项目利用新一代的大数据 深度学习技术，实现了加油站现场智能监管系统，具有卸油区智能管控、财务室智能管控、加油区智能管控、现场智能管控、智能分析以及智能考核管理功能，对人员操作合规性进行智能检测与识别 一、项目分类 关键核心技术突破 二、成果简介 项目利用新一代的大数据 深度学习技术，实现了加油站现场智能监管系统，具有卸油区智能管控、财务室智能管控、加油区智能管控、现场智能管控、智能分析以及智能考核管理功能，对人员操作合规性进行智能检测与识别，将以查视频回放的结果型安全管控模式，转变为控制关键作业环节的过程型管控模式，实现了安全关口前移 服务规范管理 智能数字化分析，提高了全站精细化管控能力以及管理层科学决策、信息决策能力。可应用于能源、电力、制造业等与人员安全以及操作流程合规性密切相关的行业。

校园安全评估系统由PDQC、SCICP和明尼苏达多相人格测验等多种权威人格障碍诊断评估量表及相应的人格障碍干预建议及相关资源等内容组成。通过系统可对学生的人格进行评估筛查，提出干预及治疗建议，帮助专业人员全面掌握各种人格的发病及诊疗情况，从一定程度上减少安全隐患。 校园安全评估系统分为管理端和用户端两大功能端口。 管理端包括信息管理、心理评估、个人报告、数据统计、治疗方案、辅助资源和系统管理等核心功能模块。可实现如下功能： 1.信息管理与维护：支持通过个体导入或群体批量导入方式记录用户信息，支持通过不同类型的人群创建信息基本模板，支持根据需要随时维护用户信息及信息录入模板。 2.人格障碍评估筛查：包括PDQC、SCICP和明尼苏达多相人格测验量表，可直接进行用户评估。通过评估可筛查出对象是否符合偏执型人格障碍、分裂型人格障碍、反社会性人格障碍、冲动型人格障碍、表演型人格障碍、焦虑型人格障碍、强迫型人格障碍、依赖型人格障碍这八种人格障碍的条件。 3.评估报告：根据评估结果可呈现详细完整的评估报告，报告可由专业人士进行后续编辑修改。 4.全面数据统计筛查：系统支持根据因子进行数据筛查、全部评估原始数据导出以及大数据统计包括各种类型障碍人数及比例等。 5.专业治疗方案：针对八种人格障碍的问题，提供相应的干预意见及治疗方案。 6.内置辅助资源：系统内置了丰富的人格障碍的相关资源和素材，包括人格障碍的实际案例、视频影像等内容。支持对资源进行维护，可以根据使用情况随时丰富新添内容。 7.全面系统管理：支持管理系统用户、角色等相关信息，进行系统数据备份。 用户端可供用户直接进行包括PDQC、明尼苏达多相人格测验等评估内容进行人格障碍筛查评估。

欧阳明高院士长期从事节能与新能源汽车新型动力系统研究（包括电控内燃机、燃料电池发动机、动力电池系统、多能源混合动力等），尤其是在面向排放控制的发动机新型电控高压喷油原理与系统研制、保障电动汽车安全性的锂离子电池热失控机理与主动防控，优化燃料电池耐久性的燃料电池/动力电池混合动力设计与控制方法等三方面开展了从理论创新、技术突破到推广应用的系统性工作，建立了汽车动力系统学研究与人才培养体系。根据中国新能源汽车动力电池比能量发展的趋势，我们很快就会向300瓦时/公斤的所谓的高镍三元811电池很快就会进入市场,清华大学专门建了电池安全实验室开展相关的基础研究和技术开发。目前清华大学电池安全实验室跟国内外企业和研究机构开展了广泛的合作，包括宝马、奔驰、日产等大公司。研究重点是在热失控的三个方面，一是热失控的诱因，包括热、电、机械的原因。二是热失控发生的机理究竟是什么，从而在材料设计层面加以防护。三是热蔓延，一旦单体电池防止不了热失控，就得有二次防护手段，就是在系统层面要切断热失控的蔓延，只要切断蔓延就可以防止事故。我们对高比能量电池的热失控控制，不仅靠材料本身，还要从系统层面来进行。目前，在电池管理系统方面，国内的产品的功能不足、精度不够，尤其是安全功能是不全，因此需要加大电池管理系统的研发力度。清华在电池管理系统的积淀比较丰富，已经获得65项专利授权，这些专利在国内外著名公司合作中得到了应用，其中部分专利也授权给了奔驰汽车公司。锂离子动力电池高比能是全世界范围的发展方向和趋势，把握高比能量与安全性之间的平衡点是关键。基于各国动力电池技术路线的比较，短期是液态电解液的锂离子电池，下一步将会向固态电池方向发展。综合考虑电池成本和动力电池的发展方向，我们建议我国也应该走类似的路径，即短期是液态电解质，发展高镍三元正极和硅炭负极，通过电池管理系统和热蔓延的抑制来防止安全事故发生，这类电池能够满足电动汽车500公里续驶里程的要求。

建立了我国首个针对食源性致病菌建立的可视化预测建模与定量风险评估预警平台，实现了食源性致病菌污染信息的荟萃分析、实验观测数据的建模评价、种群大小的模拟预测，及目标食品-致病菌组合的模块化定量风险评估。所建平台作为通用型工具，减轻了微生物风险评估相关科研人员、生产者、监管者等的学习负担和时间成本，提高了预测微生物模型的实用性，推动了我国微生物风险评估的发展和普及。

项目针对滑坡监测预警这一问题，通过近8年的探索，突破了技术瓶颈，自主研发了滑坡智能监测站和地质灾害实时监测预警云平台，成功实现了滑坡的“现场监测”到“云端预警”再到“人员避灾”，做到了“千里之外，给山川把脉”，保卫了人民生命财产安全。 一、项目进展 已注册公司运营 二、企业信息 企业名称 成都星感智联科技有限公司 企业法人 霍冬冬 注册时间 2018.4.2 注册所在省市 四川省成都市 组织机构代码 经营范围 软件开发；计算机技术咨询及销售；数据处理；互联网信息服务（取得相关行政许可后方可经营）；环境监测；仪器仪表（不含计量器具）技术研究、销售；新能源技术与环保技术开发、技术咨询、技术转让；机械设备技术研究；电子产品、机械设备、电子元器件、电线电缆、通讯设备（不含无线电发射设备）及配件销售；货物及技术进出口。（依法须经批准的项目，经相关部门批准后方可开展经营活动） 企业地址 四川省成都市成华区龙潭总部经济城成宏路26号汇润国际2栋10层4-2号 获投资情况 三、负责人及成员 姓名 学院/所学专业 入学/毕业时间 霍冬冬 环境与土木工程学院 2018/2021 陈婉琳 环境与土木工程学院 2018/2022 蒲川豪 环境与土木工程学院 2019 修德皓 环境与土木工程学院 2020 蒲枫 环境与土木工程学院 2021 赵宽耀 环境与土木工程学院 2017/2021 于金腾 传播科学与艺术学院 2018/2022 杨航 环境与土木工程学院 2018/2022 叶曾琳 城乡旅游与规划学院 2017/2022 席贺伟 核技术与自动化工程学院 2019/2022 四、指导教师 姓名 学院/所学专业 职务/职称 研究方向 许强 环境与土木工程学院 教授 主要从事地质灾害防治的教学和科研工作 朱星 核技术与自动化工程学院 副教授 主要从事地质灾害防灾减灾与计算机交叉学科研究 王东坡 环境与土木工程学院 副教授 研究团队主要从事地质灾害冲击动力学、地质灾害综合减灾新技术、新方法研究。 何志华 副教授 五、项目简介 我国拥有滑坡灾害隐患点高达28.6万处，威胁人口近1400万，严重制约了我国的社会经济发展。国家出台了系列政策大力支持防灾减灾工作。但是由于滑坡灾害的多样性及复杂性，提前对其做出科学预警，并撤离滑坡威胁群众，一直为世界级难题。 项目针对滑坡监测预警这一问题，通过近8年的探索，突破了技术瓶颈，自主研发了滑坡智能监测站和地质灾害实时监测预警云平台，成功实现了滑坡的“现场监测”到“云端预警”再到“人员避灾”，做到了“千里之外，给山川把脉”，保卫了人民生命财产安全。 核心产品已售卖于全国11个省市，与多家单位达成战略合作。目前已成功预警滑坡42起，预警准确率高达95%以上。全球首次成功预警突发型滑坡（甘肃黑方台黄土滑坡）；全球首次自动预警大型岩质滑坡（贵州兴义市滑坡）；全球首次将预警技术成功应用于滑坡—堰塞湖应急抢险中（金沙江白格滑坡—堰塞湖）。提前预警时间最短27分钟，最长32小时，为滑坡威胁对象的撤离提供安全时间保障，实现人员零伤亡。 公司成立于2018年，由4人持股，盈利主要通过对各类终端仪器和技术服务的售卖，产品可应用于国土政府部门的防灾工作、国家电网的电塔基地稳定性监测、国家大型水利工程的边坡监测、道路企业的不稳定公路边坡监测、建筑行业的基坑边坡监测等，市场规模可达1200亿。 项目依托于地质灾害防治与地质环境保护国家重点实验室，战略顾问为黄润秋教授（两获国家科技进步一等奖），指导老师为许强教授（长江学者）、朱星副教授（四川省海外高层次留学人才）、。团队成员硕博占比80%。拥有专利21项，高级别SCI论文57篇，可为公司的发展提供有效的平台壁垒、资源壁垒和技术壁垒。

        滑雪头盔作为滑雪运动中不可或缺的安全装备，在《中国滑雪场所管理规范》中指出，滑雪头盔是必选项，滑雪头盔市场规模和发展潜力巨大。目前滑雪头盔市场仍由国外品牌主导。

遥感摄影测量边坡安全检测与应急决策系统针对采场边坡安全问题，综合考虑存在的边坡管理需求,将基于遥感测量的边坡监测技术、边坡稳定性评价技术、人工智能专家系统等技术整合起来并运用到边坡测量预警以及对应决策的选择上来，实现边坡安全态势、动态变化、预测以及破坏应急与应对策略、准确测控和全维度防范，为矿山安全问题的解决提供有效的技术支撑，对边坡稳定性做出满足工程精度要求的全范围实时监测。系统依据相关规定，结合我国矿区边坡稳定性的现状，并通过汇聚已有各类地质、采矿设计以及边坡稳定性研究资料，系统主动性和动态地处理已有数据、信息和知识，以此对采场边坡稳定性进行预知性监控和评估。借助GPS数据分析和边坡稳性预测预警、基于神经网络的稳定性分析技术等技术，建立矿业边坡安全检测知识库和边坡稳定性预测系统，对矿区边坡的安全状况进行实时监测和预警处理，达到防灾减灾的效果。同时提高矿山采场边坡稳定性管理水平和质量，为矿山采场安全生产提供有力之支撑。采场边坡稳定是影响矿山采矿安全生产的几个关键环节。现有技术没能很好地协调边坡稳定性评价、预测、监测及其与边坡灾害及采矿生产之间的关系，没能充分整合多种数据、信息、知识等为边坡生产安全提供动态实时评价。

针对森林火灾、建筑火灾、居家环境安全等当前关系到社会安全稳定的关键问题，在天津市中小企业与国家中小企业创新基金的支持下，本项目在研究了当前消防报警系统的不足之处后，将多层次无线传感器网络技术引入到火灾与居家安全监测中来。构建了基于无线传感器网络的分布式火灾与居家安全监测定位系统，研制分布式无线消防传感器数据传输网络，结合无线传感器网络协议的层次结构，研究数据采集和传输、组网、路由及定位算法，保证了系统的低功耗、实时性和稳定性。将系统实时监测的有关参数数据（例如温度、相对湿度、位置、入侵、煤气等）发送给监控中心进行分析处理，结合检测环境气象条件、地形条件、可燃物条件等多项参数，通过模糊数学算法融合处理传感器参数，采用人工智能的的方法设置各项参数适当的预警线。并与相应参数的预警线进行比对，判断是否具有火灾及其他危害发生的潜在危险，为有关部门采取相应的措施提供决策依据。本项目在森林防火、临时建筑消防监测、展会消防监测、学校宿舍与实验室消防监测以及居家安全等方面都有较好的应用前景，因此市场广大。

该系统是由一个监控中心站和若干个风井监控分站组成，通过监控分站检测，将风井的负压传感器、瓦斯传感器以及电流互感器、电压互感器传来的模拟量转化为数字量，并实时计算出甲烷浓度、负气压参数、通风机电流、电压的准确值，并可以根据电流电压值计算出电力设备的功率因数、有功功率和无功功率。通过无线传输数据的方式，把信息传送到监控中心，所有安全参数及有关数据曲线都能在监控中心站主机上实时调出。这种无线组网的方式对于监控中心和通风井距离较远的方式来说较为便利。