该系统提供CAN总线系统内的多种ECU、输入设备、输出设备软硬件模拟功能，能进行CAN总线正常状态电阻、电压、波形测试与CAN通信数据收发；能进行CAN总线网络的各种断路、短路电路物理层故障设置与排查实训；电控故障排查等

该系统可学习： 1.汽车ECU的软、硬件设计方法； 2.ECU虚拟仿真、测量、调试、诊断的基本方法； 3.OBD相关技术，实现系统的自诊断功能； 4.汽车控制系统中的典型控制策略及诊断方法； 5.该实验开发系统与模拟实车网络的联合仿真。

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。

该项目是863计划项目，现处于实验室研究阶段。项目成果受专利保护。 1、项目概述 本项目针对高速公路进出城路段交通拥堵严重、事故频发，以及高速公路监控系统和城市快速路监控系统各自为政、协同性差的普遍现象，构建了基于互联网的分布式交通特征信息共享平台，实现了不同监控系统的信息共享；借助信息共享平台，系统分析了结合部的动态交通特征，提出了适应不同交通条件的短时交通特征预测技术；采用分层递阶控制和神经网络控制的方法，研发了多匝道的协同控制系统软件，并实现了结合部道路交通系统的微观仿真。 2、技术创新点 在监控系统的信息共享研究方面，初步建立了交通特征信息共享的平台，其中对异构监控系统之间交通特征级信息共享的内容和模式进行了系统分析，对异构信息进行了融合处理，实现了特征级信息的发布。 在短时交通特征预测研究方面，已对京津塘高速公路及北京市快速环路监控系统的海量交通流实测数据进行了特征与关联分析，完成了短时交通特征的预测，并实现了交通拥挤的预判。 在结合部的协同控制方面，利用模糊神经网络的建模和学习方法，对高速公路多匝道控制系统算法进行设计，并进行了控制效果仿真。   3、能为产业解决的关键技术 （1）基于服务水平的特征级交通动态信息融合技术 针对目前高速公路和城市快速路监控系统所采集的交通流基础数据格式和像素级融合技术都有所不同，控制目标参数不统一的现实情况，项目提出的交通特征信息共享平台首先要处理现有高速公路和城市快速路服务水平判定标准不统一的问题，其次需要解决区域交通监控系统的特征级数据融合问题，寻求基于服务水平的动态信息融合技术和方法。 （2）交通特征信息共享平台的设计技术 针对集中式信息共享平台投资大、实施困难的缺点，提出采用成熟的互联网技术，以及分布式技术建立交通信息共享平台，为异构监控系统的信息共享模式提供了一种新的建设思路。不需要增加额外的硬件投资、操作方便，就现有的管理体制来说，也容易实现。 （3）基于关联分析和智能控制技术的短时交通特征预测模型 将时间序列理论与关联理论引入交通状态分析，并根据不同交通条件建立的短时交通预测模型，在很大程度上提高了预测方法的实时性、准确性和可靠性，有利于预测技术的应用和推广。 （4）高速公路和城市快速路结合部实现协同控制的关键技术 基于区域道路交通网络动态信息采集系统数据资源的综合利用与共享，在交通服务水平判定技术的支持下，运用系统论、控制论的思想以及智能交通系统工程的理论方法，实现高速公路和城市快速路结合部的协同控制。 4、相关的行业发展水平，以及同类技术产品或成果比较 目前，我国已建设的交通信息系统中，各子系统基本上是作为一个个分支存在的，不仅子系统自身的数据尚未实现充分融合，集成度很低，而且系统之间存在行政分割问题，异构情况严重；在信息共享平台设计上，大都采用集中式为主，需要新建一个监控总中心，投资大，操作困难。 与本项目所提出的预测思路及预测方法相比，现有预测方法的适用性方面还存在不少缺陷。 目前，我国高速公路和城市快速路交通控制所采取的区域控制策略尚未形成较成熟的控制模式，高速公路和城市快速路的协同控制模式更是处于起步阶段，尚未形成成熟的技术产品。 应用范围： 本课题针对的主要对象是高速公路与城市快速路的结合部，课题研究成果不仅充分利用了现有的道路监控系统硬件资源，节省了建设成本，而且可以满足结合部的交通控制与管理需要，具有较强的应用和推广价值。在实际的应用和推广中，还需进一步扩充和细化协同控制目标，优化大范围内的多匝道协同控制模型及其算法，并对具体的控制策略和控制设施进行详细设计，以提升协同控制的实际效果。 预期效果： 运用系统论和其他相关领域研究的最新成果，探索建立区域高速公路和城市快速路交通信息共享平台的新思路和新方法，并在系统平台的基础上研究协同控制的策略和方法，并形成整套协同控制系统算法和软件。在实践中，研究成果能够得到较好的应用，并且能够部分解决高速公路和城市快速路结合部的交通问题。

技术优势： 1)通过物联网、云平台实现质量远程监控、安全连锁报警与管理； 2)根据原料工艺操作条件不断变化，优化计算获取最佳操作参数； 3)远程智能系统具有始于感知、精于计算、巧于决策、善于学习功能。 采用物联网和互联网+的信息化技术实现装置、厂级、园区三废净化装置运行质量远程监控与安全保障系统，为企业、园区提供高效的技术服务，解决化工、制药行业实际运行存在的有机物达标排放难题，满足国家当前“环保法”、“水十条”严格指标要求，在装置节能与污染物零排放面取得明显经济和社会效益。

针对上述社会安全事件综合研判的难题，本成果利用系统工程的综合集成研讨方法论，综合公安学、管理科学、计算机科学等相关学科理论、方法与技术，提出了基于多时空线索链的社会安全事件智能综合研判关键技术以及面向社会安全警情事件的警务资源指挥调度方法。 ①基于多时空线索链的社会安全事件智能综合研判关键技术以群体性聚集事件作为典型社会安全事件，构建基于六空间的社会安全事件综合集成研讨厅体系：融合构建“情景数据-元数据-知识-实体模型-形式模型-算子”六空间体系，提出多时空线索链生成技术，抽取知识空间中共性的时空线索链模式；基于知识和数据共同驱动的思想，提出了社会安全事件的研判支持方法，包括基于知识图谱的推理方法、基于相似案例的推理方法、以及基于贝叶斯网络的推理方法等；进而结合专家研判，实现典型社会安全事件智能综合研判。 ②面向社会安全警情事件的警务资源指挥调度方法是在层次任务网络规划（Hierarchical Task Network, HTN）的基础上，实现任务执行时间、空间和资源约束的推理，解决考虑多任务类型、多警种、多出警地点、任务带有时效性、考虑交通和处置时间等实际因素的警务资源调度方案制定问题；进而考虑执行时间等不确定因素的影响，在规划过程中处理不确定性，制定柔性调度方案，使生成的调度方案更好地适应不确定的执行环境。 ③在此上述关键技术基础上，运用系统工程方法，研究了基于云计算与边缘计算的端网云的网络结构、通讯协议及协同计算模型，综合考虑各方面因素对平台体系架构进行了设计，从顶层设计层面解决信息孤岛、资源有限等难题，构建了基于云计算于边缘计算的社会安全事件智慧化立体综合预警与指挥平台。整体技术路线如下图所示： 图 1 社会安全事件智慧化立体综合预警与智慧平台整体技术路线 研制的基于云计算于边缘计算的社会安全事件智慧化立体综合预警与指挥平台，主要由四个系统组成。其中，融合“人、车、物、网、地”的警情大数据支撑平台与公安部门现有的业务系统相对接，关联研发的目标识别与警情事件监测预警结果，实现警情数据的采集、整理和分析。社会安全事件智慧化综合预警与分析系统基于大数据支撑平台提供的公安业务数据、网络舆情信息和研判结果数据等，提供了公安部门需要的事件分析和研判功能。面向社会安全事件的警务资源指挥调度系统基于研判结果，具有领域知识管理、调度方案生成和执行异常识别等功能，为指导指挥员进行调度方案制定提供辅助决策能力。最后，基于研发的系统间及与公安相关业务系统间的互操作模式、资源可伸缩的并发处理技术，由应用集成管理平台提供应用集成和服务集成功能，包括统一的用户管理和认证、工作界面、应用云服务管理等，实现各系统间的有机集成，平台体系架构如下图所示。 图 2 社会安全事件智慧化立体综合预警与指挥平台体系结构 成果相关图片展示： 图 3 社会安全事件智慧化综合预警与分析系统驾驶舱 图 4 时空大数据查询模块 图 5 研判规则管理模块 图 6 预案管理模块

数据采集技术 可穿戴传感器是接触式传感器。加速度传感器测量运动加速度，心率、血压和血氧传感器检测心率、血压等生理数据。可将不同的传感器集成在智能手环、脚环、腰带等可穿戴设备中，以实现加速度、角速度和生理等数据的采集；物体和环境传感器是非接触式传感器，常见的物体传感器基于RFID技术，通常用于身份、物流等信息的识别。常见的环境传感器有声音传感器、磁力计、气压传感器、温湿度传感器和PM 2.5传感器等，实现各种环境信息的采集。 多模态传输技术 LPWAN (Low-Power Wide-Area Network，低功率广域网络) 在LPWAN技术出现以前，通信技术已经有多种类别，短距离的有wifi、蓝牙、zigbee等，长距离的则有2G、3G、4G、5G等，但是如果把这些无线通信技术按照功耗与传输距离这两个维度划分的话可以发现在功耗低、距离远这个范围的技术还欠缺，而LPWAN技术的出现正好弥补了这个短板。         LPWAN可分为两类：一类是工作于未授权频谱的LoRa、SigFox等技术；另一类是工作于授权频谱的基于蜂窝组网的通信技术，比如eMTC、LTE Cat-1、NB-IoT等。LPWAN 专为低带宽、低功耗、远距离、大量连接的物联网应用而设计。 最具前景的LPWAN技术——NB-IoT和LoRa： 物联网（IoT）应用需要考虑诸多因素，例如节点成本、网络成本、电池寿命、数据传输速率(吞吐率)、延迟、移动性、网络覆盖范围以及部署类型等，可以说没有一种技术可以满足IoT所有的需求。NB-IoT和LoRa两种技术具有不同的技术和商业特性，也是最有发展前景的两个低功耗广域网通信技术。这两种LPWAN技术都有覆盖广、连接多、速率低、成本低、功耗小等特点，都适合低功耗物联网应用。 LoRa （Long  Range）:     一个LoRaWAN网络架构中包含了终端、基站、NS(网络服务器)、应用服务器这四个部分。基站和终端之间采用星型网络拓扑，由于LoRa的长距离特性，它们之间得以使用单跳传输，终端节点可以同时发送信息给多个基站。基站则对NS和终端之间的LoRaWAN协议数据做转发处理，将LoRaWAN数据分别承载在了LoRa射频传输和TCP/IP上。 NB-IoT（Narrow Band Internet of Things） NB-IoT构建基于蜂窝网络，只消耗大约180KHz的带宽，可直接部署于GSM网络、UMTS网络或LTE网络。NB-IoT是IoT领域一个新兴的技术，支持低功耗设备在广域网的蜂窝数据连接。NB-IoT支持待机时间长、对网络连接要求较高设备的高效连接。 NB-IoT具备四大特点：一是广覆盖，将提供改进的室内覆盖，在同样的频段下，NB-IoT比现有的LTE网络增益提升20dB，覆盖面积扩大100倍；二是具备支撑海量连接的能力，NB-IoT一个扇区能够支持10万个连接，支持低延时敏感度、超低的设备成本、低设备功耗和优化的网络架构；三是更低功耗，NB-IoT终端模块的待机时间可长达10年；四是更低的模块成本，企业预期的单个接连模块不超过5美元。 数据分析技术 人工智能研究的各个分支，包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等。2012年以后，得益于数据量的上涨、运算力的提升和机器学习新算法（深度学习）的出现，人工智能开始大爆发。机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术。机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。深度学习本来并不是一种独立的学习方法，但由于近几年该领域发展迅猛，一些其特有的学习手段相继被提出（如残差网络），因此越来越多的人将其单独看作一种学习的方法。深度学习的各种算法已成为行为识别主要应用的技术，传感器采集的各类信号，通过卷积神经网络、循环神经网络等分类，识别出坐、走、跑、跳、上下楼等日常行为，也可以实现对被监护者摔倒等异常行为的检测。