• [行业资讯] 中移物联网助力拉萨市堆龙德庆区电摩车智能监管
    传统电摩车治理存在监管不到位、乱停乱放、充电安全等问题,具有危害电动自行车车主权益及财产的风险,就拉萨市堆龙德庆区现存电动车防盗防控问题,中移物联网有限公司党委高度重视并成立专项工作小组,协同西藏移动公司,与拉萨堆龙德庆区公安局合作落地了行车卫士公安管理平台项目,对该区全域电动自行车、电动摩托车安装“行车卫士”设备并统一搭建电摩车综合管理平台。截至2022年5月30日,已为35000辆电摩车主提供服务,推进了当地政府电摩车数智化监管和服务。保障车主安全,为群众办实事拉萨农牧业发展水平较高,种植、游牧面积较大,对于堆龙德庆当地农牧民来说,电摩车是一种便捷高效的代步工具,但同时也潜藏着失窃问题,可能给群众的财产安全带来损失。针对此问题,中移物联网有限公司联合拉萨市移动分公司派出专业工作人员实地走访、研讨,并制定对应方案。工作人员当即对电摩车安装行车卫士智能终端,实现车辆定位、一键报警等功能。用户可以通过手机APP对车辆进行位置查询,掌握车辆实时位置动态,查看轨迹数据,大大减少车辆丢失率,一键报警功能为民众提供了便捷的报案渠道,对不法分子起到震慑、警告的作用,有效保护车主财产安全。当地牧民在使用后说:“以前骑电摩车去放牧时,因为车辆停放位置比较随机,而且无人监管,车辆被盗的情况时有发生。现在装上移动的行车卫士后,就具备了一键报警功能,我的车辆安全也得到了保障。”提供专业平台,辅助公安监管警力有限,民力无限,堆龙德庆地区人口分布悬殊,对于当地公安来说,电摩车辆监管大多依靠人力,追回被盗电摩车则需投入更多精力。中移物联网有限公司联合拉萨市移动分公司工作人员,就改善公安机关的传统电摩车监管方式,提出针对性解决方案。方案采用“端-管-云”设计架构,为公安机关提供数据统计、车辆监控、民警协同追踪等服务,警方在收到失窃报警信息后,通过行驶轨迹等相关具体数据对车辆进行追踪,从用户报警到民警出警,最快只需三分钟。同时智能调度功能,还可助力警方就近追捕、跨区追捕,极大增加破案效率。行车卫士公安管理平台项目以科技硬实力弥补传统电摩车监管缺位,为公安机关提供车辆监控管理的辅助工具,有效提升了治安管理水平及案件侦破速率。服务电摩出行,分享川藏美景电摩车在日常使用过程中存在的安全隐患也不容小觑,中移物联网结合车主的具体需求提供智能告警服务,当电摩车出现过度充电、电瓶亏电、电瓶低电等情况时,会自动对车主进行告警提醒,尽量将安全问题扼杀在摇篮里。当地骑行爱好者表示:“现在电摩车骑行环境越来越好,我自己有时也骑车行驶川藏线,希望安全的骑行条件和优美的自然风景可以形成良性循环,吸引更多游客来欣赏川藏美景。”接下来,中移物联网有限公司将在智慧出行领域不断深耕,针对客户个性化需求,提供更加专业、便捷的服务,以“品质护航”,搭建出行新时代的桥梁,开启“数智”出行新篇章!来源:中国青年网
  • [技术干货] 利用人工智能和大数据进行心理测量分析
    作者:佚名研究人工智能和大数据在心理测量学中的影响,对于该领域未来的改进至关重要。利用人工智能和大数据进行心理测量分析人工智能(AI)和大数据可以帮助招聘人员更好地了解一个人的个性和行为风格。或许,大数据的最大受益者是人工智能领域。结合起来,这两种技术可以将心理测量分析提升到一个新的水平。研究人工智能和大数据在心理测量学中的影响,对于该领域未来的改进至关重要。涉及心理测量评估可以产生影响的领域的数量之多,确实令人难以置信。从招聘期间评估求职者到在全国范围内竞选,从市场营销到执法,心理测量评估在了解大量人群的脉搏或个人的性格特征方面发挥着重要作用。如果组织,无论是政党还是企业,充分利用心理测量学的大数据能力,其可以在各自的战场上获得几乎无懈可击的优势。人工智能和大数据在心理测量学中的应用领域众所周知,数字化正在渗透到人们生活的几乎所有方面。因此,人工智能和大数据等技术自然也会在心理测量学领域产生影响。人工智能难以置信的数据处理和分析能力在当今时代是人尽皆知的。将这些属性与大数据的综合性结合起来,就像是为心理测量学的增长和发展提供了火箭燃料。想知道在心理测量学中,人工智能和大数据可以实现什么(或多大程度)吗?以下是一些答案:1.候选人招聘过去的心理测试通常使用逻辑回归分析的目的。虽然这些技术有其优势,但根本无法与人工智能(辅以大数据)在该领域取得的成就相提并论。例如,人力资源主管可以使用机器学习来确定候选人的优势和劣势。为此,人力资源主管会在面试或远程面试中向求职者提出一系列问题。当候选人回答问题时,其的举止、语气、面部表情都可以通过人工智能摄像头监控。面试结束后,招聘人员会使用人工智能来评估候选人的视角和判断力、同理心和情商,以及参与度、决策能力和监管能力。对这些属性进行判断和评估,以了解候选人如何参与协作解决问题,并在高压情况下发挥决定性作用。除了决策和解决问题的能力外,还可借助人工智能和大数据来评估候选人在严格期限内完成各自工作的能力。除了面试和招聘练习,其他技巧也可以用来评估候选人的性格。例如,招聘人员可以浏览应聘者的社交媒体页面,了解其的性格特征和对一般话题的看法。查看某人的社交媒体页面不应该是消极评价个人观点的一种方式。相反,这可以很好地衡量候选人如何使用语言或视觉表达自己的想法。总之,应聘者的沟通技巧,在一定程度上,可以通过这种方式确定。人工智能和大数据可以帮助招聘人员在网络上找到这些数据,然后通过模式和异常识别对其进行处理,找到求职者的潜在性格特征。除此之外,机器学习还可以进一步用于将增强现实工具整合到候选人招聘中。增强现实工具可以创建类似真实世界的模拟,以评估候选人处理实际运营危机的能力。人工智能利用大数据的海量信息库来评估候选人在这项测试中的表现。增强现实为候选人招聘和选拔增加了一个全新的维度,如果没有人工智能的能力和大数据的惊人范围,这是不可能实现的。2.选举活动可能都有听说过,Cambridge Analytica是如何帮助美国前总统唐纳德·特朗普赢得2016年大选的。特朗普先生的竞选活动是有史以来最受数据驱动的政治活动之一。然而在探索之前,必须先了解心理测量分析的主要目的。心理测试,首先是用来获取个人(或一群人)的信息,以及其对各种话题的好恶、看法和意见。数据收集器如何处理这些信息取决于所需的最终结果类型。在这种情况下,大数据和人工智能有助于扩大全州或全国范围的心理评估范围。事实证明,一个人的个性可以通过研究来说服他或她购买某些产品或服务。更重要的是,这些信息可以用来说服个人在选举中投票给特定的候选人或政党。下面来看看 Cambridge Analytica 在影响2016年美国总统大选中的作用。有迹象表明,在竞选活动之前,这家科技公司就与特朗普先生的竞选活动有一段时间的联系。该组织利用心理测量学的人工智能和大数据,在选举中获得了优势。这种方法特别具有开创性,因为以前的候选人主要利用人口统计学观点,并关注其他核心选民问题。 Cambridge Analytica 在组合中引入了先进的心理测量学,以产生积极的最终结果。为了在选举中取得成功,该组织使用了行为科学和选民监督,除了一些常见的工具,如OCEAN模型,通过人工智能驱动的系统和模型轰炸个人的概念,以及高级大数据分析。这过程的初始阶段,需要该组织从Facebook等知名组织的社交媒体页面上购买数百万个人的大量数据。除此类记录外,还收集并仔细分析待处理的维修帐单、土地及财产登记册、购物数据、产品及服务的购买历史等详细信息。如果这个信息是长而宽的,这意味着其涵盖了几个人以及每个人的几个方面。换句话说,就是大数据。在收集了所有这些信息之后,这家英国公司对数据进行了汇总和整理。此外,该组织还部署了人工智能工具,根据五大人格特征对每个人进行不同的分类。基于这些信息,共和党总统候选人在演讲中针对更脆弱、更容易被操纵的选民发表讲话。就连选举演讲也经过了精心的调整和定制,以引起社会各阶层的个人共鸣。该公司因其高度数据驱动的努力而获得了超过500万美元的收入。然而,在特朗普先生的压倒性胜利中,真正的英雄是人工智能和大数据。3.产品和服务的营销如上所述,人工智能和大数据可以用于了解潜在客户的特征、喜好和偏好,以便用特定的、有针对性的广告淹没他们的收件箱。出于营销的目的,组织使用大数据,包括客户的社交媒体页面,数字零售商的购买历史记录,甚至在某些情况下的短信。在心理测量学中使用大数据的挑战与人工智能相比,大数据在上述应用领域可以说更为重要。所以,既然已经看到了人工智能和大数据在心理测量学中的一些应用领域,下面是组织在使用大数据进行性格分析时可能面临的挑战:1、大数据带来的问题与提供人工智能系统进行分析的信息的可靠性有关。大数据的可靠性会受到现有数据、技术以及人工智能算法的严重影响。在进行预测和高层决策时,大数据的混乱和复杂可能会给人工智能系统带来问题。2、人工智能中的偏见一直是技术需要克服的问题。随着大数据的加入,人工智能输出的公平性可能仍然是一个问题。此外,也可以说,人工智能和大数据的影响范围在某种程度上受到了互联网这个封闭温室的限制。因此,在许多情况下,大数据不足以包括经济落后的个人或家庭的信息,因为这些人无法上网,无法购买计算设备。3、在可靠性和公平性之后,随之而来的是用户隐私的挑战。正如所见,人工智能和大数据大量使用用户数据(有时未经用户签字同意)来产生最终结果。因此,大数据和人工智能在这方面不断面临道德难题。人工智能和大数据的无数能力对心理测量学领域至关重要。然而,有一些挑战需要解决,以便进一步改善。但可以肯定的是,这些技术可以在未来进一步深化心理测量学的范围,因为其近乎持续发展。与此同时,大数据和人工智能将继续留在心理测量学研究领域,以实现上述目的以及更多目的的研究。责任编辑:华轩     来源: 千家网
  • [环境搭建] 【MRS产品】大数据MRS 对接Streamx安装配置教程
    想要通过使用Streamx提交大数据MRS 集群spark/flink作业,是否有相关的安装配置教程?
  • [行业资讯] 如何利用工业大数据实现智能分析和智能决策
           近年来,工业大数据逐渐从概念走向落地阶段,数据基础较好的细分工业领域,已经在利用新兴的大数据等技术创造价值。       工业大数据的来源其中一部分是生产经营领域的数据,另外很大一部分则是生产设备和生产出来的高端产品与装备在运营过程中产生的机器数据。       而真正的大数据不是有了数据,把这些数据接入之后存起来就可以了,真正要做的事情是智能分析和智能决策,通过在两化融合的基础上构建的智能分析优化系统“工业大脑”进行相应的智能决策。       这些智能分析与决策离不开原有的信息化系统和系统的支撑,更离不开产生这些数据的实体设备与装备。基于这些数据集成实体运行所在环境数据,在信息管理系统和自动化系统基础之上,构建具备智能分析优化能的大数据系统,达成提质、增效、降耗和控险的目的。       工业大数据可以分为三类,一部分是工业物联网数据,比如生产设备、智能产品、复杂装备24小时不断产生的数据。一部分企业信息化数据,同时还有很重要的一部分数据是外部跨产业链的数据,包括设备在运行过程中所处的环境数据,比如气象数据、地理数据、相应的环境数据,这三种数据合计才能称之为工业大数据。工业大数据的特点:多模态、高通量以及强关联       在工业系统里数据种类、数据格式以及数据结构非常多,结构关系复杂。一个汽轮机里面会有上万个零部件,一个复杂装备的制造企业,它的数据种类多达三百余种,所以在工业领域里会存在数据多模态特征。       高通量       即无论是生产设备还是智能装备有可能是24小时不间断产生数据的,我们以分、秒的频率采集数据,在很多应用场合甚至是毫秒级的数据。这些数据的数据量非常大,海量的设备与测点,数据采集频度高、数据吞吐总量大、数据的实时性要求高,呈现出工业大数据的“高通量”特征。       强关联       真正做一个产品设计的时候,它涉及到学科与专业是非常多的,比如设计复杂装备的时候,不仅仅是涉及到结构分析,流体力学、声学、动力学、电磁辐射等等各个学科的数据都要进行关联。数据之间的“强关联”反映的就是工业的系统性及其复杂的动态关系。       基于工业大数据的特点,工业大数据的数据分析与消费互联网领域里的数据分析是有相当大的差别的。消费互联网大数据的分析对象更多的是以互联网为支撑的交互,工业大数据实际上是以物理实体和物理实体所处的环境为分析对象,物理实体就是我们的生产设备以及生产出来的智能装备及复杂装备。在商业数据里面关注数据的相关性关系,但是在工业领域里面一定要强调数据因果性,以及模型的可靠性,一定要提升分析结果的准确率才能把分析结果反馈到真正的工业控制过程中。工业大数据面临的挑战       企业应用工业大数据面临的技术挑战。企业普遍面临数据基础薄弱的境况,企业收集的数据不够,甚至没有数据。企业真的要在数据转型有战略上的调整,它才会有较大的投入,如果它没有这种战略规划的时候,很难负担得起专业数据人才的成本。市场上也缺乏工业大数据所需的复合型人才。另外每个工业领域里都有独特的知识领域和机理形成的行业门槛,没有一个普适性的解决方案可以在工业领域里通用。行业解决方案,只会对某一个行业才能发挥相应的价值。       企业应用工业大数据面临的管理挑战。很多合作伙伴或者客户初期并不知道数据和业务问题之间怎么关联,怎么和业务结合都不清楚,不知道数据到底能不能解决业务问题。有的企业有应用工业大数据的愿景,但是业务与工业大数据的实施路径都没有统一。       工业大数据的挖掘就是把工业物联网数据与跨产业链数据以及企业信息化数据相结合,把分散在企业各个角落里的数据进行整合,挖掘这些数据融合所能产生的价值。       大数据不仅仅是物联网数据采集与存储,包括数据的管理、分析与反馈,需要在数据生命周期内构建一个闭环系统,构建这个闭环需要一个过程,不可能一蹴而就。同时,大数据的应用会涉及到企业内部管理流程和经营理念的变革,工业大数据是把工业领域内三类数据进行融合应用,真正发挥大数据的价值的场景不仅是智能制造,同时也包括产业互联网里业务模式创新,所以相应的经营理念和管理机制都要发生变革。这是企业在管理方面面临的最大的挑战。所以有时候大家会看到,工业企业的大数据应用甚至都不仅是一个企业的CIO所能牵引的,这需要整个企业在战略层面去推动,要有明确的数据驱动的业务战略规划。工业大数据的业务落地       通常来讲,在与企业规划工业大数据业务落地可以从两个维度与企业一同进行思考。一方面是从业务驱动角度来看,要思考企业的整体业务目标是什么,为了实现这个业务目标要做什么样的转型以及哪方面的能力提升,具体的业务提升和转型方向是什么;为了实现业务目标,理想的业务流程是什么,如何让这个流程跟数据流进行相应的结合和映射。这是一个由上而下的思考过程,是企业的高层管理者、战略管理者进行思考并牵引,通过中间管理层完善与丰富,最后落地实施的过程。很多时候大数据应用确实可以解决业务问题,但也可能解决不了所有的业务问题。大数据应用真正帮助企业的不仅仅是在于具体业务问题的解决层面,它是要让企业构建对数据驾驭的能力,当企业具备了这种能力后,才能够真正让企业在内部的生产管理、对外的经营模式上产生变化,真正形成持续的创新与应用的能力。       如何利用数据进行驱动。第一是去看现在手里有什么样的数据,这些数据从哪儿来,如果没有这些数据要怎么收集,以及这些数据的特点到底是什么,是时序数据、时空数据、智能产品产生的数据、生产设备产生的数据,数据量到底有多大;第二是对这些数据有了了解以后,这些数据怎么保存、管理、使用,另一个比较重要的则是数据质量怎么保证。第三是用什么样的系统、什么样的工具保证数据存储、数据管理、数据处理?同时这些数据到底如何进行集成、关联,不仅仅要把设备产生的数据拿来进行分析管理,还要在分析过程中关联周边的环境数据、地理数据等跨界数据。
  • [技术干货] 第七次人口普查数据可视化分析实战——基于pyecharts(含数据和源码)[转载]
    第七次人口普查数据可视化分析实战个人主页:JoJo的数据分析历险记个人介绍:小编大四统计在读,目前保研到统计学top3高校继续攻读统计研究生如果文章对你有帮助,欢迎✌关注、点赞、✌收藏、订阅专栏文章目录第七次人口普查数据可视化分析实战写在前面1.数据集导入2.总人口统计3.性别比统计4.老龄化率5.人均受教育年限6. 城镇化率7.GDP总结写在前面国家统计局发布的第七次人口普查数据较为宏观,未能较好的体现各地区人口指标的分布情况。本文基于Pyecharts初步分析各地区人口普查数据的分布情况。# 导入相关库import pyechartspyecharts.globals._WarningControl.ShowWarning = Falseimport warningswarnings.filterwarnings('ignore')import pandas as pdfrom pyecharts.charts import Mapfrom pyecharts import options as opts1.数据集导入df = pd.read_csv(r'C:\Users\DELL\Desktop\Statistic learning\数据分析案例\第七次人口普查\pop.csv')df.head()province    Total    Male    Female    sex-ratio    Aging-rate    AHP    Edu-level    GDP    CR0    北京    2189.31    1120    1070    104.65    13.30    2.31    11.87    36102.55    86.201    天津    1386.60    714    672    106.31    14.75    2.40    10.81    14083.73    80.432    河北    7461.02    3768    3693    102.02    13.92    2.75    9.46    36206.89    45.593    山西    3491.56    1781    1711    104.06    12.90    2.52    10.02    17651.93    49.794    内蒙古    2404.92    1228    1177    104.26    13.05    2.35    9.94    17359.82    57.04这里是我对第七次人口普查数据进行了基本处理后得到的数据集,感兴趣的小伙伴可以下载:数据下载地址上述数据包含十个指标,分别如下:province:省份,包含31个省、直辖市和自治区(不包含港澳台)Total:总人口,各地区第七次人口普查总人口(千万)Male:男性人口(千万)Female:女性人口(千万)sex-ratio:性别比(%),男 性 人 口 女 性 人 口 × 100 % \frac{男性人口}{女性人口} \times 100\% 女性人口男性人口​ ×100%Aging-rate:65岁及以上人口占总人口的比例,用来衡量一个地区的老龄化程度(%)AHP:户均人口。各地区平均每户人口数Edu-level:各地区受教育年限(经过处理后的数据)(年)GDP:各地区GDP数据(亿元)CR:各地区城镇化率(%)2.总人口统计# 总人口统计df['Total'][df['province']=='全国']31    141178.0Name: Total, dtype: float64根据第七次全国人口普查结果,我国人口达14.1178亿,突破14亿大关。那么各个地区的人口分布情况如何呢?来看看你的家乡属于第几梯队‍♂️'''导入地图和数据'''m1=Map()m1.add("总人口", [list(z) for z in zip(df.province, df.Total)], "china",is_map_symbol_show=False)'''自定义间隔'''pieces = [        {'max': 500, 'label': '500以下'},        {'min': 500, 'max': 1000, 'label': '500-1000'},        {'min': 1000, 'max': 2000, 'label': '1000-2000'},         {'min': 2000, 'max': 5000, 'label': '2000-5000'}, # 有下限无上限        {'min': 5000, 'max': 10000, 'label': '5000-10000'},        {'min': 10000, 'label': '10000以上'} ]'''全局设置'''m1.set_global_opts(             title_opts=opts.TitleOpts('第七次人口普查各地区人口总量分布图'),#设置图标题            visualmap_opts=opts.VisualMapOpts(is_piecewise=True,pieces=pieces))#热力图相关设置m1.render_notebook()可以看出人口分布的整体趋势是由东南沿海逐渐向西北内陆地区递减人口最高的两个省份是广东和山东,均超过了1亿,而广东则是达到了1.2亿。北上广深四个一线城市,广东就包含了两个,吸引了大量的外来人口。人口最低的省份是西藏,不足500万。这里有一部分原因是因为西藏有很多环境不适合居住,此外,由于经济发达水平相较较低,地区对人才吸引力较低,很多选择外出工作。这种人口分布情况预计在未来很长一段时间都会保持。3.性别比统计这里的性别比为:男 性 人 口 / 女 性 人 口 × 100 % {男性人口}/{女性人口}\times100 \%男性人口/女性人口×100%# 全国性别比情况df['sex-ratio'][df['province']=='全国']31    105.07Name: sex-ratio, dtype: float64可以看出,全国性别比为105.07%,我国已经成为世界上性别比失衡较为严重、持续时间较长的国家。这里一部分原因是受到了传统重男轻女思想的影响,导致男性人口基数较大,可能要在很长时间才有望达到平衡。这也意味着将会有一部分‍♂️男性较难脱单。接下来我们来看看各地区的性别比例吧!'''导入地图和数据'''m2=Map()m2.add("性别比例(%)", [list(z) for z in zip(df.province, df['sex-ratio'])], "china",is_map_symbol_show=False)'''自定义间隔'''pieces = [        {'max': 100, 'label': '100以下'},#有上限无下限        {'min': 100, 'max': 105, 'label': '100-105'},        {'min': 105, 'max': 110, 'label': '105-110'},         {'min': 110, 'label': '110以上'}# 有下限无上限       ]'''全局设置'''m2.set_global_opts(          title_opts=opts.TitleOpts('第七次人口普查各地区性别比分布图'),#设置图标题            visualmap_opts=opts.VisualMapOpts(is_piecewise=True,pieces=pieces))#热力图相关设置m2.render_notebook()从上面这个性别比热力图,我们发现一个有意思的规律。从全局来看,性别比呈现由北向南逐渐上升的情况。也就是说南方地区,男性比例要更高。其中吉林和辽宁两地区性别比居然还小于100%,广大男性朋友想要脱单的建议去试试!而广东、海南、西藏的男性朋友们就比较惨了,性别比超过了110%。4.老龄化率根据国际标准,65岁以上人口占比7-14%为轻度老龄化,14-20%为中度老龄化,21-40%为重度老龄化。# 全国老龄化程度情况df['Aging-rate'][df['province']=='全国']31    13.5Name: Aging-rate, dtype: float64此次人口普查结果显示我国65岁以上人口占比已经达到13.5%,这意味着中国已经处于中度老龄化的边缘,面对老龄化程度不断上升,国家也在不断推进“三胎”政策来缓解老龄化程度。接下来我们来看看各地区的老龄化情况'''导入地图和数据'''m3=Map()m3.add("65岁及以上人口比例", [list(z) for z in zip(df.province, df['Aging-rate'])], "china",is_map_symbol_show=False)'''自定义间隔'''pieces = [        {'max': 7, 'label': '非老龄化'},#有上限无下限        {'min': 7, 'max': 14, 'label': '轻度老龄化'},        {'min': 14, 'max': 20, 'label': '中度老龄化'},         {'min': 20, 'label': '重度老龄化'},        ]'''全局设置'''m3.set_global_opts(            title_opts=opts.TitleOpts('第七次人口普查各地区老龄化程度分布图'),#设置图标题            visualmap_opts=opts.VisualMapOpts(is_piecewise=True,pieces=pieces))#热力图相关设置m3.render_notebook()#pic_center从上面这个热力图可以看出:目前我国各地区均面临老龄化问题(西藏除外)中部地区和和东北地区面临着中度老龄化问题目前我国还没有面临到重度老龄化的程度5.人均受教育年限人均受教育年限是衡量一个地区文化水平的重要指标,在第七次人口普查数据中,统计了大专及以上、高中、初中和小学的人数,这里做如下处理后得到人均受教育年限大专及以上:16年高中:12年初中:9年小学:6年# 全国受教育情况df['Edu-level'][df['province']=='全国']31    8.88Name: Edu-level, dtype: float64可以看出我国平均受教育年限为8.88,这说明我国九年义务教育基本完成保障(上个世纪一部分人受教育程度较低)。下面我们来看一下各地区的受教育年限分布情况'''导入地图和数据'''m4=Map()m4.add("人均教育年限", [list(z) for z in zip(df.province, df['Edu-level'])], "china",is_map_symbol_show=False)'''自定义间隔'''m4.set_series_opts(label_opts=opts.LabelOpts(is_show=True))pieces = [        {'max': 8, 'label': '8年以下'},#有上限无下限        {'min': 8, 'max': 9, 'label': '8-9年'},        {'min': 9, 'max': 10, 'label': '9-10年'},         {'min': 10, 'label': '12年以上'}     ]'''全局设置'''m4.set_global_opts(             title_opts=opts.TitleOpts('第七次人口普查各地区人均受教育年限分布图'),#设置图标题            visualmap_opts=opts.VisualMapOpts(is_piecewise=True,pieces=pieces))#热力图相关设置m4.render_notebook()从上述热力图可以看出:整体而言,随着大家对教育的重视,各个地区的受教育程度差距逐渐缩小。但东部地区整体受教育程度要高于西部地区,这也和地区经济发展水平存在一定关系‍♂️西藏、云南、贵州、青海几个地区的人均受教育年限较低。这也反应了这些地区的教育水平相较于其他地区有所落后‍♀️而北京、上海最高,平均受教育年限超过了11年,北京上海作为我国最发达的城市,教育水平也是全国最领先的地位,另一方面也反映了其对教育的重视程度6. 城镇化率df['CR'][df['province']=='全国']31    63.89Name: CR, dtype: float64根据第七次人口普查结果可以看出,我国城镇化率达到63.89%,新型城镇化和城乡融合发展工作取得新成效,农业转移人口市民化加快推进,城市群和都市圈承载能力得到增强。根据联合国的估测,世界发达国家的城市化率在2050年将达到86%,我国离这个数字还有一定的距离。下面我们来看看各地区城镇化率分布情况'''导入地图和数据'''m5=Map()m5.add("城镇化(%)", [list(z) for z in zip(df.province, df['CR'])], "china",is_map_symbol_show=False)'''自定义间隔'''pieces = [        {'max': 30, 'label': '30以下'},#有上限无下限        {'min': 30, 'max': 50, 'label': '30-50'},        {'min': 50, 'max': 60, 'label': '50-60'},         {'min': 60, 'max': 80, 'label': '60-80'},         {'min': 80, 'label': '80以上'}       ]'''全局设置'''m5.set_global_opts(            title_opts=opts.TitleOpts('第七次人口普查各地区城镇化率分布图'),#设置图标题            visualmap_opts=opts.VisualMapOpts(is_piecewise=True,pieces=pieces))#热力图相关设置m5.render_notebook()从热力图来看,城镇化率也基本呈现由东部沿海向西部递减的趋势。不同地区的城镇化率差距明显:可以看出北京、天津、上海三个地区的城镇化率已经超过了80%西藏的城镇化率却不足30%7.GDP上述是第七次人口普查的基本分析情况,下面我们来看看大家特别关注的一个指标,GDPdf['GDP'][df['province']=='全国']131    1013567.0Name: GDP, dtype: float6412可以看出2020年,我国GDP总额超过100万亿。这是一个里程碑的数字。那么各个地区的GDP分布情况如何呢,来看看你的家乡属于哪一档的。'''导入地图和数据'''m6=Map()m6.add("GDP(亿元)", [list(z) for z in zip(df.province, df['GDP'])], "china",is_map_symbol_show=False)'''自定义间隔'''pieces = [        {'max': 10000, 'label': '10000以下'},#有上限无下限        {'min': 10000, 'max': 20000, 'label': '10000-20000'},        {'min': 20000, 'max': 50000, 'label': '20000-50000'},         {'min': 50000, 'max': 100000, 'label': '50000-100000'},         {'min': 100000, 'label': '100000以上'}]'''全局设置'''m6.set_global_opts(          title_opts=opts.TitleOpts('第七次人口普查各地区生产总值分布图'),#设置图标题            visualmap_opts=opts.VisualMapOpts(is_piecewise=True,pieces=pieces))#热力图相关设置m6.render_notebook()从上图发现:东南地区GDP要远高于其他地区,其次是中部地区。西部地区和东北地区GDP总值相对较低其中江苏省和广东省最高,均超过了10亿元相反,海南作为自由贸易港建设试验区,GDP还不到万亿,在十四五期间,海南省力图超过万亿大关总结文章对第七次人口普查数据进行了初步分析,主要是运用可视化技术,分析各地区的各项人口指标总体情况。并进行一定总结,后续将进一步做各个指标的结构分析、时间序列分析等,敬请期待!原文链接:https://blog.csdn.net/weixin_45052363/article/details/124789121
  • [行业资讯] 中地数码探索GIS+物联网应用场景 MapGIS IoT实时大数据解决方案
    智能手机、智能手表、智能音响、人脸识别摄像头、智能网联汽车……我们正生活在被智能硬件包围的世界里,随之兴起的智慧城市、智能交通、智能家居、智能安防、智能零售、智能制造等,让我们进入了万物互联的智能时代,数字世界和物理世界的边界逐渐模糊。  然而在物联网的世界,各种类型、各式各样的硬件设备如何管控?海量流数据如何汇聚实时处理,以保持最新的物联感知状态?怎样让实时视频流数据与现实地理空间数据结合,达到虚实叠加之效?中地数码推出MapGIS IoT实时大数据解决方案,基于国产GIS软件MapGIS实现了物联网对象的空间定位、设备监控、空间追踪、快速查询、可视化展示以及业务分析,以GIS密钥开启了物联网更为广阔的应用空间。  一、连通数据渠道汇聚物联实时流数据  GIS数据与物联网数据融合的基础是连通数据渠道。基于不同的数据获取方式,MapGIS IoT实时大数据通过增强数据网关的能力,丰富数据的接入协议和格式,将多种物联网设备的感知数据进行汇聚,构建物联网实时动态感知数据资源体系,在一定程度上解决信息孤岛、区块分割等问题,实现物联网设备的数据互通、相互关联。  (1)接入通用协议数据  MapGIS IoT实时大数据支持Http、TCP、WebSocket、UDP等常用标准协议,通过主动拉取或被动接收的方式,以JSON、CSV、GeoJSON等标准数据格式,将数据实时接入并进行实时计算,满足常规实时数据接入的需求。  (2)接入视频协议数据  MapGIS IoT实时大数据支持RTSP协议,通过有线或无线网络,将视频设备的数据以视频流的方式进行接入、存储、处理与转码分发,同时融合地理空间信息,满足视频GIS相关的应用需求。  (3)接入传感器协议数据  MapGIS IoT实时大数据支持MQTT、CoAP、Modbus、OPC UA、蓝牙BLE、CAN等常用物联网传感器协议,将实时采集的时序和时空数据转发为标准的MQTT协议并进行接入,满足各行业中多种传感器数据的直接汇聚的需求。  (4)物联网平台接入  MapGIS IoT实时大数据通过多种标准协议和自定义协议,支持汇聚各物联网平台采集的数据,如阿里、华为等物联网平台,并能够在地图中融合多个IOT平台中的实时动态感知数据。      二、动态呈现现实模型统一管控物联网设备  随着物联网大规模发展,其感知层的硬件设备种类、设备数量、设备品牌类型越来越多,如何有效管控各种设备的问题引人重视。MapGIS IoT实时大数据提供物联设备的管控能力,同时支持外部和内置的物联网设备,通过内置的设备管理模块,基于物联模型将物联网中各种传感器设备进行统一管理,以数字化的形式动态呈现现实世界模型,并能对各种实体信息进行实时采集、处理分析、监控统计与预警,满足数字孪生等新型实时GIS应用。      三、处理实时流数据 感知最新物联状态  物联网感知层的硬件设备,时刻都在收集并产生各种数据。MapGIS IoT实时大数据基于Spark Streaming分布式计算技术,提供组件化的地理处理功能算子以及灵活的可视化建模工具,不仅支持过滤处理器,如空间地理围栏过滤器和属性过滤器,还支持基础属性和空间处理,如字段映射、字段计算、缓冲、投影变换等。  在地理处理方面,MapGIS IoT提升复杂空间处理能力,支持几何关系判别、几何格式转换、几何处理三大类共25种分布式空间SQL处理能力,并且能够灵活组合使用,充分利用静态数据,提升智能感知信息的维度,扩展应用场景,如资产监控、扩散面积、传播范围计算等。  在流数据输出方面,提供多种输出控制器,支持输出到DataStore的时空大数据、关系数据库、文件系统等存储引擎,可按照时间、属性等进行分类存储或者文件存储归档管理,同时提供数据更新能力,以保持最新的物联感知状态,满足实时性的应用。  在可视化方面,MapGIS IoT提供时态数据可视化、时空数据可视化以及实时分析可视化等能力,满足地图数据与IoT数据融合的可视化表达需求。  四、分发实时视频流数据 融通虚拟与现实世界  视频设备是物联网中最丰富的传感器之一,由于视频采集成本低,在智慧城市、智能交通、平安城市、智能家居、车联网、无人机等行业中应用广泛,MapGIS IoT实时大数据提供接入汇聚、存储、转码、分发Web视频流等服务能力,支持视频坐标与地理坐标相互转换,通过将视频数据进行空间化并叠加到地图数据中,达到虚实叠加的效果,同时能融合IGServer-S人工智能技术,结合时间、位置等地理信息进行实时识别视频中动态目标,为智能决策、研判等应用场景提供技术支撑。物联网的理念之一就是通过感知设备对感知对象进行识别、定位、跟踪、监控和管理,其天生就需要地理信息平台来帮助进行空间定位、空间分析的数据可视化。专业人士认为,随着“智慧+”的应用需求不断增加,BIM+GIS+IOT的技术融合已成大势所趋,MapGIS IoT实时大数据解决方案是技术融合典型代表。
  • [行业资讯] 湖北丹江口市采用“物联网+”生产新模式助力雪茄烟叶产业高质量发展
    自2021年开年以来,湖北省丹江口市烟草专卖局营销部认真贯彻落实行业相关会议精神,以高起点、高标准、高要求谋划雪茄烟产业发展为目标。通过与软件技术公司合作,以物联网、大数据、云计算、人工智能等新型技术为依托,合作开发基于“一个中心与多项应用”为基础的综合业务平台,全方位的与雪茄生产业务相结合,共同探索雪茄烟叶生产新模式,实现在育苗、田管、晾制、预检、发酵等生产环节的数据自动采集、数据分析、自动预警、实时调度、远程控制等,以物联网技术为核心,通过整合前端设施设备与后端应用,充分发挥“物联网+大数据+人工智能”的新型农业生产模式,将雪茄烟的生产生命周期进行全链条贯通,对雪茄烟叶的生产工艺流程进行精细化、规范化、科学化管理,更好的助力雪茄烟生产高质量发展。实时监测,见微知著。丹江口雪茄烟叶生产物联网调度中心通过分别与习家店镇、均县镇的气象监测站与病虫情监测站进行数据对接,通过大数据分析将实时气象及病虫情数据进行采集、分析、反馈,实现对雪茄烟生产过程中墒情、苗情、虫情、灾情等情况实时监测,并将其分析结果进行可视化展示,同时借助“雪茄智慧物联APP”将相关实时信息反馈给相关人员,以提高雪茄烟生产期间应对气象及病虫情的反应速度,有效缩短应对气象及病虫害反应周期,大幅提升精准检测、科学防控和灾害预警水平,促进病虫害和灾害预测预报向信息化、智能化、精准化转型,在雪茄烟生产中发挥“数字化”力量。统一调度,指挥可定。以丹江口雪茄烟叶生产物联网调度中心为核心,以“雪茄智慧物联APP”为依托,通过“雪茄智慧物联APP”将雪茄烟生产中发现的各种问题及时上报,平台通过不断收集、整理各种反馈信息同时结合实时自动采集的数据信息,充分利用大数据分析,以最简明直观的形式将分析结果传递给决策者,通过决策分析进而发现问题,找出原因,制定解决方案,并将解决方案发送给相关人员,以保证相关人员及时妥善的处理及预防雪茄烟生产中出现的问题,进而有效提升问题处理效率,以保障雪茄烟生产管理实时性、高效性。收集信息,惩前毖后。坚持问题导向为核心,通过不断深化学习,注重整合雪茄烟叶生产中暴露的各项问题和相应的解决措施,通过运用大数据、云计算、人工智能等先进技术,不断收集、整理并记录雪茄烟生产的关键技术要点,同时将相关技术资料及解决方案上传至服务器,建立起“丹江口雪茄烟叶技术学习知识库”,以保障技术资料及相关种植技术的汇总与保存,实现雪茄烟叶生产软知识的积累及丰富,从而为雪茄烟叶的生产提供更加丰富的技术指南,为进一步提高工作效率,减少各环节可能出现风险而提供知识储备,以降低生产活动中不必要的损失,推动雪茄烟产业可持续发展。“十四五”期间,丹江口市烟草专卖局营销部将始终牢记坚持科技发展才是第一生产力的整体要求,坚持以科学技术发展为依托,不断应用科技创新助推雪茄烟发展为目标,助力传统烟叶生产与先进技术的不断融合,全方位、深层次的将互联网新兴技术于应用于传统烟叶生产,加快推动雪茄烟生产由传统生产向现代、智慧生产转变。丹江口市烟草专卖局(营销部)在雪茄烟叶生产中不断结合大数据、云计算、5G等高新技术的同时将数字化、网络化、智能化与雪茄烟叶生产相融合,持续探索雪茄烟叶的生产新模式。丹江口市烟草专卖局营销部通过不断对新技术及新理念的融合与探索,进一步释放出了先进科学技术为雪茄烟生产所带来的红利,激发了更加强劲的发展动力,从而探索出了丹江口市雪茄烟叶生产高质量、可持续的发展道路,用科技为丹江口市雪茄烟叶产业的发展插上腾飞的翅膀。
  • [行业资讯] 我国无线通信模组现状:物联网、5G模组应用规模化将激励产业发展
    无线通信模组是一种将芯片、存储器、功放器件、天线接口、功能接口等集成于电路板上的模块化组件,实现无线电波收发、信道噪声过滤及模拟信号与数字信号之间相互转换等功能。无线通信是以电磁波作为数据传输介质,完成智能设备及物联网终端数据交换的通信方式。无线通信技术按照其通信距离及覆盖范围可分为无线广域网(WWAN)及无线局域网(WLAN)。无线通信模组功能架构部分无线通信技术对比在产业方面,中国无线通信模组行业上游为芯片、电子元器件及模组代工厂,游市场由无线通信模组需求方构成,包括智能手机、智能家居、智能表计、智慧城市等企业用户。无线通信模组行业产业链1、物联网连接数上升,带动无线通信模组行业发展随着万物互联的时代到来,数以千亿的物联网设备接入网络,物联网行业规模不断扩容。根据数据显示,2016-2020年我国物联网连接量复合增长率高达69.1%,预计2021年物联网连接量达88亿。而无线通信模组作为物联网行业中上游,为承载终端应用接入网络的关键部件,所以物联网连接数量的增加,将拉动无线通信模组行业市场规模扩容。2、垂直领域应用需求释放及电信运营商补贴活动,激励无线通信模组行业发展而伴随着物联网数据规模的扩大,各垂直领域物联网连接需求也进一步催化,根据观研报告网发布的《中国无线通信模组行业现状深度研究与发展前景分析报告(2022-2029年)》显示,预计2025年国内大数据产生量有望增长至48.6ZB,2018-2025年复合增长率将达到30.4%,其中约30%的数据来自物联网设备的接入。与此同时,国内电信运营商也在不断加大物联网供给能力,并且从2017年开始对模组厂商进行补贴活动,进而促进无线通信模组行业出货量增长。例如,中国移动在全球合作伙伴大会上公布NB-IoT 10亿元补贴模组计划,单个模组补贴金额为29-46元。3、5G模组将迎来规模化商业应用无线通信模组是承载终端应用接入网络的关键部件。因此,随着5G商用步伐的加快以及在国家政策大力支持下其应用标准逐渐明晰,将带动5G模组等无线通信模组的开发进度加速,进而推动5G模组规模化商业应用。此外,根据GSMA预测,2022年,我国5G连接数将破5亿,2025年有望破8亿,引领全球5G发展。
  • [行业资讯] 2021年中国物联网市场规模、相关企业注册量及重点企业经营情况
    一、行业现状1、市场规模物联网是基于互联网、广播电视网、传统电信网等信息承载体,让所有能够被独立寻址的普通物理对象实现互联互通的网络,是信息科学技术产业的第三次革命。近年来,在政府的大力扶持下,物联网产业逐步壮大,加上近几年厂商对物联网这一概念的普及,民众对物联网的认知程度不断提高,使得我国物联网市场规模整体呈快速上升的趋势。据资料显示,2020年我国物联网行业市场规模达1.83万亿元,同比增长16.6%。2015-2020年中国物联网行业市场规模情况2、产业结构从产业结构分布来看,应用层和平台层贡献最大的附加值,分别占到35%和34%左右。传输连接层虽然重要,但产值规模较小,占比仅为10%左右;而感知层元器件由于种类众多,产业价值也较大,占到20%左右。中国物联网产业结构分布情况3、物联网连接情况消费物联网因受众群体基数大、用户需求相对单一、支撑技术较为成熟、产品种类多样等特点取得先发优势。然而,随着物联网加速向各行业渗透,行业的信息化和联网水平不断提升,产业物联网连接数占比将逐渐提速。据资料显示,2019年中国物联网连接数中产业物联网和消费者市场各占一半,预计到2025年,物联网连接数的大部分增长来自产业市场,产业物联的连接将占到总体的61.2%。2019-2025年中国物联网连接数情况资料来源:GSMA,《物联网白皮书》,华经产业研究院整理相关报告:华经产业研究院发布的《2022-2027年中国物联网行业市场发展现状及投资前景展望报告》;4、企业情况从物联网行业企业情况来看,随着近年来我国物联网的迅速发展,不断有新企业的入局,我国物联网行业相关企业注册量也随之逐年递增。据资料显示,2021年我国物联网行业相关企业注册量为31.24万家,同比增长72.7%。2016-2021年中国物联网行业相关企业注册量情况5、投融资情况从行业投融资情况来看,随着近年来物联网行业的火热,行业投资领域也十分火热,虽然近几年投资数量有所下滑,但整体数量和投资金额仍然处于高位。据资料显示2021年我国物联网行业投资数量为135起,投资金额为196.26亿元。2016-2021年中国物联网行业投融资情况二、重点企业1、营收情况目前,在物流网通信行业中,比较突出的企业有移远通信、广和通、和而泰、拓邦股份等企业,从营业收入来看,移远通信和拓邦股份公司相对较高。2020年移远通信营业收入为61.06亿元,广和通营业收入为27.44亿元,和而泰营业收入为46.66亿元,拓邦股份营业收入为55.6亿元。2016-2020年物联网行业重点企业营收情况2、研发情况从研发费用情况看,2020年移远通信研发费用为70667.87万元,广和通研发费用为28762.59万元,和而泰研发费用为23663.71万元,拓邦股份研发费用为40457.01万元,移为通信研发费用为6700.32万元。2016-2020年物联网行业重点企业研发投入情况原文标题:2021年中国物联网行业发展现状分析,应用场景不断拓展,行业发展前景广阔「图」华经产业研究院对中国物联网行业发展现状、行业上下游产业链、竞争格局及重点企业等进行了深入剖析,最大限度地降低企业投资风险与经营成本,提高企业竞争力;并运用多种数据分析技术,对行业发展趋势进行预测,以便企业能及时抢占市场先机;更多详细内容,请关注华经产业研究院出版的《2022-2027年中国物联网行业市场运行现状及投资规划建议报告》。
  • [技术干货] 此次活动我学到很多,大数据的前景不容小觑,我们应该时刻保持谦虚谨慎的求学态度,请党放心,强国有我。
  • [技术干货] 【论文分享】边云协同智能技术在电力领域的应用
    边云协同智能技术在电力领域的应用韩青1, 高昆仑2, 赵婷2, 陈江琦2, 杨新宇1, 杨树森11 西安交通大学,陕西 西安 7100492 全球能源互联网研究院有限公司,北京 102209摘要随着电力物联网规模的不断扩大和部署在电力系统各环节的设备数量的快速增加,海量边缘设备所产生的数据呈指数级爆炸增长。海量边缘数据的高效、快速和安全处理与分析给传统的云计算智能技术带来极大挑战,而边云协同智能技术因节省带宽、减少时延、保护数据隐私等优点具有深度助力电力领域发展的巨大潜力。首先,对边云协同智能的概念和研究现状进行了介绍,阐述了边云协同智能的特征和优势,并对其赋能电力领域进行了适用性探讨。然后,结合电力系统的建设需求,讨论了面向电力场景的边云协同智能关键技术,接着针对电力领域的两个典型场景,分别给出了基于边云协同智能技术的解决方案,并搭建仿真实验进行效果验证。最后,对全文进行了总结并对下一步的研究方向进行了简要的展望。关键词: 智能电网 ; 电力物联网 ; 人工智能 ; 边缘计算 ; 边云协同智能1 引言随着社会生产力的快速发展,各个行业的电能需求显著增加,如电动汽车的普及将导致全球电力需求增加90%[1]。而伴随着大数据、云计算、物联网、人工智能、边缘计算等信息技术和智能技术的发展,提升电网运行和管理的智能化水平成为迫切需求,将关系到全球工业化的发展和人民生活水平的提高。中国电机工程学会电力信息化专业委员会在2013年3月发布《中国电力大数据发展白皮书》[2],将2013年定为“中国大数据元年”,掀起了电力大数据的研究热潮。而为了适应大数据与“互联网+”融合创新应用需求,国家电网有限公司于 2015 年年初正式提出了“全球能源互联网”的发展战略,构建全球互联的坚强智能电网[3]。在2016年国家能源委员会会议审议通过的《能源发展“十三五”规划》中提到的边缘计算对能源产业的发展是一个重大的机遇,国家能源局于 2017 年公布了首批“互联网+”智慧能源示范项目,并在 2018 年发布的《2018能源工作指导意见》中明确表达对能源互联网建设项目的持续支持。2019年,国家电网有限公司创新性地提出“三型两网、世界一流”定位与发展目标,发布《泛在电力物联网建设总体方案》,明确了继坚强智能电网后能源互联网的下一步发展目标,发展趋于成熟的边缘计算技术成为信息通信技术与操作技术的桥梁,可应对复杂电力网络运行控制、海量信息、复杂应用需求等带来的挑战[4-5]。现阶段,我国在电力物联网、云计算、边缘计算等方面均有了初步的探索和技术积累,可以为各种电力业务的智能化提供基本保障[6,7,8],但仍存在许多亟待解决的痛点。首先,尽管物联网技术的逐步发展与应用促使大量传感器被广泛部署到电力系统的各个环节,实现电网数据的采集,但目前电网各部门的设备种类较多且相对独立,如何快速接入异构的电网设备实现数据的实时采集仍是需要解决的问题。其次,尽管对电力大数据的挖掘和分析的研究已经进行了数年,但电网数据种类多、量级大且较难统一管理,数据的标签信息较少或缺失等,导致可用于分析的数据不足。尽管以深度学习为代表的人工智能技术是实现智慧电网核心功能的“大脑”,但其高效处理数据的能力是以高计算资源为代价的,虽然利用云端的强大计算资源可以驱动“大脑”运转,但其服务时延和网络带宽消耗均较高,因此无法满足就地处理与实时智能分析的业务需求,此外,将数据传输至云端更会给用户数据隐私带来极大的暴露风险。电力领域应用中的不同环节,如数据聚合、数据处理、数据分析和数据决策等,往往也会产生各种各样的业务约束要求,其中,对处理时延、传输带宽和数据隐私等有着非常高要求的应用都迫切需要尽可能在靠近网络的边缘侧提供智能处理功能。显然,传统的云中心智能无法很好地满足此类业务需求,而边云协同智能技术为解决上述问题提供了一条可行的道路,即通过端、边、云之间的协同优化,实现安全、敏捷、低成本、低时延、隐私保护的大数据和人工智能服务与应用。边云协同智能技术由于具有节省带宽、减少时延、保护数据隐私等诸多优点,已经受到工业界和学术界的关注,并广泛应用于智能家居、智慧城市和工业物联网等多个领域[9,10,11,12]。尽管如此,边云协同技术在电力领域的相关应用研究仍然处于初级阶段。本文旨在对面向电力领域的边云协同智能技术研究展开探索和讨论。2 结束语边云协同智能作为边缘赋能 AI 的核心价值体现,是提升电网稳定运行和智能化管理的有效技术手段。本文对如何利用边云协同智能技术推动电力领域发展这一问题进行了深入讨论,首先,在深入分析当前电网建设需求的基础上,介绍了边云协同智能的概念、研究现状及优点,对边云协同智能赋能电力领域进行了适用性分析。然后,针对两类典型的电力场景提出了边云协同智能关键技术,并给出具体的边云协同解决方案,之后设计实验验证其有效性。除以上介绍,面向电力场景的边云协同智能关键技术还有待深入研究,下面从两方面进行简要展望。1) 电力领域中的边云协同智能技术还需要有统一完善的体系架构来满足电力场景下组网的多层性和异构性、服务的弹性和多样性、智能的协同性和高效性等多方面约束和需求,并且边云协同智能系统的主要任务是高质量满足用户提交的服务请求,根据系统动态性、弹性分配或释放计算资源,来提高资源利用率。因此,电力场景下的边云协同体系架构对支撑电网业务驱动的智能任务编排、资源驱动的弹性服务及各种协同方式下的智能训练和推理,具有重要的实际意义。2) 以机器学习算法为代表的分布式数据分析技术是实现电力海量数据智能分析处理的核心。典型的机器学习算法包括深度学习、聚类、分类、关联性分析、小样本学习、强化学习等,其中监督学习、无监督学习等均已应用于电网系统,如无监督机器学习和小样本学习能对无标签的分布式智能电表数据进行实时分析来提高电网的效率。而核心机器学习算法的边云协同机制对支撑多层异构的电力场景下的分布式数据分析与挖掘具有重要意义。The authors have declared that no competing interests exist.作者已声明无竞争性利益关系。3 原文链接http://www.infocomm-journal.com/wlw/article/2021/2096-3750/2096-3750-5-1-00062.shtml
  • [热门活动] 国源科技农业生产社会化服务监管平台入驻华为云市场,助力农业生产监管更精准、服务更智慧
    近日,国源科技入驻华为云市场,在华为云市场发布“国源农业生产社会化服务监管平台”。平台立足于“服务三农”,振兴乡村经济发展。针对小农户托管难、服务组织实施难、政府监管难、监管成本高等问题,国源科技利用云计算、大数据、IOT、3S等现代信息技术,提供“项目管理-服务组织备案-托管合同网签-农机作业监管-补贴精准兑付”全流程的线上托管监管等“耕、种、管、收”一站式服务,帮助农民放心便捷托管、服务组织规模化、标准化作业、政府主管部门精准监管和科学指导,推进多种形式适度规模经营,促进农业增效和农民增收。一、国源科技       国源科技成立于2005年, 是国家级高新技术企业、北京市“专精特新”企业。2021年11月15日作为数字农业农村领域唯一企业首批登录北交所,注册资本13,379万元,拥有3家全资子公司,25家分公司。       国源科技专注于自然资源和农业农村领域,以地理信息开发应用为核心,通过将3S技术与云计算、大数据、人工智能等现代信息技术相结合,向客户提供以土地空间为载体的数字化和信息化服务,已累计服务1000+家政府部门、近2000家农业金融机构和3000+涉农组织       2021年,国源科技“农业生产社会化服务智能服务云平台”成功入选2021数字农业农村新技术新产品新模式优秀案例;同年,国源科技已连续提供两年“农业生产社会化服务项目全流程监管”服务的两个县区(河北省邯郸市邱县和宁夏回族自治区中卫市沙坡头区),分别荣获农业农村部择优遴选全国农业社会化服务典型。二、 国源农业生产社会化服务监管平台(一) 产品特点(二)产品能力1、公开遴选备案       通过服务组织在线注册、申请备案,政府主管部门公开遴选,建立服务组织主体库、名录库及黑名单。并以服务组织为单位,进行组织成员、作业机具、实施效果的关联,帮助管理人员快速复核服务组织能力、衡量服务水平,进行服务组织的黑名单管理,解决“信息公开难、组织管理分散”的问题。2、合同在线网签       利用OCR识别技术、地理空间定位技术,自动识别农户身份信息,将农户信息、托管信息与托管地块进行空间自动关联,为小农户、新型经营主体提供在线/异地签订托管合同和托管地块自动落图,实现基于空间位置信息的精准托管、实时汇总监管托管小农户占比,解决“服务对象不清晰、合同托管地块不明确”的问题。3、作业过程监控       平台支持江苏北斗、智能装备中心、上海牧星、三一智能等多家不同能力的IOT硬件设备接入,自动采集不同作物在耕、种、防、收各环节的作业时间、作业农机具、农机手等基础信息和作业轨迹、作业质量、作业照片、作业视频等动态变化信息,支持作业轨迹回放、质量检查及预警、作业日报统计和汇总统计,解决“作业过程监管难、作业面积监控难”的问题。4、服务效果评价       搭建评价反馈微信小程序,建立小农户与政府沟通的桥梁,让服务对象作为服务的监管方,对作业质量、收费标准、作业完成情况等进行实名打分,实现作业真实性100%调查反馈,大大提升调查效率和覆盖率,同时基于评级结果精准勾画服务组织的作业画像,为服务组织黑名单管理提供数据支撑。5、数据多维度统计       针对不同应用场景,不同业务数据,提供基于行政区划、基于服务组织、基于作业作物、基于作业环节的多维度数据统计,形成“一个领导驾驶舱+6张表+N张图”的数据统计成果,帮助业务管理人员快速掌控项目进度,实时监控县、乡、村各级社会化项目推进情况,各服务组织社会化服务实施效果。6、项目多级验收       建立县、乡、村三级核查机制,以“外业调查+内业验收”为手段的多级验收模式。针对外业调查,平台提供便捷化移动核查工具,实现基于空间位置的实景照片、视频采集上报;针对内业核查,平台自动多维度统计托管合同、作业面积、外业调查成果等数据,形成以服务组织为单位的服务组织备案信息、托管合同、作业轨迹图、监测报告等补贴申请材料数据一键汇总导出,实现逐级汇总、逐级确认、逐级验收,助力补贴资金的精准发放。三、 典型案例(一)辽宁省级监管平台建设       2020年3月,平台率先在辽宁省上线应用,并荣获辽宁省农业生产社会化服务业务第一批面向全省推荐单位。                                   辽宁省监管大屏                                                                                              农机作业地图(二)中原农耕社会化综合服务平台       2021年,与河南省农机协会联合建设“中原农耕社会化综合服务平台”,为政府、服务组织及小农户等用户提供农情监测、在线托管、农机作业、质量监控、农技服务等多场景应用服务。(三)宁夏沙坡头区智能化托管服务平台       2020年平台面向宁夏区域的生产托管监管服务率先在中卫市沙坡头区落地,探索农业生产托管补贴项目从“准备—实施—验收”全流程线上化监管服务,形成区域示范效应并带动海原县、石嘴山市平罗县及吴忠市红寺堡区开展全程托管监管服务。                                       托管情况                                                                                                       农机调度(四)邱县社会化服务智慧监管       邱县农业生产社会化服务智慧监管项目是以生产托管为核心,围绕农业生产全流程开展的智能监管服务,实现了小麦、水稻、文冠果等作物的农情遥感监测,农产品质量溯源、农业生产社会化服务监管,实现不同作物的从种植过程、种植方式、长势产量等信息全流程记录,积累了完整、全面、可追溯的全流程项目管理、项目运营、项目实施、项目验收的“电子化成果”。                             农业生产托管监管服务                                                                                              农产品溯源服务作物遥感解译服务       未来,国源科技将持续构建全产业链社会化服务模式,将产前的农资统购、智能灌溉、智能水肥、精准指导,产后的包装销售、冷链物流、仓储管理等业务融入现有平台内,形成闭环的全链条时空溯源平台。
  • [行业资讯] 农业科技:数字化转型如何促进农民农村共同富裕
    新一轮科技革命和产业变革深入发展,发展数字经济是把握新一轮科技革命和产业变革新机遇的战略选择。近年来,互联网、大数据、云计算、人工智能、区块链等技术加速创新,日益融入经济社会发展各领域全过程,数字经济发展速度之快、辐射范围之广、影响程度之深前所未有,正在深刻影响和塑造农民农村的生产生活方式。更好把握数字经济发展趋势和规律、推动我国数字经济健康发展,将对促进农民农村共同富裕提供重要助力。  共同富裕是社会主义的本质要求。促进共同富裕,最艰巨最繁重的任务仍然在农村。当前,我们已经实现了第一个百年奋斗目标,在中华大地上全面建成了小康社会,历史性地解决了绝对贫困问题。下一阶段,需在全面推进乡村振兴的进程中,抓住机遇、顺势而为,以数字经济驱动农业农村现代化,加快破解制约“三农”发展的基础性、全局性问题。  第一,推动数字技术与乡村产业融合,夯实产业基础。  推动乡村振兴,产业兴旺是重点。乡村产业兴旺,是保障农民收入的基本盘。在数字经济发展大潮中,一些地方积极推动数字技术与乡村产业融合,有力促进了农业生产智能化、绿色化发展,数字经济赋能乡村产业的成效不断显现。当前,“蔬菜工厂”“棚联网”“数字鱼”等新型数字化种养模式正在涌现,“环境—作物(动物)—管理”关系不断优化,传统农业的生产要素效率持续提升,取得了降低消耗、提升品质、增加产量等多方面成效。数字科技的创新应用,不仅能够改变农业的传统面貌,还能有力带动农村一二三产业融合发展,催生出创意农业、认养农业、农旅融合等新业态新模式,创造出更多高质量就业岗位。  我国农业生产的数字化水平总体上还不够高,以数字化转型促进农民农村共同富裕,应在数字技术与乡村产业融合上下功夫。一方面,要加快补齐农村地区信息基础设施短板,建立健全农业数据采集系统,完善信息终端和服务供给,扩大数字技术对乡村产业特别是农业的覆盖。另一方面,要强化面向农业农村的数字科技创新供给,特别是要结合不同区域、不同规模的农业生产特点,以先进适用为主攻方向,发展智能化农业装备,改进农业科技信息服务,推动更多数字技术深度融合到乡村产业中。  第二,以发展农村电商为抓手,提升农产品价值链水平。  农村电商蓬勃发展,推动农产品市场化实现了质的飞跃,重塑了农产品价值链。依托于数字技术的新业态不断涌现,农产品的市场规模被极大拓展,特别是为小规模农业对接全国大市场创造了有利条件。值得注意的是,大型电商平台企业还正在向农业的生产端延伸,一些地方探索运用消费大数据引导产业结构、产品结构调整。伴随着农村电商发展,冷链物流、快递业等也加快发展,大幅降低了农产品出村进城的损耗和成本。在数据流、资金流、物流的交互作用下,农产品优质优价市场机制加快形成,农业增产增收的市场条件更加完善。  以数字化转型促进农民农村共同富裕,要更好发挥农村电商在提升农产品价值链方面的作用,坚持系统观念,着眼于生产、流通、消费全链条发力,实现更低成本、更高效率、能创造更多价值的供需对接。在促进生产方面,建议更好鼓励电商平台企业在重点产区建设产地仓、直采基地,加快分拣、包装、冷储等消费前“一公里”产业在乡村落地,不断拉长产业链条。同时,强化对消费端大数据的研发应用,引导乡村种养业结构调整,扩大优质绿色产品供给,培育区域性农业品牌,提升农产品价值。在畅通物流方面,建议促进农村电商与农村寄递物流融合发展,鼓励城市商超、物流企业与农户、合作社、农业企业等对接合作,支持冷链仓储、乡村道路等基础设施建设,努力破解配送成本高的难题。在扩大内需方面,建议加强政策统筹,推动农村电商高质量发展,更好支撑农产品出村进城。第三,运用数字技术提升基层服务和治理水平,做好兜底保障工作。  扎实推进共同富裕,促进基本公共服务均等化是重要一环。在这方面,可以更好发挥数字技术的支撑作用,推动优质资源共享、提升服务效能、促进多元治理,让广大农民在乡村善治中享受更高品质生活。  一要促进优质资源共享,以加强医疗、教育、文化等基本公共服务为重点,引导城市的高水平服务机构积极对接乡村、走近农民,鼓励乡村教育、医疗等线上线下融合发展,让城市优质服务资源在更大范围上辐射农村地区,更好满足农村居民的精神文化需求。二要提升服务管理效能,以推动服务高效便捷为方向,推进农村公共服务体系数字化改造,强化涉农服务数据的采集和共享,深化数据开发和应用,实现更多服务场景应用。三要促进多元联动治理,在基层党组织领导下,充分发挥网络的平台作用,拓宽渠道和丰富方式方法,引导留守村民、外出务工人员、入乡创业人员等群体参与基层治理,在共商共建中促进共同富裕。  要看到,充分发挥数字化转型促进农民农村共同富裕的重要作用是一项系统工程,应立足我国基本国情农情,积极稳妥推进。一是要遵循发展规律。着力深化乡村数字化改革,以促进各类涉农数据有序高效利用为重点,促进网络、数据、技术和知识等新要素的价值充分释放。完善政策支持体系,聚焦关键领域和薄弱环节,推动数字化转型从以政策驱动为主向政策、市场共同驱动转变。推动传统农业数字化转型,尤其要注重经济上的可持续性,防止建而不用、用而无效。二是要完善利益分配机制。要健全乡村数字经济治理体系,完善各类市场主体与农民农村的利益联结机制,鼓励大型企业加大对公益性技术和服务的支持力度,保障农民合理分享数字化转型的红利。三是要增强转型的包容性。在推动数字化转型的过程中,要特别重视我国“大国小农”的基本农情,实施互联网+小农户计划。同时,要创新农民培训体系,多渠道提升农民群体的数字素养,让他们在数字化转型中有更多获得感。
  • [行业资讯] 物联网卡功能大起底 选择代理公司要把握这几方面
    新零售、车联网、智能终端、5G、人工智能,所有这些热门标签都与物联网行业息息相关。今天物联网卡商城先来介绍一下物联网卡的具体功能,然后再讲解一下如何选择稳定的物联网卡代理公司?物联网卡有什么功能?1、安防监控方面,物联网卡实现无线摄像头、对讲机、消防报警器等设备的联网功能,保证设备智能连接、流量实时预警。2、智慧支付方面,物联网卡解决信息采集终端、扫描枪等设备的联网功能。实现智能连接、批量充值、定制流量、机卡绑定。3、数据采集方面,智慧农业场景中,为负责监控的传感器设备提供联网支持,实现数据传导。4、设备共享方面,为共享充电宝、共享单车等设备提供流量支持,实现设备联网、定位、流量池管理。5、能源设备方面,物联网卡实现了太阳能、风能等室外发电装备的稳定联网功能。5G的高速率、大容量、低延时等特点使得物联网设备连接成本大大降低,如何选择稳定的物联网卡平台成为重中之重。一般来说企业在挑选物联网卡代理商时要把握好这几个方面。首先,能够对物联网卡进行生命周期管理,支持LBS定位和白名单设置,远程监测设备流量情况,在线停复机简单快捷。以物联网卡商城为例,提供物联网卡销售管理平台,实现实时查询,及时告警,一键续费。其次,支持管理移动/ 联通/电信运营商物联网卡,满足智能硬件与IOT行业对设备联网的管理需求,支持物联网行业流量卡套餐自定义设置,API接口轻松接入,开启万物互联智能时代。最后,物联网卡代理平台能实现物联网卡流量自动组池,流量互通,使用率最大化,无需人工介入,省时省力,支持达量告警。
  • [技术干货] 别慌,云运维的难题,华为云Stack都帮你解好了![转载]
    天我们来讨论一下关于云运维的话题越来越多政企客户们开始从推动“云优先”向关注“云效能”转变:云平台运维要赋予IT更好的能力帮助业务更高效运营更好地满足IT信息化决策的需求那么,云运维到底难在哪?王强 IT运维工程师王强 IT运维工程师:“干了十多年的IT运维工作,以前都是以基础设施作为维护对象,现在业务全面上云之后,容器、大数据、人工智能等新技术和多云运维面临的挑战扑面而来,我们经常打趣说,运维从“机械时代”跳跃到“智能时代”了。”●痛点1:复杂的云平台架构对平台运维人员能力提出更高的要求。张升 业务开发工程师张升 业务开发工程师:“新业务上线,软件升级和配置变更必不可少。此类升级变更任务对操作可靠性要求极高,一旦出错往往会带来系统性业务可用性风险,经营损失不可估量。”●痛点2:多元化的业务应用带来快速的平台软件迭代和更高的系统风险。Peter Lee CIOPeter Lee CIO:“上云之后,配备多领域的高级别运维专家是必要的,可以对平台建设及业务规划给出更科学合理的建议;同时我们运维部门希望引入自动化、在线化、移动化的运维工具,然而这些都需要高昂的投资,这让我们望而却步。”●痛点3:专业运维人员配置和大量自动化能力开发,使得运维成本飙升。丁力波 能源信息建设规划架构师丁力波 能源信息建设规划架构师:“作为一家超过10万人的企业,我们在20多个城市部署有分支机构,业务规模及支撑系统部署存在差异,各分支自有的运维人员技能和经验参差不齐,如何把多分支的运维工作统一管理起来,实现有效的协同,这不是一道简单的命题。”●痛点4:大规模多分支机构的差异化业务场景,大大增加了全局统一运维的复杂度。华为云Stack提供三种云平台运维模式解决政企客户的运维挑战:选择一省心省力的远程托管运维无须自建云运维能力,华为一站式运维服务,客户聚焦业务应用,省心无忧。远程托管运维,客户最省心省力,无需花精力建设和管理自有运维团队,将平台可靠性设计、可用性保障等运维工作托付华为远程运维中心,即可从繁琐的基础维护工作中释放出来,从而可以聚焦到政企自身服务和业务创新等核心经营事务。优点:1、远程运维团队经验丰富,监控到告警后快速响应,远程登录云平台,快速分析问题,并提供最优处理方案;2、华为200+运维专家团队,覆盖IaaS、PaaS、大数据、人工智能、安全等10+类云产品技能,单局点问题经验可以快速复制应用于同类问题解决;3、华为运维团队致力于集中化运维工具平台开发创新,采用运维数据底座+DevOps的敏捷工具开发,将加速客户云平台运维智能化进程。选择二按需服务的远程协助运维本地+远程协助的两级运维体系,提供快捷、高效、安全的运维服务。在客户负责整体云平台运维管理职责,但自身运维团队只具备基础运维能力的情况下,华为可派驻驻场团队承担必要的云服务运维工作,通过安全专线与华为远程运维中心建立连接,把涉及主动预防、高阶云服务操作等技术要求高的维护工作交给华为。华为将定期和不定期(重大事件)向客户汇报提供的服务交付成果。优点:1、简化客户现场运维难度,高阶云服务专家集中远程中心,把复杂技术问题留给华为,降低对客户现场人力数量和能力的要求;2、高阶服务专家按需介入,重大故障/问题快速修复,缩短故障闭环时间;3、专家在线支持版本迭代升级,季度开展深度巡检、有效降低升级风险。选择三行业云技术服务中心华为专业运维能力下沉至行业云技术服务中心,行业专网保障数据安全,应急连线加持紧急恢复。行业云技术服务中心,适应于行业一片云或大规模行业局点需构建专属运维团队和能力的场景。华为可提供专业运维能力下沉支持,如运维专家培养、运维工具使用、运维体系及流程建设等。优点:1、随行业云平台建设,适配客户业务场景,帮助客户快速构建基础云服务/高阶云服务运维团队,及高效运维流程体系;2、在行业云技术服务中心部署远端运维工具平台,实现对分支机构的可监控、可维护、可管理,为业务快速决策、指标分析提供重要参考;3、运维工具平台和所有运维操作数据流都在行业内网,可以供行业云运维中心实时查阅,运维全局统一管理。▎华为云Stack运维解决方案五大关键能力关键能力一:基于业界及华为最佳实践,形成一整套运维管理体系华为长期参与国家ITSS组织运维标准制定讨论,同时遵循ITIL、ISO20000、ISO27001等国际通用的标准要求,形成一整套标准化、数字化、智能化的运维管理体系。关键能力二:专家服务队伍汇聚从解决方案设计、交付、云服务运维各领域的专家,在运维中心拥有5年以上的资深专家近200名,持有ITIL、PMP、HCIE相关的认证。关键能力三:技术支持中心(TSC)平台:它拥有业界领先的运维工具体系,致力于集中化、自动化和数字化运维,助力客户快速使用云服务,聚焦业务创新。全场景覆盖:高效标准的流程与工具,覆盖智能监控、故障处理、服务变更、主动运维;运维自动化:运维操作自动化和基于运维大数据的智能化,提升运维效率;主动运维:AIOps(Artificial Intelligence for IT Operations),异常事件发现,故障预测、深度巡检;云梯接入网关:网络反向建连,消除监听端口,通信矩阵极致收编,通信可审计,可控易控。关键能力四:完善的集中运维安全管理机制,保障运维安全华为云(西安)运维中心已经通过了国家网络安全认证,遵守国内外法律法规约束,以及客户自身对安全管理的要求,在数据安全、IT安全、人员安全、物理安全、作业可信五个方面提供可信、可控、透明的运维服务。关键能力五:华为全球交付与运维服务能力华为云全球技术服务体系将华为30多年的运维能力加以沉淀,以华为云自研工具平台为底座,集结500+原厂运维服务工程师和30000+严选合作伙伴工程师,共同打造“1+3+N”的华为云全球交付与运维能力。(1+3+N:即1个西安运维中心核心节点,罗马尼亚、马来西亚、墨西哥3个海外节点, 以及N个客户现场运维中心。)▎华为云(西安)运维中心华为云构建“1+3+N”全球技术服务体系,让用户聚焦创新,安心上云用云。坐落在西安的华为云运维中心为客户提供包括托管运维、远程协助和行业云技术服务在内的三大运维服务模式,同时以自动化工具、“远程+现场”两级安全运维体系、资深专家和海量行业经验等能力为政企客户智能运维保驾护航。华为云(西安)运维中心核心节点将承载华为云中国区全部政企客户集中运维业务,同时也是全球技术服能力孵化中心和政企客户云运维体验中心。预计到2025年,华为云(西安)运维中心将接入超过1000个节点,服务25万多台设备。华为云Stack运维解决方案,聚焦支撑业务云化转型、优化运维成本、保障平台安全可靠,使客户聚焦业务上云,享受平滑安全的用云体验。链接:https://bbs.huaweicloud.com/blogs/353712
总条数:826 到第
上滑加载中