欢迎访问合肥市大数据资产运营有限公司网站!
0551-65909059   公司OA
联系电话:
今天是: 2024年03月19日   【农历:二月初十 】  星期二
入驻企业
安徽国麒科技有限公司

安徽国麒科技有限公司(简称“安徽国麒”)成立于202177日,注册资本500万元,公司现位于合肥市大数据产业示范园。公司以“成为联系不同行业的知识纽带,为各行业的数据交叉融合提供核心工具”为企业使命,以“互联世界,图赋数能”为企业愿景。安徽国麒自成立以来,一直专注于知识图谱研发与应用,是一家致力于揭示知识领域的动态发展规律的高科技公司,为旅游、金融、医疗、农业、教育、安防等行业提供了高性能的一体化解决方案。

公司整体为高素质人才构成的队伍,其核心成员来自中国科学技术大学和合肥工业大学,核心团队在知识图谱领域精耕多年,自主研发的GQGraph知识图谱平台可以为用户带来高效率的服务。

项目一大规模复杂知识图谱管理系统V1.0

建设背景:本智慧文旅平台借助图谱计算相关技术,针对旅游行业的知识图谱,主要包含旅游景点、游客、旅游相关公司、旅游路线、运输公司、酒店等行业相关信息,可以实现目的地推荐、旅游路线规划、游客数量预测、景区管理等功能,可以提升旅游行业整体效率,改善游客体验。

技术路线:基于国麒科技“大规模复杂知识图谱管理系统V1.0”的规范化储存和高效查询的优势,构建文旅行业知识图谱,实现目的地推荐、旅游路线规划、游客数量预测、景区管理等功能,可以提升旅游行业整体效率,改善游客体验。

先进经验:打通旅游景点、旅行社、酒店及游客直接的数据壁垒,为游客提供更好的服务体验,通过用户的历史行为的分析刻画人物画像,对游客旅行意图的预估,推荐最符合用户喜好的旅行路线,酒店及旅行社推荐,同时提供目的地景区的实时状态;对旅行社可以根据对游客的倾向性分析,更高效的为游客服务,及时的调配人力物力资源;对旅游景区可以合理预测旅游高峰,统筹安排各个管理措施。同时旅游是高聚集性行为,疫情下引入疫情预警系统,通过游客过往路径及各中高风险地区信息,对游客及景区提出预警,合理安排防范疫情措施;同时及时各游客旅游轨迹一张图,方便景区疫情管控及跟踪。

创新亮点:充分利用图神经网络的高性能、高关联性的优势,打通多域数据,统筹分析,辅助游客、旅行社、景区做出最适当的决策。

技术成果:申请发明专利一项,软件著作权7项;

经济社会效益:项目的建设是以技术创新为驱动,以数字化、网络化、智能化为主线,目前以建设新型旅游管理模式为重要着力点,推动旅游业的发展,促进经济高质量发展、人民高品质生活、行业高水平管理。且我市正在加快推动智慧文旅新模式,本项目是人工智能及大数据算法在传统文旅行业中的典型应用。本项目相关关键技术的突破将有助于提升知识图谱在不同行业的应用水平,例如在旅游行业、医疗、健康、电池管理及新能源汽车等方面的应用,进而提升我国大数据与人工智能整体产业的快速发展。针对旅游行业,该项目将旅游景点、游客、旅游相关公司、旅游路线、运输公司、酒店等行业相关信息汇集整理成知识图谱数据,通过引入大数据与人工智能算法,可以实现目的地推荐、旅游路线规划、游客数量预测、景区管理等功能,可以提升旅游行业整体效率,改善游客体验。

获奖情况:本项目相关技术已通过安徽省首版次软件认定,且通过专业机构软件测试及技术查新,并通过了信创测试。

 

项目二:基于图神经网络的电池全生命周期管理平台研发及产业化项目

项目简况:基于图神经网络的电池全生命周期管理平台研发及产业化项目是一个基于知识图谱的动力电池系统监测与保护解决方案,可以利用载具之间的关联关系实现从个体到群体的数据异常监测与预警,进而在群体层面进行统一调度,以提升整体效率。本解决方案的主要功能和特点有:

1- 多维度的数据收集与利用。本方案的数据收集组建将收集用户车辆的生产信息(例如生产商、批号,零部件信息等)、充电信息(充电地点、充电时间、充电次数、充电相关记录)及动力系统监测信息(传感器信息)等,并以此为基础构建面向实车大数据的动力监测方法。

2- 以时序图构建网络为核心构建动力监测知识图谱。车辆之间的显性关联关系包括统一生产商、使用相同零件等,隐形关系则需要基于传感器时空数据进行挖掘,本方案提出了以时序图构建网络为核心的车辆相关关系提取技术,实现相似车辆的发现。在此基础上,通过数理统计分析(例如时间序列建模和聚类)、深度数据挖掘(包括机器学习和深度学习)等技术,构建基于实车大数据的动力监测知识图谱。

3- 基于原生图存储的知识图谱存储及访问功能。本方案采用了具有自主知识产权的原生图数据库进行存储与访问,该数据库具有原生的图数据的创建、读取、更新和删除功能,拥有传统关系型数据库的ACID属性,主要面向事务系统(On-Line Transaction Processing, OLTP)及分析性任务,可以满足在万亿级规模的顶点和边数据的存储量级下做到毫秒级的查询。

4- 基于图卷积神经网络的异常监测功能。针对动力电池系统和电池储能系统系统的非线性、时变特性,本方案采用数据驱动的方法对复杂系统的输入-输出关系、状态演化规则进行端到端的建模。本方案基于动力监测知识图谱,构建了基于图卷积神经网络的异常监测模型,通过大规模历史数据的训练测试和优化迭代,实现高精度的异常预测,并精确定位异常点,进而自动化生成维修建议。

5- 基于知识图谱的退役电池快速筛选。通过对退役电池简单、快速的充放电测试,获取大量电池的海量运行数据;以电池为节点,构建知识图谱,形成关联网络,在此基础上运用聚类算法实现对同性能单体电池的精准分类,从而保证二次利用时成组电池包的可用容量、可用功率、一致性等参数的最优化表现,提高退役电池利用率。

应用范围:新能源汽车电池远程管理;退役电池筛选与二次利用

市场前景:目前,中国已成为全球最大的电动汽车生产国与市场,随着新能源汽车的快速发展,动力电池的需求呈井喷之势。作为电动汽车的关键部件之一,动力电池系统的安全运行关系着电动汽车产业化和市场化的成败。

由于单体电池的大型化和成组化使用,给动力电池系统的安全问题带来了新的挑战,已成为电动汽车推广应用的技术瓶颈。动力电池管理技术的研究具有重大科学技术意义和应用价值。传统的电池管理方案通常基于实验室数据对电池进行匹配和标定,很难满足电动汽车高准确性、高安全性的需求。开展对动力电池系统的安全、高效管理,研发先进的锂电池管理方案已成为国内外学术界和企业界所共同关注的热点和难点问题。

另一方面,随着电动汽车网联化技术的发展和5G高速信息化时代的到来,逐渐增长的新能源汽车运行数据已成为一座亟待挖掘的“矿藏”。开展基于大数据挖掘的新一代智能锂电池管理平台和方案的研发及其产业化,构建基于数据驱动的电池数据分析处理模型以实现多维度电池参数提取与电池安全预警,通过边缘计算、云端参数估算与修正,实现电池组的状态监控与主动安全管理,是动力电池的健康、高效和安全运行的基础,为电池管理提供了新的思路和方向。

综上所述,通过智能网联技术、通讯技术、数据挖掘技术、边缘计算、深度学习等,优化电池模型参数,提供更精准的状态估计结果,并提前对故障进行预警,进而实现电池主动安全管理是车辆行业电动化、智能化转型的迫切需求。