本实用新型涉及路边公共设备技术领域，公开了一种具有巡更、测速、可视化报警功能的路边自助装置及系统；其中，具有巡更、测速、可视化报警功能的路边自助装置包括：主体部；安装于所述主体部、且与管理平台之间信号连接的双向对讲模块，用于实现用户与管理平台之间进行语音通话；安装于所述主体部、且与管理平台之间信号连接的车辆监控模块，用于监控道路上的车辆信息并将获取的车辆信息发送至管理平台；安装于所述主体部的充电模块。通过上述路边自助装置可以更好地应对和解决道路交通环境中的多种复杂情况，进而，上述路边自助装置可以完善道路交通领域的公共设备功能。

“虚拟工艺”软件可由标准工艺流程文件和掩膜版图文件，模拟出所要加工的MEMS器件的真实三维结构，具有良好的通用性和精度。下图为自主开发的“虚拟工艺”软件生成的微夹钳三维结构。 “虚拟运行”软件对器件的运动情况进行仿真，并与最初设计方案比较来指导和修正实际加工。下图显示了微夹钳的虚拟运行结果，图中的器件颜色表示了器件运动时的剧烈程度，红色表示变形最剧烈的部分，淡蓝色表示变形较小的部分。

本发明公开一种可视化重建膝关节交叉韧带的方法，包括数据采集、统一坐标系、交叉韧带空间坐标提取、可视化影像重建交叉韧带、影像测量等步骤；本发明可实现CT及MRI的数字化融合，简单有效，可以指导膝关节韧带手术，且不会增加病员负担。

成果简介：本项目通过建立一个基于虚拟现实技术的计算机装配工艺规划仿真分析环境，利用产品的CAD模型，在不制造实际模型的情况下，由装配工艺规划人员在计算机环境中对产品的装配工艺过程进行交互式的定义和分析，包括建立产品各组成零部件的装配顺序，空间装配路径，编制工艺文档，并分析装配过程中的装配精度和装配机构运动，从而大幅减少装配工艺规划周期和成本，同时，系统提供装配工艺过程动画录制功能，将规划好的装配工艺以三维动画形式纪录下来，并可以通过安装在装配现场的浏览终端，展示给装配人员，以3维工艺来指导3维装配

项目的背景及目的 迄今为止，集成电路的模拟、仿真直至评测已有了非常完善的工具软件；并已成为设计过程的重要组成部分；对设计的成功、可靠、高效都已起到决定性作用。而对MEMS而言，还相差甚远，这和MEMS发展的成熟程度有着直接关系。当然，这并不意味着MEMS不需要这样的工具和系统。相反，由于MEMS的功能多样、加工复杂、分析困难、设计周期长、成本高等。特别需要一个能包括运动仿真、评测在内的设计工具和系统。这是当前推动MEMS发展的当务之急。

本发明公开了一种基于MapX建立的GIS公交信息可视化方法，属于公交信息可视化技术领域，解决现有技术中公交运行的调控力度差，运营效率低的问题。采集动态的公交IC卡数据与静态的站点信息和线路信息，建立数据仓库；对数据仓库中的数据进行预处理，保留所需要的数据；利用数据分析方法对经过预处理过后的公交IC卡数据进行分析，得到客流量的分布信息；GIS通过MapX的空间数据结构构建数据模型，将客流量的分布信息通过程序实现可视化显示。实现公交信息的可视化，有利于公交场地规划、提高公共交通信息管理服务水平、合理布置公交线网、科学制定公交运营计划、保障公共交通的可持续运行。

本实用新型涉及一种室内可视化土质边坡冲刷模拟演示装置，包括顶部敞开的方形边坡实验框，边坡实验框左侧面和前侧面均为透明有机玻璃构成的侧面，边坡实验框底部向下延伸出集水室，边坡实验框的底板上均匀开设有若干个渗水孔；还包括有一模拟降水装置和一PLC控制器，模拟降水装置包括有环形卡接框，卡接框内固定着降水板，降水板上均匀开设有个降水孔，各降水孔内固定着带有电磁阀的降水喷头，各降水喷头的电磁阀分别电连接于PLC控制器；卡接框顶部密封固定有一注水箱，还包括有一用于驱动注水箱直线往复升降运动的升降驱动装置。本实用

S2 – 移动床和流量可视化罐用于两个主要研究领域。   第一个涉及对移动床情况的详细调查。这些可能与水道或土木工程结构有关。   第二个领域涉及二维流可视化。这可以使用 Ahlborn (c.1902) 粉尘指示器技术或通过任何其他合适的流动可视化方法进行。 水箱由自色牛津蓝 (BS0105) 玻璃纤维增强塑料模制而成，并带有钢筋以提供刚性。它分为三个部分制造；进水箱、工作段和排放储水箱。这些部分通过法兰 连接连接起来，并作为一个完整的组件从工厂发货。卸料罐内装有一个带有上游滤砂器的防跌落式可调溢流堰。进水箱具有多孔挡板，可将水流均匀地分布在整个 工作台的宽度上。   在进行流动可视化实验时，提供一侧为蓝色、另一侧为白色的可移动玻璃板以覆盖沙床。一对可调节的铝制仪表导轨安装在油箱顶部。它们在工作段的整个长度上延伸，一个导轨带有一个定位标尺。   提供的深度计用于测量水位并绘制锻炼期间产生的沙床的轮廓。   它配备了一个不锈钢钩和点，并包含一个能够准确确定水平的游标刻度。   该仪表设计用于安装在仪器托架组件上，该组件可以定位在工作区域的任何点上。主载体（纵向移动）设有锁定装置和光标，与仪表轨道秤配合操作。 副车（横向）在主车提供的轨道上运行。还有一个横向刻度和锁定装置。设备的正确使用在随罐提供的综合手册中进行了描述。   水流由离心泵提供，该离心泵的材料选择耐腐蚀，管道系统包括电动流量调节阀。 GRP 成型件带有泵、控制阀、刚性管道和“在线”流量计。   该组件通过柔性软管连接到油箱。电机启动器和数字仪表读数器安装在桌面机柜中，随附所需的柔性电缆。   实验台可提供可选的工作长度： 一台全功能的设备，可用于教学、方案设计和科研工作。工作段长度从2.0米到4.0米可调。 S2-2M型：工作长度2m S2-4M型：工作长度4m     实验台可用于两个领域的研究： 流动床状态下的水力学模型，例如水道或土木工程结构。 二维可视化流动应用，例如Aihborn（爱尔帮）尘埃指示器技术。

ThingJS是面向物联网应用的3D可视化PaaS开发和运营平台，以“人人都能用3D”为使命，致力于帮助物联网开发者轻松快速的开发3D可视化应用，将开发门槛降到最低、开发周期缩到最短、开发成本缩到最小。ThingJS基于HTML5和WebGL技术，采用Java script开发语言，不仅可以针对单栋或多栋建筑组成的园区场景进行可视化开发，搭载丰富插件后，也可以针对地图级别场景进行开发。

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。