本技术成果重点通过研究开放式数据交互技术，在基础数据支撑平台层面解决异构交通数据一致性描 述、跨平台交互等问题；通过研究城市路网多粒度运行状态分析技术，在交通状态感知与分析层面解决大 规模路网交通运行状态多粒度获取等问题；通过实施中心城市交通状态感知与分析集成系统开发与实证测 试，实现面向交通管理与出行的多目标多层级交通运行状态评价。

集成研究团队多年以来在供水管网水力水质模拟、管网爆管风险识别及事件侦测等方面的研究成果，针对行业漏损控制问题，凝聚科研人才优势，通过与人工智能、信息工程等领域的知识融合和再创新，研发了漏损分析与控制软件平台。提供以分区计量（DMA）为核心手段的管网水量计量设备数据管理、水平衡分析、漏损识别等功能，可作为供水企业开展分区计量管理及漏损控制的核心业务平台。可以实现计量设备数据的质量控制、异常报警、数据加工等数据分析管理功能，以及一键实现多级计量分区的日产销差计算、基于聚类分析等人工智能技术的DMA流量异常数据分析和漏损识别等漏损控制核心管理功能

1.痛点问题 多年来，工业大数据领域大数据分析算法和模型都是基于大量代码实现，效率低，难以实现快速开发。同时，工业大数据处理分析模型处理过程多由多个算法通过一定的计算流程构成，计算流程复杂多变，迫切需要一款支持灵活定制和快速开发的处理分析技术来支持工业大数据处理分析。 2.解决方案 清华数为交互式大数据处理与分析技术针对工业大数据处理与分析任务的交互式探索、建模、调试和应用而设计。根据CRISP-DM设计原则，一般大数据处理与分析分为业务理解、数据理解、数据准备、建模、评估和部署等阶段，各阶段相辅相成，形成一个大数据处理分析生命周期。 图1.交互式大数据处理与分析技术设计思想 本成果技术基于上述CRISP-DM的设计思想而设计，完全支持大数据处理与分析生命周期。该技术的特点包括： （1）内置数百种通用和专用的大数据分析算法和模型，并提供了按需扩展机制，用户可以按照自己的需要随时添加和扩充，以支持客户特定的大数据应用需求； （2）支持拖拽方式构建处理与分析流程，完全图形化设计大数据处理分析计算流程，并能在设计过程中进行单步/多步运行调试，查看中间结果，实时调整运行结果，以获得用户期望的处理分析结果； （3）支持机器学习模型训练及使用，内置了机器学习模型训练框架，一般机器学习模型在该技术的支持下，可以实现快速训练，训练结果可支持进一步的大数据处理与分析； （4）支持数据处理与分析流程参数化，在其提供的内部数据处理与分析算法模板中，用户通过算法模板可以开发面向Java、Python的算法，并集成和扩展到该技术的算法集合，实现按需定制处理分析； （5）支持数据画像和学习模型可视化，以图形化的方式定制数据画像的方法模型，并以二维和三维图表的形式展示给用户； （6）支持批处理、流处理和流转批处理三种处理方式； （7）按需定制运行计划与资源有效利用，用户可设置任务执行计划，任务执行计划定期运行，以实现周期性处理分析，方便获得持续的运行结果。 清华数为交互式大数据处理与分析技术面向多种用户角色，包括数据工程师、数据分析师、数据科学家、算法工程师、运维工程师、代码工程师等。采用分层设计，分为客户层、服务层、计算层。 客户层包括流程建模调试工具，用户可用工具图形化拖拽式设计处理与分析计算模型，并可进行调试和查看中间结果；管理工具，针对服务层所调用和访问的计算框架或者外部系统进行管理，包括对于数据源、计算环境、存储环境等的管理工具。 服务层主要包括流程调度服务，即负责按照用户所设定的工作计划来定时调度执行计算模型；执行服务，是负责执行处理分析计算的模型和算法的服务；计算资源管理服务负责管理执行服务中所能集成的所有的服务，如计算框架和存储设施等。 计算层是执行服务在执行处理分析算法和模型中所访问的外部服务，包括计算组件或框架，以及持久化存储组件或者系统等。 图2.交互式大数据处理与分析技术架构 本成果的交互式处理与分析技术较好地解决了工业大数据处理分析工作中所遇到的问题和痛点，并且能够广泛应用于多个行业和领域中，如能源、矿山、医疗器械、装备制造业、消费品制造业、工程机械行业等。 合作需求 期待与工业、医疗等领域企业紧密合作，获得各领域的实际需求，促使该技术不断完善和升级迭代，走向成熟。 未来将在工程机械行业、医疗机械行业、矿山行业、装备制造行业、互联网电商行业等寻求更多的成果转化、深度合作机会，在合作基础上，推动上述行业领域实现数字化转型和智能化升级，为国家实现“双碳”目标做出清华贡献。

随着人类社会的日益网络化，使得复杂网络分析与控制成为重大科学挑战。项目组在网络科学兴起之初即进入这一领域，开创了基于网络结构特征的复杂网络动力学分析与牵制控制的研究，主要学术贡献包括：1）率先揭示了复杂动态网络牵制控制策略的可行性和有效性。2）提出了基于牵制控制思想的分布式蜂拥控制算法。3）提出了复杂网络拓扑演化的局域世界优先连接机制。4）揭示了度相配性等特征对复杂网络传播动力学的影响。 8篇代表性论文SCI他引869次、WoS他引1283次。主要成果被多位知名学者在Nature等多种著名期刊上作为复杂网络牵制控制策略研究最早的代表性工作引用。主要完成人发表IEEE杂志上首篇复杂网络综述（2003）、发起组织首届全国复杂网络论坛（2004）、出版国内首部系统阐述网络科学的著作（2006）和国际上首部牵制控制英文专著（2013）；曾获IEEE电路与系统汇刊最佳论文奖（2005）、上海市自然科学一等奖（2008）和2项国家杰出青年科学基金（2002、2014）。

 随着人类社会的日益网络化，使得复杂网络分析与控制成为重大科学挑战。项目组在网络科学兴起之初即进入这一领域，开创了基于网络结构特征的复杂网络动力学分析与牵制控制的研究，主要学术贡献包括：1）率先揭示了复杂动态网络牵制控制策略的可行性和有效性。2）提出了基于牵制控制思想的分布式蜂拥控制算法。3）提出了复杂网络拓扑演化的局域世界优先连接机制。4）揭示了度相配性等特征对复杂网络传播动力学的影响。  8篇代表性论文SCI他引869次、WoS他引1283次。主要成果被多位知名学者在Nature等多种著名期刊上作为复杂网络牵制控制策略研究最早的代表性工作引用。主要完成人发表IEEE杂志上首篇复杂网络综述（2003）、发起组织首届全国复杂网络论坛（2004）、出版国内首部系统阐述网络科学的著作（2006）和国际上首部牵制控制英文专著（2013）；曾获IEEE电路与系统汇刊最佳论文奖（2005）、上海市自然科学一等奖（2008）和2项国家杰出青年科学基金（2002、2014）。

北京大学信息学院机器感知与智能教育部重点实验室袁晓如研究组设计开发了一系列大数据可视化与可视分析工具。针对目前在新冠疫情方面形势变化，通过处理、分析、接入多种数据，提供多维度、多视角的交互式可视化。 项目组件包括1.疫情变化晴雨表，可视化各地每日新增病例和变化趋势；2.各类动态时空地图，提供在地图空间浏览分析和多角度对比国内外各地疫情趋势；3.相关舆情可视分析，分析媒体和社交媒体舆情影响；4.综合态势可视分析系统，支持面向专家或者决策判研。

GMAS是一套便携式的自动化应变网格采集分析系统，采用数码相机与便携式电脑，轻便快捷，利用先进的电脑成像与自动化识别技术，辅助以各种板成形应变网格制作技术，迅速生成成形极限图（FLD），以及进行各种应变分析，可用于板材开发成形性能研究和直接指导冲压成形模具调节及零件生产，为板料成形性应变分析、成形极限（FLD）、工艺过程分析和模具设计等研究提供直观可靠的数据与报告。 自动生成三维零件网格，自动计算应变，计算机辅助图像编辑，彩色应变云图显示，成形极限图的生成与分析，不同区域拼接，切片线生成；测量精度：<2％（应变值）；网格尺寸与类型：1～5mm，方网格、邻接圆网格、分离的圆网格、实心圆网格。

微电子芯片结构关键尺寸（CD）的测试，是保证以集成电路为代表的微电子芯片研制、加工等工艺实现能否满足设计要求的关键测试/分析技术。该技术（OCD）的产业化在国内还是空白，目前我们的系统研究可PK国际先进水平，并已具备产业化转移的能力。 

1.痛点问题 在临床医学实践过程中，会产生医学图像、电子病历、生命组学等多种类型的医学数据，这些数据能够从不同角度对患者的病情进行刻画。因此实现多模态临床医学数据的自动化和智能化分析，有利于推动国家健康医疗大数据产业的发展，助力“健康中国”战略的实施。 我国不同地区医疗水平差异较大，医疗资源在空间上分配不均。某些科室如影像科、病理科有较大的医师缺口，供需矛盾突出。这种供需不匹配的问题也造成了医生工作负担加重，患者等待检查结果周期变长等诸多问题。在当前情况下，短期内无法通过培养更多的新医生来缓解医疗资源供需紧张的问题。 为缓解上述问题，目前已有企业推出了基于人工智能的辅助诊疗产品，但这些产品大都针对单一模态的医学数据，无法从整体的视角进行辅助诊断和决策，辅助诊断的准确性仍有较大的提升空间。 基于以上痛点问题和产业机遇，我们希望通过技术创新，研发出一套有效的多模态医学数据智能分析系统，应用“多模态医学数据+人工智能”的技术模式，缓解当前医疗资源供需紧张的社会问题。 2.解决方案 本项目旨在研发对多模态医学数据进行有效整合分析的人工智能方法。处理的数据类型包括：患者的医学图像、电子病历、生命组学等多种模态的医学数据。针对医学图像数据，构建目标检测与分割、特征提取、相似图片检索等智能化算法；针对电子病历数据，构建分词、医学实体识别和标准化算法；针对生命组学数据，研究基因突变致病性预测的深度学习算法。上述多模态医学数据智能分析技术为基础，研发多模态医学数据智能分析的系列软件产品，为医院提供人工智能辅助诊断等应用产品。 3.合作需求 寻求与医疗机构、医疗设备耗材企业、远程病理运营企业开展相应的合作。