面向云生态用户的一站式学习成长平台 体系化的课程内容 多维度的教学方式 权威性的认证考试 全方位的人才培养

面向区域录播管理应用设计的在线运营服务系统，实现所辖录播设备基于网络的统一接入管理，打造智能化、系统化、便捷化、实时化的远程运维服务。 轻松满足： ·信息化设备大数据展示 ·所辖前端集中在线运维 优势特点 直观可视的数据中心 通过电子地图的形式，按区域、分层级展现前端设备建设、使用情况，直观展示区域设备数据中心应用成果。 全天候的设备运行监控 系统全天候对接入设备进行状态监控，设备异常信息实时获取，及时跟踪排障。 高效的远程集中运维 接入设备远程参数配置、系统版本在线升级管理，足不出户即可实现整个区域的设备运维。

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

适用于装载机、推土机，在松软、泥泞鲁米那能发挥极大的牵引力，并具有良好的自洁性能。

智慧排课选课系统（3+1+2、3+3）助力学校解决新高考智能排课选课问题，帮助学校实现高考改革环境下开展课程改革的新目标。功能特色：既支持传统行政班排课，也支持新高考走班排课  走班制选课，支持多种选课方式，支持试选课智能分班管理，支持“全走/大走/小走/不走” 多种规则排课管理，支持手动微调排课 个性化课表展示，生成千人千课表便捷调课管理，支持一键/空档/跨周调课 智能代课管理，代课情况统计，课程实时通知更新

智慧排课选课系统（3+3）助力学校解决新高考智能排课选课问题，帮助学校实现高考改革环境下开展课程改革的新目标。功能特色：既支持传统行政班排课，也支持新高考走班排课  走班制选课，支持多种选课方式，支持试选课智能分班管理，支持“全走/大走/小走/不走” 多种规则排课管理，支持手动微调排课 个性化课表展示，生成千人千课表便捷调课管理，支持一键/空档/跨周调课 智能代课管理，代课情况统计，课程实时通知更新

人工智能应用创新实训平台是一款专为人工智能领域专业学生设计的多功能教学工具，它集科研教学、实验实训和项目实践于一体，提供了一个全面的学习环境。该平台以国产高性能芯片RK3588作为其边缘计算的核心，支持本地化编程开发，使得学习者能够深入掌握人工智能技术。此外，平台还支持PyTorch、TensorFlow、NCNN等多种主流深度学习框架，便于学生进行模型训练和推理实践。 平台内置了丰富的案例资源，包括但不限于MobileNet、Fcn_Resnet、Resnet、Openpose、Unet、Retinaface、Yolov8pose、Yolov11等前沿模型，为学生提供了实际操作和学习深度学习模型的机会。这些内置模型不仅有助于学生理解深度学习算法的实际应用，也为他们的创新项目提供了坚实的基础。通过这样的实训平台，学生能够在实践中深化理论知识，提升解决实际问题的能力。 本平台融合了先进的多模态大模型智能体，并配备了一系列场景化实体组件，包括深度相机、双轴云台、多轴机械臂、微型输送带、工业级相机以及麦克风阵列等。这些尖端设备使得我们能够快速构建智慧工厂、智能分拣、智慧交通、智能家居等多种应用场景。