本发明公开了一种基于浮动车ＧＰＳ数据的干线停车分析方法，通过数据抽样以及坐标转换，生成可视化的时空散点图实现浮动车通行数据的时间汇集，进而分析车辆的行驶特性，并进行干线停车的统计分析。本发明的干线停车分析方法，以数据可视化方式对浮动车定位数据进行时间汇集，直观分析干线车辆通行情况，在此基础上，对车辆到达交叉口的相对时间与其在下游的停车概率进行统计，从海量ＧＰＳ定位数据中分析探究干线交通流实际运行模式，并进行精细化的停车概率估计，为干线绿波诱导提供可靠、精细的数据支撑。

项目背景：2021 年国务院政府工作报告中指出，扎实做 好碳达峰、碳中和各项工作，加大新能源技术研发。据研究 公司 Frost＆Sullivan 发布的一项新报告指出，预计到 2030 年，全球电池储能市场的复合年增长率将达到 23％。由此可 见，未来十年储能电池数量将大幅增加。另一方面，储能电 池安全性引起广泛关注，2019 年 4 月 19 日，美国亚利桑那 州 McMicken 电池储能项目发生火灾爆炸事故；2021 年 4 月 16 日，北京集美家居大红门的储能电站起火。因此储能电池 安全性显得尤为重要。通过人工智能和机器学习等手段预测 电储能电池的安全性已经成为研究热点，英国剑桥大学和美 国斯坦福大学等顶尖高校和科研院所都有相关的实验室。在 国内，中科院、比亚迪、宁德时代、国家电网等企业院所已 经开展了各种类型储能电池和技术的研发。然而，目前国内 外还没有成熟的电储能电池远程管控系统，储能电池数据传 输协议没有公认的标准。由于不同类型的电储能数据指标差 异较大，需要采集的数据缺乏规范标准。另外，何种指标的 变化会引起潜在的储能电池安全问题尚未明确，目前基本是 通过人工经验判断，效率不高，并且准确率较低。如果能够 通过机器学习，深度学习等人工智能手段，结合储能电池实 际工作过程中的电流、电压的变化数据，学习并分析其运行 规律，挖掘出数据变化导致的潜在安全风险，电储能电池的 安全性能将大幅提高。 所需技术需求简要描述：1.研发储能电池故障预测模 型，利用人工智能等手段，通过机器学习的方法对采集的电 池运行状态及参数数据进行分析，实时监控电池运行状态， 对可能出现的潜在储能电池安全问题进行评估，实现对即将 出现的电池故障和安全问题的预判。2.建立储能电池的远程 安全传输协议，对电池运行状态及参数数据进行周期性采 集，并实现多终端异构网络环境下的储能电池数据实时传 输。建立安全传输机制，有效防止数据伪造和恶意攻击。3. 开发电储能电池数据远程管理系统，对不同种类的储能电池 安全问题采取相应的措施，通过网络实现对储能电池的远程 管理，从而延缓或避免由于电池故障产生的安全问题。数据 通信应建立在安全可靠的传输机制上。  对技术提供方的要求:1、建立电储能电池的远程数据采 集和安全传输协议。2、开发研究电储能电池数据远程智能 分析和管理系统。3、在相关领域经验丰富的技术团队的院 校或科研单位。 

产品详细介绍            阶段：小学、初中、高中    学科：语文、数学、英语、物理、化学、生物、政治、地理、历史、信息技术应用、安全教育    形式：视频、图片、文字    教材版本：包含全国各地主要应用版本，如人教版、北师大版、浙教版、苏教版等，与当地教学教材高度匹配   结构化资源内容：由浅到深，逐步进阶 课前—自学资源 “学材”区别于“教材”，指的是经过精心加工、适合学生自主学习的教学资源。 课中—点睛题 点睛题是U伴慧学平台特有的教学资源，专门用于让教师即时了解学生对核心概念的理解与掌握状况，目的是培养学生的高阶思维能力。 课后—探究资料 对知识点的补充、拓展、探究性资料，可以引导学生更深入地思考问题，完善自己的知识，解决问题。 练习题库：全过程可应用，知识点的测试题目。

中科院计算所成立于1956年，多年来始终坚持“科研为国分忧，创新与民造福”的核心价值观，在力争成为世界一流科研学术机构的同时，努力使计算所成为社会公认的引领我国信息产业和信息化计算技术的主要源头，先后孵化成立了联想、曙光、龙芯等一批有影响力的技术驱动型公司。 中科天玑数据科技股份有限公司成立于2010年，是中科院计算所为加速大数据技术成果转化而孵化的高新技术企业，是计算所在大数据方向唯一的产业化平台。公司技术力量雄厚，人才济济，博士、硕士人数占总人数的35%以上，核心成员承担过国家863计划、973计划、国家自然科学基金等重大课题的研究，并多次荣获国家重大奖项。中科天玑以大数据智能计算引擎、人工智能算法为核心，围绕大数据平台、自然语言处理、机器学习、知识图谱、人工智能等方面进行不断拓展，重点面向网信、情报、金融、教育等应用领域，致力于打造自主可控、安全可信、智慧敏捷的信息系统，为用户提供大数据整体解决方案，助力中国大数据产业创新发展。 中科天玑是大数据分析系统国家工程实验室的重要共建单位和示范应用基地，承建的大数据引擎及情报分析系统实验室致力于推进大数据基础设施、大数据分析和情报大数据示范应用三大方向技术研究和大数据产品的定型推广。

一、所属类别 基础、教学科研类实验设备类；实习实训设备及配套等。 二、相关专利技术 CN202010106007.7    履带车底盘、全地形履带车及全地形行走方法 CN202011613628.0    机器人运动控制方法、装置、控制器及存储介质 CN202111261356.7    双足机器人的运动轨迹规划方法、装置、设备及介质 CN202110232263.5    开关机的控制电路及方法 CN202110232355.3    机器人动作模仿方法、装置、设备及存储介质 CN202011501534.4    一种舵机的补偿控制方法及舵机补偿电路 CN202110574796.1    机器人的偏差信息确定方法、装置、处理设备及介质 CN202011644180.9    机器人抗扰动控制方法、装置、电子设备及存储介质 CN202110311455.5    双足机器人控制方法、装置以及双足机器人 CN202011611800.9    质心轨迹的获取方法、装置、机器人及存储介质 三、基本情况 （一）应用对象 应用于机械类、自动化类、电子信息类、计算机类等相关专业人才培养，适用场景包括实验实训、教学科研及竞赛等，方案以人才培养为目标和课程建设为核心，基于机器人载体，提升人工智能与机器人技术教学科研水平。 （二）核心优势 核心产品为双足人形机器人，该系列机器人获得“小型双足人形机器人步态算法”创新纪录，“高韧性强扭矩复合材料舵机”打破国外技术封锁，核心零部件实现国产化。 其中Aelos小型双足机器人载STM32、Raspberry Pi-4B双运算系统，支持二次深度开发，支持多语言开发环境，满足高校对于编程开发、人工智能应用学习等需求，助力高校在机器人系统结构、步态规划、运动控制、算法开发、场景应用等方面的实践学习。 Aelos小型双足机器人 Roban中型双足机器人基于ROS应用平台，搭载深度摄像头，嵌入V-SLAM视觉算法，可以通过导航技术进行建图，实现自主路径规划和步态规划，涉及运动控制、计算机视觉、图像处理、运动规划等多领域课程，能够较好地满足相关专业实验实训、研究开发、参加竞赛等需求。 Roban中型双足机器人 （三）商业模式 公司与高校在复合型人才培养、专业建设、课程建设、科研合作、师资培训、实训室搭建等方面开展深入合作，相关产品被用于各类学校的实际教学、实践、实训。推广路径通过各类研讨会、展会、大赛和专业渠道商进行拓展。 四、推广情况 （一）应用案例 1.清华大学 与清华大学电子系合作共建《智能机器人设计实践》专业限选课，基于人形机器人载体，学习机器人结构原理，图像识别，路径规划，AI芯片等内容。合作入选中国高等教育学会“校企合作双百计划”典型案例。 2.哈尔滨工业大学 与哈工大开展人才联合培养全面合作，双方在开发校企联合课程、共建联合实验室、共建校外实习实践基地、共同筹办BOTEC智能机器人技术挑战赛等方面进行合作，并入选中国高等教育学会“校企合作双百计划”典型案例。 3.南方科技大学 与南科大机器人研究院共建的机器人联合研究中心，在机器人关键核心技术攻关、专业课程建设、人才联合培养等领域开展合作。双方共建的基地被广东省教育厅认定为广东省联合培养研究生示范基地。 （二）应用成效 解决了高校人工智能机器人方向的实验实训、教学科研、参加竞赛等需求，有助于打造高水平、专业化的实践科研条件。年均支撑高校开展教学科研项目不少于1项，科技竞赛不少于2项，协助申报产学合作协同育人项目等。 （三）推广计划 高校新增人工智能等新专业成为热门，传统工科专业也面临课程改革要求，因此，通过开展智能机器人设备的应用与实践，推动相关专业人才的培养与发展，已是大势所趋。推广模式包括课程案例展示、以赛促教、举办研讨会等。

针对六自由度电动或液压平台，输入六个缸体的空间几何数据，建立电动缸空间运动模型。在六自由度平台合理的运动范围内，输入任意六自由度数据（X,Y,Z坐标，以及绕X,Y,Z轴的旋转角度），可以精确计算出每个缸体运动的长度，并用三维图形进行显示。 每个缸体采用位移传感器实时监测缸体长度，通过给定不同的驱动电压和驱动时长，可以使得六自由度平台做出预定姿态。 若相关企业需要，该专利可低额转让，具体价格面议。

当前光纤通道(Fibre Channel：FC) 以其高速率和高可靠性在航空电子环境得到了广泛的应用，一个典型的战机航电系统如下图所示： 为研究航电系统的性能，经常需要搭建地面仿真平台进行预先的评测。对应上图所示，我们可以搭建如下的地面仿真系统： 该系统包括自研制的： FC-AE仿真接点卡、FC-AE协议分析/监控卡、 FC-AE故障注入卡、 FC-AE网络交换机、FC-AE 数据监控记录分析仪。上述五项设备可以独立使用，也可部分或全部联合构成航电地面仿真测试平台使用。

高密度高性能并行计算平台是将CPU刀片、DSP卡、GPU卡通过高速总线进行互联；采用异构并行计算框架，实现多机、多卡、多核的资源分配和负载均衡；提供适合大规模并行计算的算法平台。用户在该平台上采用传统的串行思路编程即可实现大规模的并行计算。 该计算平台相对于传统的服务器系统具有体积小、重量轻、功耗低、计算能力强的优点。由于CPU适合逻辑业务、DSP适合粗粒度的并行计算、GPU适合规整数据的细粒度计算，所以通过CPU刀片、DSP卡、GPU卡数目的组合配置，可适合多种、不同类型的计算业务。 1. 硬件环境 硬件环境为6U高标准的服务器，最多可支持三类（CPU/DSP/GPU/）、9张板卡。在板卡间提供网络和PCIE的高速数据总线，示意图如图1所示。 平台硬件包括一个主控板和8个扩展插槽。主控板集成1片Intel i7的CPU；8个扩展插槽可插CPU刀片、DSP板卡、GPU板卡及其任意组合。因此即可组成小型的PC集群，也可以组成高性能的GPU服务器、DSP服务器，或它们之间的组合。该硬件平台还可通过InfiniBand高速网络进行扩展，最大可形成20个服务器互联的统一的软硬件系统。 2. 软件环境： 平台中的CPU主要起控制作用，计算任务主要由DSP和GPU承担。针对高密度计算资源，通过软件框架屏蔽硬件差异。软件框架如图2所示。 平台提供动态链接库，封装任务的调度、CPU与DSP之间的通信、CPU与GPU之间的通信等功能。用户在动态链接库基础之上进行二次开发，实现自己的业务逻辑。 3. 参数指标： ？ 单台计算能力：插8张DSP卡，做快速傅里叶变换（FFT），相当于40台8核Intel i7计算机的计算能力；插4张GPU卡，做场强计算，相当于50台Intel i7计算机的计算能力; ？ 尺寸：6U标准高度，（420±0.6）mm×（256±1）mm×（≤500）mm（宽×高×深）；重量：<35公斤；功耗：<1000瓦。 图1高密度高性能并行计算平台硬件示意图 图2高密度高性能并行计算平台软件框架