黑客与汽车(黑客控制汽车)
各有关单位:
为深入贯彻落实“三高四新”战略,推进省外优质科技成果在长沙转化,助力产业升级,我局将于11月2日举办“北京交通大学智慧交通成果长沙线上推介会”,定向邀请北京交通大学智慧公路交通领域教授团队,携带优质研发成果与长沙企业深度交流。活动安排如下:
一、活动时间
2021年11月2日(周二)14:30-17:30
二、活动方式
线上会议:腾讯会议号201 827 964
三、注意事项
1.请各区县(市)、园区根据技术对接领域,广泛发动企业负责人或技术负责人按活动安排参会。
2.活动具体议程和项目安排详见附件。
3.报名方式:扫描二维码报名。
长沙市科技局
2021年11月1日
北京交通大学智慧交通成果长沙线上推介会方案
为深入贯彻落实 “三高四新”战略,切实推动北京交通大学科技成果在长沙的转移转化,更好地推进双方科技合作。长沙市科技局、北京交通大学长沙技术转移中心将联合主办“智慧交通成果长沙线上
推介会”。此次推介会上,北京交通大学将充分发挥北交大的学科优势,结合长沙各园区平台的产业需求,推介适合长沙发展的高新技术成果 ,加速适用技术在长沙的转化,为长沙产学研一体化发展起到助推作用。
一、线上推介时间
时间:2021年11月2号14:30--17:30
地点:腾讯会议 会议号:201 827 964
二、主办、承办单位
主办单位:长沙市科技局、北京交通大学长沙技术转移中心
承办单位:长沙高新区
湖南京承企业服务有限公司
展开全文
三、会议议程
14:30-14:40 主持:北京交通大学知转中心 杨恒
14:40-14:50 长沙市科技局党组成员 杨婵 致辞
14:50-15:00 北京交通大学知转中心副主任 王欣 致辞
15:00-17:00 成果推介
17:00-17:25 专家与企业线上交流对接
17:25-17:30 主持人推介会总结
四、参会人员
(一) 长沙市领导
长沙市科技局党组成员 杨婵
长沙市科技局国际科技合作与智力引进处处长 潘攀
长沙高新区科创办主任 陈莹
(二)北京交通大学专家
知转中心副主任 王欣
知转中心主任助理 杨恒
电信学院、交通运输学院、土建学院、电气学院科研团队代表
(三)长沙市企业代表
五、专家及推介项目
(一)北京交通大学电子信息工程学院副教授 侯涛刚
推介项目:高速公路智能巡检机器人
(二)北京交通大学电子信息工程学院副教授 王海波
推介项目:分布式联邦学习技术
(三)北京交通大学电气工程学院副教授 刘彪
推介项目:智能汽车的环境感知与路径规划
(四)北京交通大学土木建筑工程学院教授 骆建军
推介项目:基于持粘喷涂高分子材料的地下工程“皮肤式”防水及渗漏水治理新技术
(五)北京交通大学交通运输学院副教授 吴亦政
推介项目:重型货车超载自识别智能“天秤”系统技术
(六)北京交通大学电气工程学院博士 赵红雁
推介项目:电动汽车绝缘安全监控系统(装置)
六、报名及参会方式
(一)有意向或感兴趣的企业,如需进一步了解相关成果信息及对接其他技术需求,请联系:
北京交通大学知转中心 杨恒 18911639986
北京交通大学长沙技术转移中心 唐瑶 18684681540
(二)线上参会请扫描二维码
附件:专家及推介项目简介
专家及推介项目简介
(一)北京交通大学电子信息工程学院副教授 侯涛刚
推介项目:高速公路智能巡检机器人
项目简介:新方案如无人机、护栏机器人和地面移动巡检机器人都在部分方面有效改善传统方案的不足,但也存在巨大的弊端。无人机续航能力低,且恶劣天气巡检能力较差;地面移动巡检机器人可靠性无法保证,存在安全隐患。 因此,现有的高速公路巡检方式无法保证全天候高效安全地获取公路交通信息。
轨道式巡检机器人具有安全可靠性高、工作时间长、检测精细度较高的特点,具有一定的开发价值。
高速公路巡检特点:线路固定、安全可靠性要求高、排查项目复杂等轨道巡检机器人特点:线路固定、对传感器依赖少、安全性高、检测精细度较好
(二)北京交通大学电子信息工程学院副教授 王海波
推介项目:分布式联邦学习技术
项目简介:分布式联邦学习令每个网络节点无需将所采集的本地数据上传到中心服务器,只需与其他节点交换用本地数据所训练出的模型参数即可。因此可显著降低训练一个机器学习/人工智能模型所需的服务器资源、网络延时和能源消耗。
我们联合优化了机器学习模型和通信机制,以进一步减小网络所需传输的数据量。我们还开发了区块链中的加密及签章验证方法,从而进一步提升用区块链存贮用户数据的安全性和在链上进行用户身份认证的速度。最后,我们还设计了区块链与联邦学习相结合的机制。上述技术在车联网、自动驾驶领域可能的应用包括:
用联邦学习让多个电动车协作训练的自动驾驶的AI模型,同时无需上传本车采集的外部数据以保障用户数据隐私与用户数据使用的合规性。
多个基站或车联网路边单元用联邦学习协作识别特定的车辆、场景、预测交通事故或拥堵等模式用基于区块链的身份认证方式保证车联网中用户身份的唯一性、数据完整性和隐私性,预防黑客入侵,识别套牌车、伪造车辆身份等。
(三)北京交通大学电气工程学院副教授 刘彪
推介项目:智能汽车的环境感知与路径规划
项目简介:该研究成果主要包括轻量化感知模型的搭建,相机、激光雷达和毫米波传感器的感知算法开发,基于融合感知的实时地图构建,先进驾驶辅助功能的开发,运动规划算法开发等。感知方面重点研究轻量化车道线检测模型,体素化点云目标识别模型;地图方面构建基于点云的简化碰撞地图,决策方面设计了基于人工磁场法的运动规划。目前应用案例包括矿井齿轨车、模型教具车以及固定场景实车环境感知与运动决策。
(四)北京交通大学土木建筑工程学院教授 骆建军
推介项目:基于持粘喷涂高分子材料的地下工程“皮肤式”防水及渗漏水治理新技术
项目简介:针对目前地下工程防水设计及运营渗漏水治理方法的缺陷,开发了一种无氯、持粘喷涂高分子防水涂料,提出了“皮肤式”防水设计理念,其特点是:环保无氯离子腐蚀钢筋、喷涂持粘无串水、施工高效节省人工、耐高低温(-30~150℃)无流淌、0.6MPa水压条件下与结构粘结内聚破坏、高延展性自愈合,解决了地下工程结构的串水问题,特别适用于隧道、地铁、管廊、基坑的防水施工。
基于上述持粘防水涂料,提出了通过注浆方式修复原防水层的渗漏水病害治理新技术。该“皮肤式”防水方法以及渗漏水治理新技术在无锡地铁、深圳地铁、京张高速铁路以及武广客运浏阳河隧道得到应用,具有良好的发展趋势及应用前景。
(五)北京交通大学交通运输学院副教授 吴亦政
推介项目:重型货车超载自识别智能“天秤”系统技术
项目简介:该技术可在不依赖路面超限检测设施、不加装车重传感设备的情况下,利用车辆和发动机网联数据和自学习智能计算,实现低成本、大规模的货车超限超载的实时在线“自识别”。项目组已依托交通运输部综合交通运输大数据应用技术交通运输行业重点实验室进行了远程超载识别和协同管控云平台研发和部署。
该系统通过在北京、山东、河北、河南、安徽等地的实际验证,当超载30%以上时,可在10分钟内识别车辆超载情况,精度高于95%。利用电子地图,可实现超限超载车辆对于限重公路、限重桥梁、急转弯、长大下坡、重点区域、雨雪雾不利天气等的交通安全分级分类预警,有助于实现驾驶人实时预警、运营企业远程监控、监管部门精准执法的超限超载协同管控。该技术推广对减少乃至杜绝超限超载引发的安全事故、延长公路桥梁设施寿命、规范运输行业秩序、提升公路安全综合治理能力和形象具有重要意义。
(六)北京交通大学电气工程学院博士 赵红雁
推介项目:电动汽车绝缘安全监控系统(装置)
项目简介:电动汽车逐年增多,安全事故随之增加。本项目电动汽车绝缘安全监控产品专用于实时诊断并预测电动汽车安全隐患。本团队提出的“单电平低频信号注入法(SL-LFSI)”,可实现同时监测正负极绝缘问题,可在急加减速等复杂工况下准确监测,故障响应小于1秒,多项指标行业领先。同时,集成各项安全监控功能,提供成套解决方案。该项目已产业化,已销超3万套,销售额超过1000万。本项目属电动汽车和充电桩必配设备,需求量大,市场前景乐观。
本项目已申请专利软著等知识产权10余项,完成了ISO9000质量体系认证等相关认证和测试报告。
相关文档:
相关文章
- 5条评论
- 酒奴织谜2022-09-16 12:47:12
- 各有关单位:为深入贯彻落实“三高四新”战略,推进省外优质科技成果在长沙转化,助力产业升级,我局将于11月2日举办“北京交通大学智慧交通成果长沙线上推介会”,定向邀请北京交通大学智慧公路交通领域
- 青迟未芩2022-09-16 15:48:45
- ,从而进一步提升用区块链存贮用户数据的安全性和在链上进行用户身份认证的速度。最后,我们还设计了区块链与联邦学习相结合的机制。上述技术在车联网、自动驾驶领域可能的应用包括:用联邦学习让多
- 痛言怀桔2022-09-16 15:07:03
- 开发了一种无氯、持粘喷涂高分子防水涂料,提出了“皮肤式”防水设计理念,其特点是:环保无氯离子腐蚀钢筋、喷涂持粘无串水、施工高效节省人工、耐高低温(-30~150℃)无流淌、0.6MPa水压条件下与结构粘结内聚破坏、高延展性自愈合,解决了地下工程结构的串水问题,特别适用于隧道、地铁、管
- 慵吋倾酏2022-09-16 14:32:38
- :北京交通大学知转中心 杨恒14:40-14:50 长沙市科技局党组成员 杨婵 致辞14:50-15:00 北京交通大学知转中心副主任 王欣 致辞15:00-17:00 成果推介17:00-17:25 专家与企业线上交流对接17:25-17:30
- 绿邪寻倌2022-09-16 21:29:39
- 速度。最后,我们还设计了区块链与联邦学习相结合的机制。上述技术在车联网、自动驾驶领域可能的应用包括:用联邦学习让多个电动车协作训练的自动驾驶的AI模型,同时无需上传本车采集的外部数据以保障用户数据隐私与用户数据使用的合规性。多个基站或车联网路边单元用