Rznu1m11w第十章工程管理前沿全球工程前沿202410.1.1Top10工程研究前沿發(fā)展態(tài)勢在工程管理領(lǐng)域，本年度10個全球工程研究前沿分別是：基于生成式人工智能的工程管理優(yōu)化問題研究，機器行為與人工智能大模型對人類決策行為的長期影響研究，城市系統(tǒng)物理-信息-社會建模與韌性提升，綠色能源系統(tǒng)綜合優(yōu)化與評估，數(shù)字化碳排放監(jiān)測測算方法及時空特征演化研究，復(fù)雜社會信息網(wǎng)絡(luò)下公共風(fēng)險感知研究，建筑(群)數(shù)字孿生模型推演與虛實交互方法研究，碳中和目標下供應(yīng)鏈管理與優(yōu)化策略研究，氣候金融資產(chǎn)定價與風(fēng)險管理研究，生成式人工智能算法倫理研究。其核心論文發(fā)表情況見表10.1和表10.2。其中，基于生成式人工智能的工程管理優(yōu)化問題研究、機器行為與人工智能大模型對人類決策行為的長期影響研究、城市生命體系統(tǒng)物理-信息-社會建模與韌性提升、綠色能源系統(tǒng)綜合(1)基于生成式人工智能的工程管理優(yōu)化問題研究隨著技術(shù)的飛速發(fā)展和項目的日益復(fù)雜，工程管理在確保項目順利進行與成功完成方面發(fā)揮著至關(guān)重要的作用。現(xiàn)代工程項目往往涉及多方協(xié)作、資源配置、風(fēng)險控制等多個方面，這就要求工程管理者具備全面的專業(yè)知識和管理技能。然而，由于思想與理念難以充分落實，加之現(xiàn)實條件的制約，工程管理的實際效果與預(yù)期目標之間仍然存在較大差距。這種差距不僅可能導(dǎo)致項目延期和預(yù)算超支，還可能影響到工程質(zhì)量和安全。在這樣的背景下，生成式人工智能的顛覆性進展為工程管理帶來了變革的契機。當前，生成式人工智能技術(shù)在工程管理優(yōu)化領(lǐng)域仍處于簡單集成和初步應(yīng)用階段，盡管如此，它們已經(jīng)顯示出巨大1238456復(fù)雜社會信息網(wǎng)絡(luò)下公共風(fēng)險感知研究7建筑(群)數(shù)字孿生模型推演與虛實交互方法研究8911321562474893111032412203552834426復(fù)雜社會信息網(wǎng)絡(luò)下公共風(fēng)險感知研究3324573624598001289921232600021的潛力。這些技術(shù)通過數(shù)據(jù)分析、預(yù)測模型和自動化流程等手段，在工程咨詢、工程營銷、工程運營等業(yè)(2)機器行為與人工智能大模型對人類決策行為的長期影響研究伴隨著智能技術(shù)的飛速發(fā)展，在人們的日常工作和生活中，機器作為行為主體的出現(xiàn)愈發(fā)頻繁，其重要性也日益提升。機器行為，即對智能機器所展現(xiàn)出來的行為研究，從提出伊始便得到了廣泛的關(guān)注和進一步的研究。由于智能機器的應(yīng)用無所不在，類別千變?nèi)f化，特別是伴隨著以ChatGPT為代表的生成式人收集和分析數(shù)據(jù)，驗證人機協(xié)同決策的有效性，以及在實際應(yīng)用中的表現(xiàn)和影響，還探究了人機交互中的決策過程的影響因素，包括溝通模式、任務(wù)分配和角色定義；基于認知科學(xué)的發(fā)現(xiàn)，探究了利用對人腦認知過程的理解來提升人機系統(tǒng)的協(xié)同效率；探索了將人的直覺、判斷和決策能力與機器的數(shù)據(jù)處理、模式讓機器能夠理解并響應(yīng)人類用戶的指令和需求，同時人類用戶也能有效地監(jiān)控和指導(dǎo)機器的行為。此外，還進一步探討了在人機協(xié)同決策中如何確保倫理原則得到遵守，(3)城市系統(tǒng)物理-信息-社會建模與韌性提升城市是經(jīng)過長期建設(shè)發(fā)展形成的由自然環(huán)境、建筑與基礎(chǔ)設(shè)施以及人構(gòu)成的有機生命體。隨著城鎮(zhèn)化的加速和自然災(zāi)害的頻發(fā)，提升城市韌性，確保城市系統(tǒng)在受到擾動時能維持或迅速恢復(fù)功能，已成為城市可持續(xù)發(fā)展的關(guān)鍵。城市可以被視為由物理(實體要素)、信息(信息數(shù)據(jù))、社會(人類活動)三個維度組成的“三度空間”。三度空間中的城市子系統(tǒng)相互關(guān)聯(lián)、相互作用，共同支撐城市的運轉(zhuǎn)，其對災(zāi)害的抵御和恢復(fù)能力，共同決定了城市的韌性水平。隨著城市系統(tǒng)日益復(fù)雜，災(zāi)害影響往往會出現(xiàn)“系統(tǒng)間傳遞”和“維度間擴散”,如供電系統(tǒng)損壞導(dǎo)致供水系統(tǒng)和通信系統(tǒng)功能受損，進而影響醫(yī)院等關(guān)鍵社會服務(wù)設(shè)施的運轉(zhuǎn)。然而，傳統(tǒng)研究與實踐通常針對單一子系統(tǒng)，無法揭示子系統(tǒng)間的交互機制及其破壞后對社會維度的影響機制，也就無法從城市全局上確定需要重點防護的關(guān)鍵基礎(chǔ)設(shè)施，無法將有限的防災(zāi)減災(zāi)資源最優(yōu)地配置到城市的各個子系統(tǒng)中。因此，跨物理-信息-社會維度的城市系統(tǒng)建模與韌性提升已成為當前城市韌性領(lǐng)域的前沿。現(xiàn)有前沿研究主要從以下不同維度融合的角度推進城市系統(tǒng)韌性的建模全球工程前沿2024與提升工作：首先，城市系統(tǒng)物理-信息建模研究主要通過實時數(shù)據(jù)采集、云計算、大數(shù)據(jù)分析的建模與優(yōu)化方法，提升城市物理系統(tǒng)的運行安全與穩(wěn)定性；其次，城市系統(tǒng)社會-信息建模主要通過分析社會行物理-社會系統(tǒng)研究主要聚焦物理-社會系統(tǒng)的相互作用機制，探索災(zāi)害情景中的復(fù)雜動態(tài)過程，提升城市應(yīng)急管理與風(fēng)險評估的準確性；最后，在跨維度建?；A(chǔ)上，通過情景推演，評估城市系統(tǒng)在沖擊下的推動跨學(xué)科、跨領(lǐng)域的創(chuàng)新發(fā)展，特別是在數(shù)據(jù)安全、智能化、集成化和精細化建模等方向，探索新興技(4)綠色能源系統(tǒng)綜合優(yōu)化與評估在全球能源轉(zhuǎn)型與可持續(xù)發(fā)展的大背景下，綠色能源系統(tǒng)的綜合優(yōu)化與評估已成為應(yīng)對氣候變化、保障能源安全和推動環(huán)境保護的關(guān)鍵舉措。通過整合可再生能源技術(shù)，綠色能源系統(tǒng)不僅逐步降低了傳統(tǒng)化石能源的供能比例，也實現(xiàn)了多種能源的高效利用和低碳發(fā)展。如何優(yōu)化整體性能，并在經(jīng)濟性、可靠性多能源系統(tǒng)的集成與優(yōu)化面臨嚴峻挑戰(zhàn)。雖然多能轉(zhuǎn)換與多元儲能技術(shù)極大地提高了系統(tǒng)運行的靈活性和能效，但也顯著增加了系統(tǒng)運行的復(fù)雜性，并對其穩(wěn)定性帶來了極大挑戰(zhàn)。為此，通過建立高效的優(yōu)化策略及多維評估指標，實現(xiàn)多能協(xié)同調(diào)度，并最小化能源生產(chǎn)、傳輸、存儲和消費的全周期成本，是目前研究重點。另一方面，綠氫作為未來能源的重要載體，正在迅速全面崛起。氫能生產(chǎn)、儲存與應(yīng)用技術(shù)的突破也為構(gòu)建新型低碳能源系統(tǒng)提供了重要支撐。研究者們正積極探索經(jīng)濟的綠氫生產(chǎn)方式、高效的系統(tǒng)優(yōu)化方法及全面的評價指標，以推動綠氫在未來能源系統(tǒng)中的深度應(yīng)用。近期研究重?zé)?氣(氫)轉(zhuǎn)換設(shè)施精細化建模、綠氫生產(chǎn)及綜合能源系統(tǒng)多維度評估、電-熱-氣(氫)耦合優(yōu)化調(diào)度及其可靠運行、多網(wǎng)絡(luò)耦合系統(tǒng)規(guī)劃及其設(shè)施配置、市場機制設(shè)計及可持續(xù)發(fā)(5)數(shù)字化碳排放監(jiān)測測算方法及時空特征演化研究1958年，在夏威夷莫納羅亞天文臺啟動的長期大氣二氧化碳觀測首次確認二氧化碳濃度逐年上升。20世紀70—90年代，碳排放概念逐步成型，主要通過能源消耗和工業(yè)活動的統(tǒng)計數(shù)據(jù)進行粗略估算，研究重點在于其對全球氣候變化的影響。進入21世紀，衛(wèi)星遙感技術(shù)被引入碳監(jiān)測領(lǐng)域，發(fā)展出生命周期評價和碳足跡模型等定量分析工具。自2010年以來，信息技術(shù)的進步推動了傳感器網(wǎng)絡(luò)、大數(shù)據(jù)和云計算在碳排放監(jiān)測中的應(yīng)用，增強了對碳排放時空演化特征的研究。2020年后，隨著大數(shù)據(jù)和人工智能的迅速以及探索碳排放與經(jīng)濟、社會、環(huán)境、政策等多因素間的復(fù)雜關(guān)系。當前碳排放監(jiān)測的研究重點主要集中在幾項關(guān)鍵技術(shù)的創(chuàng)新與應(yīng)用上。智聯(lián)網(wǎng)與數(shù)字孿生技術(shù)的結(jié)合，通過智聯(lián)網(wǎng)設(shè)備實時采集碳排放數(shù)據(jù)，并利用數(shù)字孿生技術(shù)進行精確映射和趨勢預(yù)測，實現(xiàn)精準的碳排放測算與評估；天-空-地一體化監(jiān)測與超級計算與智慧大腦的結(jié)合，通過高效的數(shù)據(jù)分析和深度模式挖掘，支持智能化的碳排放管理與決策。這些技術(shù)方向正推動碳排放監(jiān)測走向全面、精準和智能化的綜合發(fā)展。未來十年，碳排放監(jiān)測的發(fā)展目標是打造一個“天-空-地-海-人”多界面耦合、多源融合、可視化、高時空分辨率、動態(tài)系統(tǒng)一體化的碳排放立體監(jiān)測網(wǎng)絡(luò)。核心在于構(gòu)建一個多源、多尺度數(shù)據(jù)智能融合的動態(tài)碳數(shù)據(jù)平臺，并將其深度集成到能源系統(tǒng)中，成為智能能源系統(tǒng)的有機組成部分。這個系統(tǒng)將整合衛(wèi)星、地面站、無人機、車載設(shè)備等多種監(jiān)測手段，在“天-空-地”框架基礎(chǔ)上，搭建一個高時空分辨率且可動態(tài)更新的碳通量網(wǎng)絡(luò)。與現(xiàn)有的碳通量網(wǎng)絡(luò)相比，這一能碳智聯(lián)系統(tǒng)不僅顯著提高了碳流監(jiān)測的準確性和時空分辨率，還增強了對能源網(wǎng)絡(luò)規(guī)劃與運行的指導(dǎo)能力，為在碳中和約束條件下的能源網(wǎng)絡(luò)運行和建設(shè)提供了更多的靈活性，從而更(6)復(fù)雜社會信息網(wǎng)絡(luò)下公共風(fēng)險感知研究公共風(fēng)險感知是公眾對某事物表達的擔心或憂慮，體現(xiàn)了公眾對特定風(fēng)險狀態(tài)進行主觀評價的過程。隨著大數(shù)據(jù)、大模型、大算力等信息技術(shù)的快速發(fā)展，有關(guān)突發(fā)事件或風(fēng)險因素的信息擴散越來越受到人工智能生成內(nèi)容(AIGC)技術(shù)和各類社交媒體平臺的影響。公眾對某類風(fēng)險主題的風(fēng)險感知在當前這種復(fù)雜社會信息網(wǎng)絡(luò)情景下呈現(xiàn)出新特征與新規(guī)律。當前，復(fù)雜社會信息網(wǎng)絡(luò)下的公共風(fēng)險感知在管理學(xué)、災(zāi)害學(xué)、社會學(xué)、計算機科學(xué)、數(shù)據(jù)科學(xué)、工程科學(xué)、傳播學(xué)等多個領(lǐng)域取得了顯著進展，凸顯了公共風(fēng)險感知的動態(tài)性、關(guān)聯(lián)性、復(fù)雜性、模糊性等新特征?，F(xiàn)有的研究多通過信息化手段自動獲取網(wǎng)絡(luò)上多源異新興技術(shù)發(fā)展、特定社會或政策主題等方面的信息擴散模式與擴散網(wǎng)絡(luò)、公眾對其風(fēng)險感知的特征提取與演變過程，以及相應(yīng)責(zé)任主體的風(fēng)險干預(yù)策略等。該領(lǐng)域未來的發(fā)展趨勢包括：①基于異質(zhì)網(wǎng)絡(luò)社區(qū)風(fēng)險認知差異下的風(fēng)險信息擴散模式及其風(fēng)險感知的交互影響模式；②基于AIGC的風(fēng)險信息呈現(xiàn)方式、公共風(fēng)險感知與信任水平的關(guān)系分析；③基于多源異構(gòu)數(shù)據(jù)的公共風(fēng)險感知的信息挖掘技術(shù)與定量計算模型；④公眾對不同突發(fā)事件類型、重大項目活動、新興技術(shù)趨勢等重大變化因素的風(fēng)險感知演變過程分析與全(7)建筑(群)數(shù)字孿生模型推演與虛實交互方法研究數(shù)字孿生是通過在數(shù)字空間對物理世界進行建模，構(gòu)建出物理世界的映像，利用數(shù)字感知、傳輸和智能技術(shù)對物理世界產(chǎn)生的海量數(shù)據(jù)進行分析，形成實時、智能化的洞察和決策，進一步反饋于物理世界，從而實現(xiàn)對物理世界的持續(xù)優(yōu)化和科學(xué)決策。自2003年提出以來，數(shù)字孿生被廣泛應(yīng)用于航空航天、工業(yè)制造等領(lǐng)域，并迅速拓展至城市建筑與建筑群的運維領(lǐng)域。目前，建筑(群)的數(shù)字孿生主要靠融合城市信息模型(CIM)、建筑信息模型(BIM)、地理信息系統(tǒng)(GIS)、物聯(lián)網(wǎng)(IoT)、人工智能等技術(shù)來實現(xiàn)，其成熟度可分為：以虛仿實(1級)、以虛映實(2級)、以虛控實(3級)、以虛預(yù)實(4級)、以虛優(yōu)實(5級)和虛實共生(6級)。其中，3~5級涉及的數(shù)字孿生模型推演與虛實交互是當前亟待突破的核心問題。近年來，該領(lǐng)域的研究處于起步階段，涉及信息采集與分析、數(shù)字孿生模型構(gòu)建、虛實交互軟硬件設(shè)計等的交叉融合，例如融合計算機視覺、物聯(lián)網(wǎng)等的建筑施工與安全培訓(xùn)，基于虛擬現(xiàn)實等的人/機-環(huán)交互，基于大數(shù)據(jù)等的建筑設(shè)備調(diào)控等。相較而言，美國、歐洲等的城市數(shù)字孿生技術(shù)體系相對完善，制定了系列戰(zhàn)略與底層標準，擁有Autodesk等知名廠商支持，形成了“虛擬新加坡”等領(lǐng)先探索實踐。隨著智慧城市建設(shè)需求的提高與信息化技術(shù)的發(fā)展，建筑(群)數(shù)字孿生技術(shù)的發(fā)展與前景更為廣闊。未來研究趨勢服役安全、防災(zāi)與應(yīng)急等多場景的高效感知、全要素識別跟蹤(8)碳中和目標下供應(yīng)鏈管理與優(yōu)化策略研究近年來，圍繞“碳中和目標下供應(yīng)鏈管理與優(yōu)化策略研究”這一主題，國內(nèi)外學(xué)者的前沿研究主要全球工程前沿2024集中在以下五大領(lǐng)域。第一，碳交易政策下的供應(yīng)鏈減排決策與優(yōu)化策略。碳交易政策對供應(yīng)鏈中的制造商和消費者會產(chǎn)生不同影響，在惠及消費者的同時會降低制造商的盈余，但有利于提高整體社會福利。隨著“碳中和”戰(zhàn)略的提出，消費者對低碳生產(chǎn)的意識增強，政府碳交易機制和低碳消費補貼政策逐步出臺，企業(yè)面臨著良好的發(fā)展機遇。然而，政府如何合理制定碳交易政策，企業(yè)如何在供應(yīng)鏈中實施最優(yōu)的低碳生產(chǎn)決策，仍然是低碳轉(zhuǎn)型發(fā)展研究中的關(guān)鍵問題。第二，碳交易政策驅(qū)動的供應(yīng)鏈碳減排技術(shù)創(chuàng)新的影響。實現(xiàn)企業(yè)碳減排的最根本途徑是對碳減排技術(shù)進行投資與創(chuàng)新。在碳交易政策驅(qū)動下，投資碳減排技術(shù)的供應(yīng)鏈成員存在技術(shù)投資決策與縱向合作策略問題。碳交易政策的存在會使縱向合作的條件變得更加嚴格。然而，碳交易政策驅(qū)動的供應(yīng)鏈碳減排技術(shù)創(chuàng)新對企業(yè)間的合作與資源共享、供應(yīng)鏈碳減排成本效益優(yōu)化、供應(yīng)鏈監(jiān)管與信息披露等方面的影響機制仍舊是未知的，是未來的重要研究趨勢。第三，低碳供應(yīng)鏈的融資模式。隨著低碳經(jīng)濟的不斷發(fā)展和推進，低碳供應(yīng)鏈的資金約束問題不斷放大，主要表現(xiàn)為企業(yè)轉(zhuǎn)型、綠色產(chǎn)品研發(fā)、綠色產(chǎn)品推廣和其他低碳行為等環(huán)境保護方面都需要資金作為保障。低碳供應(yīng)鏈之間各方的整體融資協(xié)作不僅能夠為消費者提供更多低碳產(chǎn)品，也能夠有效提高供應(yīng)鏈利潤和總績效。不同的低碳投資成本系數(shù)和生產(chǎn)成本對融資決策選擇具有重要影響。因此，在碳排放限制的背景下，在不同融資模式下如何實現(xiàn)社會福利和制造商利潤的雙贏值得進一步深入研究。第四，數(shù)智技術(shù)和減碳技術(shù)在低碳供應(yīng)鏈中的實施障礙。數(shù)智技術(shù)和減碳技術(shù)可充分賦能供應(yīng)鏈中企業(yè)在“查碳、析碳、減碳”各環(huán)節(jié)的工作。然而，數(shù)智技術(shù)和減碳技術(shù)在低碳供應(yīng)鏈的實施過程中，普遍低碳供應(yīng)鏈網(wǎng)絡(luò)設(shè)計的關(guān)鍵挑戰(zhàn)是如何在保持供應(yīng)鏈網(wǎng)絡(luò)利益最大化的同時，最大程度地減少碳排放。在低碳供應(yīng)鏈網(wǎng)絡(luò)設(shè)計中，需要考慮諸多因素，如供應(yīng)鏈戰(zhàn)略合作伙伴的選擇、物流調(diào)度、能源資源的選擇和利用、庫存管理等。因此，利用優(yōu)化設(shè)計方法，如何最大限度地提高企業(yè)在構(gòu)建低碳供應(yīng)鏈物流網(wǎng)絡(luò)中的綜合利益需要獲得更多關(guān)注。(9)氣候金融資產(chǎn)定價與風(fēng)險管理研究氣候變化不僅直接影響到自然生態(tài)系統(tǒng)，還嚴重威脅到全球經(jīng)濟發(fā)展和金融系統(tǒng)安全。氣候金融是旨在減緩和適應(yīng)氣候變化，以支持經(jīng)濟社會綠色低碳轉(zhuǎn)型、實現(xiàn)可持續(xù)發(fā)展而在全球范圍內(nèi)所進行的所有金融活動的統(tǒng)稱。氣候金融研究重點是在準確刻畫氣候變化的物理風(fēng)險(如極端天氣事件)和轉(zhuǎn)型風(fēng)險(如政策、技術(shù)創(chuàng)新和消費者偏好改變導(dǎo)致的經(jīng)濟結(jié)構(gòu)調(diào)整)的基礎(chǔ)上，探討如何對相關(guān)金融資產(chǎn)進行氣候風(fēng)險定價，以及如何采取措施評估和管理氣候風(fēng)險引起的各種金融風(fēng)險。深入研究氣候金融資產(chǎn)定價與風(fēng)險管理，對維護金融穩(wěn)定以及促進全球經(jīng)濟的可持續(xù)發(fā)展具有重要意義。當前主要研究方向包括：①氣候風(fēng)險量化與評估，主要包括通過自然災(zāi)害監(jiān)控技術(shù)估計極端氣候事件造成的資產(chǎn)損失，評估擱淺資產(chǎn)風(fēng)險及其對金融穩(wěn)定性的影響，采用文本分析和機器學(xué)習(xí)等方法構(gòu)建市場和公司層面的氣候風(fēng)險相關(guān)指數(shù)；②氣候風(fēng)險與資產(chǎn)定價，主要研究氣候變化導(dǎo)致的物理風(fēng)險和轉(zhuǎn)型風(fēng)險如何影響不同資產(chǎn)類別的價格，涉及的資產(chǎn)類別包括房地產(chǎn)、股票和固定收益證券等；③氣候風(fēng)險管理與投資策略優(yōu)化，主要包括金融機構(gòu)如何通過氣候風(fēng)險壓力測試、金融工具創(chuàng)新管理氣候風(fēng)險，投資者如何構(gòu)建投資組合以實現(xiàn)氣候風(fēng)險的有效對沖，政府如何通過金融政策防范和化解氣候風(fēng)險對經(jīng)濟或金融穩(wěn)定性的影響。該領(lǐng)域未來發(fā)展趨勢包括：考慮多源異構(gòu)數(shù)據(jù)的氣候風(fēng)險精細化度量、新型氣候金融工具開發(fā)與合理定價、氣候金融系統(tǒng)與經(jīng)濟社會(10)生成式人工智能算法倫理研究生成式人工智能(generativeartificialintelligence)是人工智能領(lǐng)域的一個重要分支。其以深度學(xué)習(xí)、概率模型、生成對抗網(wǎng)絡(luò)等技術(shù)為基礎(chǔ)，通過對數(shù)據(jù)內(nèi)容、規(guī)律進行學(xué)習(xí)和模擬，實現(xiàn)文本、音頻、視頻、代碼等內(nèi)容的生成，能夠極大地提高生產(chǎn)效率。隨著生成式人工智能在影音娛樂、醫(yī)療衛(wèi)生等領(lǐng)域的應(yīng)用，其在實踐過程中產(chǎn)生的倫理問題也成為社會關(guān)注的重點。現(xiàn)有的倫理研究主要從以下幾個方面展開。其一，從人工智能的開發(fā)和訓(xùn)練層面進行分析，涉及人工智能的數(shù)據(jù)收集方式、數(shù)據(jù)訓(xùn)練內(nèi)容、開發(fā)成本與開發(fā)人員的道德傾向等問題。其中，人工智能的數(shù)據(jù)收集涉及人工智能的監(jiān)視問題、私人數(shù)據(jù)的商品化問題等。這類問題在私密性較高的醫(yī)療領(lǐng)域尤為突出。數(shù)據(jù)的質(zhì)量、開發(fā)人員的訓(xùn)練方式以及道德傾向?qū)θ斯ぶ悄苌傻膬?nèi)容有著深刻影響，通常體現(xiàn)為人工智能生成內(nèi)容的偏見問題。這一問題也使得對開發(fā)人員的倫理教育和跨學(xué)科培訓(xùn)成為倫理研究關(guān)注的重點之一。其二，從人工智能實際運用層面進行分析，涉及人工智能技術(shù)的濫用和人機協(xié)作問題。人工智能技術(shù)的濫用主要表現(xiàn)為虛假信息的制造和傳播。人機協(xié)作問題可細分為人工智能屬于工具還是創(chuàng)造者、生成的內(nèi)容是否具有創(chuàng)新性、人工智能能否視為道德主體并承擔道德責(zé)任等問題。未來的研究將進一步圍繞著人機協(xié)作乃至人機融合展開，主要包括人工智能的權(quán)責(zé)分配問題、虛擬犯罪的認定與懲戒問題、人機融合的身份認同問題和主體價值問題等。10.1.2Top4工程研究前沿重點解讀①工程咨詢，使用生成式人工智能技術(shù)提供政策、法規(guī)、人力資源等方面的咨詢支持；②工程營銷，輔助營銷、售后等各項業(yè)務(wù)；③工程運營，實現(xiàn)人員智能調(diào)度；④財務(wù)審查，確保工程項目合法合規(guī)；⑤風(fēng)險管理，通過生成式人工智能實時評估項目風(fēng)險并提供預(yù)防措施；⑥研究與開發(fā)，評估設(shè)計合理性，“基于生成式人工智能的工程管理優(yōu)化問題研究”工程研究前沿中，核心論文數(shù)排名前六的國家是中國、澳大利亞、美國、法國、英國和德國(表10.3),主要產(chǎn)出機構(gòu)包括法國國立高等工程學(xué)院、韓國科學(xué)技術(shù)院、淑歸女子大學(xué)等(表10.4)。已有研究結(jié)果顯示，“基于生成式人工智能的工程管理優(yōu)化問題研究”工程研究地區(qū)分布主要集中在亞洲和歐洲，法國與比利時、希臘、愛爾蘭等國之間的合作較多(圖10.1)。在機構(gòu)合作方面，多數(shù)為同一國家內(nèi)高校之間的合作，澳大利亞和加拿大兩個國家內(nèi)的高校合作活躍，莫納什大學(xué)、墨爾本大學(xué)、維多利亞大學(xué)、西悉尼大學(xué)之間的合作較為密切(圖10.2)。由表10.5可以看出，中國的施引核心論文數(shù)排名第一。表10.6顯示，施引核心論文數(shù)排名前三的機構(gòu)是麻圖10.3為“基于生成式人工智能的工程管理優(yōu)化問題研究”工程研究前沿的發(fā)展路線。在加快發(fā)展生成式人工智能落地應(yīng)用、構(gòu)建智能化工程管理平臺，推進設(shè)計過程與工程管理有機融合的需求推動下，通全球工程前沿20241國家國家中國6223美國24法國法國25英國256德國217韓國18比利時比利時191愛爾蘭愛爾蘭1122131415墨爾本大學(xué)1617西悉尼大學(xué)18芝加哥大學(xué)1911美國中國圖10.1“基于生成式人工智能的工程管理優(yōu)化問題研究”工程研究前沿主要國家間的合作網(wǎng)絡(luò)莫納什大學(xué)圖10.2“基于生成式人工智能的工程管理優(yōu)化問題研“基于生成式人工智能的工程管理優(yōu)化問題研究”工程研究前沿中施引核心論文的主要產(chǎn)出國家國家1中國2美國3韓國4印度56德國78馬來西亞889意大利812736465國防科技大學(xué)565758中國科學(xué)院494同濟大學(xué)4全球工程前沿2024生成式人工智能與工程管理相關(guān)技術(shù)深度融合理配置確保工程項目管理的可靠性、魯棒性對工程全生命周期管理加快發(fā)展生成式人工智能在工程管理優(yōu)化各領(lǐng)域應(yīng)用技術(shù)，構(gòu)建智能化工程管理平臺需求推進設(shè)計過程與工程管理的有機融合，推動智能工程咨詢、綠色工程生成式人工智能與工程管理工具結(jié)合框架、技術(shù)研究倫理、技術(shù)、法規(guī)等系列問題的運行與管理標準體系模型訓(xùn)練、測試與綜合評價技術(shù)在實際應(yīng)用場景落地，充分考慮現(xiàn)實限制基于生成式人工智能的文本、語音、圖像、視頻、3D技術(shù)，以及采用多模態(tài)融合處理的生成式人工智能關(guān)鍵支撐技術(shù)傳感器、高清攝像、智能化倉儲等智能化終端設(shè)備子里程碑利用生成式人工智能輔助優(yōu)化工程管理實現(xiàn)工程項目資源高效利用、合重點路徑10.1.2.2機器行為與人工智能大模型對人類決策行為的長期影響研究機器行為與人工智能大模型對人類決策行為的長期影響研究將呈現(xiàn)出多元化、深入化和應(yīng)用導(dǎo)向的發(fā)展趨勢。未來研究將更加注重跨學(xué)科融合、多維度分析、長期效應(yīng)與動態(tài)變化的研究內(nèi)容，并加強對倫理、法律問題的關(guān)注，以及政策、法規(guī)的制定。具體如下：(1)人機協(xié)同決策增強在不同行業(yè)(例如金融投資、醫(yī)療診斷等)、不同場景(例如災(zāi)難響應(yīng)、醫(yī)療應(yīng)急情況)下，通過利用人工智能(AI)大模型的數(shù)據(jù)處理能力，識別復(fù)雜的模式和趨勢，為人類提供更為精準的預(yù)測和建議支持，從而提高決策效率，提升決策質(zhì)量。從交互角度入手，可以通過人機交互的增強與協(xié)作，研究如何通過人工智能(AI)提高人機交互的質(zhì)量，以及這種交互如何影響決策過程；研判AI輔助系統(tǒng)在復(fù)雜任務(wù)中的協(xié)作能力，以及它們?nèi)绾斡绊懭祟惖臎Q策效率和準確性。從機器端，可以研究如何提高AI系統(tǒng)的可解釋性，以便用戶能夠理解其決策邏輯和推薦，并探索透明度對于建立用戶對AI系統(tǒng)的信任以及其決策行為的長期影響。從社會端，可以研究智能機器及智能決策系統(tǒng)在推動社會結(jié)構(gòu)變化方面的作用，如就業(yè)結(jié)構(gòu)、經(jīng)濟結(jié)構(gòu)等，并探討這些變化如何影響人類的決策行為和社會互動。(2)決策過程的人機組織與分工如何讓機器聚焦于標準化和重復(fù)性的決策過程，減少人為錯誤，讓人類將注意力集中在更需要創(chuàng)造性和戰(zhàn)略性思考的決策上，并探究這些系統(tǒng)如何影響人類的決策過程、決策質(zhì)量和決策滿意度。探討人機互動過程中人類的心理變化，如信任感、依賴感、自我認同感等，以及這些心理變化如何影響人類的決策行為。必要時，AI系統(tǒng)可進行動態(tài)適應(yīng)性調(diào)整，承擔部分決策任務(wù)，從而減輕決策者的認知負荷，使決策者能夠?qū)Ｗ⒂诟邔哟蔚臎Q策活動。更進一步，人機如何組織協(xié)調(diào)(例如責(zé)權(quán)利如何分配等)以完成決策任務(wù)成為新技術(shù)條件下的研究重點。人機協(xié)同條件下決策模式的轉(zhuǎn)變也成為研究的關(guān)注點，特別是對AI決策支持的長期依賴可能導(dǎo)致人類決策模式的轉(zhuǎn)變，人們可能更傾向于數(shù)據(jù)驅(qū)動的決策，而不僅僅憑經(jīng)驗或直覺，但這也可能導(dǎo)致對機器的過度依賴，從而引發(fā)認知能力下降等問題。(3)決策的倫理與責(zé)任問題隨著AI在決策過程中的作用增加，倫理和責(zé)任歸屬問題也變得更加復(fù)雜，特別是當AI系統(tǒng)提供的建議導(dǎo)致不利后果時，責(zé)任應(yīng)如何界定，成為當前研究的熱點。關(guān)注智能機器及智能決策系統(tǒng)在收集、處理和使用個人數(shù)據(jù)時的隱私保護問題，研究如何加強數(shù)據(jù)安全和隱私保護技術(shù)，以減輕對個人隱私的威脅。探討智能機器及智能決策系統(tǒng)在決策過程中涉及的法律法規(guī)和倫理規(guī)范問題，如責(zé)任歸屬、權(quán)利保護等，(4)技能和教育的適應(yīng)長期來看，人類與AI的協(xié)作可能會發(fā)展出新的工作模式和組織結(jié)構(gòu)，這要求人類適應(yīng)與智能機器共同工作的新環(huán)境。為了有效利用AI進行決策，人類需要學(xué)習(xí)新技能和知識，這會進一步推動教育體系和職業(yè)培訓(xùn)的改革。研究需要分析AI如何改變工作流程和職業(yè)角色；探索AI如何輔助教育和培訓(xùn)過程，支持人的發(fā)展；研判AI對員工滿意度、工作績效和職業(yè)發(fā)展的影響；探究AI系統(tǒng)包括壓力、焦慮和決策疲勞，同時探索AI在提供心理健康支持和干預(yù)方面的潛力，在組織層面形成良好(5)政策與法規(guī)AI在決策中的廣泛應(yīng)用可能會改變勞動力市場的需求，從而導(dǎo)致社會結(jié)構(gòu)和勞動力市場的變化。為此，需要設(shè)計和實施長期研究，以監(jiān)測和評估在個人和社會層面AI對人類決策行為的持續(xù)影響，并進一步研究如何制定有效的政策和法規(guī)，以管理AI在決策過程中的應(yīng)用，確保其積極影響并減少潛在的負面從表10.7和表10.8可以看出，“機器行為與人工智能大模型對人類決策行為的長期影響研究”工程研究前沿中核心論文數(shù)排名前三位的國家是美國、中國和德國，核心論文的主要產(chǎn)出機構(gòu)有佐治亞理工學(xué)“機器行為與人工智能大模型對人類決策行為的長期影響研究”工程研究前沿中核心論文的主要產(chǎn)出國家國家1美國2中國93德國54英國55意大利463738比利時29226全球工程前沿2024澳大利亞(圖10.4);從主要機構(gòu)間的合作網(wǎng)絡(luò)來看，南洋理工大學(xué)、香港理工大學(xué)、佐治亞理工學(xué)院和澳門大學(xué)四者之間的合作較為緊密(圖10.5)。在施引核心論文方面，中國的施引核心論文數(shù)排名領(lǐng)先于其他國家(表10.9),而香港理工大學(xué)和清華大學(xué)則是機構(gòu)的代表(表10.10)。圖10.6為“機器行為與人工智能大模型對人類決策行為的長期影響研究”工程研究前沿的發(fā)展路線。相關(guān)研究應(yīng)以構(gòu)建人機共融的未來社會為目標，在促進人機合作、增強人機協(xié)調(diào)、促進人機共進與和諧共生的不同層次上展開研究。未來研究應(yīng)著力于人機交互、算法提升，并將相關(guān)研究結(jié)合不同具體場景加以應(yīng)用，促進人機相互感知、相互理解，進而探究人機協(xié)同對人類社會的長期影響，并指導(dǎo)制定相關(guān)的法律“機器行為與人工智能大模型對人類決策行為的長期影響研究”工程研究前沿中核心論文的主要產(chǎn)出機構(gòu)122232425明尼蘇達大學(xué)1617181911比利時中國浙江大學(xué)浙江大學(xué)圖10.5“機器行為與人工智能大模型對人“機器行為與人工智能大模型對人類決策行為的長期影響研究”工程研究前沿中施引核心論文的主要產(chǎn)出國家國家1中國2美國3德國4英國56意大利7印度8912384757667同濟大學(xué)6869中山大學(xué)66全球工程前沿2024增強人機協(xié)調(diào)人機相互共進協(xié)同應(yīng)用可信、可解釋、可理解的算法設(shè)計自然人機交互、機器接受度測量人子里程碑10.1.2.3城市系統(tǒng)物理-信息-社會建模與韌性提升城市系統(tǒng)物理-信息-社會建模與韌性提升的主要研究方向有城市系統(tǒng)物理-信息建模、城市系統(tǒng)社會-信息建模、城市系統(tǒng)物理-社會建模、城市系統(tǒng)韌性提升等。具體如下：(1)城市系統(tǒng)物理-信息建模城市系統(tǒng)物理-信息建模研究旨在探究如何通過實現(xiàn)城市物理系統(tǒng)與信息系統(tǒng)的緊密融合，優(yōu)化城市資源配置，保障城市物理系統(tǒng)的安全穩(wěn)定運行。當前研究與實踐集中于兩個方向。首先是通過城市信息系統(tǒng)收集物理系統(tǒng)實時數(shù)據(jù)，基于數(shù)據(jù)分析方法，對物理系統(tǒng)運行狀態(tài)建模，進而優(yōu)化物理系統(tǒng)在突發(fā)情況下的運維管理策略。其次是關(guān)注物理系統(tǒng)與信息系統(tǒng)耦合帶來的級聯(lián)風(fēng)險。例如，城市供水系統(tǒng)通過調(diào)度中心來提升供應(yīng)效率，但當調(diào)度中心受到網(wǎng)絡(luò)攻擊等沖擊失效后，供水系統(tǒng)的供應(yīng)能力會顯著下降，影響城市正常運轉(zhuǎn)。因此，構(gòu)建具備跨維度、跨系統(tǒng)的風(fēng)險抵抗和恢復(fù)適應(yīng)能力的城市物理-信息系統(tǒng)成為了研究前沿：如通過異常檢測、主動防御等技術(shù)，基于實時監(jiān)測網(wǎng)絡(luò)流量，及時發(fā)現(xiàn)潛在的網(wǎng)絡(luò)攻擊威脅；或通過冗余設(shè)計、修復(fù)機制來提高城市物理-信息系統(tǒng)的容錯能力。未來，城市物理-信息建模將向智能化方向繼續(xù)發(fā)展，包括：①提升系統(tǒng)建模在不同場景下的泛化能力；②發(fā)展CIM等數(shù)字孿生技術(shù)作為城市系統(tǒng)韌性管理工具。(2)城市系統(tǒng)社會-信息建模城市系統(tǒng)社會-信息建模旨在基于城市信息系統(tǒng)收集的數(shù)據(jù)刻畫社會系統(tǒng)在沖擊下的動態(tài)響應(yīng)，作為提升城市系統(tǒng)韌性的基礎(chǔ)?，F(xiàn)有研究聚焦于利用大數(shù)據(jù)、人工智能等計算方法，對災(zāi)中和災(zāi)后城市中人的行為模式進行建模與分析。通過挖掘互聯(lián)網(wǎng)社交媒體數(shù)據(jù)和移動網(wǎng)絡(luò)的手機信令數(shù)據(jù)等多源數(shù)據(jù)，刻畫出城市中個體與群體的時空分布和行為演化規(guī)律，了解沖擊下社會網(wǎng)絡(luò)結(jié)構(gòu)與集體行為的涌現(xiàn)機制。社會-信息模型可應(yīng)用于城市韌性建設(shè)的全周期：災(zāi)前，可通過分析歷史數(shù)據(jù)識別高風(fēng)險區(qū)和脆弱人群，為制定針對性減災(zāi)政策提供依據(jù)；災(zāi)中，可預(yù)測受災(zāi)人群撤離遷移軌跡，優(yōu)化救援力量調(diào)度，提高應(yīng)急響應(yīng)效率；災(zāi)后，可監(jiān)測重建進展和社會秩序恢復(fù)情況，為調(diào)整資源投入和工作重點提供決策支持。未來，城市系統(tǒng)社會-信息建模研究還將進一步關(guān)注以下問題：①深入探討城市社會系統(tǒng)數(shù)據(jù)采集、共享中的安全和隱私保護問題，平衡數(shù)據(jù)價值和風(fēng)險；②建立跨層級、跨部門的社會-信息協(xié)同模型，打通數(shù)據(jù)融合路徑；③基于社會-信息模型，推動群體行為和社會治理模型創(chuàng)新，提高公眾參與韌性建設(shè)的廣度和深度。(3)城市系統(tǒng)物理-社會建模城市系統(tǒng)物理-社會建模旨在揭示城市物理系統(tǒng)與社會系統(tǒng)之間的交互機制，強調(diào)以人為本的韌性城市建設(shè)思路。傳統(tǒng)的物理模型難以刻畫災(zāi)害沖擊下人的應(yīng)急行為和決策過程對城市物理子系統(tǒng)狀態(tài)的反饋調(diào)節(jié)作用，如居民的疏散行為對交通系統(tǒng)的影響。因此，物理-社會建模通過引入行為模型、多智能體系統(tǒng)等方法，表征個體行為以及由個體行為相互作用構(gòu)成的社會系統(tǒng)的涌現(xiàn)特性和規(guī)律，進而分析社會系統(tǒng)交通中斷等因素對人員疏散和經(jīng)濟損失的影響模型，評估災(zāi)害對城市物理系統(tǒng)和社會系統(tǒng)的沖擊，以及社會系統(tǒng)變化對物理系統(tǒng)的反饋作用。一些學(xué)者還利用深度學(xué)習(xí)、強化學(xué)習(xí)等人工智能技術(shù)，對城市居民的風(fēng)險感知、避險決策和自組織過程進行了個體和群體建模，動態(tài)模擬居民行為與物理系統(tǒng)之間的相互作用及其時空變化規(guī)律，增強模型對沖擊下城市社會過程的描述能力。此外，關(guān)于社會資本對城市系統(tǒng)韌性影響的研究也受到關(guān)注，探討了社區(qū)網(wǎng)絡(luò)、互助行為等社會因素在災(zāi)后恢復(fù)重建中的積極作用。這些研究使物理-社會建模從靜態(tài)建模走向動態(tài)模擬。未來，物理-社會建模研究將在以下幾個方面進一步發(fā)展：①構(gòu)建個體與群體行為的多尺度描述方法，融合多源數(shù)據(jù)，加強對不同社會行為模式的理解和表征；②拓展模型的應(yīng)用場景，在災(zāi)害應(yīng)急管理基礎(chǔ)上延伸到城市規(guī)劃、基礎(chǔ)設(shè)施布局優(yōu)化等更廣泛的領(lǐng)域；③探索泛化能力更強的物理-社會耦合機制理論，提高建模精細化水平與泛化能力；④將“人在回路”納入建模(4)城市系統(tǒng)韌性提升城市系統(tǒng)韌性研究的核心目標是將理論模型轉(zhuǎn)化為實際應(yīng)用，從而提高城市應(yīng)對各種沖擊的能力?，F(xiàn)有研究與實踐主要是在構(gòu)建綜合考慮物理系統(tǒng)、信息系統(tǒng)和社會系統(tǒng)的交互作用的城市系統(tǒng)基礎(chǔ)上，通過情景推演法評估不同外部沖擊場景下的城市系統(tǒng)動力學(xué)特性，如評估關(guān)鍵基礎(chǔ)設(shè)施的相互依賴性，預(yù)測級聯(lián)故障風(fēng)險等，為韌性提升決策提供依據(jù)。在情景分析的基礎(chǔ)上，通過多準則決策分析、經(jīng)濟效益評估等方法，制定關(guān)鍵組件韌性提升策略、優(yōu)化資源配置和應(yīng)急響應(yīng)管理機制、提升沖擊下城市供應(yīng)鏈韌性、推動跨部門和跨區(qū)域合作等。然而，隨著城市系統(tǒng)復(fù)雜性的增加以及各類新興風(fēng)險的出現(xiàn)和累積，現(xiàn)有模型在應(yīng)對多種沖擊的復(fù)雜風(fēng)險時，仍存在一定的局限性。因此，未來的研究將進一步構(gòu)建具有綜合性、泛化性的城市系統(tǒng)模型，以支撐更精準的城市系統(tǒng)韌性提升決策，包括：①構(gòu)建物理-信息-社會三維度耦合模型，以全面模擬復(fù)雜沖擊下城市系統(tǒng)的響應(yīng)機制；②探討復(fù)雜風(fēng)險情景下的城市系統(tǒng)韌性評估方法?！俺鞘邢到y(tǒng)物理-信息-社會建模與韌性提升”工程研究前沿中，核心論文數(shù)排名前三位的國家是美國、中國和加拿大(表10.11),核心論文的主要產(chǎn)出機構(gòu)有中國香港大學(xué)、美國密西西比州立大學(xué)、捷克奧斯特拉瓦技術(shù)大學(xué)等(表10.12)。從主要國家間的合作網(wǎng)絡(luò)(圖10.7)來看，中國與其他國家的合作較為緊密；從主要機構(gòu)間的合作網(wǎng)絡(luò)(圖10.8)來看，捷克奧斯特拉瓦技術(shù)大學(xué)、托馬斯·巴塔大學(xué)和日由表10.14可以看出，施引核心論文數(shù)排名靠前的機構(gòu)是得克薩斯農(nóng)工大學(xué)、香港理工大學(xué)和同濟大學(xué)。全球工程前沿2024圖10.9為“城市系統(tǒng)物理-信息-社會建模與韌性提升”工程研究前沿的發(fā)展路線。相關(guān)研究應(yīng)以構(gòu)建跨緯度、跨系統(tǒng)的城市系統(tǒng)模型為目標，通過需求分析，利用大數(shù)據(jù)、機器學(xué)習(xí)、人工智能等關(guān)鍵共性技在提升系統(tǒng)建模場景泛化能力、復(fù)雜風(fēng)險場景下韌性評估方法、優(yōu)化資源配置等方面展開研究。表10.11“城市系統(tǒng)物理-信息-社會建模與韌性提升”工1國家美國2中國354352627德國1819印度11表10.12“城市系統(tǒng)物理-信息-社會建模與韌性提升”工1423334352627日利納大學(xué)28292西安大略大學(xué)2加拿大普渡大學(xué)上海財經(jīng)大學(xué)國家1中國2美國3英國45伊朗67意大利8印度9德國表10.14“城市系統(tǒng)物理-信息-社會建模與韌性提升”工程研究前沿中施引核心論文的主要產(chǎn)出機構(gòu)123同濟大學(xué)45陶森大學(xué)6日利納大學(xué)789東南大學(xué)全球工程前沿20242029203020292030開發(fā)基于城市系統(tǒng)模型的城市規(guī)劃、基礎(chǔ)設(shè)施布局優(yōu)化方法災(zāi)害及其他各類沖擊對保障城市運轉(zhuǎn)的連續(xù)構(gòu)建物理-信息-社會三維耦合模型是提升城市系統(tǒng)韌性管理的關(guān)鍵方法5G通信、物聯(lián)網(wǎng)、邊綠計算、區(qū)塊鏈等新一代信息關(guān)鍵共性技術(shù)大數(shù)據(jù)分析、機器學(xué)習(xí)、人工智能等智能計算技術(shù)保障措施建立跨學(xué)科研究團隊和完善數(shù)據(jù)共享機制推動產(chǎn)學(xué)研合作，確保研究科學(xué)性與實用性增強政情資金支持，推動城市韌性建設(shè)構(gòu)建物理-信息-社會三維耦合模型，提升系統(tǒng)建模場景泛化能力系統(tǒng)模型綠色能源系統(tǒng)綜合優(yōu)化與評估的主要研究方向有綠色能源系統(tǒng)電-熱-氣轉(zhuǎn)換設(shè)施及其精細化建模、綠氫供應(yīng)系統(tǒng)建模及其綜合能源系統(tǒng)多維度評估、電-熱-氣(氫)系統(tǒng)優(yōu)化調(diào)度及其可靠運行、多網(wǎng)絡(luò)(1)綠色能源系統(tǒng)電-熱-氣轉(zhuǎn)換設(shè)施及其精細化建模研究重點在于電-熱-氣多能耦合系統(tǒng)能源生產(chǎn)、轉(zhuǎn)換、存儲、消費等環(huán)節(jié)的精細化建模，實現(xiàn)電-熱-氣三網(wǎng)協(xié)同運行，提升能源利用效率，降低供能成本及其碳排放。研究內(nèi)容主要包括光伏、風(fēng)能、沼氣等(2)綠氫供應(yīng)系統(tǒng)建模及其綜合能源系統(tǒng)多維度評估研究重點在于綠氫供應(yīng)鏈的精細化建模及其在綜合能源系統(tǒng)中的高效應(yīng)用，尤其是通過質(zhì)子交換膜、借助物聯(lián)網(wǎng)、云計算和人工智能技術(shù)，提升多維度評估精準性，促進綜合能源系統(tǒng)優(yōu)化升級，為全球能源(3)電-熱-氣(氫)系統(tǒng)優(yōu)化調(diào)度及其可靠運行研究重點在于協(xié)調(diào)電-熱-氣(氫)不同能量形式之間的耦合運行，提升源荷雙側(cè)不確定性，達到系統(tǒng)運行的靈活性、高效性和經(jīng)濟性目標。研究內(nèi)容主要包括電-熱-氣(氫)轉(zhuǎn)換設(shè)施定工況與變工況建模、綠色能源系統(tǒng)優(yōu)化調(diào)度、模型差異性對調(diào)度的影響分析、不同時間尺度下綠色能源系統(tǒng)協(xié)同運行、季節(jié)性儲能對系統(tǒng)低碳安全經(jīng)濟價值的影響分析、多能源負荷差異化需求響應(yīng)下系統(tǒng)調(diào)度優(yōu)化等。同時，借助人(4)多網(wǎng)絡(luò)耦合系統(tǒng)規(guī)劃及其設(shè)施配置研究重點在于多能流、多網(wǎng)絡(luò)融合的互聯(lián)形態(tài)及其建模，多時間尺度、多主體、多環(huán)節(jié)的互動機制設(shè)計，在低碳、安全和經(jīng)濟等多重目標下能源設(shè)備、網(wǎng)絡(luò)投建地點和容量規(guī)劃配置。研究內(nèi)容主要包括考慮設(shè)備技術(shù)特性、投建狀態(tài)、投資主體的電-熱-氣能量轉(zhuǎn)換設(shè)備選址與定容，融合能量流、信息流和交通氣(氫)綠色供能系統(tǒng)運行風(fēng)險度量及韌性提升規(guī)劃等。(5)綠色能源市場機制設(shè)計及可持續(xù)發(fā)展政策推廣研究重點在于多主體參與、綠證-碳排放-電力多市場耦合的交易機制設(shè)計，在安全高效、清潔低碳等多目標下的綠色能源可持續(xù)發(fā)展政策。研究內(nèi)容主要包括考慮電站成本結(jié)構(gòu)的新能源電站上網(wǎng)電價機制設(shè)計，考慮能源區(qū)塊鏈技術(shù)的點對點交易機制，考慮主體有限理性的綠色能源碳排放-電力市場耦合機理分析與機制設(shè)計，促進清潔能源規(guī)劃管理、技術(shù)升級、規(guī)?；{的綠色信貸“綠色綜合能源系統(tǒng)優(yōu)化和評估”工程前沿研究中，核心論文數(shù)排名前三位的國家是中國、伊朗和丹麥(表10.15),主要產(chǎn)出機構(gòu)有奧爾堡大學(xué)、德黑蘭大學(xué)、上海交通大學(xué)等(表10.16)。從主要國家間的合作網(wǎng)絡(luò)來看，丹麥與其他國家間的合作非常密切(圖10.10);從主要機構(gòu)間的合作網(wǎng)絡(luò)來看，奧爾堡大學(xué)、印度理工學(xué)院瓦拉納西校區(qū)、巴特那國立技術(shù)學(xué)院、阿卜杜勒阿齊茲國王大學(xué)與伊斯蘭阿扎德大學(xué)之間的合作較為密切(圖10.11)。由表10.17可以看出，施引核心論文數(shù)排名第一的國家為中國，印度排第二。由表10.18可以看出，施引核心論文數(shù)排名靠前的機構(gòu)是伊斯蘭阿扎德大學(xué)、韓國工業(yè)技術(shù)學(xué)國家1中國52伊朗3324英國25韓國26印度1718沙特阿拉伯19突尼斯1阿聯(lián)酋11奧爾堡大學(xué)2220314愛丁堡大學(xué)15印度理工學(xué)院瓦拉納西校區(qū)16巴特那國立技術(shù)學(xué)院1718191阿卜杜勒阿齊茲國王大學(xué)1全球工程前沿2024韓國韓國新加坡突尼斯圖10.10“綠色能源系統(tǒng)綜合優(yōu)化與評估”工程研究前沿主要國家間的合作網(wǎng)絡(luò)上海交通大學(xué)奧爾堡大學(xué)圖10.11“綠色能源系統(tǒng)綜合優(yōu)化與評估”工程研究前沿主要機構(gòu)間的合作網(wǎng)絡(luò)國家1中國2印度3韓國4伊朗5美國6英國7意大利89沙特阿拉伯圖10.12為“綠色能源系統(tǒng)綜合優(yōu)化與評估”工程研究前沿的發(fā)展路線。該前沿領(lǐng)域未來的發(fā)展將重點圍繞綠色能源系統(tǒng)電-熱-氣(氫)轉(zhuǎn)換設(shè)施精細化建模、綠氫生產(chǎn)及綜合能源系統(tǒng)多維度評估、電-熱-氣(氫)耦合優(yōu)化調(diào)度及其可靠運行、多網(wǎng)絡(luò)耦合系統(tǒng)規(guī)劃及其設(shè)施配置、市場機制設(shè)計及可持續(xù)發(fā)展政策推廣展開。發(fā)展趨勢表明，隨著多能耦合技術(shù)和多能協(xié)同優(yōu)化策略的成熟，多能耦合建模將更加精細和1234奧爾堡大學(xué)59697東南大學(xué)8889西安交通大學(xué)87子里程碑子里程碑2024202520262027202820292030低碳光伏、風(fēng)機及綠氫等清潔能源技術(shù)試點高效多電力資源自治協(xié)同管理技術(shù)智能智能化調(diào)度技術(shù)需求綠色能源系統(tǒng)的全生命周期建模及多維度評估系統(tǒng)多目標規(guī)劃與優(yōu)化調(diào)度運行市場機制設(shè)計及可持續(xù)發(fā)展政策推廣綠色能源光伏、風(fēng)能、沼氣等可再生能源電-熱-氣(氫)多能耦合系統(tǒng)動態(tài)設(shè)備層、系統(tǒng)層的分層分級建模基于大數(shù)據(jù)和機器學(xué)習(xí)技術(shù)的系統(tǒng)的精細化建模建模平臺設(shè)計數(shù)據(jù)驅(qū)動建模備精細化多能耦合系統(tǒng)的高效儲能與能量綠氫在不同多能耦合系統(tǒng)中的綠氫在多能耦合系統(tǒng)中的生產(chǎn)、電氫耦合分布式電氫耦合系統(tǒng)的多維性能評估指標電氫耦合系統(tǒng)的綜合性能評估系統(tǒng)能源結(jié)構(gòu)與運行策略優(yōu)化系統(tǒng)全生命周期多分布式電氫耦合系統(tǒng)全生命周期電氫耦合系統(tǒng)的全生命周期評估影響電氫耦合系統(tǒng)經(jīng)濟性的關(guān)鍵環(huán)境友好、經(jīng)濟高效目標下的維度評估數(shù)據(jù)處理模型構(gòu)建因素分析電氫耦合系統(tǒng)優(yōu)化方案綠色能源不同能量形式耦合源荷雙側(cè)不確定性建模轉(zhuǎn)換設(shè)施定工況與變工況建模綠色能源系統(tǒng)優(yōu)化調(diào)度調(diào)度及可多時間尺度綠色能源系統(tǒng)季節(jié)性儲能對系統(tǒng)低碳安全經(jīng)濟多能靠運行模型差異性對調(diào)度影響分析協(xié)同運行多網(wǎng)絡(luò)耦多能流、多網(wǎng)絡(luò)融合多時間尺度、多主體、多環(huán)節(jié)設(shè)備、網(wǎng)絡(luò)投建地點和能量流、信息流和交通流合系統(tǒng)規(guī)互聯(lián)形態(tài)建?；訖C制設(shè)計容量規(guī)劃配置融合的系統(tǒng)擴展規(guī)劃施配置電-熱-氣能量轉(zhuǎn)換設(shè)備選址與定容考慮源荷不確定性的可靠性規(guī)劃綠色供能系統(tǒng)運行風(fēng)險度量極端災(zāi)害事件下系統(tǒng)韌性提升規(guī)劃綠色能源系統(tǒng)政策現(xiàn)有綠色能源市場機制與激勵綠色能源生產(chǎn)和消費的考慮不同政策組合對綠色能源系統(tǒng)與市場機政策框架分析市場機制研究發(fā)展影響的政策模擬平臺構(gòu)建綠色能源政策制定與推廣制設(shè)計及推廣設(shè)備層高效光伏組先進風(fēng)力發(fā)電系統(tǒng)層多能耦合能源管理系統(tǒng)綠色能源市場機制技術(shù)支持層智能調(diào)度算法與優(yōu)化技術(shù)能源區(qū)塊鏈技術(shù)自動化控制與故障自愈技術(shù)建模PEM、SOE等核心制氫技術(shù)優(yōu)化傳輸技術(shù)優(yōu)化多元應(yīng)用場景研究重點方向全球工程前沿2024在工程管理領(lǐng)域中，本年度10個全球工程開發(fā)前沿分別是：數(shù)據(jù)與模型雙驅(qū)動的智能數(shù)學(xué)規(guī)劃算法，面向自動駕駛數(shù)據(jù)閉環(huán)的大模型技術(shù)開發(fā)與場景庫構(gòu)建，工程建造云邊端數(shù)據(jù)協(xié)同管理平臺，面向服務(wù)創(chuàng)新的情智兼?zhèn)鋽?shù)字人，城市生態(tài)風(fēng)險預(yù)警防控與生態(tài)韌性提升關(guān)鍵技術(shù)，城市街景感知技術(shù)與空間特征識別方法，環(huán)境大氣大數(shù)據(jù)耦合同化技術(shù)及智能感知共享平臺，環(huán)境智能中的隱私計算方法與系統(tǒng)，大小模型端云協(xié)同進化技術(shù)，復(fù)雜制造系統(tǒng)的多維態(tài)感知與優(yōu)化調(diào)度關(guān)鍵技術(shù)。其核心專利情況見表10.19和表10.20。這10個工程開發(fā)前沿涉及了醫(yī)學(xué)、建筑、交通、計算機等眾多學(xué)科。其中，數(shù)據(jù)與模型雙驅(qū)動的智能數(shù)學(xué)規(guī)劃算法、面向自動駕駛數(shù)據(jù)閉環(huán)的大模型技術(shù)開發(fā)與場景庫構(gòu)建、工程建造云邊端數(shù)據(jù)協(xié)同123工程建造云邊端數(shù)據(jù)協(xié)同管理平臺4567環(huán)境大氣大數(shù)據(jù)耦合同化技術(shù)及智能感知共享平臺89復(fù)雜制造系統(tǒng)的多維態(tài)感知與優(yōu)化調(diào)度關(guān)鍵技術(shù)145749200073工程建造云邊端數(shù)據(jù)協(xié)同管理平臺212124201650146215487環(huán)境大氣大數(shù)據(jù)耦合同化技術(shù)及智能感知共享平臺63800169900026復(fù)雜制造系統(tǒng)的多維態(tài)感知與優(yōu)化調(diào)度關(guān)鍵技術(shù)012267管理平臺、面向服務(wù)創(chuàng)新的情智兼?zhèn)鋽?shù)字人為重點解讀的前沿，后文會對其目前發(fā)展態(tài)勢以及未來趨勢進(1)數(shù)據(jù)與模型雙驅(qū)動的智能數(shù)學(xué)規(guī)劃算法在管理科學(xué)領(lǐng)域，傳統(tǒng)的決策方法常常分開處理模型與數(shù)據(jù)，這種分離可能導(dǎo)致優(yōu)化目標與實際決策目標不一致，從而影響決策的效果和質(zhì)量。為了克服這一限制，數(shù)據(jù)與模型雙驅(qū)動的智能數(shù)學(xué)規(guī)劃算法被提出。該算法的核心理念是將數(shù)據(jù)分析與數(shù)學(xué)建模緊密結(jié)合，以便在決策過程中同時調(diào)整和優(yōu)化模型的參數(shù)，更好地適應(yīng)動態(tài)變化的環(huán)境條件。此方法不僅提高了決策的精確性和效率，而且增強了模型的適應(yīng)性②跨學(xué)科方法的探索，如結(jié)合機器學(xué)習(xí)技術(shù)與運籌學(xué)原理，以處理更為復(fù)雜和非線性的決策問題；③提高算法對特定數(shù)據(jù)分布和實際應(yīng)用場景的適應(yīng)性。隨著技術(shù)的進步，尤其是大數(shù)據(jù)和人工智能技術(shù)的快速發(fā)展，數(shù)據(jù)與模型雙驅(qū)動的智能數(shù)學(xué)規(guī)劃算法在學(xué)術(shù)界和工業(yè)界越來越受到關(guān)注。未來的發(fā)展趨勢將聚焦于提升算法的實時性和自動化程度，探索多模態(tài)數(shù)據(jù)處理和深度學(xué)習(xí)技術(shù)，以增強決策模型的自學(xué)習(xí)和自適應(yīng)能力。此外，該算法預(yù)計將在電力系統(tǒng)優(yōu)化、云計算資源調(diào)度等多個需要快速和準確決策的行業(yè)中得(2)面向自動駕駛數(shù)據(jù)閉環(huán)的大模型技術(shù)開發(fā)與場景庫構(gòu)建自動駕駛汽車因其在交通安全和機動性方面具有革命性的潛力，近年來受到廣泛關(guān)注。開發(fā)和部署自高效地運行。大語言模型(largelanguagemodel,LLM)和視覺語言模型(vision-languagemodel,VLM)等基礎(chǔ)模型的出現(xiàn)與發(fā)展，體現(xiàn)了其強大的理解、涌現(xiàn)與生成能力，為自動駕駛場景生成帶來了新機遇。通過學(xué)習(xí)海量文本、視頻數(shù)據(jù)，大模型能夠生成復(fù)雜、細致且高保真的駕駛場景，并根據(jù)輸入條件和反饋動態(tài)調(diào)整，顯著提升了場景生成和測試的靈活性與全面性。目前主流的自動駕駛汽車測試方法采用Agent環(huán)境框架，通過軟件仿真、閉軌測試和道路測試相結(jié)合。其基本思想是在真實的駕駛環(huán)境中測試自動駕駛汽車的智能體，觀察其性能，并與人類駕駛員的性能進行統(tǒng)計比較。然而，現(xiàn)有的自動駕駛汽車測試的挑戰(zhàn)來自三個不同的方面：第一，自動駕駛中的駕駛?cè)送ǔＪ腔诮y(tǒng)計或人工智能算法開發(fā)的，限制了傳統(tǒng)的基于邏輯的軟件驗證和確認技術(shù)的使用；第二，駕駛環(huán)境通常具有復(fù)雜性和隨機性，為了表示環(huán)境的全部復(fù)雜性和可變性，高維的環(huán)境變量會造成“維數(shù)災(zāi)難”,同時，環(huán)境的隨機性也會使傳統(tǒng)的絕對安全的形式化方法失效；第三，駕駛智能測試中安全關(guān)鍵事件的稀缺性會導(dǎo)致測試極端低效。因此，如何構(gòu)建一個能夠準確、高效地測試駕駛智能的智能場景，兼顧高維性和安全關(guān)鍵事件的稀缺性，成為自動駕駛汽車安全性能測試問題的關(guān)鍵。研究重點包括場景建模與仿真、關(guān)鍵案例生成和場景測試分析。其中，場景建模與仿真關(guān)注如何創(chuàng)建逼真的駕駛環(huán)境進行測試；關(guān)鍵案例生成致力于在極端和罕見場景中驗證系統(tǒng)的安(3)工程建造云邊端數(shù)據(jù)協(xié)同管理平臺工程建造過程規(guī)模體量大、周期長、參與方多，產(chǎn)生的工程數(shù)據(jù)由于其多源異構(gòu)、時效性強、噪聲多等特征，在之前的研究中未被充分利用。隨著智能建造創(chuàng)新模式的不斷發(fā)展，先進的智能技術(shù)與新型建筑工程建造云邊端數(shù)據(jù)協(xié)同管理平臺也應(yīng)運而生。該平臺通過深度融合云計算、邊緣計算、物聯(lián)網(wǎng)、區(qū)塊鏈全球工程前沿2024等技術(shù)，實現(xiàn)工程建造過程中數(shù)據(jù)的高效協(xié)同與一體化管理，并為工程進度、資源配置和質(zhì)量風(fēng)險監(jiān)管等各方面提供決策支持。現(xiàn)有研究主要圍繞提升工程數(shù)據(jù)采集的實時性和全面性、多方數(shù)據(jù)云邊端協(xié)同共享重點落腳于工程數(shù)據(jù)采集-傳輸-分析處理一體化集成、云邊端平臺計算資源與任務(wù)調(diào)度優(yōu)化、云邊端平臺數(shù)據(jù)協(xié)同共享隱私性保障等方面。然而，工程建造云邊端數(shù)據(jù)協(xié)同管理平臺在數(shù)據(jù)協(xié)同的高效性、數(shù)據(jù)分析處理的準確性、數(shù)據(jù)共享的隱私性和安全性等方面仍需提升，因此，工程建造云邊端節(jié)點管理技術(shù)、端邊協(xié)同與云邊協(xié)同技術(shù)、云邊數(shù)據(jù)分析與算法優(yōu)化、云邊計算任務(wù)卸載策略及優(yōu)化、云邊端與區(qū)塊鏈融(4)面向服務(wù)創(chuàng)新的情智兼?zhèn)鋽?shù)字人面向服務(wù)創(chuàng)新的情智兼?zhèn)鋽?shù)字人，是指在數(shù)字人與人工智能技術(shù)融合的基礎(chǔ)上，面向服務(wù)領(lǐng)域需求，創(chuàng)造出的具備人類外觀、行為和情感特征的虛擬角色。這種數(shù)字人不僅能夠模擬人類的外表和動作，還能實現(xiàn)自然的語言交流和情感表達，為用戶提供更加豐富和真實的互動體驗。這種數(shù)字人通常具備高度的擬人化特征，包括面部表情、語言溝通、情感識別和反饋等能力。面向服務(wù)創(chuàng)新的情智兼?zhèn)鋽?shù)字人涉及的主要研究方向包括：①3D人體建模與動畫技術(shù)，利用多視點、多光源精準采集或者人工智能技術(shù)，從2D圖像或視頻重建出高質(zhì)量的3D人體模型，并驅(qū)動實現(xiàn)自然的動作和表情；②多模態(tài)交互，結(jié)合語音、視覺、文本等多種交互方式，實現(xiàn)數(shù)字人與真實用戶互動，提高數(shù)字人的交互自然度和智能水平；③情感計算，研究人類情感模型，通過人工智能技術(shù)，使數(shù)字人識別和模擬人類情感，并在交互中實現(xiàn)情感的自然表達；④自主學(xué)習(xí)和決策，在特定服務(wù)領(lǐng)域中，通過數(shù)據(jù)感知和機器學(xué)習(xí)算法，使數(shù)字人能夠自主學(xué)習(xí)并做出決策，提高其適應(yīng)性和個性化服務(wù)能力。隨著需求場景的不斷出現(xiàn)和技術(shù)的不斷進步，情智兼?zhèn)涞臄?shù)字人將在服務(wù)創(chuàng)新中扮演越來越重要的角色，為用戶帶來更加個性化和智能化的服務(wù)體驗。同時，這一領(lǐng)域的發(fā)展也面臨著真實感、個性化、交互性、倫理和隱私等方面的挑戰(zhàn)，需要學(xué)術(shù)界和產(chǎn)業(yè)界的共同努力來克服。(5)城市生態(tài)風(fēng)險預(yù)警防控與生態(tài)韌性提升關(guān)鍵技術(shù)城市是社會經(jīng)濟活動與資源環(huán)境要素密切交互的核心單元。精細化、現(xiàn)代化城市治理是我國重大戰(zhàn)略需求。如何實現(xiàn)城市生態(tài)風(fēng)險預(yù)警防控，提升城市生態(tài)韌性，是支撐城市“大應(yīng)急”戰(zhàn)略、保障城市生態(tài)聚焦多污染物、多尺度、跨介質(zhì)復(fù)合污染治理，基于精準探測、智能關(guān)聯(lián)感知、天空地一體化遙感等生態(tài)環(huán)境監(jiān)測技術(shù)，實現(xiàn)城市環(huán)境風(fēng)險自動感知與評估預(yù)警；②城市極端氣候災(zāi)害與次生風(fēng)險評估系統(tǒng)，發(fā)展多元數(shù)據(jù)同化與模型硬連接技術(shù)，打通城市尺度氣候-水文-生態(tài)-環(huán)境-健康-產(chǎn)業(yè)跨領(lǐng)域風(fēng)險評估模式，發(fā)展極端氣候事件災(zāi)害態(tài)勢感知與多領(lǐng)域影響的風(fēng)險動態(tài)仿真系統(tǒng)；③城市生態(tài)風(fēng)險韌性提升關(guān)鍵技術(shù)與決策平臺，面向環(huán)境健康、水能糧產(chǎn)業(yè)鏈、脆弱生態(tài)系統(tǒng)、關(guān)鍵基礎(chǔ)設(shè)施等涉及城市生態(tài)環(huán)境安全的環(huán)境違法、環(huán)境輿情的預(yù)警和應(yīng)急能力；以過程安全為核心，實現(xiàn)生態(tài)風(fēng)險在城市系統(tǒng)內(nèi)部級聯(lián)、耦合傳導(dǎo)的精準與智能化研判；以服務(wù)決策為目標，構(gòu)建風(fēng)險適應(yīng)決策支撐平臺，追求成本效益最優(yōu)、復(fù)雜情景(6)城市街景感知技術(shù)與空間特征識別方法供有價值的見解。計算機視覺等技術(shù)的最新發(fā)展，加上城市視覺數(shù)據(jù)源(例如街景圖需要結(jié)合人工智能的方法(例如采用計算機視覺技術(shù)識別街景圖像來預(yù)測用戶的感知)。統(tǒng)計數(shù)據(jù)時，豐富(7)環(huán)境大氣大數(shù)據(jù)耦合同化技術(shù)及智能感知共享平臺環(huán)境大氣大數(shù)據(jù)耦合同化及智能感知預(yù)測通過大數(shù)據(jù)技術(shù)、人工智能、區(qū)塊鏈等數(shù)字技術(shù)在大氣污染防治領(lǐng)域的創(chuàng)新應(yīng)用，構(gòu)建常規(guī)污染物、氣溶膠組分、光化學(xué)觀測、高分辨率模擬等數(shù)據(jù)的質(zhì)量控制和同化綜合分析系統(tǒng)，形成支撐大氣污染精細化治理的綜合同化數(shù)據(jù)集。開展環(huán)境大數(shù)據(jù)的快速融合、自動感知分析、人工智能挖掘和無礙共享，將環(huán)境大氣監(jiān)測數(shù)據(jù)與污染源、氣象、模擬等多元數(shù)據(jù)進行耦合關(guān)聯(lián)分析，快速感知大氣污染事件、重污染過程、來源成因并提出調(diào)控建議。針對大數(shù)據(jù)與人工智能在大氣環(huán)境應(yīng)用中的數(shù)據(jù)瓶頸、模式模擬預(yù)報性能極限、復(fù)雜系統(tǒng)控制難題等關(guān)鍵共性問題，建立基于人工智能與動力學(xué)混合機制的大氣環(huán)境新型模擬系統(tǒng)，動態(tài)預(yù)測突發(fā)性大氣污染事件發(fā)展態(tài)勢，開展人工智能賦能的無縫隙預(yù)報預(yù)測與深度優(yōu)化控制，形成人工智能與大數(shù)據(jù)結(jié)合的大氣環(huán)境模擬-預(yù)測-控制技術(shù)鏈條，構(gòu)建基于重大科技基礎(chǔ)設(shè)施和高性能計算平臺的環(huán)境大氣大數(shù)據(jù)耦合同化及智能感知的新型信息化系統(tǒng)，基于區(qū)塊鏈等技術(shù)開展成果共享，加速數(shù)據(jù)和技術(shù)共享應(yīng)用。未來，環(huán)境大氣大數(shù)據(jù)耦合同化及智能感知預(yù)(8)環(huán)境智能中的隱私計算方法與系統(tǒng)隱私計算是一種在數(shù)據(jù)處理過程中保護數(shù)據(jù)隱私的技術(shù)集合。其核心目標是在不泄露敏感信息的情況融合隱私保護和聯(lián)合機器學(xué)習(xí)建模的聯(lián)邦學(xué)習(xí)技術(shù)，以及依托可信硬件的可信執(zhí)行環(huán)境技術(shù)。雖然各種隱私計算技術(shù)蓬勃發(fā)展，但目前的主流方法仍存在異構(gòu)場景和海量設(shè)備下學(xué)習(xí)與通信效率低、隱私保護資源開銷高、隱私計算系統(tǒng)易受攻擊導(dǎo)致隱私泄露等問題。例如，聯(lián)邦學(xué)習(xí)技術(shù)適用于對性能和規(guī)模要求較高的建模場景，但易受梯度逆推等攻擊的威脅造成隱私泄露，且無通用計算能力；多方安全計算技術(shù)的安全性更高，但計算邏輯復(fù)雜，且通信成本較高；可信執(zhí)行環(huán)境技術(shù)可以支持更復(fù)雜的計算需求，但高度依賴特殊硬件計算環(huán)境，普適性較低。所以，從環(huán)境智能中的隱私計算應(yīng)用需求來看，想要通過單一技術(shù)“包打天下”幾乎不可能。未來隱私計算技術(shù)的發(fā)展必須根據(jù)具體的應(yīng)用場景和特點，組合運用不同的隱私計算技術(shù)，在保證原始數(shù)據(jù)安全和隱私性的同時，完成對數(shù)據(jù)的計算和分析。另外，在應(yīng)用實踐中，隱私計全球工程前沿2024算還應(yīng)結(jié)合數(shù)據(jù)監(jiān)管技術(shù)(例如區(qū)塊鏈、智能合約等)來健全其在數(shù)字身份、算法、計算、監(jiān)管等方面的(9)大小模型端云協(xié)同進化技術(shù)大小模型端云協(xié)同進化技術(shù)是人工智能和分布式計算領(lǐng)域重要的前沿發(fā)展方向。該方向的興起主要源自超大規(guī)模預(yù)訓(xùn)練模型的性能提升與能耗增長不成比例，限制了參數(shù)規(guī)模繼續(xù)擴張，并凸顯了在移動端等邊緣垂直化智能應(yīng)用中難以落地的瓶頸。后大模型時代的前沿創(chuàng)新路徑已經(jīng)從云側(cè)大模型參數(shù)競賽走向云側(cè)大模型的強大推理能力與端側(cè)小模型的低延時優(yōu)勢相結(jié)合，以提升整體系統(tǒng)的智能化水平與資源利用效率，推動人工智能廣泛落地。該方向的研究主要集中在中國、美國、歐洲、印度等國家和地區(qū)，代表性高校和企業(yè)包括上海交通大學(xué)、浙江大學(xué)、清華大學(xué)、北京大學(xué)、麻省理工學(xué)院、加州大學(xué)伯克利分校、阿里巴巴、華為、谷歌、OpenAI、微軟和蘋果公司。這些機構(gòu)不僅在算法理論研究方面有所貢獻，也在推薦系統(tǒng)、自然語言理解、視覺目標檢測與識別、自動駕駛等實際應(yīng)用中進行了大量探索，具有產(chǎn)學(xué)研深度合作的特點。目前研究成果集中在模型降維壓縮、端云同構(gòu)模型聚合、隱私保護與安全、系統(tǒng)平臺等方面，未來主要研究方向包括復(fù)雜模型彈性拆分、輕量模型個性增強、異構(gòu)模型協(xié)同泛化等。該技術(shù)有望廣泛應(yīng)(10)復(fù)雜制造系統(tǒng)的多維態(tài)感知與優(yōu)化調(diào)度關(guān)鍵技術(shù)復(fù)雜制造系統(tǒng)具有設(shè)備異構(gòu)、流程復(fù)雜、耦合性強等特點。其中，復(fù)雜制造系統(tǒng)的多維態(tài)感知是利用多種傳感器與智能數(shù)據(jù)處理技術(shù)對系統(tǒng)中的設(shè)備狀態(tài)、生產(chǎn)環(huán)境、工藝流程等多源異構(gòu)、低質(zhì)量、高噪聲的海量工業(yè)多模態(tài)數(shù)據(jù)進行實時監(jiān)測與分析。通過感知制造系統(tǒng)的多維度狀態(tài)信息，結(jié)合智能調(diào)度算法，復(fù)雜制造系統(tǒng)智能調(diào)度技術(shù)能夠達成動態(tài)調(diào)整工件排產(chǎn)、運輸路徑等生產(chǎn)制造過程，優(yōu)化人力、設(shè)備、運力等資源分配，優(yōu)化生產(chǎn)效率、能耗等生產(chǎn)效益指標的目標。隨著工業(yè)互聯(lián)網(wǎng)、邊緣計算、大數(shù)據(jù)等技術(shù)的不斷發(fā)展，相關(guān)技術(shù)由簡單的數(shù)據(jù)采集、處理、生產(chǎn)流程控制和設(shè)備管理發(fā)展為生產(chǎn)狀態(tài)數(shù)據(jù)驅(qū)動的生產(chǎn)調(diào)度和優(yōu)化決策。該技術(shù)涵蓋生產(chǎn)系統(tǒng)自下而上多維度數(shù)據(jù)感知和多環(huán)節(jié)智能調(diào)度，從而實現(xiàn)對復(fù)雜制造系統(tǒng)的高效管理與控制。當制造系統(tǒng)難以實現(xiàn)智能感知時，需構(gòu)建設(shè)備終端、邊緣及云計算協(xié)同的制造云控制系統(tǒng)；當復(fù)雜制造系統(tǒng)難以精確建模時，需實現(xiàn)數(shù)據(jù)驅(qū)動的跨域制造精準建模；當傳統(tǒng)優(yōu)化方法難以適應(yīng)小批量、多品種生產(chǎn)的動態(tài)運行需求時，需設(shè)計異構(gòu)場景智能動態(tài)優(yōu)化調(diào)度策略及方法。因此，目前該領(lǐng)域的主要研究方向為圍繞制造過程的數(shù)據(jù)感知、處理、優(yōu)化、決策、執(zhí)行全流程，進行多維制造終端狀態(tài)數(shù)據(jù)實時智能感知、制造歷史大數(shù)據(jù)隱含知識挖掘、跨域制造數(shù)據(jù)精準建模、異構(gòu)場景智能動態(tài)優(yōu)化調(diào)度，以及“云-網(wǎng)-邊-端”等云控制系統(tǒng)構(gòu)建等。該領(lǐng)域未來的研究方向包括多傳感器數(shù)據(jù)融合、10.2.2Top4工程開發(fā)前沿重點解讀在傳統(tǒng)的管理學(xué)研究和實踐中，模型和數(shù)據(jù)常常是相互獨立處理的。由于預(yù)測和優(yōu)化的目標與實際決策目標不完全一致，所以將模型和數(shù)據(jù)單獨考慮可能導(dǎo)致決策結(jié)果欠佳。因此，數(shù)據(jù)與模型雙驅(qū)動的智能規(guī)劃模型與算法是求解的理論根基，而數(shù)據(jù)規(guī)律是算法在應(yīng)用場景中加速的關(guān)鍵。傳統(tǒng)的數(shù)學(xué)規(guī)劃模型往往是多種實踐場景的統(tǒng)一抽象，并且在算法設(shè)計時需要考慮理論的最壞情況，以保證求解各類問題時的穩(wěn)定性。然而，實踐中某一類問題的數(shù)據(jù)往往呈現(xiàn)特定分布或規(guī)律。對數(shù)據(jù)規(guī)律的把握和利用能夠彌補模型與算法設(shè)計時過于抽象和保守的缺陷。近年來，隨著越來越多的場景面臨著動態(tài)決策和數(shù)據(jù)變動的問題，數(shù)據(jù)與模型雙驅(qū)動的智能數(shù)學(xué)規(guī)劃算法逐漸獲得運籌學(xué)和機器學(xué)習(xí)領(lǐng)域的關(guān)注，并且取得了長足的發(fā)展，在線學(xué)習(xí)是典型的數(shù)據(jù)與模型深度結(jié)合的數(shù)學(xué)規(guī)劃方法。與傳統(tǒng)的先用數(shù)據(jù)建模、再離線求解的離線優(yōu)化框架不同，在線學(xué)習(xí)的數(shù)據(jù)生成伴隨著優(yōu)化過程同步進行，能夠以損失少量最優(yōu)性為代價，換取智能決策的高效運行。數(shù)據(jù)的非穩(wěn)態(tài)問題以及外部的干擾往往會給在線學(xué)習(xí)和決策問題帶來較大的挑戰(zhàn)，即學(xué)習(xí)的對象可能隨時間發(fā)生變化或策略性地進行反饋。這種情況會對在線學(xué)習(xí)中“探索”和“利用”之間的實踐中，常常使用機器學(xué)習(xí)(包括深度學(xué)習(xí)、強化學(xué)習(xí)等)對數(shù)據(jù)規(guī)律特征進行挖掘，所以“數(shù)據(jù)與模型的雙驅(qū)動”也是機器學(xué)習(xí)和運籌優(yōu)化的融合。Bengio等(2021)總結(jié)了機器學(xué)習(xí)與優(yōu)化算法結(jié)合的幾類范式：機器學(xué)習(xí)預(yù)測最優(yōu)解、機器學(xué)習(xí)幫助選取備選算法和算法參數(shù)、嵌入機器學(xué)習(xí)的優(yōu)化算法。三個優(yōu)化范式中機器學(xué)習(xí)的融合程度由淺及深，均在包括電力系統(tǒng)優(yōu)化、云計算資源調(diào)度等各類工業(yè)生產(chǎn)中獲“數(shù)據(jù)與模型雙驅(qū)動的智能數(shù)學(xué)規(guī)劃算法”工美國和日本(表10.21);從主要國家間的合作網(wǎng)絡(luò)來看，韓國與波蘭間存在合作(圖10.13)。核心專利的主要產(chǎn)出機構(gòu)有昆明理工大學(xué)、中國有色金屬工業(yè)昆明勘察設(shè)計研究院有限公司、國家電網(wǎng)有限公司、日立集團等(表10.22)。其中，昆明理工大學(xué)與中國有色金屬工業(yè)昆明勘察設(shè)計研究院有限公司存在一定合作(圖10.14)。“數(shù)據(jù)與模型雙驅(qū)動的智能數(shù)學(xué)規(guī)劃算法”是數(shù)學(xué)規(guī)劃從優(yōu)化理論到高效實踐落地的重要發(fā)展方向，未來的重點研究方向包括：①應(yīng)用拓展，許多行業(yè)的數(shù)字化還在發(fā)展中，數(shù)據(jù)還在積累，需要基于現(xiàn)有數(shù)據(jù)，為更多行業(yè)提供數(shù)據(jù)與模型雙驅(qū)動的數(shù)學(xué)規(guī)劃解決方案；②技術(shù)革新，將在線學(xué)習(xí)與機器學(xué)習(xí)的最新研究成果(例如多模態(tài)大模型等)融入行業(yè)的實踐中；③在數(shù)據(jù)與模型雙驅(qū)動的基礎(chǔ)上，引入硬件驅(qū)動，探索GPU、量子計算等新興計算平臺助力數(shù)學(xué)規(guī)劃算法的可能性。國家國家1中國2美國美國33日本244韓國韓國125126121昆明理工大學(xué)23國家電網(wǎng)有限公司9394日立集團2451617國際商業(yè)機器公司(IBM)18189中國石油化工股份有限公司17天津大學(xué)16圖10.13“數(shù)據(jù)與模型雙驅(qū)動的智能數(shù)學(xué)規(guī)劃算法”工程開發(fā)前沿主要國家間的合作網(wǎng)絡(luò)日立集團國家電網(wǎng)有限公司中國有色金屬工業(yè)昆明昆明理工大學(xué)天津大學(xué)圖10.14“數(shù)據(jù)與模型雙驅(qū)動的智能數(shù)學(xué)規(guī)劃算法”工程開發(fā)前沿主要機構(gòu)間的合作網(wǎng)絡(luò)每個階段都對應(yīng)不同的目標與任務(wù)。第一階段(2024—2026年)旨在夯實理論基礎(chǔ)，建立數(shù)據(jù)與模型雙驅(qū)動第三階段(2028年及以后)則著眼于產(chǎn)業(yè)創(chuàng)新實踐，將理論與技術(shù)應(yīng)用于復(fù)雜系統(tǒng)和高吞吐平臺。整個規(guī)劃20242目標限制自動駕駛汽車開發(fā)和部署的一個關(guān)鍵瓶頸是由于安全關(guān)鍵事件的稀缺性，在自然駕駛環(huán)境中驗證其安全性所需的經(jīng)濟成本和時間成本高昂。自動駕駛汽車的高安全性能要求對安全關(guān)鍵事件數(shù)據(jù)進行全面感知收集、對周圍道路使用者的行為進行精確建模及預(yù)測、對安全關(guān)鍵場景進行準確學(xué)習(xí)和決策，以及對智能駕駛安全性能進行高效驗證和確認。現(xiàn)(1)傳感數(shù)據(jù)融合難題自動駕駛車輛通常使用多種傳感器(如攝像頭、雷達等)來感知環(huán)境，產(chǎn)生不同類型的環(huán)境數(shù)據(jù)，且難以保證數(shù)據(jù)的有效性。此外，自動駕駛汽車的安全關(guān)鍵感知任務(wù)面臨比傳統(tǒng)場景更為嚴重的數(shù)據(jù)不平衡問題，而現(xiàn)有的方法(如類重新平衡、信息增強和模塊改進)只能處理有限的不平衡比率。(2)動態(tài)場景預(yù)測難題道路上的人類行為和其他車輛的動作具有非常大的隨機性，現(xiàn)有的規(guī)則驅(qū)動和預(yù)設(shè)場景庫方法難以覆蓋復(fù)雜的現(xiàn)實動態(tài)場景，無法有效模擬多樣化道路狀況、不可預(yù)測的交通行為及復(fù)雜環(huán)境變量。因此，要在復(fù)雜且動態(tài)的場景中實現(xiàn)精準預(yù)測，不僅需要檢測物體的位置和運動軌跡，還需要理解交通信號、人類(3)長尾場景預(yù)測難題現(xiàn)實中存在一些罕見或極端情況(如突然的道路障礙、突發(fā)的車輛失控、行人闖入等),而這類場景在訓(xùn)練數(shù)據(jù)中出現(xiàn)的頻率較低。這種稀缺性可能導(dǎo)致現(xiàn)有的深度學(xué)習(xí)等模型出現(xiàn)嚴重的估計偏差，從而影因此，如何提高機器學(xué)習(xí)模型的泛化和推理能力，以克服數(shù)據(jù)不足，在不依賴廣泛的任務(wù)特定數(shù)據(jù)的情況下克服稀缺性詛咒，已成為目前自動駕駛場景生成與測試的前沿問題。這就要求人工智能體同時具備自下而上(感知數(shù)據(jù)驅(qū)動)和自上而下(認知預(yù)期驅(qū)動)的推理能力，彌合數(shù)據(jù)中未發(fā)現(xiàn)的信息鴻溝。近年來，大語言模型(LLM)和視覺語言模型(VLM)等基礎(chǔ)模型通過使用全監(jiān)督微調(diào)、語境學(xué)習(xí)和思維鏈等技術(shù)，在自然語言處理和視覺理解與推理方面表現(xiàn)出顯著的泛化和推理能力。通過大規(guī)模參數(shù)和深層次強的表征學(xué)習(xí)能力，通過預(yù)訓(xùn)練和遷移學(xué)習(xí)，能夠在有限的標注數(shù)據(jù)下有效地在高維特征空間中發(fā)現(xiàn)稀有一是應(yīng)用LLM適配和優(yōu)化自動駕駛場景生成任務(wù)。利用大模型進行多模態(tài)數(shù)據(jù)融合，涵蓋各種復(fù)雜的道路情況、天氣條件和行人行為。結(jié)合現(xiàn)有的自動駕駛數(shù)據(jù)集、規(guī)則庫等，使用LLM生成稀缺場景和動態(tài)場景的自然語言描述，并將其轉(zhuǎn)換為可用于預(yù)測的視覺場景信息(如車輛意圖、道路情況等)。二是基于提示學(xué)習(xí)開發(fā)基于自然語言描述生成駕駛場景的方法。提示學(xué)習(xí)(promptlearning)通過提供簡單的自然語言描述，使模型能夠根據(jù)這些描述生成高效、準確的駕駛場景；通過設(shè)計和優(yōu)化提示詞(prompts),有效地引導(dǎo)LLM生成復(fù)雜的駕駛場景；通過提示詞的靈活性，確保生成的場景具有足夠的多樣性和復(fù)雜性，以應(yīng)對各種可能的駕駛環(huán)境；通過上下文感知，生成更加真實和富有邏輯的場景；通過引入視覺、語音等多模態(tài)信息，與提示詞結(jié)合，實現(xiàn)更加全面的駕駛場景生成；探索如何利用自動提示生三是構(gòu)建可持續(xù)生成優(yōu)化的數(shù)據(jù)閉環(huán)系統(tǒng)。將LLM生成的場景數(shù)據(jù)反饋給自動駕駛模型，分析模型在這些數(shù)據(jù)上的表現(xiàn)，并動態(tài)調(diào)整生成策略。例如，當模型在某類場景下表現(xiàn)不佳時，系統(tǒng)可以生成更多類似場景來增強模型的適應(yīng)性，使其更加多樣化，覆蓋更廣泛的駕駛條件，確保生成的數(shù)據(jù)不僅能提高模利數(shù)排名前三的國家是美國、中國和日本，平均被引數(shù)排名前三的國家是中國、英國和以色列(表1在核心專利主要產(chǎn)出國家/地區(qū)的合作網(wǎng)絡(luò)中，中國、美國、日本的合作較多(圖10.16)。J.ZicoKolter團隊專注于機器學(xué)習(xí)與控制的結(jié)合，提出了一種閉環(huán)數(shù)據(jù)驅(qū)動的控制框架，使用強化學(xué)習(xí)和仿真驅(qū)動的反饋機制來提升自動駕駛車輛的規(guī)劃和決策能力。RaquelUrtasun團隊利用大規(guī)模神經(jīng)網(wǎng)絡(luò)進行感知、預(yù)測和規(guī)劃的整合閉環(huán)開發(fā)，通過連續(xù)的數(shù)據(jù)反饋進行場景感知和行為預(yù)測優(yōu)化，利用生成對抗網(wǎng)絡(luò)(GAN)等技術(shù)，提升了自動駕駛系統(tǒng)在不同環(huán)境中的魯棒性，尤其在城市復(fù)雜場景的表將LLM與自動駕駛的決策系統(tǒng)結(jié)合，特別是在多模態(tài)學(xué)習(xí)和場景解釋方面。通過將語言模型與視覺和感知模型結(jié)合，自動駕駛系統(tǒng)能夠從大量場景數(shù)據(jù)中提取語義信息，并以人類可解釋的方式給出決策建議。MetaAI團隊通過LLM自動生成駕駛場景的語言描述，并通過與場景庫的結(jié)合，提高了自動駕駛系統(tǒng)的場景理解能力和響應(yīng)速度。核心專利數(shù)排名前三的機構(gòu)是百度在線網(wǎng)絡(luò)技術(shù)(北京)有限公司、PlusAI公司和谷歌公司(表10.24)。在主要產(chǎn)出機構(gòu)的合作網(wǎng)絡(luò)中，百度在線網(wǎng)絡(luò)技術(shù)(北京)有限公司與阿波羅智能技術(shù)(北京)有限公司之間的合作較多(圖10.17)。展望未來，面向自動駕駛數(shù)據(jù)閉環(huán)的大模型技術(shù)開發(fā)與場景庫構(gòu)建將以提升多源數(shù)據(jù)融合感知能力、增強復(fù)雜場景下的預(yù)測能力等為需求導(dǎo)向，利用自然語言處理、多模態(tài)場景識別等關(guān)鍵技術(shù)，推動其向多樣性、可靠性和安全性發(fā)展。圖10.18為“面向自動駕駛數(shù)據(jù)閉環(huán)的大模型技術(shù)開發(fā)與場景庫構(gòu)建”工程開發(fā)前沿的發(fā)展路線。1美國2中國53日本54韓國25開曼群島226英國17以色列18德國12中國以色列表10.24“面向自動駕駛數(shù)據(jù)閉環(huán)的大模1百度在線網(wǎng)絡(luò)技術(shù)(北京)有限公司2PlusAI公司83谷歌公司54豐田汽車公司45特斯拉公司26圖森未來公司237小馬智行公司228阿波羅智能技術(shù)(北京)有限公司19英偉達公司1LG電子公司1全球工程前沿2024小馬智行公司阿波羅智能技術(shù)(北京)有限公司百度在線網(wǎng)絡(luò)技術(shù)(北京)有限公司LG電子公司里程碑里程碑子里程碑20182019202020212022202自動駕駛系統(tǒng)提升多源異構(gòu)數(shù)據(jù)的感知融合能力，優(yōu)化數(shù)據(jù)不平衡問題，實現(xiàn)具有高可靠性與安全需求全面增強復(fù)雜動態(tài)場景中的預(yù)測能力，針對多樣化道路狀況、不可預(yù)測的交通行為及復(fù)雜環(huán)境變量提供有效應(yīng)對方案強化對極端罕見長尾場景的預(yù)測能力，克服稀缺數(shù)據(jù)引發(fā)的估計偏差，確保場景生成與測M