学校卫星产业技术研究院与合作方联合推出的全国首款“疫情卫星地图”——新冠肺炎疫情卫星地图速查系统已于近日上线。新冠肺炎确诊病例陆续公布，他们是哪里人？去过哪些地方？离我们有多远？……通过“疫情卫星地图”，人们可以更加直观地了解确诊病例的具体位置。记者打开该系统发现，在卫星地图上，确诊病例的标注点像是一颗颗“图钉”，用户定位后，通过卫星遥感影像带来的“太空视角”，可以让确诊病例分布位置尽收眼底，并显示出附近的确诊病例分布与自己的距离。据了解，该系统由电子科技大学卫星产业技术研究院陆川博士和阎镜予博士组织技术力量自主研发，从研发到上线，用时不到10天。今年2月初，随着各地卫健委公布了越来越多的确诊病的例详细数据，使得开发“疫情卫星地图”有了良好的基础和可能。电子科技大学卫星产业技术研究院决定发挥自身的技术优势，为公众提供免费的疫情防控公益服务。科研团队利用AI卫星的数据智能处理和分发技术，处理遥感图片数据，并结合精确的语义识别和地理编码工具，把官方发布的疫情文字转化成了一目了然的“疫情卫星地图”。

RealAI首席执行官田天表示，新冠肺炎疫情暴发以来，各大媒体网站、社交平台上关于疫情的话题热度持高涨。在此环境下，信息的高效传播成为重要诉求。一方面，相关部门需要全面了解公众对疫情的话题讨论，辅助决策优化的同时也利于开展引导工作；另一方面，公众亟需第一时间获得最权威、最实时、最准确的疫情动态。分析称，互联网成为这次疫情主要的“信息源”平台，传播模式更是基于人手一机的“自媒体”，信息流不仅降低了大众获取信息的“信噪比”，更滋生出不同程度的谣言。据介绍，“新冠肺炎疫情AI话题分析平台”通过对多渠道海量媒体信息进行自动抓取采集、识别分析，解决了传统信息检索过程中因消息源头繁杂、消息过多、检索意图不明确而产生的困扰。同时，基于大数据分析和AI建模，自动识别出近期热点话题、新闻追踪和话题导向、地区关注度变化，为用户第一时间推送全网话题最新动态，满足用户对疫情舆情监测的需求，为作出正确舆论引导提供分析依据。

清华大学公共安全研究院和北京辰安科技股份有限公司快速搭建了疫情实时态势感知与分析系统，对区域疫情数据进行实时动态监测、搜集、分析和可视化，服务各级政府疫情应急的资源调度、态势研判和决策指挥。该系统在实时播报全国和世界范围内疫情最新动态的同时，对省级和地市级的人员迁徙比例与分布进行重点信息排查，密切关注人口流动与疫情分布的内在联系，为疫情跨区域传播规律和病例溯源提供依据。该系统深入剖析大数据并探查民众意识和情感倾向，研判民众主流感情倾向和重点关注事件等疫情相关舆情，以“情感分析拼图”、“事件文章热词云”和“全国舆情热度”等分析结果为引证，为辟谣和积极引导舆论提供帮助，在国家抗击疫情最为严重困难的时期为大众的理性思考和科学防备贡献力量。国疾病预防控制中心以及广东省、武汉市、合肥市、深圳市、广州市、佛山市等20多个省市在指挥调度中使用该系统。

北京大学信息学院机器感知与智能教育部重点实验室袁晓如研究组设计开发了一系列大数据可视化与可视分析工具。针对目前在新冠疫情方面形势变化，通过处理、分析、接入多种数据，提供多维度、多视角的交互式可视化。 项目组件包括1.疫情变化晴雨表，可视化各地每日新增病例和变化趋势；2.各类动态时空地图，提供在地图空间浏览分析和多角度对比国内外各地疫情趋势；3.相关舆情可视分析，分析媒体和社交媒体舆情影响；4.综合态势可视分析系统，支持面向专家或者决策判研。

目前矿井安全监控系统的监控分站供电模式采用交流供电、直流备用方式运行，当交流断开，直流自动投入，直流电源由备用蓄电池提供，蓄电池在长期的浮充过程中会造成电池老化，性能下降，所以备用直流电池一旦投入运行后，其供电时间的长短无法进行量化及无法提前预警，当其电池容量耗尽后，会使得各类传感器均停止了工作，失去了监控功能，给矿井安全生产带来很大隐患。为了保证煤矿安全监控系统的正常运行，有必要研制开发一种基于 LS-SVM 井下监控分站供电安全预警系统，它能保证实时对蓄电池电压进行实时采集并计算剩余电量、使用时间、找出落后电池，从全局出发对煤矿安全监控系统的备用电源正常工作进行预警、报警，最大程度上保证煤矿安全监控系统的正常运行，避免事故带来的危害。

2020年2月12日，湖南大学联合苏州系统医学研究所、中国国家流感中心和中山大学等单位，成功开发基于分子标记物的流感病毒表型预测平台FluPhenotype，并在国际生物信息学专业权威期刊《Bioinformatics》发表题为“FluPhenotype-a one-stop platform for early warnings of the influenza A virus"的文章进行相关介绍。该文章的第一作者为湖南大学生物学院硕士研究生卢聪毓和博士研究生蔡泽娜，通讯作者为湖南大学生物学院副教授彭友松与苏州系统医学研究所蒋太交教授。 研究人员通过整合流感病毒核苷酸和氨基酸水平的分子标记物，以及基于分子标记物的抗原和宿主等预测模型，开发了快速预测流感病毒的抗原、宿主、致病性、耐药性等多个表型的预测平台FluPhenotype。

荧光技术是近 20 年来兴起的新型分析方法，灵敏度高、适用范围广。污水和水体的荧光光谱是多物质产生的复合光谱，它们与水样唯一对应，被称为“水质荧光指纹”，简称“水纹”。该法在污染性质快速判断方面具有独特优势。荧光指纹是水样内蕴特征的反映，还携带了有机物总量信息，可作为新型的水质表征方法。课题组从 2003年开始从事水纹研究，在清华大学基础研究基金、教育部科技重点项目、清华大学自主研究项目、国家重大水专项等项目资助下，掌握了数百种水纹，创新性开发出基于水纹比对的新型预警和污染识别原理，并研发出污染预警溯源仪。获得 2 项发明专利，第 16 届中国国际工业博览会高校展区二等奖。

1 成果简介我国水污染事故频发， 以有机污染为主。现有技术不能迅速确定污染类型，因此事故发生后无法迅速采取恰当的应对， 是产生重大经济和环境损失以及负面国际影响的主要原因。为维护水环境安全，保障人民生活和生产， 需要一种能迅速确定污染类型的、环境友好的水体有机污染预警技术。 水质指纹与水样唯一对应， 简称水纹。课题组从 2003 年开始从事水纹研究，在清华大学基础研究基金、教育部科技重点项目、教育部清华大学自主研究项目、国家十一五重大水专项等项目资助下， 掌握了上百种水纹，创新性开发出基于水纹比对的新型污染识别原理，并研发出有机污染溯源仪，填补了迅速确定污染类型的仪器的空白。该仪器由水纹采集仪、水纹比对软件和丰富的水纹数据库组成，可以识别数十种有机污染类型。仪器的特点如下：自动取样，自动测量，自动比对；数据库设计人性化，可以自动添加新指纹；数据自动保存；水纹采集仪性能稳定，使用、维护简便，当仪器光源老化时，自动提示更换等。上述优点表明该仪器既适合在线实时监测，也可以作为监测车和实验室的专用仪器。查新表明，国内外目前尚未发现有相似原理的仪器。 性能参数：灵敏度高，信噪比达到 250；完成一次溯源任务不足 15 分钟，测量时间短，重现性好；工作温度/湿度 15-350℃， 45-80%（不可有冷凝现象，350℃以上时湿度为 70%以下)；不加任何试剂，取样量少，不产生二次污染；连续 24 小时使用耗电仅数度，成本低。 图1 有机污染预警溯源仪2 应用说明2011 年 7 月至 2012 年 3 月，水质有机污染溯源预警仪在京杭运河江苏苏州段进行了为期 3 个月的实地连续测试运行， 仪器检测出数次水质异常，并及时进行了报警， 现场测试表明，该仪器能够灵敏、及时地监测到污染的发生和变化， 预警迅速，并能给污染类型的信息，对于快速确定有针对性的采取污染应对措施大有益处。 目前正在太湖水源地进行示范运行。 仪器经过了权威第三方的检测。3 效益分析由于目前国内外尚无同类产品，而污染预警和溯源的需求比较迫切，因此本仪器具有较大的推广空间。本仪器价格每台约 60 万元。而本仪器运行稳定、灵敏。总体上，仪器成本低，维护省，快速，无二次污染， 24 小时连续使用，运行费每月在 3000 元左右，具有明显的经济和技术优势。

随着返京高峰的到来，计算机学院软件开发环境国家重点实验室童咏昕教授团队与滴滴出行公司开展合作研究，全力攻关首都返程客流溯源监测与疫情相关分析，完成如下三方面内容：（1）协助北京市有关部门追溯确诊或疑似病例，并预警具有疫情接触风险的相关人员；（2）溯源外埠返京客流到北京各城区的人群流动模式，监测分析北京市各居民小区中外埠经历人群的动态移动模式；（3）分析外埠返京客流来源与首都各居民小区疫情变化的相关性。为服务社会大众了解疫情走势，并为相关部门提供决策支持，北航大数据与脑机智能高精尖创新中心刘旭东教授、胡春明教授、李建欣教授等组织师生，与复杂系统可靠性实验室李大庆研究员联合组成团队，全力投入建模和系统研发，已向决策部门提供疫情数据评估与预警报告、区域物资保障评估专项报告等，并迅速开发“新冠肺炎疫情数据导航服务”平台，数据单日访问量近 5 万次。此外，中心还进行新型冠状病毒的疫情评估与预测报告并开发疫情实时更新系统。中心对疫情现状进行分析和预测，为公众提供及时、准确的疫情态势分析、走势预测、舆情动态和政策措施等智能数据服务，实现全国及重点城市日度传播系数计算、短期确诊人数预测和长期疫情拐点。

同济大学电信学院刘富强教授团队研制的汽车主动安全预警系统能综合运用视频检 测与识别技术、传感器信息获取技术、CAN 总线数据挖掘技术、信息集成融合技术，提 取车辆及其周边环境信息，对可能发生的危险状况进行预测并主动的发出预警信号从而 保证交通安全。 其中视频检测识别技术通过对视频图像进行实时处理与分析具备以下功能：通过驾 驶员的闭（眨）眼状态判断驾驶员是否处于疲劳驾驶状态；提取前方道路标志线环境信 息并反馈给驾驶员和汽车用于车辆行驶状态提示；捕获障碍物（如道路中的车辆和行人） 在车道中的位置和与本车的距离和相对运动信息从而避免潜在的碰撞事故。传感器技术 综合使用多种传感器，其中超声波距离传感器可以近距离测量传感器与目标之间的距离； 而激光雷达可以大范围远距离的距离测量从而弥补超声波和视频的不足；加速度仪可用 来测量汽车行驶过程中的加速度；而方向盘转角能够实时获得驾驶员对车辆的操控，同 时也能推算车道的曲率半径。控制器局域网 CAN 技术可以获得车辆运行状态信息（车速、 油门开度、转向灯状态等。上述技术获得的一些车辆的信息数据经过信息集成融合技术 融合成事先设定的数据格式，使之成为所需要的数据地图。由此可以判断汽车是否处于 危险状态或者是否会造成潜在事故从而给出预警信号。