自動(dòng)化專業(yè)英語(yǔ)P6U1教學(xué)課件

1、P6U1A Scanning the Issue and Beyond: Toward ITS Knowledge Automation 第六部分第一單元課文A 研究熱點(diǎn)和超越：邁向知識(shí)自動(dòng)化的智能交通系統(tǒng) A 研究熱點(diǎn)和超越：邁向知識(shí)自動(dòng)化的智能 交通系統(tǒng)1.課文內(nèi)容簡(jiǎn)介：本文是一篇綜述性文章，主要介紹了智能交通領(lǐng)域研究的熱點(diǎn)問(wèn)題、發(fā)展趨勢(shì)及人工智能技術(shù)在智能交通系統(tǒng)中的應(yīng)用情況。2.溫習(xí)人工智能技術(shù)中模糊、自適應(yīng)、優(yōu)化等內(nèi)容。知識(shí)自動(dòng)化是信息自動(dòng)化的自然延伸與提高，是“人”嵌在自動(dòng)化之中的必然要求，也是從物理世界的自動(dòng)化控制轉(zhuǎn)向人類社會(huì)本身的智能化管理的基礎(chǔ)。而且，這一基礎(chǔ)必須借助于虛擬空

2、間里的自動(dòng)化才能實(shí)現(xiàn)和完善。3.生詞與短語(yǔ)bimonthly adj. 兩月一次的stochastic adj. 隨機(jī)的P6U1A Scanning the Issue and Beyond: Toward ITS Knowledge Automation 第六部分第一單元課文A 研究熱點(diǎn)和超越：邁向知識(shí)自動(dòng)化的智能交通系統(tǒng)hierarchy n. 層次 等級(jí)制度magnetoresistive adj. 磁阻的iteratively adv. 迭代的 反復(fù)的event-triggered 事件觸發(fā)prohibitive adj. 禁止的symmetrical adj. 對(duì)稱的algorith

3、m. n. 算法 預(yù)算法則information propagation 信息傳播methodology n. 方法學(xué) 方法論optimization n. 最佳化microscopic adj. 微觀的disruptive technology 破壞性技術(shù)P6U1A Scanning the Issue and Beyond: Toward ITS Knowledge Automation 第六部分第一單元課文A 研究熱點(diǎn)和超越：邁向知識(shí)自動(dòng)化的智能交通系統(tǒng)4. 難句翻譯1 To deal with multiplicity and ambiguity, a grid division sc

4、heme 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.為了應(yīng)對(duì)多重性和模糊性，同時(shí)還提出一套網(wǎng)格劃分方案將車(chē)輛劃分為幾中類型，其中對(duì)不同的薄弱環(huán)節(jié)進(jìn)行培訓(xùn)，然后綜合打造一個(gè)強(qiáng)大的集成分類。P6U1A Scanning the Issue and Beyond: Toward ITS Knowledge Automa

5、tion 第六部分第一單元課文A 研究熱點(diǎn)和超越：邁向知識(shí)自動(dòng)化的智能交通系統(tǒng)2 he test of the proposed approach based on data of a real terminal is given and discussed.基于一個(gè)真實(shí)的終端數(shù)據(jù)，該方法的測(cè)試已經(jīng)被給出并進(jìn)行了討論。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 ne

6、twork resource. 該問(wèn)題通過(guò)一種有效的方案得到了解決，該方案提供了一種應(yīng)該在什么時(shí)候進(jìn)行編碼和如何進(jìn)行網(wǎng)絡(luò)資源分配的方法。P6U1A Scanning the Issue and Beyond: Toward ITS Knowledge Automation 第六部分第一單元課文A 研究熱點(diǎn)和超越：邁向知識(shí)自動(dòng)化的智能交通系統(tǒng)5. 參考譯文 A 掃描問(wèn)題和超越：邁向知識(shí)自動(dòng)化的智能交通系統(tǒng)自動(dòng)化 用IEEE學(xué)報(bào)關(guān)于智能交通系統(tǒng)中的第一個(gè)問(wèn)題作為本文的開(kāi)篇，通過(guò)瀏覽并以適合于在微博、推特、臉譜網(wǎng)上發(fā)表的格式加以總結(jié)概括。此外，對(duì)我認(rèn)為感興趣的、對(duì)現(xiàn)在應(yīng)用和將來(lái)研究和開(kāi)發(fā)的重要問(wèn)題，

7、給出我的思考。研究熱點(diǎn) 對(duì)稱三維曲面函數(shù)（ SURF ）及其在車(chē)輛檢測(cè)、品牌和型號(hào)識(shí)別上的應(yīng)用 通過(guò)一種新的對(duì)稱三維曲面函數(shù)（ SURF ）描述符，來(lái)提高三維曲面函數(shù)（ SURF ）通過(guò)鏡像變換來(lái)檢測(cè)所有可能的對(duì)稱匹配對(duì)的能力。為了應(yīng)對(duì)多重性和模糊性，同時(shí)還提P6U1A Scanning the Issue and Beyond: Toward ITS Knowledge Automation 第六部分第一單元課文A 研究熱點(diǎn)和超越：邁向知識(shí)自動(dòng)化的智能交通系統(tǒng) 出一套網(wǎng)格劃分方案將車(chē)輛劃分為幾種類型，其中對(duì)不同的薄弱環(huán)節(jié)進(jìn)行培訓(xùn)，然后綜合打造一個(gè)強(qiáng)大的集成分類。由于基于網(wǎng)格的方法豐富的代表性

8、和車(chē)輛檢測(cè)的高精度性，集成分類能準(zhǔn)確識(shí)別每輛車(chē)。 傳感器融合為基礎(chǔ)的空置停車(chē)位檢測(cè)與跟蹤 提出一種空置的停車(chē)位檢測(cè)和跟蹤系統(tǒng)，期望它能幫助司機(jī)選擇出未被使用的停車(chē)位。該系統(tǒng)融合了全視角的視頻監(jiān)控系統(tǒng)和自動(dòng)停車(chē)系統(tǒng)的傳感器。實(shí)驗(yàn)結(jié)果表明：該方法可以識(shí)別不同類型停車(chē)位標(biāo)記的位置和占有率，并能夠進(jìn)行穩(wěn)定的實(shí)時(shí)跟蹤。 車(chē)輛計(jì)數(shù)，分類和速度測(cè)量的便攜式路邊傳感器 一種便攜式路邊傳感器系統(tǒng)，用于統(tǒng)計(jì)車(chē)流量，車(chē)輛速度，和車(chē)輛分類。通過(guò)一個(gè)磁場(chǎng)模型的算法，以使系統(tǒng)更加穩(wěn)定。此外，采用了一種對(duì)所有微小的傳感器位置誤差自動(dòng)校正的算法。并對(duì)開(kāi)發(fā)的傳感器系統(tǒng)的精度和優(yōu)點(diǎn)進(jìn)行了探討。P6U1A Scanning the

9、 Issue and Beyond: Toward ITS Knowledge Automation 第六部分第一單元課文A 研究熱點(diǎn)和超越：邁向知識(shí)自動(dòng)化的智能交通系統(tǒng) 用于實(shí)時(shí)道路導(dǎo)航的模糊推理分層解析方法 討論了車(chē)載導(dǎo)航系統(tǒng)的最佳路線搜索函數(shù)。提出了基于實(shí)時(shí)交通信息、用于動(dòng)態(tài)路線導(dǎo)航的模糊推理分層解析方法。該方法可以簡(jiǎn)化決策的內(nèi)容，明確地表達(dá)每一個(gè)搜索性能指標(biāo)。已開(kāi)發(fā)出基于該方法的仿真系統(tǒng)。 基于無(wú)線加速儀的車(chē)輛自動(dòng)分類原型系統(tǒng) 解決了自動(dòng)車(chē)輛分類（AVC）系統(tǒng)的問(wèn)題。介紹了基于無(wú)線加速儀和磁力儀可檢測(cè)車(chē)軸數(shù)和軸間距的AVC系統(tǒng)。給出了檢測(cè)的參數(shù)和系統(tǒng)的安裝方法。通過(guò)各種交通情況的實(shí)驗(yàn)，

10、AVC系統(tǒng)工作可靠，即使在交通擁堵的情況下，分類精度高達(dá)99。 車(chē)載點(diǎn)對(duì)點(diǎn)（ Ad hoc ）網(wǎng)絡(luò)信息傳播過(guò)程中的隨機(jī)特性 介紹了高速路上車(chē)載Ad-hoc網(wǎng)絡(luò)信息的傳播過(guò)程。假設(shè)在網(wǎng)絡(luò)中的車(chē)輛根據(jù)類型和車(chē)道被分為不同的交通流，不同的P6U1A Scanning the Issue and Beyond: Toward ITS Knowledge Automation 第六部分第一單元課文A 研究熱點(diǎn)和超越：邁向知識(shí)自動(dòng)化的智能交通系統(tǒng) 交通流對(duì)應(yīng)不同的車(chē)速。通過(guò)分析信息傳播過(guò)程求出信息傳播速度的解析公式。使用該解析公式對(duì)某些參數(shù)的影響進(jìn)行了研究。通過(guò)仿真實(shí)驗(yàn)驗(yàn)證了分析結(jié)果的準(zhǔn)確性。 通過(guò)車(chē)輛軌

11、跡數(shù)據(jù)校準(zhǔn)來(lái)減少車(chē)輛跟蹤模型的累積誤差 考慮到使用軌跡數(shù)據(jù)校準(zhǔn)車(chē)輛跟蹤模型的誤差累積問(wèn)題，本文提出了一種動(dòng)態(tài)誤差模型。該動(dòng)態(tài)誤差模型的穩(wěn)定條件與車(chē)輛跟蹤模型的穩(wěn)定條件不同。通過(guò)對(duì)有代表性的車(chē)輛跟蹤模型的校準(zhǔn)，對(duì)常規(guī)方法和動(dòng)態(tài)誤差模型方法所產(chǎn)生的累積誤差進(jìn)行了比較。 基于熵和復(fù)雜診斷自動(dòng)檢測(cè)疲勞駕駛 由于一些交通事故是由疲勞駕駛造成的，本文提出了一種基于各種熵和根據(jù)一些記錄進(jìn)行復(fù)雜診斷的實(shí)時(shí)性方法，該方法用來(lái)檢測(cè)和識(shí)別疲勞駕駛。結(jié)果表明，該方法是有效的，它對(duì)避免因疲勞駕駛造成交通事故具有應(yīng)用價(jià)值。P6U1A Scanning the Issue and Beyond: Toward ITS Kn

12、owledge Automation 第六部分第一單元課文A 研究熱點(diǎn)和超越：邁向知識(shí)自動(dòng)化的智能交通系統(tǒng) 用于車(chē)輛碰撞預(yù)測(cè)的二維傳感器系統(tǒng) 研究了采用磁阻和聲納傳感器對(duì)汽車(chē)即將發(fā)生的碰撞進(jìn)行檢測(cè)。提出一種自適應(yīng)預(yù)估器、將聲納和磁阻傳感器用于預(yù)估確定汽車(chē)位置和方向的參數(shù)。實(shí)驗(yàn)結(jié)果表明，當(dāng)在不同的傾斜角度相對(duì)運(yùn)動(dòng)的情況下，該方法有效。 在主動(dòng)交通管理的背景下，利用微觀交通和天氣數(shù)據(jù)來(lái)分析實(shí)時(shí)碰撞模式 研究了微觀交通，天氣和道路幾何形狀對(duì)高速公路特定碰撞模式的影響。作者提出，以擴(kuò)大現(xiàn)有的智能交通系統(tǒng)為目的，采用識(shí)別實(shí)時(shí)碰撞模式的主動(dòng)交通管理策略。數(shù)值仿真結(jié)果表明：下雪的季節(jié)，平緩的斜坡，三車(chē)道路段

13、，隨意駕駛的情況下更可能發(fā)生單車(chē)碰撞。 P6U1A Scanning the Issue and Beyond: Toward ITS Knowledge Automation 第六部分第一單元課文A 研究熱點(diǎn)和超越：邁向知識(shí)自動(dòng)化的智能交通系統(tǒng) 采用隨機(jī)微分方程對(duì)城市交通流量建模和預(yù)測(cè) 為處理短期交通流量的預(yù)測(cè)問(wèn)題，本文提出了一種隨機(jī)微分方程的方法。用赫爾懷特模型來(lái)考慮短期交通流量的時(shí)間依賴性。它可以很容易的模擬交通狀況和準(zhǔn)確的判斷交通狀況發(fā)生的變化。這表明與以前的方法相比被這種方法更加適合統(tǒng)計(jì)交通流量。 在危急情況下為緩解翻車(chē)基于觀測(cè)器的車(chē)輛動(dòng)力學(xué)魯棒控制 在車(chē)輛動(dòng)力學(xué)中提出了一種能夠提高

14、穩(wěn)定性和降低翻車(chē)危險(xiǎn)的模糊控制方法。為了得到魯棒控制器，作者從多個(gè)方面進(jìn)行了認(rèn)真考慮，用Takagi Sugeno（TS）表示橫向力的非線性，用一時(shí)變參數(shù)來(lái)表示道路摩擦力，與路邊沿的角度看作是未知的輸入。通過(guò)求解約線性方程不等式束條件得到觀測(cè)器和控制器的增益。P6U1A Scanning the Issue and Beyond: Toward ITS Knowledge Automation 第六部分第一單元課文A 研究熱點(diǎn)和超越：邁向知識(shí)自動(dòng)化的智能交通系統(tǒng) 真實(shí)交通情況下的協(xié)同自適應(yīng)巡航控制 本文介紹了一個(gè)協(xié)同自適應(yīng)巡航控制系統(tǒng)的設(shè)計(jì)，開(kāi)發(fā)，實(shí)施和測(cè)試。該系統(tǒng)已在四臺(tái)英菲尼迪M56型轎車(chē)

15、上驗(yàn)證了控制器的性能和改進(jìn)后的效果。 是否編碼：在偶聯(lián)車(chē)載網(wǎng)絡(luò)中的的最佳移動(dòng)數(shù)據(jù)的卸載 以編碼為基礎(chǔ)的移動(dòng)數(shù)據(jù)卸載問(wèn)題已成為用戶對(duì)多重線性約束的有限存儲(chǔ)空間是否非常滿意的極為關(guān)注的問(wèn)題。該問(wèn)題是通過(guò)一個(gè)有效的方案得到了解決，該方案決定何時(shí)使用編碼以及如何分配網(wǎng)絡(luò)資源。通過(guò)兩輛車(chē)真實(shí)的軌跡數(shù)據(jù)所做的大量仿真驗(yàn)證了該算法的有效性。 用概率生成模型來(lái)估計(jì)信號(hào)網(wǎng)絡(luò)中動(dòng)態(tài)車(chē)輛排隊(duì)分布 提出了采用概率生成函數(shù)的隨機(jī)排隊(duì)模型，該模型考慮了相鄰路口之間非常密切的相互依賴關(guān)系。將每一個(gè)交通流都看P6U1A Scanning the Issue and Beyond: Toward ITS Knowledge A

16、utomation 第六部分第一單元課文A 研究熱點(diǎn)和超越：邁向知識(shí)自動(dòng)化的智能交通系統(tǒng) 成隨機(jī)事件，通過(guò)一個(gè)隨機(jī)網(wǎng)絡(luò)加載過(guò)程完成迭代計(jì)算求出其分布。通過(guò)理論推導(dǎo)和數(shù)值研究驗(yàn)證了該方法的有效性。 通過(guò)車(chē)輛間通訊完成交通流信息傳播過(guò)程 在部署分布式交通信息系統(tǒng)的早期階段，提出了一個(gè)用來(lái)計(jì)算在高速公路上各種交通流車(chē)輛間信息傳播（IVC）平均速度的模型。平均IVC信息傳播速度和交通流量參數(shù)之間的關(guān)系可以用該模型加以說(shuō)明。仿真結(jié)果驗(yàn)證了該模型的正確性得到，并給出了模型的理論分析。 基于可變形模板模型的實(shí)時(shí)行人檢測(cè) 研究了需要考慮檢測(cè)精度和實(shí)時(shí)性的輔助駕駛系統(tǒng)中行人檢測(cè)的問(wèn)題。提出了一種采用基于多模塊模

17、型多層次復(fù)合精度 的行人檢測(cè)系統(tǒng)，并將其應(yīng)用到了視覺(jué)處理器（GPU）上。該系統(tǒng)取得了最高水平的行人檢測(cè)精度，檢測(cè)精度提高一個(gè)數(shù)P6U1A Scanning the Issue and Beyond: Toward ITS Knowledge Automation 第六部分第一單元課文A 研究熱點(diǎn)和超越：邁向知識(shí)自動(dòng)化的智能交通系統(tǒng) 量級(jí)以上，特別適用于既考慮精度又考慮實(shí)時(shí)性的行人檢測(cè)。 基于事件觸發(fā)的海港鐵路運(yùn)輸調(diào)度的滾動(dòng)優(yōu)化方案 研究了港口鐵路運(yùn)輸?shù)恼{(diào)度問(wèn)題，其中突發(fā)事件或動(dòng)亂往往會(huì)影響海港碼頭。基于排隊(duì)論的離散時(shí)間模型，本文提出了一個(gè)混合整數(shù)線性數(shù)學(xué)編程問(wèn)題和事件觸發(fā)滾動(dòng)優(yōu)化方法。采用港口

18、的真實(shí)數(shù)據(jù)對(duì)該方法進(jìn)行了測(cè)試并對(duì)結(jié)果進(jìn)行了討論。 根據(jù)實(shí)測(cè)數(shù)據(jù)來(lái)了解自行車(chē)動(dòng)力學(xué)和騎行者的行為模式 考慮到自行車(chē)的重要角色和智能交通系統(tǒng)中沒(méi)有自行車(chē)模型，本文提出了一種平臺(tái)，在此平臺(tái)上可對(duì)自行車(chē)動(dòng)力學(xué)和騎行者的行為模式進(jìn)行研究。在這個(gè)平臺(tái)上，通過(guò)傳感器來(lái)連續(xù)不斷的采集現(xiàn)場(chǎng)數(shù)據(jù)，該數(shù)據(jù)可以用來(lái)推導(dǎo)，開(kāi)發(fā)和測(cè)試包含自行車(chē)的智能交通系統(tǒng)。P6U1A Scanning the Issue and Beyond: Toward ITS Knowledge Automation 第六部分第一單元課文A 研究熱點(diǎn)和超越：邁向知識(shí)自動(dòng)化的智能交通系統(tǒng) 城市道路交通網(wǎng)絡(luò)的魯棒控制 本文提出了一種實(shí)用的實(shí)時(shí)信號(hào)分

19、割算法，可將城市交通 網(wǎng)絡(luò)區(qū)域內(nèi)整體加權(quán)排隊(duì)長(zhǎng)度降到最小。用集中滾動(dòng)優(yōu)化方式表達(dá)交通控制問(wèn)題，采用有效的最小化約束求出綠燈時(shí)間組合。用真實(shí)的交通數(shù)據(jù)和微觀交通仿真對(duì)該算法進(jìn)行了測(cè)試，并與調(diào)整好的固定時(shí)間的交通信號(hào)進(jìn)行了比較。 綜述帶有車(chē)載通訊的交通控制 提出了利用車(chē)輛與車(chē)輛、車(chē)輛與交通指揮中心的通信來(lái)協(xié)調(diào)車(chē)輛和實(shí)時(shí)的交通信號(hào)的問(wèn)題。給出了該領(lǐng)域研究的前景、確認(rèn)了初期研究要使用的關(guān)鍵技術(shù)、討論了可能進(jìn)行的改進(jìn)。介紹了以相鄰路口控制方法為基礎(chǔ)的時(shí)序安排的成果。此外，本文討論了兩種文化，包括利用豐富信息和簡(jiǎn)明信息。P6U1A Scanning the Issue and Beyond: Toward

20、 ITS Knowledge Automation 第六部分第一單元課文A 研究熱點(diǎn)和超越：邁向知識(shí)自動(dòng)化的智能交通系統(tǒng) 電動(dòng)車(chē)反向充電的最優(yōu)準(zhǔn)則 我們對(duì)電動(dòng)車(chē)的可控負(fù)載能量和能量存儲(chǔ)系統(tǒng)進(jìn)行了研究，通過(guò)它來(lái)給電網(wǎng)回饋能量以減輕用電高峰期電網(wǎng)的負(fù)擔(dān)。闡明以降低環(huán)境成本為目標(biāo)將負(fù)荷能量返回電網(wǎng)的最佳運(yùn)行模式。這種最佳運(yùn)行模式是非常復(fù)雜的，在某些情況下考慮到回饋電網(wǎng)能量的成本也不能采用這種運(yùn)行模式。 智能交通系統(tǒng)的知識(shí)自動(dòng)化 當(dāng)我在寫(xiě)摘要的時(shí)候，我真的希望我能有一個(gè)自動(dòng)匯總系統(tǒng)，無(wú)論是通過(guò)提取或抽象或兩者兼而有之的方法，它可以快速準(zhǔn)確地幫我完成這項(xiàng)工作，并且能夠快速、自動(dòng)地將結(jié)果發(fā) 給社會(huì)媒體和感

21、興趣的讀者。這也使我想起了最近麥肯錫全球研究院（MGI）的一份報(bào)告“顛覆性技術(shù)的發(fā)展將改變生活，商務(wù)，和全球經(jīng)濟(jì)”，其中“知識(shí)工作的自動(dòng)化”或“可以完成非結(jié)構(gòu)化命令和微妙判斷等知識(shí)工作任務(wù)的智能軟件系統(tǒng)”P(pán)6U1A Scanning the Issue and Beyond: Toward ITS Knowledge Automation 第六部分第一單元課文A 研究熱點(diǎn)和超越：邁向知識(shí)自動(dòng)化的智能交通系統(tǒng) 被列為第二大經(jīng)濟(jì)顛覆性技術(shù)，每年潛在的經(jīng)濟(jì)影響可以達(dá)到5.2萬(wàn)億美元至6.7萬(wàn)億美元，這種情況可以延續(xù)到2025年，預(yù)估工作量等于1.1億到1.4億個(gè)工作日。事實(shí)上，我在2013年最后一期

22、自動(dòng)化學(xué)報(bào)上發(fā)表的論文題為“天命唯新：邁向知識(shí)自動(dòng)化”。相對(duì)國(guó)際電工電子工程師協(xié)會(huì)學(xué)報(bào)智能交通系統(tǒng)?？↖EEE T-ITS）和智能交通系統(tǒng)的研究與開(kāi)發(fā)期刊（ITS R&D）上的技術(shù)觀點(diǎn)而言，我的想法和目標(biāo)更加具體：智能交通系統(tǒng)的知識(shí)自動(dòng)化。 P6U1B Automation or Interaction: Whats best for big data? 第六部分第一單元課文B 自動(dòng)化與交互：哪個(gè)是大數(shù)據(jù)的首選 B 自動(dòng)化與交互：哪個(gè)是大數(shù)據(jù)的首選1.課文內(nèi)容簡(jiǎn)介：主要介紹幾位專家對(duì)大數(shù)據(jù)應(yīng)用現(xiàn)狀、處理方式、應(yīng)用前景的思考和討論。2.溫習(xí)大數(shù)據(jù)的基本概念：大數(shù)據(jù)，指的是所涉及的資料量規(guī)模巨大

23、到無(wú)法透過(guò)目前主流軟件工具，在合理時(shí)間內(nèi)達(dá)到擷取、管理、處理、并整理成為幫助企業(yè)經(jīng)營(yíng)決策更積極目的的資訊。由此可見(jiàn)，“大數(shù)據(jù)”并不是一項(xiàng)技術(shù)，而是由于不斷增長(zhǎng)的數(shù)據(jù)量和數(shù)據(jù)種類而逐漸衍生出來(lái)的一種現(xiàn)象。3.生詞與短語(yǔ)Interactive adj. 交互的 robotics n. 機(jī)器人學(xué)geometry n. 幾何學(xué) browse v. 瀏覽visualization n. 可視化drastically adv. 徹底地exploratory adj. 探究的blind spots n. 盲點(diǎn)well-worn adj. 老生常談的parallel adj. 并行的4. 難句翻譯1 It i

24、s a well-worn adage that the question you ask in large part determines the answer you will get.這是一個(gè)老生常談的格言：你問(wèn)的問(wèn)題在很大程度上決定了你會(huì)得到的答案。 It isthat引導(dǎo)的是同位語(yǔ)從句。2 Programs like the Accelerated Strategic Computing Initiative (ASCI) represent a tremendous growth of large-scale computing applied to the analysis of

25、 scientific problems.加速戰(zhàn)略計(jì)算計(jì)劃（ASCI）等項(xiàng)目，代表著應(yīng)用于科學(xué)問(wèn)題分析中的大規(guī)模的計(jì)算有著巨大的增長(zhǎng)。applied to 過(guò)去分詞做后置定語(yǔ)。 P6U1B Automation or Interaction: Whats best for big data? 第六部分第一單元課文B 自動(dòng)化與交互：哪個(gè)是大數(shù)據(jù)的首選5. 參考譯文 B 自動(dòng)化與交互：哪個(gè)是大數(shù)據(jù)的首選簡(jiǎn)介 在19世紀(jì)后期，電話交換臺(tái)是靠手工操作的，它在一分鐘之內(nèi)只能處理幾個(gè)呼叫者的請(qǐng)求。隨著人們打電話越來(lái)越多，單一的運(yùn)營(yíng)商已經(jīng)不能滿足人們的需求，人工的電話交換臺(tái)慢慢的就被自動(dòng)的電話交換臺(tái)所替代。

26、如今，運(yùn)營(yíng)商仍然可以連接一些電話，一般是在呼叫者需要其他的信息（或者金錢(qián)）的情況下，但絕大多數(shù)是可以通過(guò)自動(dòng)化系統(tǒng)進(jìn)行處理的。隨著科技的進(jìn)步，歷史記錄的那些系統(tǒng)的案例也都變成了關(guān)于自動(dòng)化系統(tǒng)的案例。 專家組的問(wèn)題是：可視化社區(qū)是否在按著我們的研究成果的道路走，是否在按著交互式可視化工具系統(tǒng)的道路發(fā)展。畢竟，像能源部的加速戰(zhàn)略計(jì)算計(jì)劃（ASCI）的研究項(xiàng)目，在進(jìn)行仿真時(shí)，每天會(huì)產(chǎn)生大量的數(shù)據(jù)。于是，就提出了如下的問(wèn)題： P6U1B Automation or Interaction: Whats best for big data? 第六部分第一單元課文B 自動(dòng)化與交互：哪個(gè)是大數(shù)據(jù)的首選1.

27、使用交互式技術(shù)分析大字節(jié)的數(shù)據(jù)集是否可行。2. 可視化技術(shù)是否達(dá)到了大部分任務(wù)都可以用自動(dòng)化處理的成熟水平。3. 自動(dòng)功能檢測(cè)工具是否能找到所有人們關(guān)注的現(xiàn)象。 我們杰出的小組成員將會(huì)提供這些問(wèn)題的答案。為了更深入的討論這些問(wèn)題，我們對(duì)這些成員進(jìn)行了分組。史蒂夫布萊森和羅伯特范里拉強(qiáng)烈主張交互式可視化工具，然而羅伯特哈伊姆和大衛(wèi)班克斯將會(huì)告訴我們大數(shù)據(jù)需要自動(dòng)化處理的原因。山姆優(yōu)子騰給這場(chǎng)辯論提出了一個(gè)平衡點(diǎn)，他建議說(shuō)自動(dòng)化和交互技術(shù)在處理大數(shù)據(jù)集時(shí)都發(fā)揮著重要的作用。立場(chǎng)聲明大衛(wèi)班克斯“自動(dòng)化滿足可視化80%的要求” 交互式可視化對(duì)那些面臨陌生數(shù)據(jù)時(shí)追求自由探索的科學(xué)家是非常重要的，那些科學(xué)

28、家發(fā)現(xiàn)了仿真結(jié)果中的新現(xiàn)象，但P6U1B Automation or Interaction: Whats best for big data? 第六部分第一單元課文B 自動(dòng)化與交互：哪個(gè)是大數(shù)據(jù)的首選P6U1B Automation or Interaction: Whats best for big data? 第六部分第一單元課文B 自動(dòng)化與交互：哪個(gè)是大數(shù)據(jù)的首選他們卻不對(duì)此提出疑問(wèn)，那些科學(xué)家喜歡使用別人為他們發(fā)明的新的工具。我們當(dāng)中的許多人都有過(guò)這樣的經(jīng)歷，明白那些科學(xué)家只存在于科幻小說(shuō)與公共廣播公司的特刊當(dāng)中，在現(xiàn)實(shí)生活中并不存在。 在科學(xué)計(jì)算中，有兩個(gè)主要的電腦繪圖的應(yīng)用：調(diào)試

29、和演示。湯姆克羅克特用三維的版畫(huà)聲明來(lái)支持可視化的范例，這種范例可以幫你迅速的找到出錯(cuò)的代碼段。交互式調(diào)試器在查找錯(cuò)誤時(shí)可以起到很大的作用，但是但部分人只是到了萬(wàn)不得已的情況下才使用它。自動(dòng)生成的編譯器信息可以找到大部分簡(jiǎn)單的錯(cuò)誤，版畫(huà)聲明則能找到其他的大部分錯(cuò)誤。同樣地，自動(dòng)化可視化工具也非常適合用于調(diào)試科學(xué)代碼。當(dāng)數(shù)據(jù)集達(dá)到太字節(jié)的規(guī)模時(shí)，科學(xué)家們需要花費(fèi)好幾個(gè)小時(shí)來(lái)研究這些數(shù)據(jù)集中的等值面，體積密度的映射以及質(zhì)點(diǎn)軌跡。交互式是最后一種研究方法。 其他人認(rèn)為可視化主要用于對(duì)那些老套的演示，彩色的海報(bào)或者萬(wàn)維網(wǎng)中的動(dòng)畫(huà)進(jìn)行后處理。如果科學(xué)家的目的是顯示某些特性，那么應(yīng)該設(shè)計(jì)可視化工具對(duì)這些數(shù)

30、據(jù)進(jìn)行定位。因此關(guān)于可視化的研究應(yīng)該通過(guò)強(qiáng)大的算法來(lái)描述學(xué)科特性（腫瘤、血管、漩渦、沖擊表面、石油礦床）。在準(zhǔn)備公共演示的圖片時(shí)，確立正確的觀點(diǎn)，照明設(shè)備和布局是非常重要的。但是這樣的話交互式作用是為藝術(shù)部門(mén)服務(wù)的，而非科學(xué)家。史蒂夫布萊森“展示給我看”與“那是什么”做對(duì)比 這是一個(gè)老生常談的格言：你問(wèn)的問(wèn)題在很大程度上決定了你會(huì)得到的答案，如果你問(wèn)了正確的問(wèn)題，那么就會(huì)得到很好的答案。但是正確的觀點(diǎn)和洞察力還有一些好奇的探索都是由你提問(wèn)的特定的問(wèn)題所啟發(fā)的。這不是一個(gè)淺顯的哲學(xué)討論，但是如果你的問(wèn)題非常狹窄，那么往深處探索就變得難以進(jìn)P6U1B Automation or Interacti

31、on: Whats best for big data? 第六部分第一單元課文B 自動(dòng)化與交互：哪個(gè)是大數(shù)據(jù)的首選 行。自動(dòng)功能檢測(cè)需要特定問(wèn)題的框架:“告訴我漩渦是什么”和“告訴我具體滿足的條件”。例如，考慮一個(gè)裝滿東西的屋子。自動(dòng)功能檢測(cè)就好比說(shuō)： “把房間里的紅盒子拿給我看”。你會(huì)找到紅盒子，但是你會(huì)錯(cuò)過(guò)關(guān)于屋子里其他東西的信息。如果需要得到這間屋子里所有物體的信息，自動(dòng)功能檢測(cè)需要提出很多類似的問(wèn)題。用另一種方法，我可以簡(jiǎn)單的問(wèn)一句“告訴我房間里有什么”。 當(dāng)然，科學(xué)可視化并不是如此簡(jiǎn)單，否則我們就不用經(jīng)常開(kāi)會(huì)進(jìn)行討論。甚至，物理模擬數(shù)據(jù)可以很抽象，沒(méi)有規(guī)范的或者明顯的方式來(lái)“給我這些

32、數(shù)據(jù)”。因此我們必須問(wèn)一些關(guān)于這些數(shù)據(jù)的問(wèn)題，以圖形化的方式對(duì)這些數(shù)據(jù)進(jìn)行陳述。當(dāng)然，圖形表示的細(xì)節(jié)將決定我們獲得這些數(shù)據(jù)的信息類型。但是，自動(dòng)功能檢測(cè)要求非常具體的問(wèn)題，這些結(jié)果可以由算法計(jì)算出來(lái)或者簡(jiǎn)單的表示出來(lái)。因此，自動(dòng)檢測(cè)的功能能在數(shù)據(jù)集中檢測(cè)到你需要的功能，而查找不到其他的信息。如果這是你需要的信息，那么就使用自動(dòng)檢測(cè)功能。 P6U1B Automation or Interaction: Whats best for big data? 第六部分第一單元課文B 自動(dòng)化與交互：哪個(gè)是大數(shù)據(jù)的首選 但是，如果你需要對(duì)數(shù)據(jù)集有更全面的了解，尤其是你想要了解為什么某些特性的數(shù)據(jù)集很少顯示

33、這種特性。了解這些特性周?chē)臄?shù)據(jù)對(duì)于理解上下文和起因是非常重要的。了解漩渦流動(dòng)固然有用，但是如果想要理解為什么漩渦在那里是需要知道漩渦附近流動(dòng)的信息的。換句話說(shuō)，大部分科學(xué)調(diào)查雖然受制于局部原則，但是是由總體因素決定的。流體是一種很常見(jiàn)的例子：漩渦是由于它周?chē)矬w的流動(dòng)形狀所形成的。有些全面意義上的流動(dòng)是需要理解隨后的漩渦的。 獲得全面意義上的數(shù)據(jù)是很困難的，尤其是當(dāng)這些數(shù)據(jù)是在三維或者三維以上的空間而且有相互作用時(shí)。眾所周知，同時(shí)展示很多方面的數(shù)據(jù)，這個(gè)場(chǎng)景就會(huì)變得很混亂。在交互式技術(shù)中，可以使用圖形表示，在實(shí)時(shí)的數(shù)據(jù)集附近移動(dòng)，它還可以允許你針對(duì)不同地區(qū)的數(shù)據(jù)以不同的方式進(jìn)行取樣。接著上面

34、的例子，觀察渦流附近的交互式流線可以洞察渦流的成因。需要使用交互性來(lái)許可探索數(shù)據(jù)信息。交互接口越直觀，探索結(jié)果將會(huì)越好?？焖倏碧侥芰υ试S你獲取一般意義上的數(shù)據(jù)， P6U1B Automation or Interaction: Whats best for big data? 第六部分第一單元課文B 自動(dòng)化與交互：哪個(gè)是大數(shù)據(jù)的首選 這些數(shù)據(jù)將會(huì)為某些特性提供一些信息。 在某些情況下，你甚至不知道該問(wèn)哪些具體的問(wèn)題：當(dāng)用新的方式觀察事物時(shí)，提出的新的問(wèn)題會(huì)促進(jìn)科學(xué)的進(jìn)步。在這些情況下，交互式探索將會(huì)是一個(gè)非常有價(jià)值的工具，你可以用新的方式來(lái)問(wèn)一些以前的問(wèn)題。向量場(chǎng)的流線，最初代表的是粒子的路徑

35、（穩(wěn)定）流，可以用它來(lái)研究一些特性，比如標(biāo)量的梯度壓力問(wèn)題。通過(guò)流線的方法探索一個(gè)梯度場(chǎng)，可以提出一些新的見(jiàn)解，比如最大值、最小值的結(jié)構(gòu)等等。（盡管這是一個(gè)不太充分的例子，但是很難想到關(guān)于新問(wèn)題的特殊的例子。）雖然同樣可以使用功能檢測(cè)技術(shù)，比如，尋找一個(gè)梯度場(chǎng)的漩渦，但是它不能快速的表示出這些特性代表什么。 所以我們看到這樣一個(gè)頻譜：在一個(gè)極端，自動(dòng)功能檢測(cè)技術(shù)對(duì)范圍較小的問(wèn)題提供一些特定的答案。如果這些問(wèn)題正好與你的問(wèn)題適合的話，那么自動(dòng)功能檢測(cè)技術(shù)可能就是你需要的。在另一個(gè)極端，你可能是在仿真中探索一些數(shù)據(jù)，然而P6U1B Automation or Interaction: Whats

36、best for big data? 第六部分第一單元課文B 自動(dòng)化與交互：哪個(gè)是大數(shù)據(jù)的首選 你并沒(méi)有不明白或者不理解的問(wèn)題。在這種情況下，一套交互式可視化技術(shù)可以幫助你獲得一些數(shù)據(jù)信息，還可以提出一些有趣的問(wèn)題和見(jiàn)解。在兩者之間，正如復(fù)雜物體周?chē)牧髁磕莻€(gè)例子所示，功能檢測(cè)技術(shù)可以給詳細(xì)的交互式探索一個(gè)很好的切入點(diǎn)。 我想起了機(jī)器人的例子，最初希望機(jī)器人可以完全自主，最終證明這個(gè)希望對(duì)于一般情況在某種程度上超出了我們的范圍。高級(jí)人工控制的機(jī)器人非常成功。我認(rèn)為這種自動(dòng)化和交互式相混合的技術(shù)對(duì)我們的研究領(lǐng)域是非常有益的。有人可能認(rèn)為，如果我們能再聰明一點(diǎn)的話，那么我們可以自動(dòng)控制一切，但是我

37、認(rèn)為，恰恰是因?yàn)槲覀兊那把氐睦斫饽芰?，才使得科學(xué)可視化發(fā)揮了最大的作用，正因?yàn)槿绱耍辽傥覀冎涝搯?wèn)什么問(wèn)題。永遠(yuǎn)都會(huì)是這樣的。 羅伯特哈伊姆 除了寶刀和獸皮P6U1B Automation or Interaction: Whats best for big data? 第六部分第一單元課文B 自動(dòng)化與交互：哪個(gè)是大數(shù)據(jù)的首選 加速戰(zhàn)略計(jì)算計(jì)劃（ASCI）等項(xiàng)目，代表著應(yīng)用于科學(xué)問(wèn)題分析中的大規(guī)模的計(jì)算有著巨大的增長(zhǎng)。通過(guò)提出的大部分ASCI的穩(wěn)態(tài)運(yùn)行的仿真結(jié)果建立了輸出數(shù)據(jù)集，這些數(shù)據(jù)包含數(shù)十億的信息（分布在3D網(wǎng)絡(luò)中）。顯然，相同空間精確度的瞬態(tài)仿真結(jié)果會(huì)加強(qiáng)任何可用的計(jì)算機(jī)資源。這些數(shù)

38、據(jù)導(dǎo)致了極其困難而且耗時(shí)的分析過(guò)程。我們需要對(duì)這些信息提出質(zhì)疑，也要做出解釋，這樣才可以獲得仿真結(jié)果中包含的知識(shí)。 傳統(tǒng)的交互式可視化為了定位和識(shí)別物理現(xiàn)象對(duì)數(shù)據(jù)進(jìn)行探索。為了找到重要的流動(dòng)特性，用戶必須使用一個(gè)或多個(gè)可視化工具（等值面、幾何、簡(jiǎn)化等等）交互地探索數(shù)據(jù)。使用這些工具的科學(xué)家或者工程師定期報(bào)告以下缺點(diǎn)：1. 探索時(shí)間：大規(guī)模三維空間數(shù)據(jù)集的交互式探索是費(fèi)力的，它會(huì)消耗科學(xué)家或者工程師幾小時(shí)或者幾天的時(shí)間。2. 視野：交互式可視化技術(shù)基于網(wǎng)絡(luò)或解決方案數(shù)據(jù)的局部樣本點(diǎn)，產(chǎn)生輸出。如果用戶不詳細(xì)的搜索數(shù)據(jù)集，可能會(huì)錯(cuò)過(guò)一P6U1B Automation or Interaction:

39、 Whats best for big data? 第六部分第一單元課文B 自動(dòng)化與交互：哪個(gè)是大數(shù)據(jù)的首選一些重要的特性。3. 非特異性：交互式技術(shù)通常顯示的是某些特性周?chē)男袨樘卣?，而不是顯示的特性本身。4. 視覺(jué)混亂：生成之后，只有少數(shù)可視化對(duì)象的顯示變得混亂，使得視覺(jué)解釋變得困難。 很明顯，這些工具不會(huì)直接回答調(diào)查員的問(wèn)題。需要一個(gè)專家利用提供的圖像來(lái)推測(cè)底層拓?fù)浣Y(jié)構(gòu)。然后獲得一個(gè)更具體的答案。直接地，自動(dòng)特征提取相較于探索性可視化工具，具有如下的優(yōu)勢(shì)：1. 確定的算法：如果沒(méi)有“參數(shù)”，用戶需要進(jìn)行調(diào)整，然后不需要再對(duì)其進(jìn)行干預(yù)。2. 完全自動(dòng)化：分析研究可以做到線（沒(méi)有一個(gè)可視化子

40、系統(tǒng)）。其他組件也可以把它用于分析研究（即：解算器直接用它來(lái)使網(wǎng)絡(luò)更好的適應(yīng)某些功能）。P6U1B Automation or Interaction: Whats best for big data? 第六部分第一單元課文B 自動(dòng)化與交互：哪個(gè)是大數(shù)據(jù)的首選3. 局部分析：這些方案在可能的情況下，只是執(zhí)行一些局部的運(yùn)算，因此，每個(gè)單元的計(jì)算之間都是彼此獨(dú)立的，可以同時(shí)運(yùn)行的。這在分布式內(nèi)存計(jì)算機(jī)領(lǐng)域是一個(gè)很大的優(yōu)勢(shì)。4. 數(shù)據(jù)簡(jiǎn)化：輸出幾何的數(shù)量級(jí)比輸入數(shù)據(jù)的小幾個(gè)數(shù)量級(jí)，這是輸出結(jié)果的一個(gè)很重要的特性。高保真度的空間和時(shí)間上的結(jié)果可以存儲(chǔ)在磁盤(pán)上。對(duì)整體瞬態(tài)模擬來(lái)說(shuō)，這個(gè)一般是不能實(shí)現(xiàn)的。5. 定量信息：精確性：它提供了提取特征的位置。同樣，它還可以報(bào)告出信息的分類和采取的一些措施。 任何一個(gè)復(fù)雜的代碼都可能會(huì)用到簡(jiǎn)單的類比。一個(gè)大型程序（運(yùn)行超過(guò)幾秒）可能會(huì)執(zhí)行數(shù)十億整數(shù)和浮點(diǎn)數(shù)的運(yùn)算。要想知道程序是否順利運(yùn)行，沒(méi)有必要檢查每一步的操作是否正確。程序員們會(huì)有自己確定結(jié)果的度量指標(biāo)。甚至，整合一些數(shù)據(jù)量大而且運(yùn)行時(shí)間很長(zhǎng)的科學(xué)模擬報(bào)告對(duì)用戶來(lái)說(shuō)也是非常有好處的。不足的是，大部分措施是基于數(shù)值運(yùn)算，而不是基于物理計(jì)算。自動(dòng)特征提取可以檢測(cè)物理學(xué)的問(wèn)題，而P6U1B Automation