项目名称：索道智能驾驶辅助系统的研究与实现

项目负责人及团队成员：陈玉棋、谢璐霞、肖威、裴强、杜青霞、唐瑶、张英杰、黄圣钊、陈妍

指导教师：彭堃，刘毅, 舒向阳

产品或服务：

本项目旨在通过新一代信息技术打造索道智能驾驶辅助系统（以下简称ADAS），ADAS综合索道运力、景区入园大数据、游客乘坐索道的排队等待时间、天气状况以及索道健康状态等要素给索道司机呈现索道启、停及最佳行驶速度的主动提示，用数据和算法支撑索道安全运营的决策判断，改变索道行业传统运营模式下依靠人工经验判断的主观性，ADAS立足索道安全，在满足索道业主运营需求的同时，让索道运行更节能，助力索道企业降本增效。

项目成果：

项目进行成果转化，参加互联网+省赛

进行了软著申报

项目创新点及特色：

通过对ADAS的文献研究，发现ADAS广泛应用于汽车领域，但在索道的领域全球没有先例。我们通过深入的行业调研，发现在实现数智化索道，实现为索道行业保驾护航的目标，实现索道智能驾驶辅助系统有迫切需求。

因此，本项目使用大数据联盟、外部环境检测与自动避险、深度学习搭建模型、安全运营决策机制建立索道智能驾驶辅助系统，通过对索道运力、景区入园大数据、游客乘坐索道的排队等待时间、天气状况以及索道健康状态等要素进行挖掘和分析，采用大数据联动的模式，为深度学习建模型和决策机制打基础，转变传统的索道运营模式，让索道运行更节能，助力索道企业降本增效。

1. 在数据交易和大数据产业运作环境中，为了促进大数据联盟数据聚合服务高效运作，建立由原始层级数据聚合服务、特征层级数据聚合服务、决策层级数据聚合服务构成的大数据联盟数据聚合服务模式，为数据聚合服务方面的研究提供新的思路与方法，并指导联盟实践，促使大数据联盟健康有序发展以及整体竞争实力不断提高。

2. 综合外部环境在不同条件下的分布规律以及模糊推理数据融合获得精确的轿厢当前位置的状况。模拟分析了不同外部环境下对于危险的检测和预警，为轿厢传感器的布置和设计提供了科学依据，设计了具备多传感器信息同步采集功能的外部环境检测系统，模糊推理数据融合方法能对轿厢当前位置的状态做出相应的判断，为索道智能驾驶辅助系统的自主避险提供了依据。

3. 基于 FCE-ANP 打造索道智能驾驶辅助系统外部环境的安全评估方法。对安全评估指标体系进行合理量化，研究基于多传感器数据信息的安全评估方法，获得当前外部环境检测区域的环境安全等级，为索道智能驾驶辅助系统的安全行进提供依据。提出一种基于速度分解法的主动避险算法并融入到路径规划中对局部路径进行调整。结合轿厢当前外部环境的检测评估信息，对轿厢当前移动路径进行局部实时优化，实现轿厢外部环境的检测、安全评估和自主避险等功能。

4. 为了能同时处理大数据环境下索道智能驾驶辅助系统决策中常见的外部环境数据（实数、随机数和区间数），本课题提出概率区间数的概念，并给出相关运算规则，进一步提出了概率区间数的加权集结算子。提出一种全新的随机占优度的定义，并将其引入智能驾驶辅助系统决策中，构建一种考虑所有外部环境的决策模型，该模型高效率低成本地处理超大决策群体的风险，保证决策精度的同时，大大降低对大数据处理技术的要求。

5. 本课题基于 Kendall 和谐系数和修正前后的指标权重向量间的欧式距离，分别提出了两种评估模型，用于判断修正后的决策结果能否被公众所接受。若满意度不能满足决策要求，将进一步构建了面向不同调整阶段的业户与公众偏好调整模型。本课题是借助数学算法辅助决策者根据自身意愿进行偏好调整，调整过程中并不是对所有偏好都进行调整，而是选择其中对决策一致性影响较大，决策人接受程度较高的偏好，作为调整靶点提供给决策者，由决策者根据自己的判断决定对哪些偏好进行调整以及具体的调整幅度，充分尊重决策者的意见，调整结果更容易被公众接受。

6. 本课题立足当前的大数据技术，深入研究索道安全运营决策，进行思维转变，在此基础上以决策的科学化、民主化、合理化为目标，设计大数据环境下的决策机制，考虑到大数据技术发展的发展性和持续性，为索道智能驾驶辅助系统决中的应用提供一种切实可行的方案。

产品特色

索道智能驾驶辅助系统，通过底层的大数据技术和丰富的行业经验为客户提供优质服务。

1.本项目能够同时将索道运力、景区入园大数据、游客乘坐索道的排队等待时间、天气状况以及索道健康状态等要素进行挖掘和分析，采用大数据联动的模式。

2.本项目注重将最新数据技术与业务实践落地，利用大数据机器学习最新技术显著的提升了索道安全运营。

3.本项目致力于将“专注索道，科技创新”的价值理念贯彻落实。

展示图片：