尔后两天里，这群约40人的部队，时不时在零下十几度的寒风中拍手、跳动、喝彩，弄出巨大“响动”。
本来，这是“科技冬奥”专项课题之一“酷寒条件下暂时设备智能物联监测及预警要害技能”课题组在测验修建物安全。
与都灵、平昌和索契冬奥会比较，北京冬奥会赛场地势杂乱、观赛人数更多，暂时设备工程量和规划更大。场馆周围的看台、厕所、转播塔、暂时用房等多为暂时修建，在酷寒、强风条件下，确保暂时修建安全自然是头等大事。
“此前，我国在酷寒条件下监测暂时设备歪斜、振荡等状况的专用传感器，酷寒条件和大客流影响下暂时设备结构安全、竞赛中观众诱导的看台振荡和反常集合、逃散及事情溯源推理方面仍存在一些亟待处理的问题。”北京修建大学电气与信息工程学院院长郭茂祖告知《我国科学报》。
为处理以上问题，从上一年年头开端，郭茂祖带领团队和中北大学、重庆大学、大连理工大学、沈阳修建大学协作，开端为冬奥“定制”暂时修建物安全保障体系。
该课题着眼于酷寒条件下暂时设备智能监测、安全运维和预警，研发暂时设备状况监测传感器；研讨根据数据交融的暂时设备荷载快速辨认技能及结构危险源辨认定位技能；研讨人群反常活动引发的暂时设备毛病危险猜测技能；构建根据大数据的暂时设备智能物联运维渠道。
“酷寒条件直接影响惯例传感器的精度和待机时间。”郭茂祖说，“如不研发专用传感器，就没办法确保延庆和崇礼赛区竞赛时的检测精度，也无法支撑竞赛期间的接连检测。”
冬奥会等大客流情况下，观众团体动作、反常集合、反常逃散等动作，会引起暂时设备荷载散布不均匀，简单构成部分超载。为此，该团队研宣布适用于冬奥酷寒条件下的专用传感器，并使用网格化技能，对暂时设备荷载进行结构损伤损坏辨认；根据深度学习和光流法，他们开宣布突发事情辨认体系，对人群反常集合、紊乱、与暂时设备的反常交互进行辨认和定位，并以时空特征和外部特征相结合的深度神经网络，对人群的活动轨道进行猜测。
此外，他们还开宣布可视化智能物联运维渠道，根据大数据、深度机器学习和深度相信神经网络，对多目标耦合暂时设备运转趋势猜测剖析。
上一年11月18日至20日，应崇礼赛区建造方约请，团队在云顶滑雪场冬季两项看台要害方位，安装了两组4个专用传感器，收集看台状况数据，一起用激光扫描设备对看台、奥运村餐厅、越野项目两层棚房、越野项目看台等设备进行测绘建模，剖析这些暂时设备的状况数据。
“现在，相关作用已在崇礼赛区的云顶滑雪场、延庆赛区高山滑雪中心雪道和竞速赛完毕区取得了杰出的作用。”该小组成员之一、北京修建大学电气与信息工程学院教师田乐说，“测验作用得到了建造方的高度认可。”
“根据数据交融的暂时设备荷载快速辨认和结构危险源辨认定位技能，根据机器学习的人群反常活动引发毛病危险猜测技能等，不只处理了冬奥赛区暂时设备运维办理的当务之急，还可推行至相似体育场馆、大型活动的暂时设备智能运维，有杰出的社会效益和经济的作用与利益。”郭茂祖说。
