以学习操作系统构建数字化转型的数智动能

伴随着数据要素价值的凸显,如何以教育数据的有效治理,充分发挥数智驱动教育变革的强大潜力,成为教育数字化转型的关键所在。在智能教育大脑的隐喻下,学习技术系统依托于充当“数智大脑”角色的核心构件,搭建“数据组织—数据建模—数据分析”的教育数据治理通路,深度挖掘并最大化释放教育数据价值。基于此,文章以数据为主线重塑新一代学习技术系统框架,并以学习操作系统作为核心构件的隐喻,从“为何”“是何”及“如何”三个方面深度阐释其来源、内涵与体系架构,聚焦于数智动能的系统实现。同时,基于团队研发的“数智大脑”平台,文章以案例故事的形式描绘其在学校教育中的多元化使用场景,展现出以学习操作系统构建的数智动能的强大应用潜力,以期为数智驱动教育数字化转型提供全新的视角和思路。

数据驱动的新能源公交车能耗预测

鉴于现有电动车能耗预测多基于实验室条件,存在结果过于理想化或预测准确度不足的问题。本文基于北京市51路公交车的实车运行数据,分析能耗影响因素,通过时钟循环编码优化时间信息、使用箱线图设置阈值以构造行驶工况、建立基于熵权法的驾驶行为评价体系对驾驶行为与工况状态进行辅助分析,最后,对聚类后的4类典型工况片段分别建立引入注意力机制的LSTM能耗预测模型,并将其与传统LSTM及LGBM等多种预测模型进行对比分析,验证结果表明引入注意力机制的LSTM预测模型性能显著高于其他模型。

数据驱动的中温隔热陶瓷管件结构优化设计及性能评估

随着中温区电加热的电子产品和家电用品不断涌现,低成本的高效保温隔热材料研究日益成为热点。如何确保管路内部快速升温并避免外表温度大幅波动,有效提高能源利用率,是保温隔热材料领域的挑战。据此,本研究以低熔点玻璃助烧结的镁橄榄石、莫来石、珍珠岩和磷酸锌等复合物陶瓷为对象,从数据驱动的壁内多孔结构隔热管件优化设计出发,开展陶瓷隔热管件三维打印制造,通过显微结构和力学性能分析,并围绕管件的导热、隔热影响因素评估,系统考察了该类新型隔热管件的理化、力学和隔热性能及影响关系。结果表明,通过对沿管壁环绕的矩形大孔高度调控(400~1 200μm)、管腔内热源区的管壁倍增(1.2 mm×2 mm)以及有机微球造孔剂引入(~9%),同时通过烧结温度控制(700~750℃),可以显著改善热流出口区的温度水平(~20℃),并显著优于不锈钢真空隔热管的出口温度。研究结果表明,增材制造复合陶瓷管件具有优良的综合性能以及较低的原料成本,使得多孔陶瓷隔热管件在中温隔热领域具有广阔的应用前景。

基于数字化转型的图书馆数据文化建设研究

在数字化转型背景下,图书馆数据文化建设成为提升服务质量和效率的关键。数据文化强调以数据为核心,通过数据思维和数据驱动决策,实现资源的优化配置和服务的创新。文章研究表明,图书馆在建立数据文化过程中,需打破数据孤岛,实现数据共享,并建立制度体系以固化数据文化。同时,推行数据治理是增强数据文化的重要手段,有助于提升馆员数据素养和规范数据处理行为。

基于数据驱动的范数最优迭代学习控制

在系统模型确定的前提下,传统的范数最优迭代学习控制(NOILC)可以有效提高伺服系统的跟踪精度。但是在实际控制过程中,系统模型参数往往是变化的,从而导致控制器性能的下降。为此,提出了一种基于数据驱动的范数最优迭代学习控制方法。以系统的输入输出为依据,建立系统估计模型的代价函数,对代价函数进行偏微分处理,得到一种基于数据驱动的非参数模型辨识方法,最后将此模型辨识方法和NOILC相结合。实验结果表明:针对时变系统,此控制方法的跟踪误差为NOILC(Norm optimal iterative learning control,NOILC)的57.1%,并且相比NOILC提前5次收敛。因此,提出的方法能有效改善时变系统的跟踪性能。

数据要素市场化推进力评价指标体系构建研究

[目的/意义]构建数据要素市场化推进力评价指标,旨在发现数据要素市场发展的关键因素与策略,推动数据要素理论与实践的发展。[研究设计/方法]通过文本分析、专家咨询等方法,对数据要素市场化推进力评价指标体系予以构建。[结论/发现]形成了以基础环境、保障支撑和执行推进为三大维度的细化至33项四级指标的评估指标体系,并立足我国实际展开应用与验证,随后就指标体系的优化提出展望。[创新/价值]从政府主导的数据要素市场化推进的视角构建评价指标体系,并融入信息资源管理的学科基础理论与方法。

基于多源异构信息融合的采摘机械臂驱动控制研究

[目的]为了准确感知采摘机械臂的作业信息,提高驱动控制精度,需要对多自由度采摘机械臂的驱动控制模块进行优化设计。[方法]本研究将采摘机械臂各关节自由度、运动学以及动力学原理融合到设备结构中,完成了多自由度采摘机械臂等效模型的构建。基于构建的等效模型,确定多源传感器设备的安装位置,利用内部安装的传感器设备对机械臂的实时运行信息进行采集,获取位姿信息。同时,根据传感器的空间位置及其相互之间的作用进行信息分群,得出信息级融合结果,以此作为特征级信息融合结果的输入值,提取多源异构信息特征,并通过特征匹配完成融合操作,由此得出任意时刻采摘机械臂运行参数的检测结果。[结果]结合给定的采摘任务,计算采摘机械臂所需的驱动动力以及位姿数据,通过与当前数据的比对确定驱动控制量,利用装设的驱动控制器生成可执行的控制指令,完成驱动控制。与2种对照方法进行的对比试验显示,基于多源异构信息融合的驱动控制方法采摘机械臂的位置控制误差降低约25 mm,姿态角与驱动力控制误差分别降低了0.22°和6.32 mm,得出的控制数据更精准。[结论]由于多源异构信息融合技术能够发挥多种数据的优势,获取到更全面、更准确的位姿信息和控制数据,能够实现对目标果实的精准采摘,从而降低了采摘工作对果实的伤害,具有明显的对比优势和应用价值。

基于行车风险场的自动驾驶接管风险评估模型

为评估L3级自动驾驶的接管风险,降低接管过程中的事故率,设计城市快速路接管场景并开展驾驶模拟实验,以行车风险场理论为基础,采用动态和静态风险分布函数反映其他交通单元对接管风险的影响,引入车辆性能概率因子对自动驾驶接管过程中的事故发生概率进行表征,同时考虑接管反应时间的影响,构建自动驾驶接管风险评估模型,基于驾驶模拟实验获取接管反应时间数据和车辆轨迹数据对模型参数进行标定,并与碰撞时间倒数进行对比,验证模型的有效性。结果表明:驾驶员接管后1~9 s内模型计算所得的接管风险指数的变化趋势与碰撞时间倒数一致,但接管过程中风险指数的均方根误差均值(0.059)相较于碰撞时间倒数的均方根误差均值(0.093)下降了37%。构建的模型能够有效评估驾驶员的接管风险,且模型在表征风险的准确性方面优于碰撞时间倒数。

数据要素市场化推进:进展、问题与对策

[目的/意义]系统地总结当前全国各地的数据要素市场化推进的实践进展及经验做法,为政策制定和实践工作提供参考,为相关领域的研究提供实证基础。[研究设计/方法]基于数据要素市场化推进力的评价指标体系,从基础环境、保障支撑、执行推进三个维度,对31个省(自治区、直辖市)的推进情况展开深入调查和综合分析。[结论/发现]我国数据要素市场化推进整体上呈三级梯队分布并呈现出显著的地域特征。各地在产业环境发展、制度保障、技术平台建设、公共数据开放与授权应用、数据流通交易方面取得了积极成效,但也存在着区域发展不平衡、公共数据制度体系不完善、场内数据交易规模不足等问题。基于此从区域间产业协调发展、制度保障体系建设和加强公共数据供给激活数据流通三个方面提出了政策建议。[创新/价值]对全国数据要素市场化推进进行了全景式的调查和研究,提炼共性问题,总结发展经验,为推动数据要素市场化向纵深发展提供借鉴。

自动驾驶基础地理信息数据质量检查初探

自动驾驶基础地理信息数据质量关乎自动驾驶地图乃至自动驾驶产业的发展。其质量检查是自动驾驶产业的质量保障,也可加快自动驾驶地图规范化进程。基于自动驾驶基础地理信息数据的生产流程,分析了自动驾驶基础地理信息数据的特点;参考现行测绘成果质量检查规范,介绍了自动驾驶基础地理信息数据质量检查的内容与方法,并从7个方面阐述了检查的要求和指标;以自动驾驶基础地理信息生产道路数据成果质检项目为例,探讨了自动驾驶基础地理信息数据的质量控制方法和检查重点。

基于DEA模型的山区公路视线诱导设施综合效用评价

为减少弯道段交通事故,对山区公路视线诱导设施综合效用进行研究.在弯道段单独或组合设置护栏、轮廓标、线形诱导标3类视线诱导设施,并基于驾驶模拟器、眼动仪和脑电仪获取眼动、脑电及驾驶行为数据,分析不同设置方案下驾驶人的行为特性.基于超效率BCC-DEA模型,构建山区公路弯道视线诱导设施有效性评价体系,对不同设置方案的综合效果进行评价.结果表明:视线诱导设施组合设置对驾驶行为的影响比单独设置效果更好,其中采用“线形诱导标+轮廓标”设置效果最优;视线诱导设施设置数量超过2个时会降低警示与诱导效果;指标敏感性分析表明,速度和横向位移指标分别是单独与组合设置时影响安全过弯的关键因素.

基于大数据的电驱动桥可靠性测试工况开发

对用户使用场景下的车辆运行数据进行分析与研究,是构建电驱动桥可靠性测试工况的基础。通过车辆运行大数据平台获取轻型电动商用车实际用户的行驶数据,并对其在不同场景下的载重比例、道路类型、行驶里程和时长进行统计分析,定义出典型的电动轻卡用户使用特征。基于用户使用特征开展典型区域的实车电机转矩和转速等信号的采集,再运用蒙特卡洛方法拟合出大样本用户下的损伤分布,通过里程外推得到等效用户全寿命周期的伪损伤目标。最终通过损伤等效加速处理,得到台架可靠性测试工况。设计人员可依据台架测试结果直接评估电驱动桥是否达到里程设计目标。本研究成果为行业开发电驱动桥台架可靠性测试规范奠定了基础。

基于生成对抗网络的驾驶行为风险监测方法

针对真实驾驶场景下驾驶行为风险难以准确判断的问题,提出一种基于生成对抗网络的生成序列评估框架,旨在通过车辆行驶状态数据与驾驶场景信息匹配度评估来提高驾驶行为风险判断的准确性。构建真实驾驶场景数据匹配序列框架,利用生成对抗网络增加不同驾驶场景的数据量,提出一个驾驶员个性化情景感知样本数据集,对比分析真实数据和生成数据,并验证生成对抗网络检索与生成框架在匹配车辆行驶状态数据与驾驶场景信息方面的有效性和准确性。采用无监督学习生成评估框架,结合自回归模型中的监督训练控制策略来解决数据扩增问题,并通过迭代更新样本序列进行策略集成以保持模型鲁棒性。实验结果表明,相较于现有方法,所提研究框架在识别危险驾驶状态方面具有明显优势,为车辆行驶状态数据与驾驶场景信息的匹配评估提供了一种新的视角。

引力理论框架下基于综合竞争力的自动驾驶拟人换道决策模型

为有效刻画城市快速路中自动驾驶环境下的车辆换道决策机理,考虑主车与周边车辆的位置属性、驾驶风格属性及车辆运动属性对主车换道行为的影响,建立基于综合竞争力的拟人换道决策模型。首先,以邻近前车间距、邻近前车速度差及驾驶风格这3种因素作为自动驾驶车辆的拟人化换道意愿属性,量化表征主车的换道意愿;然后,基于人类决策中的悲观主义准则,分析换道过程中周边车辆与主车可能产生的竞争行为,利用车头间距比和驾驶风格差异提出潜在竞争强度概念;其次,考虑环境稳定性对驾驶舒适性的影响,提出“速度伪距”“加速度伪距”概念,衡量换道后的环境稳定性;最后,结合引力理论建立以车辆横向速度为求解目标的综合竞争力换道决策模型。在模型标定中,筛选Ubiquitous Traffic Eyes开源数据集,得到非强制换道片段数据,利用蚁群算法标定模型参数。采用随机排列交叉验证方法进行验证,以正确率为模型精度和泛化能力的评价指标,并将其与传统模型进行对比。结果表明,将训练与验证比设置为72%∶28%、65%∶35%、57%∶43%和50%∶50%时,平均正确率区间为87.67%~90.34%,说明该模型具有较强的鲁棒性和可行性,相比于传统模型,本文模型具有更高的预测精度,可为自动驾驶环境下车辆的车道选择提供依据。

重大铁路工程施工对沿线生态环境的影响

重大铁路工程施工途经多个地貌单元,地形地貌复杂,生态环境脆弱。基于地理探测器模型,利用遥感数据,选取客观权重赋权法(CRITIC)整合4个指标绿度(NDVI)、湿度(WET)、干度(NDBSI)、热度(LST)构建遥感生态指数。以投入运营的铁路工程为例,剖析其沿线生态环境变化效应及驱动因素。通过客观分析铁路工程沿线生态环境时空变化特征,旨在实现铁路与区域环境的可持续发展。研究为重大铁路工程建设生态环境评价提供方法支撑,为铁路沿线生态修复与保护政策的制定奠定基础。

结合噪声滤波的电力系统暂态稳定预测

为了解决电力系统实际运行过程中存在大量的输出噪声,提出了一种结合噪声滤波的电力系统暂态稳定预测框架。本框架基于最优样本选择(OSS)方法和覆盖距离(CD)结合生成的覆盖距离滤波器(CDF)进行噪声滤波,然后使用轻量级梯度提升机(LightGBM)模型进行电力系统暂态稳定预测。在仿真软件提供的23节点系统和美国南卡罗莱纳州500节点实际系统上进行的测试结果表明,所提出的电力系统暂态稳定预测框架能够有效过滤噪声,并具有较强的鲁棒性。

先进的自动驾驶数据采集与存储技术研究综述

针对自动驾驶数据采集过程中的触发控制与存储记录问题,从先进的自动驾驶数据采集与存储技术出发,首先调研了国内外部分整车制造商车辆的传感器配置方案,然后对汽车事件数据记录(EDR)系统、自动驾驶数据记录系统(DSSAD)以及一般L3级自动驾驶汽车的数据采集与存储方案展开综述,得出了现有数据采集与存储技术将会产生低质量、高噪声的冗余数据的结论,最后基于特斯拉影子模式介绍了一种人机共驾模式下的驾驶数据采集存储方式,总结归纳出目前先进的自动驾驶数据采集技术研究的发展趋势。

基于因子图优化的激光惯性SLAM方法研究

融合激光雷达和惯性测量单元的SLAM方法是拒止环境下自动驾驶定位建图的重要技术手段。该技术包含前端和后端2个数据处理模块,在后端数据处理方面,现有方法存在长时间运行时累积误差较高、回环检测计算负载较大以及复杂拒止环境下鲁棒性不理想等问题。针对上述需求,提出一种适配前端激光惯性里程计的新型后端数据处理方法。该方法采用因子图优化算法架构,建立激光连续关键帧间的惯性单元预积分模型,将该模型作为因子图架构中表征惯性单元数据的算法因子,降低数据处理的计算负载。构建基于Scan-Context描述符的高效回环检测方法,将点云数据三维空间结构特征转化为二维特征图,在保证回环检测精度的前提下进一步提高计算效率。结合前端里程计信息,构建包含里程计因子、惯性单元预积分因子和回环检测因子误差项的目标函数,通过非线性优化算法求解最优位姿状态,形成完整的SLAM算法结构。对所述方法及FAST-LIO2、LIO-SAM和SC-LeGO-LOAM等现有主流激光惯性SLAM方法基于开源数据集进行对比验证,并开展实车试验。结果表明:相较于现有方法,所述DSC-Algo方法在公开数据集测试中的计算性能和全局定位精度实现了显著提升,在现实拒止环境实车测试中的定位精度和算法鲁棒性也具有明显优势。

用深度神经网络实现高精度纳米光子器件的光谱计算

作为一种数据驱动的研究方法,深度学习已改变了许多研究领域,如计算机视觉、自然语言处理,并已拓展至农业、航空航天、医疗保险等传统行业。本研究基于深度学习这一数据驱动研究方法,开发了一个深度神经网络模型,用于快速光谱计算。仅使用设计空间中一万亿分之一的样本来训练模型,但该模型以超高的精度预测了光谱,将完整数据集的均方根误差低至2.2%,对于清洗后的数据集,均方根误差仅为1.3%,显示了深度学习在光学器件设计中的巨大潜力。

基于傅里叶变换的多联机空调负荷提取及预测方法

多联机空调实际制冷量通常不等同于房间真实的空调负荷需求,导致基于数据驱动的负荷预测模型的预测效果往往较差。本文提出了一种基于傅里叶变换的从实际制冷量数据中提取空调真实负荷数据的方法。案例预测结果表明,该方法能够有效提取空调负荷数据,并能将基于人工神经网络的超短期空调负荷预测模型精度提升10.94%。