-
公开(公告)号：CN119845229A
公开(公告)日：2025-04-18
申请号：CN202411888445.8
申请日：2024-12-20
Applicant: 同济大学
Abstract: 本发明涉及一种局部到全局的深空轨道器影像立体像对优选方法，包括如下步骤：获取深空轨道器影像并进行影像预处理，通过判断影像间重叠面积确定初始立体像对并进行像对初筛，得到初步筛选的立体像对集合；获取感兴趣区域信息并对感兴趣区域进行栅格化与格网化处理，针对每个网格，计算各个立体像对的局部质量代价，基于所述局部质量代价得到当前网格对应的局部最优像对和局部备选像对集合；基于各个网格对应的局部最优像对和局部备选像对集合，计算各个立体像对的全局质量代价；结合立体像对的所述局部质量代价和所述全局质量代价，得到最终优选的立体像对。与现有技术相比，本发明能自动化有效选出符合摄影测量测图要求的立体像对。
-
公开(公告)号：CN112185578A
公开(公告)日：2021-01-05
申请号：CN202010840932.2
申请日：2020-08-20
Applicant: 同济大学
Abstract: 本发明涉及一种用于学生返校的疫情防控方法和系统，方法包括以下步骤：1)分别建立学生大数据库和疫情大数据库，学生大数据库包括学生的空间位置信息和健康状况信息，疫情大数据库包括疫情病例的空间位置分布信息；2)采用预设的决策指标，获取无感染风险的学生名单，从而构建返校方案，用于学生的返校；3)获取学生上传的学生返校状态信息，从而对返校方案进行调整；疫情大数据库采用数据挖掘技术构建，实际行程信息通过定位技术获取。与现有技术相比，本发明实现健康信息实时采集、返校方案研判、行程轨迹动态追踪、疫情防控日常管理的“全链路”监测管理，为学生返校复学提供全过程、全方位的决策保障。
-
公开(公告)号：CN112382402B
公开(公告)日：2023-03-28
申请号：CN202010841075.8
申请日：2020-08-20
Applicant: 同济大学
IPC: G16H50/80 , G06F16/29 , G06F16/9537 , G06Q50/20 , G06Q50/26
Abstract: 本发明涉及一种面向学生返校的交通站点大数据平台建立方法，包括：1)对于有中间停靠站的交通工具，通过车次信息网络查询，获取有中间停靠站的交通工具的客运信息，并进行本地存储，构建本地交通站点大数据库；2)对于无中间停靠站的交通工具，构建在线实时查询策略，用于查询无中间停靠站的客运信息；3)对于有中间停靠站的交通工具，通过本地交通站点大数据库进行客运信息查询，对于无中间停靠站的交通工具，通过在线实时查询策略，实时在线进行客运信息查询。与现有技术相比，本发明通过本地化存储与实时在线查询的联合处理方式，满足了全国范围内所有列车车次信息的查询需求，为高校学生返校风险评估及返校方案制定等提供数据支撑。
-
公开(公告)号：CN112835877A
公开(公告)日：2021-05-25
申请号：CN202010841018.X
申请日：2020-08-20
Applicant: 同济大学
IPC: G06F16/215 , G16H50/80 , G06F16/29 , G06F16/951 , G06F16/9537 , G06F17/18 , G06Q10/06 , G06Q50/20 , G06Q50/26
Abstract: 本发明涉及一种面向公共突发事务的疫情大数据清理方法，包括以下步骤：1)获取病例位置数据，并采用病例位置数据清洗策略，对该病例位置数据进行数据清洗；2)获取区县统计数据，并采用区县统计数据清洗策略，对该区县统计数据进行数据清洗；3)根据数据清洗后的病例位置数据和区县统计数据，获得疫情大数据；病例位置数据清洗策略包括：S11：获取官方发布的原始疫情数据，构建第一病例位置数据；S12：从第三方平台中获取病例位置数据，作为第二病例位置数据；S13：进行数据匹配，如果匹配成功，则获得数据清洗后的病例位置数据，否则，进行数据核对处理。与现有技术相比，本发明可以实现疫情数据的快速获取、有效清洗和高效管理。
-
公开(公告)号：CN112185579A
公开(公告)日：2021-01-05
申请号：CN202010840941.1
申请日：2020-08-20
Applicant: 同济大学
IPC: G16H50/80 , G06F16/29 , G06F16/9537 , G06Q50/26
Abstract: 本发明涉及一种基于元胞自动机的新冠密切接触人员数据获取方法，包括：步骤1：获取病例身份信息并查询病例的轨迹信息；步骤2：针对病例轨迹点，获取缓冲区，确定搜索范围；步骤3：以选定的缓冲区范围为元胞空间，以在该范围内来往的人员为元胞，确定元胞自动机的邻域大小；步骤4：根据密切接触判断条件，形成元胞自动机搜索机制，通过多时段的轨迹分析，获得密切接触人员数据；步骤5：对密切接触人员进行预警。与现有技术相比，本发明具有有效搜索区域内的新冠密切接触人员、适用性强、实用性好等优点。
-
Patent Agency Ranking
公开(公告)号：CN112185577A
公开(公告)日：2021-01-05
申请号：CN202010830366.7
申请日：2020-08-18
Applicant: 同济大学
IPC: G16H50/80 , G06F16/9537 , G06Q50/20
Abstract: 本发明涉及一种面向高校疫情防控的日常位置与行程数据控制方法，通过设置每日信息上报问卷模块、返校申请问卷模块、返校行程备案问卷模块、返校个人承诺书备案问卷模块、返校出发问卷模块和返校国内换乘点打卡问卷模块，获取学生的日常位置信息和返校行程数据，根据所述日常位置信息和返校行程数据进行分析，并将分析结果发送至中心服务器以提供疫情数据支持。与现有技术相比，本发明具有保证高效疫情防控数据的实时性、提高学生返校的安全性等优点。
-
公开(公告)号：CN116503476A
公开(公告)日：2023-07-28
申请号：CN202310367311.0
申请日：2023-04-07
Applicant: 同济大学
Abstract: 本发明涉及一种基于标记点过程的撞击坑提取后处理方法，该方法包括以下步骤：步骤S1、根据撞击坑在影像中的纹理以及几何特征，建立Gibbs能量模型；通过撞击坑之间的拓扑性质建立模型的先验项，利用撞击坑边缘在一定光照条件下的相位大小以及相位方向构建针对撞击坑边缘的局部相位加权的相位方向密度函数，并基于相位方向密度函数构建模型的似然项；步骤S2、利用可逆跳转马尔科夫蒙特卡洛算法和模拟退火算法对Gibbs能量模型进行优化求解，得到优化后的撞击坑图像。与现有技术相比，本发明的方法能有效地剔除误提取撞击坑并优化候选撞击坑的位置和大小。
-
公开(公告)号：CN113269380A
公开(公告)日：2021-08-17
申请号：CN202010841015.6
申请日：2020-08-20
Applicant: 同济大学
IPC: G06Q10/06 , G06Q10/04 , G06Q50/20 , G16H50/80 , G16H50/30 , G06F16/215 , G06F16/23 , G06F16/29 , G06F16/9537
Abstract: 本发明涉及一种面向疫情防控的返校方案预估方法，包括以下步骤：1)更新获取疫情病例的空间分布；收集学生每日的健康状态信息和实时位置信息；2)对疫情病例的空间分布和学生每日的实时位置进行空间交互分析，对学生每日的健康状态信息进行分析，评估每个学生感染疫情的风险性；3)选取无风险学生构建多种返校预估方案；4)构建多种返校预估方案的决策矩阵，基于欧式距离，计算每个返校预估方案与理论最优方案决策矩阵的相对接近度，从而获取最优的返校方案。与现有技术相比，本发明能够将返校风险进行了全面的评估，通过数学决策模型预估返校方案，减少人工判断的人为误差，更加科学合理。
-
公开(公告)号：CN112885482A
公开(公告)日：2021-06-01
申请号：CN202010841090.2
申请日：2020-08-20
Applicant: 同济大学
IPC: G16H50/80 , G06F16/29 , G06F16/9537 , G06Q10/06 , G06Q50/20
Abstract: 本发明涉及一种用于学生返校的疫情预防方法，包括以下步骤：1)构建疫情大数据地理空间数据库、分布式学生基础信息数据库和学生每日状况数据库，学生每日状况数据库包括所在地信息和健康状况信息；2)构建返校方案的基本信息；3)根据疫情大数据地理空间数据库和所在地信息，判断各学生所在地的疫情形势，并根据学生每日状况数据库，获取无感染风险的学生名单；从而根据分布式学生基础信息数据库和返校方案的基本信息，制定分批次的返校方案；4)学生根据所述返校方案返校。与现有技术相比，本发明对疫情大数据和学生日常上报的个人信息进行了交互分析，获取学生的返校风险，生成了错峰返校方案，兼顾了返校工作的效率、安全性和科学性。
-
公开(公告)号：CN112382401A
公开(公告)日：2021-02-19
申请号：CN202010841017.5
申请日：2020-08-20
Applicant: 同济大学
IPC: G16H50/80 , G06Q10/04 , G06F16/9537 , G06Q50/20 , G06Q50/26
Abstract: 本发明涉及一种用于疫情的返校大数据联动管理方法，用于对返校人员大数据和疫情大数据进行联动管理，方法包括以下步骤：数据获取与划分步骤：获取返校人员大数据和疫情大数据；将返校人员大数据划分为空间位置数据、健康数据和描述性数据，将空间位置数据划分为每日打卡位置数据、近期活动数据和返校行程轨迹数据，将疫情大数据划分为病例位置数据和区县统计数据；数据关联步骤：通过数据匹配，建立：每日打卡位置数据、近期活动数据和返校行程轨迹数据分别与病例位置数据和区县统计数据的空间关联关系。与现有技术相比，本发明有序地对疫情信息进行了联动的管理，考虑全面，可为后续的数据应用，如智能返校系统提供有效的数据支撑。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.021 seconds)
