复杂信息系统人机交互数字界面已成为操作者获取信息、知识推理、判断决策的重要手段和操作依据。复杂信息系统人机交互界面在军事、信息安全、地理交通等诸多重要领域发挥着不可替代和非常重要的作用。该项技术首次综合信息编码、生态界面、认知摩擦、认知负荷和态势感知等关键理论和技术，构建了复杂系统信息流的功能结构模型，分析了复杂系统要素之间的层次结构和内联属性的复杂特征，提出了复杂系统“界面信息-视觉认知”映射模型的知识表征与规则推理，揭示了复杂系统数字界面从视觉信息认知到行为决策之间的映射关系，建立了复杂系统数字界面信息区块布局的空间与结构约束机制。本项技术首次融合脑电、眼动等多维度生理测评技术，提出了复杂信息系统数字界面的可用性评估体系。通过高时空分辨率的脑成像技术与眼球追踪技术相结合，共同揭示了人类在复杂系统数字界面认知各阶段的认知特性，分析了认知失误、认知困难等问题的生理学根源。该技术基于脑电ERP、眼球追踪等多维度融合的生理测评方法，对设计优化方案进行可用性评估，由此提出复杂信息系统数字界面设计的量化评估体系，提出了可实施的复杂系统数字界面设计优化方案。项目成果已成功运用到海、陆、空、航天等信息化装备上，全面提升了信息化装备的人机交互水平，保障了信息化装备整体性能和水平的充分发挥，提高了信息化装备操作绩效。取得突出成绩。应用前景广阔。

项目成果/简介:数据采集技术可穿戴传感器是接触式传感器。加速度传感器测量运动加速度，心率、血压和血氧传感器检测心率、血压等生理数据。可将不同的传感器集成在智能手环、脚环、腰带等可穿戴设备中，以实现加速度、角速度和生理等数据的采集；物体和环境传感器是非接触式传感器，常见的物体传感器基于RFID技术，通常用于身份、物流等信息的识别。常见的环境传感器有声音传感器、磁力计、气压传感器、温湿度传感器和PM 2.5传感器等，实现各种环境信息的采集。多模态传输技术LPWAN (Low-Power Wide-Area Network，低功率广域网络)在LPWAN技术出现以前，通信技术已经有多种类别，短距离的有wifi、蓝牙、zigbee等，长距离的则有2G、3G、4G、5G等，但是如果把这些无线通信技术按照功耗与传输距离这两个维度划分的话可以发现在功耗低、距离远这个范围的技术还欠缺，而LPWAN技术的出现正好弥补了这个短板。       LPWAN可分为两类：一类是工作于未授权频谱的LoRa、SigFox等技术；另一类是工作于授权频谱的基于蜂窝组网的通信技术，比如eMTC、LTE Cat-1、NB-IoT等。LPWAN 专为低带宽、低功耗、远距离、大量连接的物联网应用而设计。最具前景的LPWAN技术——NB-IoT和LoRa：物联网（IoT）应用需要考虑诸多因素，例如节点成本、网络成本、电池寿命、数据传输速率(吞吐率)、延迟、移动性、网络覆盖范围以及部署类型等，可以说没有一种技术可以满足IoT所有的需求。NB-IoT和LoRa两种技术具有不同的技术和商业特性，也是最有发展前景的两个低功耗广域网通信技术。这两种LPWAN技术都有覆盖广、连接多、速率低、成本低、功耗小等特点，都适合低功耗物联网应用。LoRa （Long Range）:   一个LoRaWAN网络架构中包含了终端、基站、NS(网络服务器)、应用服务器这四个部分。基站和终端之间采用星型网络拓扑，由于LoRa的长距离特性，它们之间得以使用单跳传输，终端节点可以同时发送信息给多个基站。基站则对NS和终端之间的LoRaWAN协议数据做转发处理，将LoRaWAN数据分别承载在了LoRa射频传输和TCP/IP上。NB-IoT（Narrow Band Internet of Things）NB-IoT构建基于蜂窝网络，只消耗大约180KHz的带宽，可直接部署于GSM网络、UMTS网络或LTE网络。NB-IoT是IoT领域一个新兴的技术，支持低功耗设备在广域网的蜂窝数据连接。NB-IoT支持待机时间长、对网络连接要求较高设备的高效连接。NB-IoT具备四大特点：一是广覆盖，将提供改进的室内覆盖，在同样的频段下，NB-IoT比现有的LTE网络增益提升20dB，覆盖面积扩大100倍；二是具备支撑海量连接的能力，NB-IoT一个扇区能够支持10万个连接，支持低延时敏感度、超低的设备成本、低设备功耗和优化的网络架构；三是更低功耗，NB-IoT终端模块的待机时间可长达10年；四是更低的模块成本，企业预期的单个接连模块不超过5美元。数据分析技术人工智能研究的各个分支，包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等。2012年以后，得益于数据量的上涨、运算力的提升和机器学习新算法（深度学习）的出现，人工智能开始大爆发。机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术。机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。深度学习本来并不是一种独立的学习方法，但由于近几年该领域发展迅猛，一些其特有的学习手段相继被提出（如残差网络），因此越来越多的人将其单独看作一种学习的方法。深度学习的各种算法已成为行为识别主要应用的技术，传感器采集的各类信号，通过卷积神经网络、循环神经网络等分类，识别出坐、走、跑、跳、上下楼等日常行为，也可以实现对被监护者摔倒等异常行为的检测。应用范围:家居智慧控制，提高舒适度：家庭生活状态统计和日常需求预测与推荐；多模态行为分析和数据采集和传输系统；多模态行为数据采集和分析平台；基于LoRaWAN/5G的工厂环境、农业大棚等环境监测系统。技术成熟度:通过中试

可以量产/n该成果涉及一种稻米食品全产业链信息系统，包括信息采集模块，信息传输模块，信息处理模块，综合决策模块，信息存储模块，信息输出模块，所述信息为稻米食品全产业链各环节信息，包括育秧信息、种植信息、仓储管理信息、加工管理信息；所述稻米食品全产业链各环节包括育秧环节、种植环节、仓储管理环节、加工管理环节；所述信息传输模块包括将从稻米食品全产业链各环节现场所采集到的原始信息经有线或无线方式经过通讯模块传递到远程监控终端，和远程监控终端的控制信息经过通讯模块传递到控制终端。本发明通过全产业链信息平台，监控和防止各种危害因子的产生和迁移，可为稻米食品产业链的高效安全生产奠定基础，真正做到食品溯源，全称监控并实现在线检测。

在企业的产品开发过程中，会形成大量的技术数据、技术资料、工程经验等设计资源。面对这些资源，企业往往因为缺乏基于知识技术的信息管理方法和技术，使得这些设计资源不能得到很好的规范组织和重用，从而制约了企业产品创新能力和产品结构合理化程度的提高。   天为 DMIS 设计师信息管理系统，能够统一管理企业中与产品形成过程中产生的所有结构化和非结构化的资源，使设计人员在设计过程中能够迅速找到相关知识，从而方便快捷地对已有的相关设计案例进行参考和相互比较，使相关文档在特定的时间发送到特定的地点和特定的人员手中，并可对已有模块进行快速配置和变型设计等；从而提高企业的产品设计效率，缩短产品设计周期，降低设计成本，提高设计质量和产品创新能力，提升企业的整体管理水平。

本项目受成都市市政公用局委托，由西南交通大学运输学院、成都市市政公用局、成都市公交集团公司共同完成。本次规划在人口出行调查和公交客流调查资料处理分析的基础上，建立了动态信息数据库，并自行开发了公交规划系统软件，该软件基于动态信息数据库，吸取了国内外优秀规划软件的先进技术，具有功能完善、使用灵活、可视化 强等优点，为本次线网规划和今后成都市网线的优化搭建了信息平台。线网规划充分结合成都市城市窨发展格局变化、城镇体系的发展，运用交通规划理论，从系统角度出发，将公交线网与公交专用道、轨道交通及换乘枢纽紧密结合，提出了有利于公交快速发展的线网布局与组织模式；并较好的处理了城区线路与郊区线路的衔接与换乘，为都市区大公交格局的构造奠定了良好基础。

一种基于矢量数据的 SAR 影像道路损毁信息提取方法，根据灾后的 SAR 影像的范围，获取对应区 域的矢量数据;将矢量数据投影到 SAR 影像的坐标系之后，将矢量数据配准到 SAR 影像上;提取 SAR 影像的疑似道路损毁区，包括利用道路检测算子进行线检测，将道路宽度信息与道路矢量数据进行形状 水平集分割，融合得到疑似道路损毁区;建立贝叶斯网络模型对疑似道路损毁区进行进一步判断，提取 出道路损毁信息。本发明利用矢量数据作为先验信息，辅助 SAR 影像道路变化检测，检测率高;提出 的线检测与形状水平集相结合的方法能够很好的提取断裂区，漏检率低;建立的贝叶斯网络模型能够有 效的剔除干扰信息，减少道路损毁提取的虚警。

小试阶段/n本系统旨在实现整合全市所有的燃气相关信息及救援手段，实现应急预案信息化。为提高深圳市处置燃气事故的能力，增强各层级政府部门关于燃气事故应急预案的可操作性、切实减少和在一定程度上杜绝二次灾害事故的发生，全面提高深圳市应急管理能力。

成果简介：随着智能手机、移动通信技术、多媒体技术的不断发展，近年来 涌现出了米聊、TalkBox、微信等语音及时通信工具。语音及时通信工具通 过移动互联网免费传递语音短信的方式，方便了信息输入的同时节约了电话 资费，已经提出就迅速流行起来。可以预见，随着语音及时通信技术和应用 模式的不断成熟，语音及时通信将成为智能手机上的一种主流通信模式。使 用语音信息隐藏技术将保密信息隐藏于语音短信，具有隐蔽性、便利性和安全性等优点。本系统实现具有不可感知性、鲁

针对传统稻麦生长监测不高清、传感单一化、数据气象化、功能同质化、系统孤岛化、研用离散化、服务被动化等问题，创新部署了基于新一代物联网的稻麦产业科技信息服务系统。

本发明公开了一种基于区域态势信息的网络攻击后果动态定量评估方法，获取工业关键基础设施所有站点内部工艺的运行信息并进行筛选，获得由网络攻击导致的异常发生的位置信息，以及物理设备当前的有用的运行状态信息；利用多层流模型计算站点输出的物质流异常信息，并建立站点的输入输出物质流计算模型；根据由网络攻击导致的站点输出物质流异常信息，以及站点的输入输出物质流计算模型，以及输送网络的拓扑图模型，建立态势预测模型，以预测未来一