大健康是未来世界发展的趋势，在未来10年内将产生10万亿美元的产业。我国在近期提出的健康中国，着眼于扩大在线健康服务，依托大数据提出诊断和治疗建议，实现大社区健康管理与大健康服务。实现这一体系的关键，在于各种柔性电子、传感器技术，与物联网、云通信技术，以及大数据与人工智能相结合。 随着经济的发展，人们对于健康的重视程度越来越高，在皮肤表面进行检测人们身体健康状况的柔性传感器，是未来电子科技发展的一个重要方向，将会有巨大的市场前景。在以智能手机为主体的电子元器件的开发日益盛行，开发一种柔性智能传感器，舒服的贴在皮肤表面，这种传感器既能够检测人们生命体征（如血压、心跳、体温、血糖等）的变化，又能够无线连接手机。医院的医生能够通过互联网、云通讯、分布式的监测和管理每个病房的病人的身体状况，既节省大量人力时间成本，又能够及时的检测到病人的生命体征变化；结合无线互联网、云通讯,能实现分布式医护,虚拟空间管理；与大数据与人工智能结合，进行智能健康管理,实现智慧医疗（图1）。 图1 基于柔性传感器的智慧医疗系统 本项目主要应用生物相容的蚕丝材料作为传感单元主要组成部分，以无线蓝牙模块与无源RFID标签作为人机数据交互单元，以大数据为手段对平台进行管理，瞄准柔性电子与智能大数据前沿领域，具有重要的科学意义。具体如下： （1）柔性电子皮肤等智能传感新技术与器件开发 近年来，蚕丝等柔性材料作为医用生物材料渐渐进入人们的视线，具有良好的生物相容性和极佳的力学性能。以此为基础开发柔性电子制造技术，通过柔性材料的光刻、打印等加工技术，制备传感单元。 （2）人体传感信号实时监测的云系统的开发 通过建立皮肤表面传感器无线信号传输技术，实现体温、心跳等信号的远程监测，符合国家精准医疗精神。通过云系统可对老年社区、医院等场所进行智能化、集成化的监控，实现健康的大数据管理。除此以外，也可实现个体的远程诊疗体系。向“健康中国2030”靠拢，依托大数据提出诊断和治疗建议。 （3）将系列传感器材料制备技术与无线信号传输云平台结合，实现个人和医院的对自身和病人的健康指标数据进行检测和管理。以此无线体征检测的平台框架为基础，后续又可以引入更多传感与控制体系，适应场景的多样化。 二、前期研究基础 （1）模仿神经元突触的蚕丝忆阻器 在神经系统中，当神经冲动从轴突传导到末端时，Ca2+离子大量涌入突触前膜引起递质的分泌，从而改变突触后膜的导电性。我们通过仿生该过程，利用Ag+离子在外加电场作用下WK@AuNCs蚕丝蛋白薄膜的迁移行为来模拟阻值渐变和阻值记忆的过程。其电学特性表明其具有独特的突触特性，并具有突触学习能力。 （2）蚕丝基应力传感器—柔性电子皮肤 人体电子皮肤传感器是未来传感器发展的新方向之一，超薄超柔的特性使其可以在人体几乎难以察觉异状的情况下，完成多种生理指标的采集。我们通过研制柔性压力传感器，已在运动检测、发声检测、脉搏检测等方面开展了大量研究。 （3）纤维传感器 可穿戴设备在未来智能装备领域具有广泛的应用前景，而我们平时穿戴的衣物均是由纤维编织而成，智能穿戴设备设计的最高境界为对其本身必须的纤维材料的功能化。我们通过对纤维材料进行改造和设计，制备除了纤维状温度、压力传感器。对纤维传感器进行编织可实现多维度传感，并可适应多种场景，这项工作与传统纺织行业结合开创了尖端智能科技研究新领域。

研究背景：  大数据应用的多样化  需要的计算模型、数据模型多样化；  目前每类模型需要单独的开源系统来支持（如HDFS、HBase、Neo4j、MongoDB，Flink，Spark，Tensorflow等）。  多系统导致大数据分析平台非常复杂、效率低下。 研究目标： 研究和开发面向新型多计算模型融合架构的、高时效、可扩展的新 一代大数据分析支撑系统与工具平台FAST（Fusion-Architecture, Scalable, Time-efficient big data analysis platform）。 针对目前大数据分析平台复杂、效率低下的痛点，该系统具有三个  方面的优势：首先，这套系统采用融合架构，一方面实现关系、图、键  值、文档等多种数据模型的高效融合，另一方面实现批处理计算、流计  算的深度融合，并可以通过SQL扩展语言来进行多模型的统一查询，实现高效的跨模型查询。其次，对于复杂系统来说，时效性非常重要，这  套系统采用融合架构提高效率是实现高时效的基础，更重要的是，我们  对大数据分析从数据到用户进行了端到端的全栈时效优化。最后，对于  大数据应用来说，系统扩展性非常重要，本系统在资源层、存储层和计  算层进行了全面的扩展性优化。下面在融合架构、高时效和可扩展这三  个方面，分别详细介绍FAST系统的三个主要亮点。 融合架构 FAST系统的第一个亮点是融合架构，我们在技术方面的创新主要包  括多数据模型融合和多计算模型融合两方面。 多数据模型融合： 设计和研发了多模型数据管理与查询引擎，支持关系、图、键值、  文档等多种数据模型，实现了查询解析、查询优化、元数据管理、数据  分布等功能，将多种数据模型进行统一管理和深度融合。同时扩展了SQL语言，通过统一的查询接口支持对关系、键值、图、文档等数据进行独立访问或者跨模型查询。 经过试验，多模型数据融合查询，比Spark 2.3.4的查询时间能平均减少70.7%。目前spark等现有系统还需要手工编程方式来实现跨模型查 询，所以FAST系统在易用性上也表现良好，降低使用门槛，提高开发效率。 多计算模型融合： 在计算层实现了最常见的批处理计算和流计算深度融合，批流融合的核心方法是在系统内部实现批和流的统一表达，批是对有限数据集  的运算，流是对无限数据流的计算，我们设计了UCollection结构对批和  流数据进行统一表达，通过识别的bounded标志，来确定是批、流、或批流融合。有了统一表达，可以开展一系列融合优化来提升系统性能。 并且对上通过Unified API统一用户的批、流接口，实现二者在编程范式上的统一表达。对于批流混合的计算，融合架构系统的查询延迟比Flink 1.4.2能减少57%，吞吐量平均可以提升到6.72倍。 高时效 FAST系统的第二个亮点是高时效，即缩短大数据分析的时间消耗，  提高效率。由于大数据分析平台是一个非常复杂的系统，为了做到高时效，系统不能存在性能短板，因此需要对大数据分析的整个过程进行端到端的全栈时效优化。如图中所示，自下而上，需要在多模态存储、批流融合、机器学习、人工操作各层都进行优化。 对于多模态存储，面向应用负载和异构硬件特征进行自适应优化； 对于批流融合计算，在统一表达基础上，进行系列融合优化技术， 包括DAG优化、迭代优化、部署优化、操作符优化等； 在机器学习层面，进行模型优化、消息优化、梯度优化、概率优化 等来提高时效； 而且我们也考虑到大数据分析过程中用户人工操作的时效性问题，  通过智能地进行大数据分析方法和模型的推荐，来缩减人工操作的  时间。 可扩展 FAST系统的第三个亮点是可扩展，由于大数据应用规模很大，数据增速快，对系统可扩展性的要求非常高，为此我们在系统的资源层、  存储层和计算层进行了全面的扩展性优化。 在资源层，系统都部署在云计算的虚拟化资源之上，利用了云计算资源的弹性机制进行系统扩展。并在系统中实现了可伸缩调整模块，  能实时监控软硬件系统的状态，按照应用需求来自适应地进行弹性伸缩。 在存储层，分布式存储系统扩展性的关键在于分布式共识和一致性 协议（Raft），因此提出了KV-Raft、vRaft等进行Raft的扩展优化。 在计算层，我们扩展了机器学习模型的参数规模，使系统可以支持  到百亿级别的超大规模机器学习模型训练，并且性能方面有明显提  升。 亮点成果： 融合架构大数据分析平台目前已经在阿里巴巴双十一进行示范应用。  从2020年11月10日至11月16日一周的时间，在阿里的生产环境中，研发 的系统一直连续稳定运行，基于淘宝和天猫的实际用户信息进行大数据 分析，综合运用了本系统的存储、计算、机器学习等多个模块的能力， 累计进行了184亿件商品推荐。 同时在双十一期间，基于智能交互向导技术，也面向电子商务应用  的卖家提供了“生意参谋”应用，基于大数据分析，帮助卖家分析产品  销量变化的原因，以及促销的有效手段等。

本研究低成本搭建了弹性可扩展的Hadoop云计算平台

2020年1月23日，国防科技大学系统工程学院与四川大学、电子科技大学共同组建新型冠状病毒大数据交叉学科研究平台，为新型流行病研究和防控贡献科学力量。 参与该平台组建的是国防科技大学系统工程学院吕欣教授牵头的大数据与复杂网络研究团队，该团队主要研究方向为大数据挖掘，应急管理与人类行为动力学分析，长期围绕地震、洪水、流行病等问题应用大数据技术开展应急救援工作，在海地地震与霍乱、孟加拉台风Mahasen、西非国家埃博拉、中国登革热等事件中得到广泛应用。 该团队基于新型冠状病毒大数据交叉学科研究平台，利用海量多源异构大数据，结合疫情发生发展规律，对人群流动及传播风险进行了综合建模和分析，为政府决策提供了参考依据。

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。

1. 痛点问题 工业时序数据具有应用领域广、数据规模大、经济价值高的特点，蕴含的巨大商业价值，因而其安全性受到不法分子采用黑客攻击等技术手段以及雇佣商业间谍等非技术手段的威胁。数据所有者通常会采用前效方法对数据库中的数据加以保护，但是这些方法只能有效防止外部人员进行非法盗窃，对于内部人员盗窃等途径并不能有效遏制。数字水印是解决数据在传播过程中安全问题的一个主流分支，通常的数字水印采用分组多数投票方法来提升算法的鲁棒性，但时序数据通常有较多的噪声，高价值数据点相对集中，因而一个未经加权的投票算法可能会因为大范围的噪声干扰而导致水印判定失效。此外，常见时序数字水印算法基于时间戳进行水印嵌入计算，容易受到更改时间戳或频率变换的攻击，一旦时间戳序列大幅度改变，水印提取算法将受到很大影响，很可能导致水印提取完全失效。 2. 解决方案 工业物联网数据是工业大数据规模迅速扩张的主要来源。各类物联网传感器以极高的频率采集其所在设备的工作状态数据，通常为一系列包含数据产生时间戳（Timestamp）和采集数据（Data）形式为(Timestamp, Data) 的元组序列，称为时间序列。工业时序数据具有应用领域广、数据规模大、经济价值高的特点，蕴含的巨大商业价值，因而其安全性受到不法分子采用黑客攻击等技术手段以及雇佣商业间谍等非技术手段的威胁。 数据所有者通常会采用前效方法对数据库中的数据加以保护，包括但不限于：数据加密、用户权限划分等等。但是，这些方法只能有效防止外部人员进行非法盗窃，对于内部人员盗窃等途径并不能有效遏制。数字水印是解决数据在传播过程中安全问题的一个主流分支，常见时序数字水印算法基于时间戳进行水印嵌入计算，容易受到更改时间戳或频率变换的攻击，一旦时间戳序列大幅度改变，水印提取算法将受到很大影响，很可能导致水印提取完全失效。此外，数字水印通常采用分组多数投票方法来提升算法的鲁棒性，但时序数据通常有较多的噪声，高价值数据点相对集中，因而一个未经加权的投票算法可能会因为大范围的噪声干扰而导致水印判定失效。 本项目针对常见的水印失效场景进行了分析，提出了能够有效提示水印鲁棒性的技术，更好的确保数据安全的管理能力。 3.合作需求 在全国范围内工业互联网/工业大数据相关领域寻求应用场景，希望能与能源/装备制造行业的大中型企业开展这方面的合作研究和落地实施；并针对上述企业开展包括二次开发在内的各类实际应用，助力企业降本增效、转型升级。

海鳗（北京）数据技术有限公司，是专注于文旅大数据平台型及深度价值挖掘的高科技公司，公司本部设在北京，天津设有平台和数据运维团队，是国家高新技术企业和中关村高新技术企业。 海鳗云是面向智慧旅游大数据典型应用场景推出的SAAS服务平台，基于全景外部数据（互联网内容数据、手机GPS位置数据、银联清算数据、搜索数据等）对旅游目的地运营的各类场景提供大数据解决方案，为政府监管部门、景区等涉旅企业、旅游院校等提供数据驱动的新旅游生态下的行业监管、投资咨询、产品规划、管理提升、服务优化、智能营销等新能力。海鳗云客户已覆盖宁夏文旅厅、青海文旅厅、甘肃文旅厅、文山文旅局等省市级监管机构和泰山、崂山、黄山、青城山、都江堰等著名景区。 海鳗云大力推进旅游大数据的产教融合，用多年积累的旅游大数据产业应用的技术、工具和案例，帮助旅游类本科院校和高职院校构建旅游大数据实训体系，所能提供的服务包括但不限于教学实训平台、教材、课程设计、师资培训等。与北京联合大学、北京工商大学、北京第二外国语学院等保持良好的合作关系。

1.痛点问题 “数智医学平台技术”针对当前临床研究过程中所遇到的受试药不良信息反馈不及时、多中心临床试验时各中心间难以及时交流信息、人力物力高耗低效、临床数据质量因各种人为因素导致的数据质量和可靠性下降、数据处理和统计过程的繁琐和低效率等诸多痛点问题，通过数字化解决方式，优化当前临床研究的工作模式，提高工作效率和数据可靠性。本项成果实现让受试者信息更安全、数据管控更合规、数据质控更可靠、项目执行更高效、产业服务更优质的临床研究新模式。 2.解决方案 本项成果核心点在于研发出自主可控的国密安全算法和智能数据抽取新技术，在线实现智能化临床研究全流程以及健康医疗数据统一管理服务，建立跨域多中心在线直连的临床研究新模式。本项成果通过数据采集及预处理标准、标注及质控标准、以及病例数据集标准所构建的标准体系，以实现对不同医院、系统、厂商医疗数据的标准化。本项成果实现电子病历、MRI/CT影像、病理等数据变成统一的标准化高质量的数据，并支持智能化数据采集、远程数据录入、远程监察、在线数据统计分析等功能，来解决研究者在临床研究中的数据收集困难、基础调研不足、研究依从性不高、数据的统计分析过程繁琐等问题，实现对临床研究过程中的全流程实时管理。

本发明公开了一种群集运动实验数据采集方法及系统，方法包括以下步骤：在实验场景中采集群集运动目标的视频；从当前视频帧中提取目标运动区域；对目标运动区域滤除背景；将滤除背景的目标运动区域与目标灰度阈值进行比较，判定大于目标阈值的像素点为可疑目标像素点，将邻近的可疑目标像素点视为一个可疑目标；将可疑目标与预定目标长度、宽度和面积阈值进行比较，判定可疑目标为个体目标、多目标重合、非目标中的一种；根据历史目标位置、速度和