数字技术重构职业教育场景：理论基础、表征样态与行动路径

职业教育数字化转型是教育数字化转型战略行动的有机构成,其基本思路是利用数字技术重构职业教育的主要场景,继而重塑数字化职业教育新生态。源于社会学并由现代媒介与技术专家完善的场景理论,为数字技术重构职业教育场景提供了适切的理论分析框架。由大数据、移动设备、社交媒体、传感器和定位系统等驱动的技术场景包括空间、实践和信息3个维度。从职业教育核心业务的数字化转型视角看,数字技术重构职业教育场景主要表征为5种样态：通过精准对接的多维度适应,重塑产教关系;通过虚实交融的多模态混合,重构教学空间;通过集成创新的多元化适配,优化资源供给;通过双向融通的多领域应用,创新教学模式;通过数据驱动的多主体协同,推动职业教育治理转向。要加快数字技术重构职业教育场景的步伐,职业教育相关办学主体应采取以下行动：通过推进新型基建,夯实数字技术重构职业教育场景的新基石,拓展职业教育场景的空间边界;通过完善跨界、能力和数据协同机制,打造数字技术重构职业教育场景的新局面;通过技术、能力和管理3类标准规制,开拓数字技术重构职业教育场景的新境界;通过制度、理论和实践的多维度创新驱动,培育数字技术重构职业教育场景的新动能。     

基于机器学习的三维数字图像虚拟场景重建算法

为使三维数字图像虚拟场景重建可以获得更优质的画面,提出一种基于机器学习的三维数字图像虚拟场景重建算法.首先分析场景的状态信息和呈现指令,得到图像重构的网格模型顶点分布位置,通过局部坐标法近似计算全局图像,校正局部细节,完成三维数字图像的渲染处理;然后以空间和尺度为特征点,在图像上构建窗口检测模板,应用分类器抑制离散特征点,去除冗余特征;最后根据拟合函数法求出平滑后的三维坐标重建三维曲面,将局部二维三角分割并映射到三维空间,实现三维数字图像虚拟场景重建.实验结果表明,该算法收敛速度较快,重建图像细节和边缘轮廓完整,整体效果较好.     

单目视觉下道路场景车辆空间形态估算

针对受射影几何学的限制,单目相机无法直接获得准确的三维点云数据及目标尺度信息,难以获取目标的三维结构问题,提出了一种基于单目交通相机的车辆空间形态估算方法。首先建立道路场景的自动标定模型以获取3D-2D的投影映射及尺度信息,并基于“钻石空间”方法,利用统计轨迹直线及车辆边缘精确求取场景中的地平线,根据标定信息及灭点约束共同构建车辆空间形态的几何约束模型;然后在图像中提取车辆的实际投影约束,包括基于获得的车辆序列轮廓约束,及车辆自身边缘约束,并据此构建误差约束函数,估计车辆空间形态的投影误差;最后根据车辆的初始识别结果及先验信息,优化参数约束空间,并利用误差约束函数在约束空间中迭代求最优,得到精确的车辆空间形态信息。利用公开数据集BrnoCompSpeed及实际道路采集的视频数据共同验证该算法,并与现有类似算法进行比较。结果表明：该算法对于道路场景的适应性强,所需先验条件少,对于多种类型车辆在三维尺寸的估计精度高达94%以上。同时,该算法还可估算车辆实时的空间位置及相对于路面的偏转角度,综合空间形态估算的精度达到92%以上,且实时性较好,单帧多车的估算时间小于0.5 s。与现有算法相比,...     

一种基于邻居交换和失效区域预测的节点失效检测方法

已有的数据分发方法仅仅侧重于某个方面的优化而不能充分权衡数据分发的可靠性与高效性,无法适应应急场景下可靠快速分发数据的要求。尤其是在地震、海啸等灾难性事件发生后,造成的物理节点大量破坏,严重影响了数据分发的效率和分发可靠性。为此,提出一种基于邻居交换和失效区域预测的节点失效检测方法-NEFAP(node failure detection methodbased on Neighbor Exchanging and Failure Area Predicting,简称NEFAP)。NEFAP的节点周期性交换携带年龄的邻居信息,以检测失效节点。通过在邻居交换信息中附加节点已知的失效节点的随机采样信息,以快速扩散节点失效信息,采用失效区域预测算法快速检测失效邻居节点。     

室内剔除行人特征点的视觉SLAM算法

针对视觉SLAM系统在室内场景下易受行人干扰,导致定位精度和稳定性下降的问题,提出了一种室内剔除行人特征点的视觉SLAM算法,该算法在传统的ORB＿SLAM2算法中集成了一个新的动态目标检测线程,此线程使用YOLOV5s目标检测算法识别并剔除行人动态信息。首先,系统对YOLOV5s引入坐标注意力机制,提取图像中与目标相关的特征;其次,将彩色图像同时输入到ORB＿SLAM2算法和动态目标检测线程中,ORB＿SLAM2算法实时估计相机位姿,动态目标检测线程识别和剔除行人动态目标,从而减少其对ORB＿SLAM2算法的干扰;最后,将2个线程的输出融合至静态地图构建线程,生成无行人干扰的地图构建结果。针对文中算法,在不同数据集下开展试验验证。结果表明：相对于ORB＿SLAM2算法,改进算法在TUM的高动态数据集中绝对轨迹精度提高了96.51%,相对轨迹精度提高了96.57%,相对轨迹误差的旋转精度提高了96.47%。室内剔除行人特征点的视觉SLAM算法充分过滤了行人特征点,提高了SLAM系统的精度,为室内导航、建图等领域提供了一种新的解决方案。     

考虑电动汽车及需求侧响应的综合能源系统优化调度

为了进一步提高综合能源系统的运行经济性和可再生能源消纳能力,在负荷侧分析了电、热负荷需求侧响应以及电动汽车的可调度价值,同时采用场景分析法考虑风电和光伏发电出力的不确定性.提出一种需求侧响应和电动汽车协同作用的综合能源系统双层随机优化调度模型.上层模型利用分时电价激励的价格型需求侧响应,以净负荷波动方差最小为目标函数,...     

数字化与低碳化协同的架构体系与路径探析

数字化与绿色化已成为全球经济社会转型的主要方向,随着数字中国战略与双碳目标的提出,中国即将进入数字化和低碳化协同推进的新阶段,即数字技术与低碳技术向经济社会各领域加速渗透,并相互促进助力实现经济社会的数字化、低碳化转型。在此背景下,明确数字低碳协同发展的系统架构与实现路径,将为我国经济社会转型提供重要顶层设计和具体落地场景,有利于推动两大战略目标加快实现。本研究以数字化基础架构为蓝本、全面覆盖碳减排重点领域,综合提出数字化与低碳化协同发展的3层架构体系。其中基础层以低碳化带动数字化为主,促进数字基础设施节能降碳;应用层以数字化引领低碳化为主,持续探索数字与低碳协同发展应用场景;制度层坚持有效市场与有为政府,为数字化和低碳化协同营造良好的制度环境,同时利用数字技术赋能智慧决策,不断优化市场机制和政策手段。此外,研究基于大量文献调研和案例分析,在上述架构体系内提供了丰富的两化协同场景案例,为数字化、低碳化协同发展提供了可落地、可操作的具体路径。     

基于感知注意力和轻量金字塔融合网络模型的室内场景语义分割方法

针对实验室场景理解时存在背景复杂、光照多变等问题，利用RGB信息与深度信息在场景理解中具有互补性的特点，提出了一种感知注意力和轻量空间金字塔融合的网络模型（Perception Attention and Lightweight Spatial Fusion Network,PLFNet）。在该模型的感知注意力模块中，利用RGB图像与深度图像在网络中的权重不同，以加权的方式实现深度信息对RGB信息的多级辅助；在轻量空间金字塔池化模块中，通过增加级联的空洞空间卷积，不但有效地聚集了多尺度特征，而且比传统空间金字塔池化模块的参数量减少了约92%，使RGB信息和深度信息的融合更充分。在两个室内场景公开数据集上的实验结果表明，该模型的表现均优于经典算法。消融实验结果表明，本文模型添加感知注意力模块和轻量空间金字塔池化模块后，平均交并比分别提高了4.3%和3.5%。最后，利用场景较复杂的生物实验室数据集进行测试，结果表明本文模型可以有效地实现对生物实验室的场景理解。     

动态环境下基于时序滑动窗口的鲁棒激光SLAM系统

无人驾驶场景中的动态物体会影响同时定位与建图（SLAM）系统的整体精度和鲁棒性，针对现有多数激光SLAM系统在动态环境下易出现里程计漂移、定位失败和建图重影问题，本文融合轻量级PointPillars目标检测网络和多目标跟踪方法，构建了一种面向动态场景的语义激光SLAM系统.该系统首先利用PointPillars网络获取潜在动态目标检测框并过滤检测框内特征点，以获取里程计初始位姿.其次基于匀速卡尔曼滤波器的多目标跟踪算法获取跟踪结果，以构建时序滑动窗口，实现鲁棒、高效的目标级数据时空关联，以去除动态物体和恢复静态目标，进一步优化里程计.最后在包含动态场景的KITTI和NUSCENES公开数据集上与主流激光SLAM方法进行对比实验，结果表明本系统在里程计和全局地图的准确性和鲁棒性方面有显著的提高，同时系统保持了实时性，可满足动态场景下自主机器人系统和智能交通应用.     

基于ROADS的面向场景业务架构建模方法

ROAD元架构通过业务架构指导整个企业架构体系开发过程，是一组简单明确且高效的模型表达。针对已有的元架构体系中业务活动模型所采用的IDEF0图存在对多组件系统之间丰富的活动触发序列和信息交互场景描述能力不足的问题，提出在ROAD元架构基础上引入场景模型，与原来基于IDEF0的活动模型融合成为面向场景的活动模型，同时具备层次化描述能力和场景化时序表达能力。扩展后的ROADS元架构保留原架构的整体性和灵活性，且补充面向场景的系统建模能力，实现业务架构设计中的场景管理。最后以一个情景化外语教学系统为例，使用ROADS元架构方法建立场景化业务架构模型组，并对其进行讨论，为现有架构体系提供一种面向场景的扩展思路。