http://download.csdn.net/detail/zhaoshiling_/4309704

应该对你有帮助的

在我们看来，计算机科学经常谈的是对资源的管理。最典型的资源就是时间、空间、能量。数据在以前并没有被认为是一种资源，而是被认为是一种使用资源的物品。但是，我们看到现在的数据已经被认为是一种资源，这是我们可以利用并从中获得价值和知识的一种资源。我们将数据资源同我们所用的时间、空间资源结合在一起形成一个系统，从而使我们做出适时的、节约成本、高质量的决定和结论，因此我们必须以不同方式进行权衡。但是数据资源和时间、空间资源有很大的不同。如果我给你更多的时间和空间你会更开心，但是数据却不是这样，并不是给你越多的数据你就会越开心。就像是你走进一个公司，问他们你们最大的问题是什么，他们通常会说最大的问题就是数据太多了。目前来看，越来越多的数据会给我们带来越来越大的麻烦。因此我们必须找到一个解决这个问题的办法，一种是统计学的方式，另外一种是计算的方式。统计学方式可能更微妙，所以我们等一下花更多时间在上面。 1. 对复杂性的疑问比数据增长的速度更快； 一些数据科学家他们经常谈，在一个数据库的表格中行代表人，而列是对人的特征记录，基本的数据库可能会有几千个行--意味着有几千个人的信息在一个数据库里，然后你再收集每个人的基本信息，并不需要太多，比如个人的年龄、地址、高度、收入，这些数据足以让你了解在这个数据库中的每一个人。 现在我们来考虑数百万的“行”,因为我们确实对每个人的个性和细节十分感兴趣。比如说你是在天津居住，你喜欢迈克尔·杰克逊，你喜欢骑自行车，那么你患某种疾病的概率是多少等等，我们在数据库中都有关于你的信息。所以我们看到有关人数的行数在不断的增加，同时描述也更多，那么列数也在增加。有些我们还可以添加一些列，比如说这个人昨天吃了什么，他的音乐、读书的偏好，还有他基因的特点等。但问题是我们不光对个人的列感兴趣，我们对列的集合更感兴趣。如果你生活在天津，你喜欢骑自行车，你最喜欢吃的水果是苹果，这些都是具体的这些列的信息集合。 现在问题就是我们需要指数级的列和行增长的组合方式，随着行数和列数的线性增长，我们考虑的数据就会呈指数倍的增加。我们来举一个医学方面的案例，把列设想成肝病的信息--1是有肝病，0是没有肝病；但是有一些列所描述的情况能够很好地预测肝病的发生。假设如果你喜欢在天津，喜欢骑自行车，喜欢吃香蕉，这样的人就会得肝病。如果你这个时候去看医生，医生问你住在哪里，你说天津；医生问你周末做什么，你说骑自行车；问你最喜欢吃的水果是什么，你说是香蕉，那么医生就会告知你需要检查一下肝脏。这当然是个假设。任何指令集里面都需要看这些数据，进行论证，找到有意义的模式。但当数据变得越来越大，找到有意义的模式和信息变得越来越难。所以，大数据并不是非常好的事情，并不是有更多的数据就会获得更多的知识。大数据其实才是最大的麻烦。现在来看数据越来越难转变成知识，如果我们想要获得真正有意义的东西，我们需要采取一些行动。我们统计学家非常担心：我们应当如何消除噪音，真正得到里面所含的知识。统计学上的程序和算法，必须运行在计算机上，.大的数据会花更多的时间运行，使我们不能快速的做决策了。真正有大问题的时候，我们不知道如何解决和运行统计的程序，做出快速的决策，因此我们发现了第二个解决方案。第一个是统计学上，第二个是计算方面。 2.大数据会导致在可接受的时间范围内复杂算法不能够运用 第二个就是计算方面，算法需要时间运行，还要登录、输出等，需要几秒钟的决策，比如在线的拍卖需要几秒钟做决策，我们还需要给予一些数据，比如说输出的算法。当数据变多，这种方法可能会完成不了，或者是需要很多的运行时间，这是时我们要怎么做？要把这些数据舍弃掉吗？舍弃的结果是什么？可能使我的数据库空间增加，如果我不断地删除我的数据。我应当让数据运行慢一些，但是这样就会使处理的时间过长。我们面临很大的问题，我们将时间、空间与数据、不断增长的数据规模结合在一起，如果没有很好的处理这些大数据的扩展算法。这确实是一个存在的问题，我认为这个问题是根本且基础的。

---