自动驾驶汽车纷纷上路测试，无人机除了自拍还能预警；随身移动设备除了记录还能社交；自组织网络让万物相连更迅捷，智能电网、智慧城市让我们的生活更加便利……科幻电影里的世界已经离我们越来越近，这些都离不开智能计算最新研究成果的应用。
近日，由上海电力学院主办的第二届“智能计算与智能电网”国际研讨会上，来自加拿大、日本、中国等国家和地区的专家围绕主题作了研讨交流。
自组织网络：打开物联网大门
使用手机时经常会遇到这样的状况：人群密集的地方经常手机没信号，或是连不上WiFi，加拿大皇家科学院、工程院院士庄卫华教授在报告上解释说，这是因为传统通信的基站、网卡的频谱和信道有限，人群太密集的情况下出现“交通拥堵”，没法保障通信正常。虽然这样的问题目前并不算严重，但当物联网时代来临时，方圆几公里内成千上万个传感器聚集在一起，传统网络就无法保障物与物之间的协同通信。
记者从6月15日上海电力学院主办的第二届“智能计算与智能电网”国际研讨会获悉，加拿大皇家科学院、工程院院士庄卫华教授正在研发的新一代无线自组织网络避免了使用基站和网卡，利用手机的发射器和接收器实现一定范围内用户之间的自主通信，相当于随身携带了路由器和主机，是未来物联网通信的关键技术之一。
物联网的概念曾经很火，但由于缺乏关键的通信技术，一直是空中楼阁。无线自组织网络是一种点对点的网络，和低速、只能短距离传输的蓝牙相比，它的传输范围更广、速度更快，采用的是一种全新的通信协议。“自组织网络是20年前的提出的，如今有了新的应用场景。”庄晓华说，蓝牙、蜂窝网和WiFi等集中式网络是通过搜集基站等设施用户的需求信号进行统一调配处理，耗能较大，在未来物联网终端急剧增加的情况下不可忽略这样的能源消耗。
自组织网络作为一种分布式网络，是一种自治、多跳网络，整个网络没有固定的基础设施，能够在不能利用或者不便利用现有网络基础设施(如基站、AP)的情况下，提供终端之间的相互通信。“但并不意味着自组织网络可以替代传统网络。”庄晓华介绍说，由于终端的发射功率和无线覆盖范围有限，因此距离较远的两个终端如果要进行通信就必须借助于其它节点进行分组转发，这就意味着，自组织网络将作为一种补充通信方式，和蜂窝网、WiFi等共同组成未来的5G网络，为物联网、车联网、智慧城市提供信息基础。
据介绍，目前庄晓华团队正在根据不同的应用场景设计相应的自组织网络通信协议、制定标准，只要服务商和相关环节共同推进，很快自组织网络就可以实现实际应用。
电力大数据：经济“晴雨表”
电力的信息系统是国内数据基础最好、最全面的行业之一，包括电力调度、营销和运行数据等。国网上海市电力公司电力科学研究院电网技术中心主任田英杰在研讨会上介绍说，以这些电力大数据为研究对象可以做很多事情，可以说是经济和产业的“晴雨表”。
以浦东236万用户、700多万千瓦负荷作为应用示范场景，复旦大学大数据学院、国网上海市电力公司电力科学研究院的专家们共同建立了需求侧电力大数据分析管理平台。该平台实现了对电力大数据的高效存储、快速检索、各类特征挖掘与可视化分析。这些大数据应用分析技术直接面向电网企业的生产管理需求，有效提高对用户行为的预测分析能力，强化电力生产消费的主动调节与智能适应，支撑电网基础设施建设的科学规划和布局调整。使用了这些数据分析，能更高效、精准地进行电力调度、电力用户行为预测等。
同时，这些大数据的分析运用也有“附加值”。研究团队所开发的可视化分析系统集成了大量的工商业、居民用户的时空分布和电力消费特征，不仅能够直接支撑电网企业错峰调度、需求响应、网架优化等管理决策需求，也可广泛服务于行业关联特征分析、商圈景气预测、用户节电管理、宏观经济预测预警等多目标以及政府、企业、居民等多主体。比如说，根据用电需求看产业结构调整布局、商圈景气度预判等等。
随着智能电网的快速发展，上海电力的数据资源显现出典型的大数据特征。大数据是驱动电力系统管理决策创新的重要原动力，以“数据驱动决策”为核心思想，可提升企业的管理决策效率、助力生产经营活动的智能化发展。
救灾信息服务：让信息出入自如
2011年日本大地震，由于通信中断，日本室兰工业大学董冕雄教授连续3天没能联系上父母，虽然事后父母平安无事，但也让杜冕雄意识到，信息服务对于灾难救援的重要性。
由于日本在全国布置了大量传感器，可以在地震发生时以最快的速度将信息传递出去，但杜冕雄说，这只是单向的信息流动，仅仅能将信息从受灾地传到相关机构和组织。由于通信设施在灾害中会受到不同程度的破坏，及时准确的信息服务依然无法顺利地提供给受灾的居民和灾区的救援人员。在获得灾害发生的信息之后，救援人员依然只能通过交通工具前往灾区为灾民提供各种服务和救援。当道路的破坏或者是潜在的危险导致传统交通工具无法进入救灾现场时，包括信息服务在内的各种服务和救援都无法及时地提供给灾区的居民。
“下一代灾害响应中的信息服务应该能够满足双向的，实时的，并随处可用的需求。”为了满足这个需求，日本室兰工业大学先端网络与系统实验室提出了一种敏捷、智能、可靠的灾害响应信息服务。通过将智能设备（包括无人机和机器人）快速的部署成能够覆盖整个受灾地区的信息服务，以支援灾后24小时内的灾害响应。
在提供信息服务的过程中，如何通过智能设备的传感器寻找服务目标是很关键的问题。由于灾害会对基础设施，地表植被等造成不同程度的破坏，灾后环境中的目标识别，特别是黑暗环境中的目标识别，会变得异常困难。
在黑暗或者昏暗中，在可见光视频中已经无法准确分辨物体的轮廓。在这种情况下，采用深度传感器进行目标识别是一种更适合智能设备的方法。不过当前深度传感器的分辨率较低，噪点较多，大部分工作都是将深度信息与二维图像信息结合之后对目标进行识别。A杜冕雄团队提出了一种不需要额外二维图像信息而只利用深度信息对目标进行识别的方法，即利用基于卷积神经网络对深度信息进行识别，并且可以准确识别深度信息中目标的位置。通过实验发现，该识别算法能够获得接近人眼的识别准确度，并超过了传统的基于卷积神经网络的图像识别方法。
【来源】科way
关于嘉定孵化
联系客服
