成果介绍物联网感知层测试实验与评估系统是在863主题项目—物联网安全感知关键技术及仿真验证平台的资助下完成。仿真平台为物联网感知节点部署后的性能提供一个仿真测试和性能评估的环境，其特点是：不需要部署真实的感知节点。通过对物理信道的建模、无线信号特征建模、电源建模和通信环境建模，能够最大限度模拟真实环境下的感知节点通信过程。仿真的结果是理论值，可以将感知层测试实验平台的数据作为系统的初始值，从而提高仿真的精度。其特点和指标：（1）针对实际应用环境配置参与通信的感知节点属性和参数，即节点建模；（2）建模感知节点的电源模型；（3）根据用户的需要选择节点部署的方式，并可以对节点位置、属性和参数进行手动调整；（4）能够加载待测的通信协议；（5）能够根据部署的拓扑图产生用户编程模板；（6）理论上，待测节点的数量不设置上限，但随着节点数量的增加，PC的处理时间将延长；（7）能够仿真无攻击或攻击情况下，网络的吞吐量、丢包率、延时、数据传输的平均路径长度、平均能耗和网络的扩展性等性能；（8）该平台不受具体应用的限制。技术创新点及参数技术原理：针对物联网感知层设备规模庞大，部署费时费力，以及部署前很难评估系统性能，部署后加载的协议一旦不符合要求，重新加载成本巨大的问题，研发了该平台。该成果的主要创新性体现在感知设备和环境等物理特征建模、测试内容和方法、仿真过程和结果的可视化显示等方面，使得开发的系统简单、易用，测试过程清晰、透明，测试结果可以分类比较。（1）在感知设备和环境等物理特征建模方面 该项目在感知设备部署环境方面，分别对室内环境和室外环境进行建模。针对室外环境，该团队主要考虑自由空间的情况下，根据设备部署在平坦区域和非平坦区域的不同进行建模；针对室内环境，该团队主要根据多径效应、视距是否阻挡以及不同建筑材料（包括：混凝土墙、混领土楼板、天花板管道、金属楼梯、厚玻璃、木门和隔墙等）对信号衰减的影响进行建模。在电源建模方面，主要是根据不同厂家的5号电池的放电曲线进行建模，由其放电电流、放电电压和持续时间来确定电源的剩余电量。在芯片建模方面，根据不同的芯片类型，建模发射功率、接收灵敏度、RSSI、发送速率、工作电流和最小工作电压等主要参数。（2）在感知层的测试内容和方法方面该平台主要针对感知层需要评价的性能，如：吞吐量、丢包率、延时、平均路径长度、能耗和连通度等，设计了其测试方法，新增待测性能可以通过组件的方式扩展。为了实现相关性能测试，首先需要选择设备类型和部署场景，如图1和图2所示。然后进行部署，部署完成后，系统会自动产生5类文件，即：.ned文件，定义了感知设备部署后的拓扑结构，如图3所示；.msg文件，定义了感知设备之间的通信规则，用户可以根据实际需要进行修改和自定义；.ini文件，设备一旦部署完成后，其id号和位置坐标将记录在该文件中，设备移动后，该文件对应的坐标值将自动更新；.h和.cc文件，即用户待测协议的源文件。一旦感知设备部署完成，平台自动产生这5类文件的初始框架，用户只需要写入待测协议的具体代码，经编译器编译后，即可进入测试环节。具体协议的代码可根据该项目组编写的编程指南开发，其开发环境与C语言的开发环境类似，方便易用。（3）在仿真过程和结果的可视化显示方面一旦待测协议编译完成，平台即可开始相关的测试，此时，用户可以根据需要动态选择不同的参数，进行测试。开始测试时，平台将同步显示协议的通信过程，如图5所示。根据仿真测试结果，不同的协议可以进行性能对比，如图4所示为不同协议的网络平均能耗对比。该平台可以在无攻击和无安全机制、无攻击和有安全机制、有攻击和无安全机制、有攻击和有安全机制等四种情况下，评估感知层网络的性能，并将它们的测试结果进行对比分析。国内外同类技术对比：国际上类似的仿真工具有十种左右，如：TOSSIM，OpenNet，NS2和OMNET等，都是针对传感器网络开发，不能仿真技术体制不同的感知设备，没有对设备、网络和环境等物理特征建模，而且无法接入实体设备，无法进行虚实结合的仿真测试。即使有些工具可以仿真感知层网路，如：TOSSIM，但是只提供TinyOS传感网络的仿真环境，无法仿真系统的安全性能，无法动态添加安全策略和安全模型。而NS2、OpenNet和OMNET虽然可以仿真安全协议，但使用复杂，不易掌握，无法进行多安全机制对比，无法接入实体设备。而且，它们仿真的物理层是理想状态，造成仿真结果与实际存在较大的差异。

本技术通过交通系统宏观及微观两个层面，即不仅考虑交通设施的空间布局形式，同时还考虑交通参与者（驾驶员、骑行者、行人等）在这些交通设施的使用特性，综合评估该系统的使用效果。在国内首次提出了同时应用复杂度以及通行效率两个指标综合评价交通设施的效率与安全性，不仅可对新建交通设施建成之后其使用效果与工作性能提出预评估，还可对改建设施存在的问题与安全隐患提出有针对性的诊断方法，从而在交通系统出现拥堵及发生交通事故之前做到有效地预防，最终提高交通系统的效率与安全性， 降低该系统的能耗与尾气排放，促进整个城市交通

1. 痛点问题 科创产业在国家创新战略体系中举足轻重，各类高校、研究院所、科创园区、高新产业园区的相关企业实验室呈现爆发式增长。作为科技创新的重要载体，实验室的建设与管理水平，是实现我国创新战略目标的重要基石。尽管研发实验室相较工业企业危险源体量小，但是危险源种类复杂（不仅限于危化品、放射性物质、病原微生物、特种设备等），探索性强，实验内容变更频繁，缺乏有效监管，导致我国的研发实验室存在系统性风险，实验室事故屡见不鲜，且存在群死群伤的可能性。典型问题主要有以下几个方面： “缺标准”，我国安全生产管理体制具有“企业负责，行业管理，国家监察，群众监督”的特点。各行业安全风险评估的实践做法各不相同，但都不能适应研发实验室的安全管理需求，导致研发实验室领域缺少有针对性的、统一的实验室安全管理标准、规范和工具。 “关注弱”，实验室安全风险特点与生产现场安全风险特点存在较大差异，在国家和行业将安全监管的重点聚焦于企业的安全生产情况下，实验室安全运行及管理长期游离于重点监管领域外，实验室内危化品存量、实验内容等底数不明，政府监管缺位；相当比例的实验室从设计建设初期即缺少评估与监管，导致其“先天”存在安全隐患。 “难度大”，以高校、科研院所、高新产业园区和科技园区为代表的实验室是我国科技进步的支撑力量，跨学科研究与交叉学科技术的探索存在较大不确定性，风险复杂多变。如何在鼓励创新的机制下通过科学合理的手段进行监管，破解初创研发型小微企业监管困局，预防事故发生越来越成为政府部门的难题和挑战。 2. 解决方案 通过借鉴国际知名企业的安全管理实践和国内外高校的实验室安全管理经验，团队在十余年科研实验室安全管理经验的基础上，引入物联网技术和信息技术手段，开发了一套软硬件结合的实验室智能安全管理系统，具有状态检视、安全培训、实验室准入、安全检查和事故调查和资产管理及统计等功能。以技术手段促进管理，以人为本，以过程管理为抓手，把安全事故的事后处理转变为安全隐患的事前预警，极大地提高了实验室安全管理的效率和能力。

本项目搭建一套基于深度学习技术的列车轨道安全自主感知系统，利用摄像头，激光雷达毫米波雷达等多传感器，通过多传感器融合和物体检测技术，对轨道安全进行监测感知。通过视觉目标检测，实现激光雷达点云数据处理和多传感器数据整合。

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。

高支模是工程结构施工中危险性较大的分部分项工程之一，尽管出台了多项管理文件，高支模垮塌事故仍时有发生（2019年发生了5起），造成人员伤亡，因此，研发高支模的施工安全监测设备及系统极为重要，一方面可以对整个施工过程的安全状态予以把控，另一方面可以通过多个工程的监测为模板支撑体系规范编制提供数据支撑。研究团队于2019年3月研发了高支模施工安全监测设备及在线釆集与分析系统，已在多个工程项目中进行试验测试。

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。

成果描述：通信网络关键节点可视化分析系统提供了Degree、 Betweenness centrality、Closeness centrality、 Eigenvector centrality、 HITS和PageRank等中心性计算算法。 不同的算法适用于不同的场合。Degree算法表示节点的直接影响力强弱。 节点的Degree中心性值越高，该节点的直接影响力越大。 Betweenness centrality算法研究节点之间的通信程度和节点对信息的控制， 使用该算法可以准确找到网络中某些“流量”非常大的重要节点；本算法可用于设计网络的通信协议、 优化网络部署和检测网络瓶颈等。Closeness centrality研究信息传播的独立性和有效性； 本算法反映了节点在网络中居于中心的程度；本算法可用于考察一个节点不依靠其它节点来传播信息的程度。Eigenvector centrality基于特征向量的方法不仅考虑节点邻居数量还考虑了其质量对节点重要性的影响， 这是从网络中节点的地位和名望角度考虑，适用于网页排序。HITS是一种重要的网页重要性排序算法，主要适用于网络信息检索领域。 PageRank是网页排序领域中最著名的算法；该算法基于网页的链接结构给网页排序；它认为万维网中一个页面的重要性取决于指向它的其它页面的数量和质量；本算法适用于网页排序。 在本系统中可以方便、轻松和快捷的使用以上算法；输入数据，选择中心性算法，系统会快速展现算法分析结果；结果中越重要的节点在画面展示中直径越大， 直径越小的节点表示节点的重要性越低；在系统右侧栏目中节点以重要性程度降序排序，前五个节点名字用红色突出标记。 以上展示方式是为了让分析人员方便分 析数据。市场前景分析：发掘网络中重要性节点 （边）一直是图论领域 的一个基本问题。随着 近年来复杂网络研究热 潮的兴起，特别是很多 实际网络所抽象出来的 复杂网络，表现出了与 以往图理论不同的特性， 如小世界特性、无尺度 特性等。如何在复杂网 络环境下，发掘重要性 节点已经成为复杂网络 研究的一个基本问题， 同时网络中节点的重要 性进行评估具有重要的 实用价值。尤其对各种 各样具体的网络，更可 以有针对性地分析其性 质，制定正确的策略和 措施。与同类成果相比的优势分析：本系统提供了更多的中 心性算法，分析人员可 以在本系统上从多角度 分析数据，从而得出更 为准确的分析结果； 本系统提供了数据可视 化的展示方式，并且将 重要的节点突出展示； 本系统提供了不同算法 的对比分析表，方便分 析人员对比分析； 本系统提供重要节点的 进一步分析思路，提供 节点的详细分析页面。