本发明公开一种基于云技术的商品溯源及消费流向统计分析方法及系统，本发明中采用所述云计算平台与云计算终端相互协作的云技术架构，由所述云计算平台负责亿级加密二维码的编码、压缩、加密、生成、激活、赋值及管理，并为消费者提供商品溯源服务，为企业提供消费流向统计分析服务；所述云计算终端负责赋予商品加密二维码标识，本发明利用云技术强大的计算能力和性能，以及方便的

本发明公开一种基于云技术的商品溯源及消费流向统计分析方法及系统，本发明中采用所述云计算平台与云计算终端相互协作的云技术架构，由所述云计算平台负责亿级加密二维码的编码、压缩、加密、生成、激活、赋值及管理，并为消费者提供商品溯源服务，为企业提供消费流向统计分析服务；所述云计算终端负责赋予商品加密二维码标识，本发明利用云技术强大的计算能力和性能，以及方便的

本发明公开了一种结合时空信息的遥感逐日积雪产品去云方法，首先根据 DEM 数据和土地利用数 据对遥感逐日积雪产品进行积雪单元划分;再利用 DEM 数据和多时相数据分别得到每个云像元在空间 和时间上的积雪概率;最后利用加权平均的方法获得云像元的积雪概率，评判云像元是积雪还是无雪。 本发明充分结合了积雪在空间上和时间上的相关性，以及地形因子对积雪的影响，有效地减少云对积雪 产品的影响，提高了积雪产品的精度，并且算法简单，计算效率高，易于实现。

机载LiDAR与航空影像联合城市三维建模系统（LiDARPro）主要以机载LiDAR点云及多视航空影像作为输入数据，通过点云语义分割、点云影像配准、实景三维模型重建、建筑物单体结构化模型重建、人机交互等功能模块，实现高效率、（半）自动的城市实体三维模型重建，具备全自动大测区城市建模、半自动城市高精度精细实体模型重建等多种解决方案，致力于提高智慧城市建设的自动化程度，推进实景三维中国建设进程。 一、项目分类 关键核心技术突破 二、技术分析 创新性： 机载LiDAR与航空影像联合城市三维建模系统（LiDARPro）主要以机载LiDAR点云及多视航空影像作为输入数据，通过点云语义分割、点云影像配准、实景三维模型重建、建筑物单体结构化模型重建、人机交互等功能模块，实现高效率、（半）自动的城市实体三维模型重建，具备全自动大测区城市建模、半自动城市高精度精细实体模型重建等多种解决方案，致力于提高智慧城市建设的自动化程度，推进实景三维中国建设进程。系统主要由两部分功能模块组成：自动化模型重建模块及三维可视化交互管理系统模块。其中自动建模模块由点云影像自动配准、实景三维模型重建、点云滤波、点云分类、建筑物单体化分割、建筑物结构化模型重建等软件子模块构成。系统支持DEM、DOM、实景三维模型、建筑物LoD1至LoD3模型等多种产品生产；支持多核、多CPU、多GPU架构的任务并行化管理，支持搭建点云、影像、模型数据库，支持人机交互进行语义分割、模型编辑、纹理编辑等功能。 软件解决的关键问题： LiDAR点云与倾斜影像异源异构数据配准问题，点云影像数据难以联合应用； 单一数据源三维信息与纹理信息不全，高质量模型结果依赖高精度数据输入，导致数据获取成本昂贵、效率较低； 城市级实景三维模型重建自动化程度低，低精度自动结构化模型成果难复用，而手动模型绘制难度高、工艺繁琐； 实景三维数据制作单位高度依赖国外软件，国产化难。 先进性： 当前，国内90%以上地形级实景三维数据制作测绘单位都基于国外软件进行三维重建，而城市级实景三维模型则重度依赖全人工手动勾绘且需调用国外专业三维建模软件，模型重建学习成本极高、软件针对性不强而效率低下。 机载LiDAR与航空影像联合城市三维建模系统软件系统以高精度、高效率、高自动化程度城市级实景三维模型重建为首要目标。软件系统具备高精度点云影像配准模块提供异源数据联合应用基础；采用LiDAR点云约束的多视影像密集匹配策略实现高精度、全覆盖三维数据输入以实现高质量实景三维模型重建；采取地面点滤波、非地面点地物分类、目标地物单体实例分割递进式流程得到建筑物等地物单体化三维数据；优化自动结构化模型重建与人工干预的结构化建模流程，无需额外依赖专业建模软件；提供针对建筑物结构化建模的模型编辑、纹理编辑模块，不达标的自动模型可复用，三维点云端、二维影像端可独立或联合编辑，具备交互友好的参照式、勾绘式、半自动编辑模式。 独占性： 系统主要搭建两条生产路线，以适应不同地域模型精度要求差异、不同应用时间响应要求。其一是以LiDAR点云为主的快速建筑物结构化模型重建，经过点云分类、建筑物实例分割、结构化模型重建等步骤构建人工地物结构化模型，并利用配准后多视影像对模型纹理映射，此生产线主要产品包括DOM、DEM、 LoD2为主的建筑物结构化模型、典型地物真实色彩点云等轻量基础数据；其二是在LiDAR点云约束下生成高精度密集匹配点云构造高质量实景三维模型，并在此基础上提取建筑物单体三角网数据，经过模型简化抽象得到建筑物LoD3模型，此生产线主要产品包括实景三维模型、建筑物LoD3模型等城市级实景三维数据要素。 此外，软件系统支持在Windows (Win7/10)、Ubuntu (16.04/18.04/ 20.04)、国产麒麟(V4/V10)等多操作系统中运行，已阶段性实现国产化。

作为工程施工环节中最重要的一环，计量支付是准确考核工程进度、计划完成情况，进行施工产值统计、经济核算及财务拨款的基本依据。做好计量支付工作，对加强成本管理、优质高效完成工程任务具有重要意义。 纵横计量支付结算决算一体化云版软件，解决从“计量支付到结算决算”的工程数据管理，实现从“概算-计量-决算”的公路工程全过程动态管理，基于大数据、云计算进行开发，提供SaaS平台服务，使计量支付结算决算智慧化、数字化，信息化。 快速准确建立各类台账，满足各维度计量（清单计量、0#台账计量、比例计量）要求，做到标准化、规范化、精细化管理。合理的控制工程建设投资，方便全过程跟踪审计，维护参建各方合法权益。

项目成果/简介: i4Ocean 的命名分为两个部分，其中Ocean代表本平台主要应用于海洋信息可视化领域，而i4寓意为四个英文单词即：Interactivity（交互性），Imagination（构想性），Immersion （浸没感），Intelligence（智慧性）。这四个单词概括了i4Ocean 的主要特点，也是本平台致力于实现的终极目标。 i4Ocean可视化原型系统主要实现以下功能： 1、数据处理：将常见的海洋数据转换为geotif、json、geojson。 2、可视化功能：标量数据可视化、剖面动画、体绘制、二、三维流线可视化。 3、可视化分析：中尺度涡识别、追踪。 4、舰船远洋航行系统：港口信息查询、全球港口显示、航线添加、海图导航、水文信息可视化。 5、视频录制：保存加载相机路径、高清截图、高清录像。 在系统中，我们提出了两种算法用于海洋环境数据可视化和分析。一种是基于gpu的光线投射算法绘制海洋温盐数据，一种是基于传输函数的海洋中尺度涡流交互式流场可视化算法，实现了时空相干和视口相干。引入交互式传输函数，从背景洋流中提取基于多种涡旋参数（如Okubo-Weiss参数）的二维和三维涡旋特征。 相关成果评选为2012年山东高等学校优秀科研成果奖、2013年青岛市科学技术奖、青岛市2017-2018年度优秀大数据解决方案。项目阶段:系统原型阶段效益分析: 该系统可用于船舶远洋航行、海洋数据分析、海洋数据处理。将常见的海洋数据转换为tiff，json。利用系统标量场、矢量场可视化功能，对海洋数据进行分析，为船舶航行提供指导。 该技术和装备可用于海洋深部结构研究，为发展我国海洋经济提供技术支撑，这将具有重要的社会经济效益。发展海洋数据分析及可视化功能，更可以拓展蓝色经济空间，推进军民深度融合。 该成果已与青岛海洋科学与技术试点国家实验室等单位开展深度合作，现阶段处在项目支持的前期研究中。同时与外地的合作单位有：中船工业集团，自然资源部直属单位国家海洋信息中心、国家海洋环境预报中心、国家海洋卫星应用中心。知识产权类型:发明专利 、 软件著作权知识产权编号:201510066037.9 201510070177.3 201510212425.3 201510212424.9 201710827686.5 201710828365.7 2013SR004155 2013SR010109 2014SR062104 2015SR014980 2015SR038759 2015SR085063 2015SR246570 2016SR010562 2016SR326470 2016SR325154 2017SR732244 2017SR737071技术成熟度:通过中试技术先进程度:达到国内领先水平成果获得方式:独立研究获得政府支持情况:无

项目成果/简介:本作业平台可以实现掘进头支护作业的完全机械化，改善掘进头工作面的支护状况，大大减轻工人劳动强度，能满足一定的超前支护要求，能有效提高掘进面作业速度，充分保证工作人员的作业安全性，是改进目前掘进头支护作业工作方式的综合机械化成套作业设备。

通过车载终端以至少 1Hz 的频率采集发动机动态运行数据和静态数据，并通过远程监管终端上传至远程监管平台；远程监管平台将车辆上传的动态运行数据输入相应的诊断模块进行信号诊断，输入相应的排放因子计算模型计算出排放因子，并读取 OBD 故障信息对排放结果进行有效性评估，从而获得车辆的实际排放状态。

本作业平台可以实现掘进头支护作业的完全机械化，改善掘进头 工作面的支护状况，大大减轻工人劳动强度，能满足一定的超前支护 要求，能有效提高掘进面作业速度，充分保证工作人员的作业安全性， 是改进目前掘进头支护作业工作方式的综合机械化成套作业设备。

大数据应用的多样化 需要的计算模型、数据模型多样化； 目前每类模型需要单独的开源系统来支持（如HDFS、HBase、Neo4j、MongoDB，Flink，Spark，Tensorflow等）。 多系统导致大数据分析平台非常复杂、效率低下。研究目标：研究和开发面向新型多计算模型融合架构的、高时效、可扩展的新 一代大数据分析支撑系统与工具平台FAST（Fusion-Architecture, Scalable, Time-efficient big data analysis platform）。针对目前大数据分析平台复杂、效率低下的痛点，该系统具有三个 方面的优势：首先，这套系统采用融合架构，一方面实现关系、图、键 值、文档等多种数据模型的高效融合，另一方面实现批处理计算、流计 算的深度融合，并可以通过SQL扩展语言来进行多模型的统一查询，实现高效的跨模型查询。其次，对于复杂系统来说，时效性非常重要，这 套系统采用融合架构提高效率是实现高时效的基础，更重要的是，我们 对大数据分析从数据到用户进行了端到端的全栈时效优化。最后，对于 大数据应用来说，系统扩展性非常重要，本系统在资源层、存储层和计 算层进行了全面的扩展性优化。下面在融合架构、高时效和可扩展这三 个方面，分别详细介绍FAST系统的三个主要亮点。融合架构FAST系统的第一个亮点是融合架构，我们在技术方面的创新主要包 括多数据模型融合和多计算模型融合两方面。多数据模型融合：设计和研发了多模型数据管理与查询引擎，支持关系、图、键值、 文档等多种数据模型，实现了查询解析、查询优化、元数据管理、数据 分布等功能，将多种数据模型进行统一管理和深度融合。同时扩展了SQL语言，通过统一的查询接口支持对关系、键值、图、文档等数据进行独立访问或者跨模型查询。经过试验，多模型数据融合查询，比Spark 2.3.4的查询时间能平均减少70.7%。目前spark等现有系统还需要手工编程方式来实现跨模型查 询，所以FAST系统在易用性上也表现良好，降低使用门槛，提高开发效率。多计算模型融合：在计算层实现了最常见的批处理计算和流计算深度融合，批流融合的核心方法是在系统内部实现批和流的统一表达，批是对有限数据集 的运算，流是对无限数据流的计算，我们设计了UCollection结构对批和 流数据进行统一表达，通过识别的bounded标志，来确定是批、流、或批流融合。有了统一表达，可以开展一系列融合优化来提升系统性能。 并且对上通过Unified API统一用户的批、流接口，实现二者在编程范式上的统一表达。对于批流混合的计算，融合架构系统的查询延迟比Flink 1.4.2能减少57%，吞吐量平均可以提升到6.72倍。高时效FAST系统的第二个亮点是高时效，即缩短大数据分析的时间消耗， 提高效率。由于大数据分析平台是一个非常复杂的系统，为了做到高时效，系统不能存在性能短板，因此需要对大数据分析的整个过程进行端到端的全栈时效优化。如图中所示，自下而上，需要在多模态存储、批流融合、机器学习、人工操作各层都进行优化。对于多模态存储，面向应用负载和异构硬件特征进行自适应优化；对于批流融合计算，在统一表达基础上，进行系列融合优化技术， 包括DAG优化、迭代优化、部署优化、操作符优化等；在机器学习层面，进行模型优化、消息优化、梯度优化、概率优化 等来提高时效；而且我们也考虑到大数据分析过程中用户人工操作的时效性问题， 通过智能地进行大数据分析方法和模型的推荐，来缩减人工操作的 时间。可扩展FAST系统的第三个亮点是可扩展，由于大数据应用规模很大，数据增速快，对系统可扩展性的要求非常高，为此我们在系统的资源层、 存储层和计算层进行了全面的扩展性优化。在资源层，系统都部署在云计算的虚拟化资源之上，利用了云计算资源的弹性机制进行系统扩展。并在系统中实现了可伸缩调整模块， 能实时监控软硬件系统的状态，按照应用需求来自适应地进行弹性伸缩。在存储层，分布式存储系统扩展性的关键在于分布式共识和一致性 协议（Raft），因此提出了KV-Raft、vRaft等进行Raft的扩展优化。在计算层，我们扩展了机器学习模型的参数规模，使系统可以支持 到百亿级别的超大规模机器学习模型训练，并且性能方面有明显提 升。亮点成果：融合架构大数据分析平台目前已经在阿里巴巴双十一进行示范应用。 从2020年11月10日至11月16日一周的时间，在阿里的生产环境中，研发 的系统一直连续稳定运行，基于淘宝和天猫的实际用户信息进行大数据 分析，综合运用了本系统的存储、计算、机器学习等多个模块的能力， 累计进行了184亿件商品推荐。同时在双十一期间，基于智能交互向导技术，也面向电子商务应用 的卖家提供了“生意参谋”应用，基于大数据分析，帮助卖家分析产品 销量变化的原因，以及促销的有效手段等。