“全面感知、深度融合、多维服务”的淮阴工学院智慧校园建设与应用实践近十年来累计投入 1.98 亿元，围绕新型基础设施、数据中台、智慧教学、智慧科研、智慧管理、智慧服务等方面建成了高水平智慧化数字校园，在学科与信息化融合、网络安全等方面形成鲜明特色。

（一）项目背景 当前，智慧教育具有智能导学、精准推荐、定制辅导、精细评价等特点，已成为国际国内教育信息化发展的趋势。智慧教育的研究主要聚焦于智慧学习环境建设的研究、智能技术支持下的智慧教学研究和机器学习技术支持下的个性化学习研究。智慧教育的出现极大地促进了当前教育中学习空间的重构。在“学习空间”之前，人们通常使用“教学空间”来指代这种场所，将有教学活动的场所均称作教学空间。随着人们对学习过程的理解变化、智慧教育的快速发展以及人们对非正式学习的重视，学习空间逐渐由单一的物理教学空间向包含物理空间、网络空间、移动空间的多元学习空间转变。多元学习空间的提出虽然更多地体现出了“以学生为中心”的倾向，但如何具体衡量多元学习空间对学生学习效果的影响是评价多元学习空间的重要步骤。同时，在多元学习空间具体构建时，面对空间中来源不同、结构多样、数量庞大的多模数据如何进行处理存储、并在保证数据有效性的前提下对教育数据进行隐私保护是多元学习空间需要解决的另一个难点。 （二）项目简介 本项目主要目标是针对信息技术支撑下学习空间多元化、场景复杂、需求多样化，学习者及学习行为呈现出新的特点和规律，研究多元学习空间中学习行为数据化关键技术，构建“云-边缘-物联网”架构的多模态数据存储与处理平台，实现混合式学习环境下学习行为智能感知和数据化，优化学习行为模型，基于实际应用与不同学习目标函数及内容，建立可重复、可预测、可验证的对比数据集，为数据驱动的智慧教育生态构建和教育应用提供核心技术与数据支撑。 （三）关键技术 我们面向智慧教育中准确认知学生的学习状态和行为的大数据需求提出研究方案。本项目实施方案涉及教育学、物联网、云计算、人工智能、隐私保护等多个领域，主要技术路线如图所示： 图 1 技术路线图 其中，项目包括的关键技术主要有以下三点： 1.基于物联网的多模态数据实时智能感知和多时间域数据采集技术 该技术针对学习状态的数据化、特征参数量化问题，设计能够采集多 重学习空间下的智能数据感知物联网系统。主要技术难点在于抽样频率与 识别准确度的平衡、人机交互的变化规律等全新科学问题。 2.学习状态多模态数据解析和智能处理技术 利用智能感知物联网采集实时性的原始学习状态数据，包括面部表情、 脑电信号、头部姿态、交互行为等原始数据，这些数据具有数据量大、模 态多、冗余度高等特点，需要通过智能化的预处理方法转换成可以量化的 状态数据。 3.多层次数据差分隐私保护技术 学习行为数据是学习者被动采集的多方面行为数据，受到日益增长的 具有争议性的数据伦理的制约。该项技术通过数据隐私保护机制实现数据 多层次化的差分隐私安全算法；在保证学习者最大数据隐私性的前提下， 研究满足学习行为分析所需要的数据颗粒度。

本项目具有自主知识产权，是一套适合于处理城市污水及回用（从城市污水到杂用 水、景观用水、绿化、洗车等直到实验室分析配制标准溶液的纯水）的集装式膜生物反 应器成套技术装备。同时本装置还适用于在本装置的一个阶段内实现受污染水源地的饮 用水的供应的系列产品。 技术创新点： 1）针对不同城市污水水质可以选择不同的膜材质。 2）针对不同废水规模可以加工大型或中型的集装式膜生物反应器。 3）不同处理程度的集装式膜生物反应器可以适用于同种废水而不同用户需求的回 用水质。 4）开发的自控技术，可以达到无人监管、在线检测的水平，使人工费降低及自动 控制达到较高的水平。 应用领域：城市污水深度处理及回用

我国拥有幅员辽阔的内陆水域，如何安全、高效的完成特定水域的巡逻和水 文信息监测工作一直是我国水文水利建设的重要组成部分。 水面无人船是一种无人操作的水面舰船平台，配备先进的控制系统、传感器 系统、通信系统和武器系统，可以最大程度上填补水域测量领域载人船无法到达或不易到达的危险、浅滩、近岸等空白区域，真正做到高精度、自动化、高效益，可广泛应用于常规测绘、水利水文、航道、环保和灾害应急等行业及其他相关部门。 本项目的产品，是在“制造强国”国家战略指导下，符合国家和地方政府政策重点鼓励发展的高技术、智能装备、高附加值项目，符合国家经济结构和产业结构调整的相关政策和导向。本研发团队联合上海交通大学和上海市船舶自动化工程研究中心，共发表 SCI 论文 200 篇以上，拥有授权发明专利 40 项。

一种基于聚类强化学习的城市道路交叉口交通信号优化方法，该方法涉及智能优化技术领域，可以提高单位时间内通过道路交叉口的车辆数。道路交叉口是道路网的重要组成部分，也是路段交通流的瓶颈。研究显示，城市平面交叉口的通行能力只相当于路段上的40%-50%。平面交叉口所消耗的时间约占全程时间的31%，而车辆行驶延误时间中有80%-90%由平面交叉口延误造成。提高城市平面道路交叉口的通行能力，可以减少车辆延误，节约人们的出行时间，增强人们的出行安全，并能够减轻环境污染。  本发明能够根据交叉口的 交通状态自动选择合适的相位动作，以适应交叉口交通状况的变化，能够提高单位时间内通  过交叉口的车辆数，减少车辆延误。与其他聚类强化学习方法的不同之处在于，本发明在学 习过程中，能够根据回报值的标准差动态地增加或减少质心数，能在保证强化学习收敛的前  提下尽可能地减少质心数，从而尽可能减少Q值函数存储空间、提高收敛速度，使交通信号控制策略更快地适应当前交通流情况，从而尽可能减少交通延误。