本发明公开了一种基于浮动车ＧＰＳ数据的干线停车分析方法，通过数据抽样以及坐标转换，生成可视化的时空散点图实现浮动车通行数据的时间汇集，进而分析车辆的行驶特性，并进行干线停车的统计分析。本发明的干线停车分析方法，以数据可视化方式对浮动车定位数据进行时间汇集，直观分析干线车辆通行情况，在此基础上，对车辆到达交叉口的相对时间与其在下游的停车概率进行统计，从海量ＧＰＳ定位数据中分析探究干线交通流实际运行模式，并进行精细化的停车概率估计，为干线绿波诱导提供可靠、精细的数据支撑。

本技术基于脉冲充退磁的原理，提出了一种针对大型永磁电机进行整体充退磁的新方法，能够在磁极装配至转子表面后再对其进行充退磁，极大地提高了大型永磁电机的充退磁效率和容错率。 一、项目分类 关键核心技术突破 二、成果简介 因高功率密度等优势，永磁电机被广泛应用于风力发电、电动汽车、家用电器、工业驱动与控制等领域，且市场潜力巨大。譬如，永磁风力发电机的转子直径超过4.3米，高度达1.5米，共有84个永磁磁极，每个磁极由20多个磁钢块拼装而成，传统制造过程中通常需对单个磁钢块充退磁使其带磁性后再由人工组装到转子表面，这种方法不仅效率低，而且一旦有充退磁不完全的小磁钢被装配成磁极，便会影响整个发电机组的性能，这时若想重新进行充退磁，便只能将整个磁极拆卸后再次充退磁，操作繁琐且容错率低。 本技术基于脉冲充退磁的原理，提出了一种针对大型永磁电机进行整体充退磁的新方法，能够在磁极装配至转子表面后再对其进行充退磁，极大地提高了大型永磁电机的充退磁效率和容错率。

2019年底湖北省武汉市的新型冠状病毒肺炎（简称“新冠肺炎”）疫情暴发以来，各高校科研院所除了源源不断派出医疗队以及进行医学类科研项目外,也纷纷在各自学术领域攻坚拔寨，以期尽快将研究成果转化为战“疫”力量。我校大数据与智能决策研究中心郭崇慧教授研究团队凭借自身优势，利用大数据手段，第一时间对新型冠状病毒肺炎疫情情况进行了分析研究，希望助力辽宁地区打赢此次疫情防控阻击战。郭崇慧教授研究团队首先基于辽宁省2020年1月22日至2月20日期间公开报导的121例新型冠状病毒肺炎（COVID-19）官方报导的实际数据，通过对每日新增及累计确诊患者数目、患者性别年龄分布、患者武汉旅行史和接触史分析、患者家族聚集性网络分析、病毒潜伏期和患者由暴露到患病的转移情况进行了疫情统计分析，以期为辽宁省积极应对疫情提供依据和参考。截至2020年2月20日24时，根据辽宁省卫生健康委员会公布的数据显示，辽宁省累计报告新型冠状病毒肺炎确诊病例121例，治愈出院61例，死亡1例。121例确诊病例中，沈阳市28例、大连市19例、鞍山市4例、本溪市3例、丹东市7例、锦州市12例、营口市1例、阜新市8例、辽阳市3例、铁岭市7例、朝阳市6例、盘锦市11例、葫芦岛市12例。辽宁省新型冠状病毒肺炎疫情分布如下图1所示。1 确诊病例时间序列分析自1月22日至2月20日24时期间，辽宁省每日增加及累计确诊患者数量如下图2-图4所示。由图可知，辽宁省每日新增确诊患者数量在1月31日达到峰值，随后整体呈现下降趋势，由于每日新增患者数量较31日下降，累计确诊患者数量走势图逐渐趋于平缓，从图3可以看出目前全省新增确诊患者数量呈现减少趋势，截至2月20日已连续四天无新增确诊患者。该现象表明自新型冠状病毒爆发以来，辽宁省采取的阻断交通、隔离、加强提高居民意识等积极防控手段取得了良好的成效。2确诊病例性别及年龄分布根据辽宁省各地区卫健委公布的患者信息，统计得到患者性别和年龄数据。其中，性别数据中沈阳市2例病例无相关信息；年龄数据中沈阳市2例、朝阳市1例、盘锦市5例无相关信息，剔除缺失数据得到下图5-图7统计结果。在辽宁省确诊病例中，男性整体占比54%，女性占比46%，男性比例偏高。从各地区来看，沈阳、大连、锦州、葫芦岛患者数目居于省前四名，在这四个地区中，沈阳、大连、葫芦岛男性比例大于女性，锦州男女比例相同，男性患者较多可能由于其活动范围广所致。同时，沈阳、大连、锦州、葫芦岛等大城市人员流动性较大，有较大的感染风险，是确诊患者数量相对较多的一个原因。患者年龄基本呈正态分布。其中，21岁-60岁区间患者数目占比78.2%，该部分患者活动能力较强，有强烈的社交需求，外出务工、求学或旅游等活动均增加了感染风险。患者人数在31岁-40岁区间最多，是感染的重点人群，此年龄范围居民建议着重加强防护。 3 确诊病例武汉旅行史及接触史分析根据患者是否有武汉（湖北）旅行史和确诊病例（或武汉人员）接触史，将患者分为四类：有武汉旅行史（无接触史）、无武汉旅行史（无接触史）、有确诊患者接触史（有旅行史）和无武汉旅行史有接触史，统计得到相关数据。对于已公布但未详细说明是否有武汉（湖北）旅行史的患者将其认定为无武汉旅行史人员，剔除沈阳市未披露信息的病例28，统计得到14地区确诊病例分类。 目前，121名确诊患者中120名披露了相关信息，确诊患者出行方式涉及私家车、火车、出租车、飞机、摆渡车。其中55名存在武汉旅行史，65名存在接触史。下面分别分析有武汉旅行史和有接触史的确诊患者与当前各地区确诊人数的关系，建立线性回归方程，计算相关系数从而分析相关性，用于指导实践。 图9（a）拟合直线方程为y = 1.7386x + 1.6169，x为各地区确诊人员中有武汉旅行史人数，y为各地区当前确诊人数，相关系数为0.8587，二者呈现相关性，说明有武汉旅行史是影响患者患病的一个因素。图中数据显示大连市当前确诊人数与有武汉市旅行史人数比值最大，说明大连市对排查有无武汉返乡或接触人员采取了较大的力度并使患者及时得到医治。图9（b）拟合直线方程为y = 1.6737x + 0.8007，x为各地区确诊人员中有接触史的人数，y为各地区当前确诊人数，皮尔逊相关系数为0.9099，二者呈现较高相关性。结果表明有接触史的人更容易患病，官方报告的病例中确诊患者多倾向于其他已确诊患者的朋友、亲属等与其有密切接触的人，与统计结果相一致。因此，分析结果表明：人群聚集、与他人接触会增加患病的风险，居家隔离可以降低风险。4 确诊人员场所聚集性及家族聚集性网络分析截至2月20日，辽宁省已成立沈阳、大连、锦州三个省集中救治中心，分别依托于沈阳市第六人民医院、大连市第六人民医院和锦州市传染病院，其中，沈阳救治中心覆盖沈阳、鞍山、抚顺、本溪、阜新、辽阳、铁岭、盘锦等8市；大连救治中心覆盖大连、丹东、营口等3市；锦州救治中心覆盖锦州、朝阳、葫芦岛等3市。分析已确诊患者之间的亲属或朋友关系、患者在医院的就诊情况以及患者在医院间的转院情况得到如下图10所示的网络图。图10中节点分别表示患者（红色）和医院（蓝色）。医院间的连接关系表示患者的转院情况，患者与医院间的指向关系表示患者的就诊情况，患者之间的连接关系表示亲属或朋友关系。图中节点大小与医院接诊人数或与确诊患者有亲属（朋友）关系的人数成正比。医院治疗患者人数（度）=医院接诊人数+转至此医院的患者人数，患者的度=与该患者有关的确诊人数（亲属或朋友）+就诊医院数目。医院间可能存在多个患者转院，两医院间边的粗细与转院的患者数目成正比，根据转移的患者数量将权重设定为相应的数值，其余权重默认为1。在患者转院关系中，依据国家提出的“四集中”工作原则，患者在本地确诊后多转院至省集中救治中心治疗。依据官方公布的数据可以明确知道患者在地区内部的转院情况以及各地区转移至省集中救治中心的患者数目，但是无法建立具体病例及其就诊医院与省集中救治中心的转院关系。因此，图10建立的聚集性网络时对各地区医院向省集中救治中心转移患者的情况不做分析。图10聚集性网络分析结果表明：在本地的确诊患者救治中，鞍山市“台安县恩良医院”和“鞍山市传染病医院”间患者转院次数最多，对应图中边最粗；由图中确诊患者间连接关系可以看出此次传染病存在明显的聚集特点，多地区确诊患者之间多存在亲属或朋友关系，其中，鞍山市和盘锦市的确诊患者具有亲属关系，出现跨地区感染的情况，具体为鞍山市病例2、病例3为夫妻关系，盘锦市病例9、病例10为夫妻关系且为鞍山市病例2、3的儿子儿媳，盘锦市病例10为病例9、10的儿子。除上述在辽宁省内跨地区感染的情况外，其余均为地区内部感染，说明政府在患者确诊后其密切接触人员及时隔离和交通管控等方面取得了很好的效果。从图10中分别抽取出沈阳市、大连市的数据，得到图11沈阳市、大连市确诊患者聚集性网络分析图。其中，大连市确诊病例3、4、5、6、8、9、10、11、18病例信息显示收治于“某定点医院”。根据“四集中”工作原则，省集中救治大连中心覆盖范围的患者转院至大连市第六医院集中救治，因此，数据分析时将大连市收治于“某定点医院”的患者确定为大连市第六人民医院就诊患者。沈阳市和大连市是辽宁省规模较大的地区，确诊患者人数居于全省第一、二名。图11分析结果显示，沈阳市沈阳第六人民医院首次收治患者数目最多，其次为中国医科大学附属第一医院，患者就诊后共发生三次转院；确诊患者中具有亲属（或朋友）关系的病例为：确诊病例6、7、8，确诊病例18、19、20，确诊病例4、5、9，确诊病例16、17，确诊病例24、15。大连市第六人民医院收治患者数目最多，其次为大连医科大学附属第一医院，确诊患者中具有亲属（或朋友）关系的病例为：确诊病例3、5、8，确诊病例6、9、10、12，确诊病例7、11，确诊病例17、18、19。沈阳市和大连市新冠肺炎的传播均表现出家族聚集性的特点，印证了其有人传人的特性，这提示我们疫情期间减少聚集，一旦家庭成员或所接触人员发生病情，自身应及时隔离，提高防范意识。在提升患者治愈水平及有效管控疫情上，除去转院至省集中救治中心的患者，我们分析各地区医院接诊患者人数，得到图12所示结果。图12分析结果表明沈阳市第六人民医院、盘锦市传染病医院和大连市第六人民医院收治患者人数最多，其次为中国医科大学附属第一医院、葫芦岛市中心医院和大连医科大学附属第一医院，沈阳市和大连市收治患者数量整体较多。在资源调配上，除了将资源分配至省集中救治中心外，还需关注各地区患者确诊及其初步治疗的医院，做到资源有效配置。 5 确诊病例潜伏期分布病毒潜伏期是指从病原体侵入人体到最初出现临床症状的一段时期。根据国家公布的信息显示，新型冠状病毒的潜伏期为14天。随着新型冠状病毒有潜伏期感染、无症状感染等情况，我们难以准确得到新型冠状病毒的潜伏期。本文假定将患者到达武汉（或返程）时间、与有武汉旅行史人员接触时间、与所接触确诊患者的首次接触时间确诊时间均定义为“病原体侵入人体的时间”，取三者最早者，应用该时间多存在误差；将患者发病时间确定为出现临床症状的时间，二者之间的时间间隔定为病毒潜伏期。同时去除潜伏期大于14天及无相关信息披露的患者，得到86例患者数据，分析结果如表1和图13、图14所示。 辽宁省有数据可查的86例确诊患者中，病毒潜伏期均值为7.767天，潜伏期大于等于8天的患者人数为48人，占比55.8%。患者出临床反映的时间是确定的，但是感染病毒的时间是不确定的，用患者到达武汉（或返程）时间、与有武汉旅行史人员接触时间、与所接触确诊患者的首次接触时间确诊时间定义为感染时间会使统计的潜伏期大于实际潜伏期，使得分析结果偏大。 图14为患者1月9日至2月20日期间转入转出人数分布，转入对应患者出现临床症状，转出对应于暴露，即患者到达武汉、与有武汉旅行史人员接触或与确诊患者首次接触的时间。图14数据表明在1月25日前有临床症状患者占比低于暴露患者，之后这些潜伏期人员逐渐出现临床症状，疾病爆发，确诊人员数目逐渐增加。若及时采取有效的手段控制疫情传播，则1月27日之后几乎不再有人员处于潜伏期，这时前期潜伏期患者逐渐发病，这批确诊患者若同时采取有效的医疗手段得到治疗，则疫情传播会逐渐被控制。 图15为截至2月20日确诊患者由暴露到患病人数转移网络分析图，图中节点为日期，节点大小与当日暴露和有临床症状的患者之和成正比，节点间指向关系为患者由暴露转移到患病的时间间隔，图15结果显示1月19日至1月24日期间人数最多，暴露和患病人数之和随时间呈现先增加后减少的趋势。辽宁省新型冠状病毒肺炎自2月17日以来，已连续四天无新增确诊患者，疫情形势出现积极变化，防控工作取得积极成效。自疫情爆发以来，全省社会经济活动停滞，连续四天无新增确诊患者的态势为尽快恢复辽宁省社会经济秩序提供了支持。只想着为抗“疫”阻击战贡献力量，郭崇慧教授说，这是关于辽宁省疫情的最新数据描述性分析结果，希冀会对相关部门决策起支持作用！我们后续预测性分析和指导性分析还会持续研究！

2003年获四川省科技进步二等奖（参加）。

项目简介 “低温空间温度场数据可视化与模拟分析系统”项目由泰州市沪江特种设备有限公 司委托开展。运用空间温度在线监测和计算机数据处理及可视化技术，实时分析空间的 温度场变化，实现空间温度场的优化，达到节能运行的目的。 系统根据空间需要，布置多层、多处测点，依靠传感器及相关仪表，通过 485 通信 方式实现本地数据与计算机之间的传输。自主研发的数据采集与处理程序实时监测空间 各处的温度分布，并以三维彩色视图显示，可直观观测空间的温度场的动态变化特征， 指

01. 成果简介 随着移动计算、传感器网络和科学观测设备等新技术在经济社会各领域的广泛应用，特别是监控、遥感、定位等技术的崛起，人们获得了海量的时空数据。时空数据分布于连续空间，并且随着时间动态变化，具有十分复杂的模式规律。例如，卫星遥感数据和雷达回波数据是广泛应用于气象观测和军事侦察的时空数据，在连续的卫星扫描或雷达观测过程中，形成时间轴上的一系列遥感图像或回波影像，反映三维地理空间中某种观测物理量的变化规律。视频监控、医学影像、气象预报、环境监测等很多应用领域都涉及时空数据预测和识别任务，在问题求解过程中需要同时考察时间和空间两方面因素，存在时间上的非平稳性和空间上的高维相关性两大技术难题。 本成果创新大数据深度学习技术，从复杂、海量、高维、非平稳的时空数据中识别重要的时空模式，挖掘在时间和空间上的变化规律，并对未来的时空演变趋势进行预测，形成了时空数据预测和识别的深度学习技术（如图1所示）。具体包括：·        提出卷积结构与循环结构深度融合的统一建模方法，学习高维度、非线性时空特征表示，挖掘空间关联结构与时间动态信息；·        提出时空记忆单元和回忆机制，对时空非线性、非平稳性变化进行预测学习；·        提出时空数据的迁移学习技术，降低时空分布差异，实现知识的跨时空迁移。 该技术尤其擅长捕捉高维度、非平稳时空数据的非线性变化规律，例如多物体对象在空间和时间上的“产生、消亡、运动、形变“等复杂时空数据场景。与同类技术相比，运行时间短，预测和识别精度高，在国际上处于整体先进、部分领先的水平。  图1. 用于时空数据预测和识别的循环神经网络架构及其时空记忆单元图2. 本成果技术（时空数据预测与识别）在北京交通流量预测任务上的效果02. 应用前景 该技术成熟度高，部分成果已经以线上系统的形态成功应用于中国气象部门强对流天气预报业务中，与国内现有极端天气预报业务系统相比，该技术将雷达回波外推预报准确率平均提高了45%，其中高强度雷达回波外推预报准确率提高了353%，处于国际先进水平。气象灾害中70%以上是由雷暴大风、下击暴流等强对流天气导致，致死人数占自然灾害死亡人数的93%，因此该技术在避免人员伤亡、实现财产保全、减少农业损失方面产生显著的社会经济效益。同时，该技术还可广泛应用于时空数据的预测和识别场景，在关系国计民生的气象、环保、交通等领域可以发挥重要作用，应用前景广阔。例如，采用该技术可实现未来交通流量时空分布的精准预测（如图2）。该项成果还入选了2018年首届数字中国建设峰会，为杭州G20峰会、厦门金砖会晤、中国国际进口博览会等提供了精准预报支持，获得2018年教育部技术发明一等奖和2018年中国气象学会科技进步奖一等奖。03. 知识产权 本项成果已获得发明专利授权6项。04. 团队介绍 本成果团队长期研究大数据管理与分析技术，包括分布式数据存储与查询、深度学习与迁移学习、业务过程挖掘、数据质量治理等方向。团队负责人为王建民教授、软件学院院长，机器学习小组组长为龙明盛副教授。团队在本领域发表国际学术论文100余篇，申请专利100余项，授权专利60余项。相关成果获2018年教育部技术发明一等奖、2018年中国气象学会科技进步一等奖、2014年国家科技进步二等奖、2013年中国电子学会科技进步一等奖、2012年教育部科技进步一等奖等奖励。05. 合作方式 技术许可 / 软件服务。

01. 成果简介 非结构化数据是没有显式数据结构约束的非关系型数据，包括时间序列、图像、音视频等，其管理与分析技术成为国际信息领域战略竞争焦点。许多实际应用中，非结构化数据不仅总的体量大，而且数量也极为巨大。例如，我国气象预报业务每天接收到的气象数据文件达数亿非结构化气象小文件。此外，这些文件存在大量业务语义属性，这些属性形成了描述一个数据的多种维度。 针对海量非结构化数据的管理需求，清华大学软件学院提出了多维文件空间模型，并基于此模型突破了一系列非结构化数据核心技术，包括：l  非结构化数据到多维空间模型的映射方法；l  多维文件空间模型的分布式物理实现方法；l  分布式存储的副本控制方法。 该技术通过对非结构化数据的属性维度进行分类，将非结构化数据建模成多维文件空间模型，并对文件集合上的各种操作进行定义。此外，通过细粒度计算磁盘IO代价、网络代价、副本代价、CPU代价、数据分区代价，得到指定工作负载下的最优物理存储实现，进而通过排队论等方法对副本的一致性进行控制，实现满足用户SLA（服务等级保证）的柔性事务。  图1. 基于多维文件空间的最优非结构化数据存储方法示意图  相比现有对象存储等技术，该项技术可以实现更加灵活的数据访问。同时，该项技术能够建立多维文件空间到分布式物理存储的最优映射机制，保证非结构化数据总访问代价最小。相比于现有的分布式文件系统，该项技术可以确保使用少量内存管理数以亿计的海量非结构化小文件，而现有多数分布式文件系统在遇到海量文件管理时往往会出现内存爆炸问题。02. 应用前景 本成果技术可广泛用于各种类型尤其是多维度属性的非结构化数据管理。目前已经被成功应用于中国气象局和全国31个省或直辖市气象局，以及石油、风电等多家工业企业。该项成果还入选了2016国家十二五科技创新成就展和2018首届数字中国建设峰会，并作为贡献之一获得2018年教育部技术发明一等奖和中国气象学会科技进步奖一等奖。03. 知识产权 本项成果已获得发明专利授权13项。04. 团队介绍 本成果团队长期研究大数据管理与分析技术，包括分布式数据存储与查询、数据质量、深度学习与迁移学习、业务过程挖掘等方向。团队课题负责人为王建民教授、博士生导师。团队在本领域发表国际学术论文100余篇，申请专利100余项，授权专利60余项。相关成果获2018年教育部技术发明一等奖、2018年气象学会科技进步一等奖、2014年国家科技进步二等奖、2013年中国电子学会科技进步一等奖。05. 合作方式 技术许可 / 软件服务。06. 联系方式 邮箱：liuyi2017@tsinghua.edu.cn 团队电话：010-62786972；13051000520 团队邮箱：huangxdong@tsinghua.edu.cn