自动化专业英语P6U1教学课件.ppt

1、P6U1A Scanning the Issue and Beyond:Toward ITS Knowledge Automation 第六部分第一单元课文第六部分第一单元课文A 研究热点研究热点和超越：迈向知识自动化的智能交通系和超越：迈向知识自动化的智能交通系统统 A 研究热点研究热点和超越：迈向知识自动化的智能和超越：迈向知识自动化的智能 交通系统交通系统1.课文内容简介：本文是一篇综述性文章，主要介绍了智能交通领域研究的热点问题、发展趋势及人工智能技术在智能交通系统中的应用情况。2.温习人工智能技术中模糊、自适应、优化等内容。知识自动化是信息自动化的自然延伸与提高，是“人”嵌在自动化之

2、中的必然要求，也是从物理世界的自动化控制转向人类社会本身的智能化管理的基础。而且，这一基础必须借助于虚拟空间里的自动化才能实现和完善。3.生词与短语 bimonthly adj.两月一次的 stochastic adj.随机的P6U1A Scanning the Issue and Beyond:Toward ITS Knowledge Automation 第六部分第一单元课文第六部分第一单元课文A 研究热点研究热点和超越：迈向知识自动化的智能交通系和超越：迈向知识自动化的智能交通系统统 hierarchy n.层次 等级制度 magnetoresistive adj.磁阻的 iterati

3、vely adv.迭代的 反复的 event-triggered 事件触发 prohibitive adj.禁止的 symmetrical adj.对称的 algorithm.n.算法 预算法则 information propagation 信息传播 methodology n.方法学 方法论 optimization n.最佳化 microscopic adj.微观的 disruptive technology 破坏性技术P6U1A Scanning the Issue and Beyond:Toward ITS Knowledge Automation 第六部分第一单元课文第六部分第一单

4、元课文A 研究热点研究热点和超越：迈向知识自动化的智能交通系统和超越：迈向知识自动化的智能交通系统4.难句翻译1 To deal with multiplicity and ambiguity,a grid division scheme is also proposed to separate a vehicle into several grids in which different weak classifiers are trained and then integrated to build a strong ensemble classifier.为了应对多重性和模糊性，同时还提

5、出一套网格划分方案将车辆划分为几中类型，其中对不同的薄弱环节进行培训，然后综合打造一个强大的集成分类。P6U1A Scanning the Issue and Beyond:Toward ITS Knowledge Automation 第六部分第一单元课文第六部分第一单元课文A 研究热点研究热点和超越：迈向知识自动化的智能交通系统和超越：迈向知识自动化的智能交通系统2 he test of the proposed approach based on data of a real terminal is given and discussed.基于一个真实的终端数据，该方法的测试已经被给出并

6、进行了讨论。3 The problem is solved by an efficient scheme which provides a solution to decide when the coding should be used and how to allocate the network resource.该问题通过一种有效的方案得到了解决，该方案提供了一种应该在什么时候进行编码和如何进行网络资源分配的方法。P6U1A Scanning the Issue and Beyond:Toward ITS Knowledge Automation 第六部分第一单元课文第六部分第一单元课

7、文A 研究热点研究热点和超越：迈向知识自动化的智能交通系统和超越：迈向知识自动化的智能交通系统5.参考译文 A A 扫描问题和超越：迈向知识自动化的智能交通系统扫描问题和超越：迈向知识自动化的智能交通系统自动化自动化 用IEEE学报关于智能交通系统中的第一个问题作为本文的开篇，通过浏览并以适合于在微博、推特、脸谱网上发表的格式加以总结概括。此外，对我认为感兴趣的、对现在应用和将来研究和开发的重要问题，给出我的思考。研究热点研究热点 对称对称三维曲面函数（三维曲面函数（SURF）及其及其在在车辆检测车辆检测、品牌和型号品牌和型号识别识别上的应用上的应用 通过一种新的对称三维曲面函数（SURF）描

8、述符，来提高三维曲面函数（SURF）通过镜像变换来检测所有可能的对称匹配对的能力。为了应对多重性和模糊性，同时还提P6U1A Scanning the Issue and Beyond:Toward ITS Knowledge Automation 第六部分第一单元课文第六部分第一单元课文A 研究热点研究热点和超越：迈向知识自动化的智能交通系统和超越：迈向知识自动化的智能交通系统 出一套网格划分方案将车辆划分为几种类型，其中对不同的薄弱环节进行培训，然后综合打造一个强大的集成分类。由于基于网格的方法丰富的代表性和车辆检测的高精度性，集成分类能准确识别每辆车。传感器融合为基础的空置停车位检测与跟

9、踪传感器融合为基础的空置停车位检测与跟踪 提出一种空置的停车位检测和跟踪系统，期望它能帮助司机选择出未被使用的停车位。该系统融合了全视角的视频监控系统和自动停车系统的传感器。实验结果表明：该方法可以识别不同类型停车位标记的位置和占有率，并能够进行稳定的实时跟踪。车辆计数，分类和速度测量的便携式路边传感器车辆计数，分类和速度测量的便携式路边传感器 一种便携式路边传感器系统，用于统计车流量，车辆速度，和车辆分类。通过一个磁场模型的算法，以使系统更加稳定。此外，采用了一种对所有微小的传感器位置误差自动校正的算法。并对开发的传感器系统的精度和优点进行了探讨。P6U1A Scanning the Iss

10、ue and Beyond:Toward ITS Knowledge Automation 第六部分第一单元课文第六部分第一单元课文A 研究热点研究热点和超越：迈向知识自动化的智能交通系统和超越：迈向知识自动化的智能交通系统 用于实时道路导航的用于实时道路导航的模糊推理模糊推理分层解析方法分层解析方法 讨论了车载导航系统的最佳路线搜索函数。提出了基于实时交通信息、用于动态路线导航的模糊推理分层解析方法。该方法可以简化决策的内容，明确地表达每一个搜索性能指标。已开发出基于该方法的仿真系统。基于基于无线加速无线加速仪仪的车辆自动分类原型系统的车辆自动分类原型系统 解决了自动车辆分类（AVC）系统的

11、问题。介绍了基于无线加速仪和磁力仪可检测车轴数和轴间距的AVC系统。给出了检测的参数和系统的安装方法。通过各种交通情况的实验，AVC系统工作可靠，即使在交通拥堵的情况下，分类精度高达99。车载车载点对点（点对点（Ad hoc）网络信息传播过程中的随机特性网络信息传播过程中的随机特性 介绍了高速路上车载Ad-hoc网络信息的传播过程。假设在网络中的车辆根据类型和车道被分为不同的交通流，不同的P6U1A Scanning the Issue and Beyond:Toward ITS Knowledge Automation 第六部分第一单元课文第六部分第一单元课文A 研究热点研究热点和超越：迈向

12、知识自动化的智能交通系统和超越：迈向知识自动化的智能交通系统 交通流对应不同的车速。通过分析信息传播过程求出信息传播速度的解析公式。使用该解析公式对某些参数的影响进行了研究。通过仿真实验验证了分析结果的准确性。通过车辆轨迹数据校准来减少通过车辆轨迹数据校准来减少车辆跟踪模型的车辆跟踪模型的累积误差累积误差 考虑到使用轨迹数据校准车辆跟踪模型的误差累积问题，本文提出了一种动态误差模型。该动态误差模型的稳定条件与车辆跟踪模型的稳定条件不同。通过对有代表性的车辆跟踪模型的校准，对常规方法和动态误差模型方法所产生的累积误差进行了比较。基于熵和复杂基于熵和复杂诊断诊断自动检测疲劳驾驶自动检测疲劳驾驶 由

13、于一些交通事故是由疲劳驾驶造成的，本文提出了一种基于各种熵和根据一些记录进行复杂诊断的实时性方法，该方法用来检测和识别疲劳驾驶。结果表明，该方法是有效的，它对避免因疲劳驾驶造成交通事故具有应用价值。P6U1A Scanning the Issue and Beyond:Toward ITS Knowledge Automation 第六部分第一单元课文第六部分第一单元课文A 研究热点研究热点和超越：迈向知识自动化的智能交通系统和超越：迈向知识自动化的智能交通系统 用于用于车车辆辆碰撞预测的二维传感器系统碰撞预测的二维传感器系统 研究了采用磁阻和声纳传感器对汽车即将发生的碰撞进行检测。提出一种自

14、适应预估器、将声纳和磁阻传感器用于预估确定汽车位置和方向的参数。实验结果表明，当在不同的倾斜角度相对运动的情况下，该方法有效。在主动交通管理的背景下，利用微观交通和天气数据来分析实在主动交通管理的背景下，利用微观交通和天气数据来分析实时碰撞模时碰撞模式式 研究了微观交通，天气和道路几何形状对高速公路特定碰撞模式的影响。作者提出，以扩大现有的智能交通系统为目的，采用识别实时碰撞模式的主动交通管理策略。数值仿真结果表明：下雪的季节，平缓的斜坡，三车道路段，随意驾驶的情况下更可能发生单车碰撞。P6U1A Scanning the Issue and Beyond:Toward ITS Knowled

15、ge Automation 第六部分第一单元课文第六部分第一单元课文A 研究热点研究热点和超越：迈向知识自动化的智能交通系统和超越：迈向知识自动化的智能交通系统 采用采用随机微分方程随机微分方程对对城市城市交通流量交通流量建模和预测建模和预测 为处理短期交通流量的预测问题，本文提出了一种随机微分方程的方法。用赫尔怀特模型来考虑短期交通流量的时间依赖性。它可以很容易的模拟交通状况和准确的判断交通状况发生的变化。这表明与以前的方法相比被这种方法更加适合统计交通流量。在危急情况下为缓解翻在危急情况下为缓解翻车车基于观测基于观测器器的车辆动力学鲁棒控制的车辆动力学鲁棒控制 在车辆动力学中提出了一种能够

16、提高稳定性和降低翻车危险的模糊控制方法。为了得到鲁棒控制器，作者从多个方面进行了认真考虑，用Takagi Sugeno（TS）表示横向力的非线性，用一时变参数来表示道路摩擦力，与路边沿的角度看作是未知的输入。通过求解约线性方程不等式束条件得到观测器和控制器的增益。P6U1A Scanning the Issue and Beyond:Toward ITS Knowledge Automation 第六部分第一单元课文第六部分第一单元课文A 研究热点研究热点和超越：迈向知识自动化的智能交通系统和超越：迈向知识自动化的智能交通系统 真实交通情况真实交通情况下的下的协同自适应巡航控制协同自适应巡航控

17、制 本文介绍了一个协同自适应巡航控制系统的设计，开发，实施和测试。该系统已在四台英菲尼迪M56型轿车上验证了控制器的性能和改进后的效果。是否编码：在是否编码：在偶联偶联车载网络中的的最佳移动数据的卸载车载网络中的的最佳移动数据的卸载 以编码为基础的移动数据卸载问题已成为用户对多重线性约束的有限存储空间是否非常满意的极为关注的问题。该问题是通过一个有效的方案得到了解决，该方案决定何时使用编码以及如何分配网络资源。通过两辆车真实的轨迹数据所做的大量仿真验证了该算法的有效性。用用概率生成模概率生成模型型来估计信号网络来估计信号网络中中动态动态车辆排队车辆排队分布分布 提出了采用概率生成函数的随机排队

18、模型，该模型考虑了相邻路口之间非常密切的相互依赖关系。将每一个交通流都看P6U1A Scanning the Issue and Beyond:Toward ITS Knowledge Automation 第六部分第一单元课文第六部分第一单元课文A 研究热点研究热点和超越：迈向知识自动化的智能交通系统和超越：迈向知识自动化的智能交通系统 成随机事件，通过一个随机网络加载过程完成迭代计算求出其分布。通过理论推导和数值研究验证了该方法的有效性。通过车辆间通通过车辆间通讯完成讯完成交通流信息传播过程交通流信息传播过程 在部署分布式交通信息系统的早期阶段，提出了一个用来计算在高速公路上各种交通流车辆

19、间信息传播（IVC）平均速度的模型。平均IVC信息传播速度和交通流量参数之间的关系可以用该模型加以说明。仿真结果验证了该模型的正确性得到，并给出了模型的理论分析。基于基于可变形模板模型可变形模板模型的的实时行人检测实时行人检测 研究了需要考虑检测精度和实时性的辅助驾驶系统中行人检测的问题。提出了一种采用基于多模块模型多层次复合精度 的行人检测系统，并将其应用到了视觉处理器（GPU）上。该系统取得了最高水平的行人检测精度，检测精度提高一个数P6U1A Scanning the Issue and Beyond:Toward ITS Knowledge Automation 第六部分第一单元课文第

20、六部分第一单元课文A 研究热点研究热点和超越：迈向知识自动化的智能交通系统和超越：迈向知识自动化的智能交通系统 量级以上，特别适用于既考虑精度又考虑实时性的行人检测。基于基于事件触发的事件触发的海港铁路运输调度的海港铁路运输调度的滚动滚动优化优化方案方案 研究了港口铁路运输的调度问题，其中突发事件或动乱往往会影响海港码头。基于排队论的离散时间模型，本文提出了一个混合整数线性数学编程问题和事件触发滚动优化方法。采用港口的真实数据对该方法进行了测试并对结果进行了讨论。根据实测数据根据实测数据来了解自行车来了解自行车动力学和骑行者的行为模式动力学和骑行者的行为模式 考虑到自行车的重要角色和智能交通系

21、统中没有自行车模型，本文提出了一种平台，在此平台上可对自行车动力学和骑行者的行为模式进行研究。在这个平台上，通过传感器来连续不断的采集现场数据，该数据可以用来推导，开发和测试包含自行车的智能交通系统。P6U1A Scanning the Issue and Beyond:Toward ITS Knowledge Automation 第六部分第一单元课文第六部分第一单元课文A 研究热点研究热点和超越：迈向知识自动化的智能交通系统和超越：迈向知识自动化的智能交通系统 城市道路交通网络的鲁棒控制城市道路交通网络的鲁棒控制 本文提出了一种实用的实时信号分割算法，可将城市交通 网络区域内整体加权排队长

22、度降到最小。用集中滚动优化方式表达交通控制问题，采用有效的最小化约束求出绿灯时间组合。用真实的交通数据和微观交通仿真对该算法进行了测试，并与调整好的固定时间的交通信号进行了比较。综述带有综述带有车载通讯车载通讯的的交通交通控制控制 提出了利用车辆与车辆、车辆与交通指挥中心的通信来协调车辆和实时的交通信号的问题。给出了该领域研究的前景、确认了初期研究要使用的关键技术、讨论了可能进行的改进。介绍了以相邻路口控制方法为基础的时序安排的成果。此外，本文讨论了两种文化，包括利用丰富信息和简明信息。P6U1A Scanning the Issue and Beyond:Toward ITS Knowled

23、ge Automation 第六部分第一单元课文第六部分第一单元课文A 研究热点研究热点和超越：迈向知识自动化的智能交通系统和超越：迈向知识自动化的智能交通系统 电动车反向充电的最优准则电动车反向充电的最优准则 我们对电动车的可控负载能量和能量存储系统进行了研究，通过它来给电网回馈能量以减轻用电高峰期电网的负担。阐明以降低环境成本为目标将负荷能量返回电网的最佳运行模式。这种最佳运行模式是非常复杂的，在某些情况下考虑到回馈电网能量的成本也不能采用这种运行模式。智能交通系统的知识自动化智能交通系统的知识自动化 当我在写摘要的时候，我真的希望我能有一个自动汇总系统，无论是通过提取或抽象或两者兼而有之

24、的方法，它可以快速准确地帮我完成这项工作，并且能够快速、自动地将结果发 给社会媒体和感兴趣的读者。这也使我想起了最近麦肯锡全球研究院（MGI）的一份报告“颠覆性技术的发展将改变生活，商务，和全球经济”，其中“知识工作的自动化”或“可以完成非结构化命令和微妙判断等知识工作任务的智能软件系统”P6U1A Scanning the Issue and Beyond:Toward ITS Knowledge Automation 第六部分第一单元课文第六部分第一单元课文A 研究热点研究热点和超越：迈向知识自动化的智能交通系统和超越：迈向知识自动化的智能交通系统 被列为第二大经济颠覆性技术，每年潜在的经

25、济影响可以达到5.2万亿美元至6.7万亿美元，这种情况可以延续到2025年，预估工作量等于1.1亿到1.4亿个工作日。事实上，我在2013年最后一期自动化学报上发表的论文题为“天命唯新：迈向知识自动化”。相对国际电工电子工程师协会学报智能交通系统专刊（IEEE T-ITS）和智能交通系统的研究与开发期刊（ITS R&D）上的技术观点而言，我的想法和目标更加具体：智能交通系统的知识自动化。P6U1B Automation or Interaction:Whats best for big data?第六部分第一单元课文第六部分第一单元课文B 自动化与交互：哪个是大数据的首选自动化与交互：哪个是大

26、数据的首选 B B 自动化与交互：哪个是大数据的首选1.课文内容简介：主要介绍几位专家对大数据应用现状、处理方式、应用前景的思考和讨论。2.温习大数据的基本概念：大数据，指的是所涉及的资料量规模巨大到无法透过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。由此可见，“大数据”并不是一项技术，而是由于不断增长的数据量和数据种类而逐渐衍生出来的一种现象。3.生词与短语 Interactive adj.交互的 robotics n.机器人学 geometry n.几何学 browse v.浏览 visualization n.可视化 drastical

27、ly adv.彻底地 exploratory adj.探究的 blind spots n.盲点 well-worn adj.老生常谈的 parallel adj.并行的4.难句翻译1 It is a well-worn adage that the question you ask in large part determines the answer you will get.这是一个老生常谈的格言：你问的问题在很大程度上决定了你会得到的答案。It isthat引导的是同位语从句。2 Programs like the Accelerated Strategic Computing Init

28、iative(ASCI)represent a tremendous growth of large-scale computing applied to the analysis of scientific problems.加速战略计算计划（ASCI）等项目，代表着应用于科学问题分析中的大规模的计算有着巨大的增长。applied to 过去分词做后置定语。P6U1B Automation or Interaction:Whats best for big data?第六部分第一单元课文第六部分第一单元课文B 自动化与交互：哪个是大数据的首选自动化与交互：哪个是大数据的首选5.参考译文 B

29、B 自动化与交互：哪个是大数据的首选 简介 在19世纪后期，电话交换台是靠手工操作的，它在一分钟之内只能处理几个呼叫者的请求。随着人们打电话越来越多，单一的运营商已经不能满足人们的需求，人工的电话交换台慢慢的就被自动的电话交换台所替代。如今，运营商仍然可以连接一些电话，一般是在呼叫者需要其他的信息（或者金钱）的情况下，但绝大多数是可以通过自动化系统进行处理的。随着科技的进步，历史记录的那些系统的案例也都变成了关于自动化系统的案例。专家组的问题是：可视化社区是否在按着我们的研究成果的道路走，是否在按着交互式可视化工具系统的道路发展。毕竟，像能源部的加速战略计算计划（ASCI）的研究项目，在进行仿

30、真时，每天会产生大量的数据。于是，就提出了如下的问题：P6U1B Automation or Interaction:Whats best for big data?第六部分第一单元课文第六部分第一单元课文B 自动化与交互：哪个是大数据的首选自动化与交互：哪个是大数据的首选 1.使用交互式技术分析大字节的数据集是否可行。2.可视化技术是否达到了大部分任务都可以用自动化处理的成熟水平。3.自动功能检测工具是否能找到所有人们关注的现象。我们杰出的小组成员将会提供这些问题的答案。为了更深入的讨论这些问题，我们对这些成员进行了分组。史蒂夫布莱森和罗伯特范里拉强烈主张交互式可视化工具，然而罗伯特哈伊姆和

31、大卫班克斯将会告诉我们大数据需要自动化处理的原因。山姆优子腾给这场辩论提出了一个平衡点，他建议说自动化和交互技术在处理大数据集时都发挥着重要的作用。立场声明 大卫班克斯“自动化满足可视化80%的要求”交互式可视化对那些面临陌生数据时追求自由探索的科学家是非常重要的，那些科学家发现了仿真结果中的新现象，但P6U1B Automation or Interaction:Whats best for big data?第六部分第一单元课文第六部分第一单元课文B 自动化与交互：哪个是大数据的首选自动化与交互：哪个是大数据的首选P6U1B Automation or Interaction:Whats

32、best for big data?第六部分第一单元课文第六部分第一单元课文B 自动化与交互：哪个是大数据的首选自动化与交互：哪个是大数据的首选 他们却不对此提出疑问，那些科学家喜欢使用别人为他们发明的新的工具。我们当中的许多人都有过这样的经历，明白那些科学家只存在于科幻小说与公共广播公司的特刊当中，在现实生活中并不存在。在科学计算中，有两个主要的电脑绘图的应用：调试和演示。汤姆克罗克特用三维的版画声明来支持可视化的范例，这种范例可以帮你迅速的找到出错的代码段。交互式调试器在查找错误时可以起到很大的作用，但是但部分人只是到了万不得已的情况下才使用它。自动生成的编译器信息可以找到大部分简单的错误

33、，版画声明则能找到其他的大部分错误。同样地，自动化可视化工具也非常适合用于调试科学代码。当数据集达到太字节的规模时，科学家们需要花费好几个小时来研究这些数据集中的等值面，体积密度的映射以及质点轨迹。交互式是最后一种研究方法。其他人认为可视化主要用于对那些老套的演示，彩色的海报或者万维网中的动画进行后处理。如果科学家的目的是显示某些特性，那么应该设计可视化工具对这些数据进行定位。因此关于可视化的研究应该通过强大的算法来描述学科特性（肿瘤、血管、漩涡、冲击表面、石油矿床）。在准备公共演示的图片时，确立正确的观点，照明设备和布局是非常重要的。但是这样的话交互式作用是为艺术部门服务的，而非科学家。史蒂

34、夫布莱森“展示给我看”与“那是什么”做对比 这是一个老生常谈的格言：你问的问题在很大程度上决定了你会得到的答案，如果你问了正确的问题，那么就会得到很好的答案。但是正确的观点和洞察力还有一些好奇的探索都是由你提问的特定的问题所启发的。这不是一个浅显的哲学讨论，但是如果你的问题非常狭窄，那么往深处探索就变得难以进P6U1B Automation or Interaction:Whats best for big data?第六部分第一单元课文第六部分第一单元课文B 自动化与交互：哪个是大数据的首选自动化与交互：哪个是大数据的首选 行。自动功能检测需要特定问题的框架:“告诉我漩涡是什么”和“告诉我具

35、体满足的条件”。例如，考虑一个装满东西的屋子。自动功能检测就好比说：“把房间里的红盒子拿给我看”。你会找到红盒子，但是你会错过关于屋子里其他东西的信息。如果需要得到这间屋子里所有物体的信息，自动功能检测需要提出很多类似的问题。用另一种方法，我可以简单的问一句“告诉我房间里有什么”。当然，科学可视化并不是如此简单，否则我们就不用经常开会进行讨论。甚至，物理模拟数据可以很抽象，没有规范的或者明显的方式来“给我这些数据”。因此我们必须问一些关于这些数据的问题，以图形化的方式对这些数据进行陈述。当然，图形表示的细节将决定我们获得这些数据的信息类型。但是，自动功能检测要求非常具体的问题，这些结果可以由算

36、法计算出来或者简单的表示出来。因此，自动检测的功能能在数据集中检测到你需要的功能，而查找不到其他的信息。如果这是你需要的信息，那么就使用自动检测功能。P6U1B Automation or Interaction:Whats best for big data?第六部分第一单元课文第六部分第一单元课文B 自动化与交互：哪个是大数据的首选自动化与交互：哪个是大数据的首选 但是，如果你需要对数据集有更全面的了解，尤其是你想要了解为什么某些特性的数据集很少显示这种特性。了解这些特性周围的数据对于理解上下文和起因是非常重要的。了解漩涡流动固然有用，但是如果想要理解为什么漩涡在那里是需要知道漩涡附近流动

37、的信息的。换句话说，大部分科学调查虽然受制于局部原则，但是是由总体因素决定的。流体是一种很常见的例子：漩涡是由于它周围物体的流动形状所形成的。有些全面意义上的流动是需要理解随后的漩涡的。获得全面意义上的数据是很困难的，尤其是当这些数据是在三维或者三维以上的空间而且有相互作用时。众所周知，同时展示很多方面的数据，这个场景就会变得很混乱。在交互式技术中，可以使用图形表示，在实时的数据集附近移动，它还可以允许你针对不同地区的数据以不同的方式进行取样。接着上面的例子，观察涡流附近的交互式流线可以洞察涡流的成因。需要使用交互性来许可探索数据信息。交互接口越直观，探索结果将会越好。快速勘探能力允许你获取一

38、般意义上的数据，P6U1B Automation or Interaction:Whats best for big data?第六部分第一单元课文第六部分第一单元课文B 自动化与交互：哪个是大数据的首选自动化与交互：哪个是大数据的首选 这些数据将会为某些特性提供一些信息。在某些情况下，你甚至不知道该问哪些具体的问题：当用新的方式观察事物时，提出的新的问题会促进科学的进步。在这些情况下，交互式探索将会是一个非常有价值的工具，你可以用新的方式来问一些以前的问题。向量场的流线，最初代表的是粒子的路径（稳定）流，可以用它来研究一些特性，比如标量的梯度压力问题。通过流线的方法探索一个梯度场，可以提出一

39、些新的见解，比如最大值、最小值的结构等等。（尽管这是一个不太充分的例子，但是很难想到关于新问题的特殊的例子。）虽然同样可以使用功能检测技术，比如，寻找一个梯度场的漩涡，但是它不能快速的表示出这些特性代表什么。所以我们看到这样一个频谱：在一个极端，自动功能检测技术对范围较小的问题提供一些特定的答案。如果这些问题正好与你的问题适合的话，那么自动功能检测技术可能就是你需要的。在另一个极端，你可能是在仿真中探索一些数据，然而P6U1B Automation or Interaction:Whats best for big data?第六部分第一单元课文第六部分第一单元课文B 自动化与交互：哪个是大数

40、据的首选自动化与交互：哪个是大数据的首选 你并没有不明白或者不理解的问题。在这种情况下，一套交互式可视化技术可以帮助你获得一些数据信息，还可以提出一些有趣的问题和见解。在两者之间，正如复杂物体周围的流量那个例子所示，功能检测技术可以给详细的交互式探索一个很好的切入点。我想起了机器人的例子，最初希望机器人可以完全自主，最终证明这个希望对于一般情况在某种程度上超出了我们的范围。高级人工控制的机器人非常成功。我认为这种自动化和交互式相混合的技术对我们的研究领域是非常有益的。有人可能认为，如果我们能再聪明一点的话，那么我们可以自动控制一切，但是我认为，恰恰是因为我们的前沿的理解能力，才使得科学可视化发

41、挥了最大的作用，正因为如此，至少我们知道该问什么问题。永远都会是这样的。罗伯特哈伊姆 除了宝刀和兽皮P6U1B Automation or Interaction:Whats best for big data?第六部分第一单元课文第六部分第一单元课文B 自动化与交互：哪个是大数据的首选自动化与交互：哪个是大数据的首选 加速战略计算计划（ASCI）等项目，代表着应用于科学问题分析中的大规模的计算有着巨大的增长。通过提出的大部分ASCI的稳态运行的仿真结果建立了输出数据集，这些数据包含数十亿的信息（分布在3D网络中）。显然，相同空间精确度的瞬态仿真结果会加强任何可用的计算机资源。这些数据导致了极

42、其困难而且耗时的分析过程。我们需要对这些信息提出质疑，也要做出解释，这样才可以获得仿真结果中包含的知识。传统的交互式可视化为了定位和识别物理现象对数据进行探索。为了找到重要的流动特性，用户必须使用一个或多个可视化工具（等值面、几何、简化等等）交互地探索数据。使用这些工具的科学家或者工程师定期报告以下缺点：1.探索时间：大规模三维空间数据集的交互式探索是费力的，它会消耗科学家或者工程师几小时或者几天的时间。2.视野：交互式可视化技术基于网络或解决方案数据的局部样本点，产生输出。如果用户不详细的搜索数据集，可能会错过一P6U1B Automation or Interaction:Whats be

43、st for big data?第六部分第一单元课文第六部分第一单元课文B 自动化与交互：哪个是大数据的首选自动化与交互：哪个是大数据的首选 一些重要的特性。3.非特异性：交互式技术通常显示的是某些特性周围的行为特征，而不是显示的特性本身。4.视觉混乱：生成之后，只有少数可视化对象的显示变得混乱，使得视觉解释变得困难。很明显，这些工具不会直接回答调查员的问题。需要一个专家利用提供的图像来推测底层拓扑结构。然后获得一个更具体的答案。直接地，自动特征提取相较于探索性可视化工具，具有如下的优势：1.确定的算法：如果没有“参数”，用户需要进行调整，然后不需要再对其进行干预。2.完全自动化：分析研究可以

44、做到线（没有一个可视化子系统）。其他组件也可以把它用于分析研究（即：解算器直接用它来使网络更好的适应某些功能）。P6U1B Automation or Interaction:Whats best for big data?第六部分第一单元课文第六部分第一单元课文B 自动化与交互：哪个是大数据的首选自动化与交互：哪个是大数据的首选 3.局部分析：这些方案在可能的情况下，只是执行一些局部的运算，因此，每个单元的计算之间都是彼此独立的，可以同时运行的。这在分布式内存计算机领域是一个很大的优势。4.数据简化：输出几何的数量级比输入数据的小几个数量级，这是输出结果的一个很重要的特性。高保真度的空间和时

45、间上的结果可以存储在磁盘上。对整体瞬态模拟来说，这个一般是不能实现的。5.定量信息：精确性：它提供了提取特征的位置。同样，它还可以报告出信息的分类和采取的一些措施。任何一个复杂的代码都可能会用到简单的类比。一个大型程序（运行超过几秒）可能会执行数十亿整数和浮点数的运算。要想知道程序是否顺利运行，没有必要检查每一步的操作是否正确。程序员们会有自己确定结果的度量指标。甚至，整合一些数据量大而且运行时间很长的科学模拟报告对用户来说也是非常有好处的。不足的是，大部分措施是基于数值运算，而不是基于物理计算。自动特征提取可以检测物理学的问题，而P6U1B Automation or Interaction

46、:Whats best for big data?第六部分第一单元课文第六部分第一单元课文B 自动化与交互：哪个是大数据的首选自动化与交互：哪个是大数据的首选 且可以回答这个问题:这个答案是我所期望的吗？只有当事情超出我们意料（我们使用的大型模拟程序产生意想不到的结果）时，才需要我们严密地检查每一步的操作，交互式可视化只是三维空间上科学仿真代码段的调试器而已。罗伯特范里拉“不好意思，我对我看到的东西并不太确定”数据可视化的重要性在科学计算中是大家公认的。仿真结果和计算的交互式操作的显示功能需要用户能看清两者的关系和研究假设，对测试环境进行探索。为了支持这一说法，我将会提出两个例子来进行讨论。这

47、两个例子都是关于数据中信息的缺乏问题的。第一个例子是来自于流量可视化问题：从直接数字仿真中探索大量的湍流数据集。第二个例子来自于细胞生物学：从显微镜中探索细胞。探索环境的需求会随着模型变得越来越复杂，因此，仿真解决方案变得越来越详细，采集数据的设备也变得越来越强大。P6U1B Automation or Interaction:Whats best for big data?第六部分第一单元课文第六部分第一单元课文B 自动化与交互：哪个是大数据的首选自动化与交互：哪个是大数据的首选 山姆优子腾 大数据的首选 “自动化和交互，哪个才是大数据的首选？”本身就是一个错误的问题。大数据本身并不知如何回

48、答也不在意这个问题！说真的，这个问题需要改为，哪个才是最适合使用大数据的那些用户的。而且，需要了解用户想要实现的是什么，以及使用大数据的原因。首先要注意的是，许多用户对大数据能带来的利益提出了很多的原因。单个用户的利益，即使是针对特定的数据集，也可能会随时间产生很大的变化。我喜欢在用户的“科学”和“工程”的目的中，用一维空间来描绘其变化。工程上的目的是由从数据中提取的精确答案描述的。“在租期内我应该在哪钻井才能得到更多的石油？”“攻击飞机的哪个部位能使得它受到的阻力最大？”。科学上的目的是由模糊理论、定性目标或者是宽泛的通用目标来描述的，导致了用户们想通过浏览数据来找到一些不平常的或者是不同的

49、东西的欲望。“在最初的层 P6U1B Automation or Interaction:Whats best for big data?第六部分第一单元课文第六部分第一单元课文B 自动化与交互：哪个是大数据的首选自动化与交互：哪个是大数据的首选 流体当中，湍流是如何形成的？”“宇宙是如何进化产生星系和恒星的？”。记住，这是一个连续体，不是一个二进制分类。很明显，工程上的问题的自动化的答案发现比科学上的要简单的多。我们现在出示的和收集的不同种类的数据彻底的阻止了内部积极探索，那种探索是极端的科学发现问题的手段。自动化方法受到典型计算机“盲点”的限制只能发现一些它们引导着让你发现的东西，并不是发现所有用户觉得感兴趣的问题。现在许多人喜欢使用很多工具来同时满足这两种活动。找到那种可以使两者协调好的工具是非常重要的。但是这样还远远不够；我们也需要新的混合工具，使用自动方法找不到数据集中的具体的“东西”，在数据集一定的区域和维度内作交互式探索可能会更有意思。P6U1B Automation or Interaction:Whats best for big data?第六部分第一单元课文第六部分第一单元课文B 自动化与交互：哪个是大数据的首选自动化与交互：哪个是大数据的首选