一種統(tǒng)計(jì)周期內(nèi)車輛出行路線及od矩陣獲取方法
【專利摘要】本發(fā)明公開了一種統(tǒng)計(jì)周期內(nèi)車輛出行路線及OD矩陣獲取方法，該方法包括以下步驟：劃分某路網(wǎng)區(qū)域中的交通小區(qū)及道路；在每段路或合并路段后的出口或入口處放置車輛檢測(cè)設(shè)備，以檢測(cè)行駛車輛的唯一標(biāo)識(shí)；在統(tǒng)計(jì)周期內(nèi)，利用車輛檢測(cè)設(shè)備不間斷地采集道路上行駛的車輛的信息，并將其存儲(chǔ)到后臺(tái)數(shù)據(jù)庫中；提取每輛車在該統(tǒng)計(jì)周期內(nèi)的時(shí)間和位置數(shù)據(jù)，獲取該車輛在該統(tǒng)計(jì)周期內(nèi)的路徑信息并進(jìn)行存儲(chǔ)；根據(jù)所述路徑信息獲取該車輛的初始地和目的地所處的交通小區(qū)，綜合考慮所有車輛的起訖點(diǎn)，從而得到統(tǒng)計(jì)周期內(nèi)的OD矩陣。本發(fā)明以車輛標(biāo)識(shí)為依據(jù)，通過各種數(shù)據(jù)挖掘與融合方法和先進(jìn)的計(jì)算機(jī)實(shí)時(shí)處理技術(shù)，動(dòng)態(tài)地獲取和更新車輛出行路線及OD矩陣。
【專利說明】一種統(tǒng)計(jì)周期內(nèi)車輛出行路線及OD矩陣獲取方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于交通規(guī)劃與管理領(lǐng)域，具體涉及一種基于車輛標(biāo)識(shí)(VehicleIdentification, VID)的統(tǒng)計(jì)周期內(nèi)車輛出行路線及OD (0RIGIN-DESTINAT10N)矩陣獲取方法，該方法可高頻度、低成本、自動(dòng)化和智能化地獲取統(tǒng)計(jì)周期內(nèi)，比如早晚高峰車輛出行路線及OD矩陣數(shù)據(jù)，可用于交通規(guī)劃、交通需求、交通預(yù)測(cè)及誘導(dǎo)等各種交通管理工作和服務(wù)中。
【背景技術(shù)】
[0002]車輛出行OD矩陣是交通系統(tǒng)規(guī)劃、設(shè)計(jì)及運(yùn)行管理的核心基礎(chǔ)信息。OD信息的精度直接影響城市交通管理者、交通規(guī)劃工程技術(shù)人員對(duì)于交通現(xiàn)狀以及未來交通可能出現(xiàn)情況的準(zhǔn)確判斷，并會(huì)直接影響交通管理措施的有效性、交通規(guī)劃的合理性。車輛出行OD矩陣反映的是最基本的交通需求信息，是對(duì)支持交通規(guī)劃工作實(shí)施定量分析的重要數(shù)據(jù)資源，而早晚高峰的車輛出行路線及OD矩陣也是挖掘車輛出行規(guī)律的重要特征，也是有針對(duì)性地整治早晚高峰常態(tài)交通擁堵的數(shù)據(jù)依據(jù)。
[0003]傳統(tǒng)的問卷調(diào)查等方式獲取OD矩陣的方法，由于成本高、調(diào)查工作量大等原因難以頻繁實(shí)施，直接影響OD矩陣的時(shí)效性。同時(shí)，隨著城市流動(dòng)人口激增，通過調(diào)查獲取其車輛出行信息相對(duì)困難，使得調(diào)查結(jié)果準(zhǔn)確性和代表性具有一定的局限性。城市交通信息化建設(shè)的蓬勃發(fā)展，為以交通分析為目的的OD矩陣獲取提供了一條切實(shí)可行的高頻度、低成本、自動(dòng)化獲取車輛出行路線及OD矩陣數(shù)據(jù)的新途徑，即通過大范圍的車輛數(shù)據(jù)自動(dòng)采集獲取路段或區(qū)域路網(wǎng)的交通信息具有必要性和現(xiàn)實(shí)意義。
[0004]近年來，隨著物聯(lián)網(wǎng)技術(shù)的蓬勃發(fā)展，車輛標(biāo)識(shí)識(shí)別技術(shù)的深入研究，尤其是大中城市的各種車輛檢測(cè)設(shè)備安裝實(shí)施，以及大數(shù)據(jù)、云計(jì)算技術(shù)的廣泛應(yīng)用，使得城市道路車輛信息的采集技術(shù)已經(jīng)從點(diǎn)到線，進(jìn)而拓展到面即區(qū)域方向發(fā)展。車輛標(biāo)識(shí)識(shí)別技術(shù)包括但不限于視頻或圖像方式獲取車牌信息、射頻識(shí)別方式獲取車輛電子車牌或標(biāo)簽等信息；通過各種固定的車輛檢測(cè)設(shè)備獲取所經(jīng)過車輛的唯一標(biāo)識(shí)、位置及時(shí)間等信息；然后經(jīng)過數(shù)據(jù)挖掘等智能分析方法搜索出各個(gè)車輛在早晚高峰的出行路線，最后通過聚類分析等智能算法獲取到車輛出行的OD矩陣。

【發(fā)明內(nèi)容】

[0005]本發(fā)明的目的在于為了克服交通管理部門建設(shè)的系統(tǒng)各自獨(dú)立，沒有充分發(fā)揮各個(gè)系統(tǒng)相互之間的內(nèi)在關(guān)系，傳統(tǒng)方法獲取OD矩陣已經(jīng)不能滿足現(xiàn)在交通規(guī)劃及管理的需求，特別是時(shí)效性、準(zhǔn)確性和代表性無法體現(xiàn)等現(xiàn)有技術(shù)中存在的這些缺陷，結(jié)合城市早晚高峰交通流量具有相似的特征，綜合運(yùn)用物聯(lián)網(wǎng)、大數(shù)據(jù)及云計(jì)算等技術(shù)或方法，使交通管理部門各個(gè)系統(tǒng)自主交互，深層次挖掘其數(shù)據(jù)的內(nèi)在聯(lián)系，從而提出了一種新的統(tǒng)計(jì)周期內(nèi)車輛出行路線及OD矩陣獲取方法。
[0006]本發(fā)明提出的一種統(tǒng)計(jì)周期內(nèi)車輛出行路線及OD矩陣獲取方法包括以下步驟:[0007]步驟1，劃分某路網(wǎng)區(qū)域中的交通小區(qū)及道路；
[0008]步驟2，在每段路或合并路段后的出口或入口處放置車輛檢測(cè)設(shè)備，以檢測(cè)行駛車輛的唯一標(biāo)識(shí)；
[0009]步驟3，在統(tǒng)計(jì)周期內(nèi)，利用車輛檢測(cè)設(shè)備不間斷地采集道路上行駛的車輛的信息，并將其存儲(chǔ)到后臺(tái)數(shù)據(jù)庫中；
[0010]步驟4，提取每輛車在該統(tǒng)計(jì)周期內(nèi)的時(shí)間和位置數(shù)據(jù)，獲取該車輛在該統(tǒng)計(jì)周期內(nèi)的路徑信息并進(jìn)行存儲(chǔ)；
[0011]步驟5，根據(jù)所述路徑信息獲取該車輛的初始地和目的地所處的交通小區(qū)，綜合考慮所有車輛的起訖點(diǎn)，從而得到統(tǒng)計(jì)周期內(nèi)的OD矩陣。
[0012]本發(fā)明方法具有以下特點(diǎn):一、摒棄了傳統(tǒng)方法由于人工處理引起的各種弊病，從而使數(shù)據(jù)具有較強(qiáng)的應(yīng)用價(jià)值；二、提出基于車輛標(biāo)識(shí)為依據(jù)，從而保證了車輛的唯一性和準(zhǔn)確性；三、對(duì)于路網(wǎng)拓?fù)浣Y(jié)構(gòu)沒有要求，以城市規(guī)劃的小區(qū)為主要交通小區(qū)，具有現(xiàn)實(shí)意義；四、通過各種數(shù)據(jù)挖掘與融合方法和先進(jìn)的計(jì)算機(jī)實(shí)時(shí)處理技術(shù)，可以動(dòng)態(tài)的獲取和更新車輛出行路線及OD矩陣。
[0013]1、確定車輛標(biāo)識(shí)的檢測(cè)方法:包括但不限于射頻識(shí)別檢測(cè)電子車牌或標(biāo)簽、視頻或圖像檢測(cè)車牌牌照；
[0014]2、確定某路網(wǎng)區(qū)域交通小區(qū)的劃分方案:主要依據(jù)城市規(guī)劃方案為依據(jù)，考慮區(qū)域的土地性質(zhì)等因素劃分交通小區(qū)；
[0015]3、采集早晚高峰兩個(gè)時(shí)段各個(gè)檢測(cè)設(shè)備獲取的車輛標(biāo)識(shí)數(shù)據(jù)、時(shí)間數(shù)據(jù)及位置數(shù)據(jù)；此過程的數(shù)據(jù)為一定時(shí)間段，以天為單位，持續(xù)一個(gè)月到三個(gè)月不等，根據(jù)應(yīng)用效果確定;
[0016]4、提取每車輛(標(biāo)識(shí)唯一性)一定時(shí)間段的時(shí)間和位置數(shù)據(jù)，根據(jù)位置數(shù)據(jù)，經(jīng)過概率統(tǒng)計(jì)和聚類分析方法，獲取經(jīng)常經(jīng)過的安裝有檢測(cè)設(shè)備的位置簇，然后通過分析時(shí)間數(shù)據(jù)的先后順序，從而確定了該車輛的行駛方向及路線信息；該路線信息不具有唯一性，也可以是多條，在【具體實(shí)施方式】中進(jìn)一步詳述；
[0017]5、通過已經(jīng)獲取的車輛行駛方向和軌跡信息，提取每輛車的起訖點(diǎn)，把該起訖點(diǎn)映射到相應(yīng)的交通小區(qū)上，對(duì)該區(qū)域所有車輛的起訖點(diǎn)進(jìn)行疊加處理，從而得到該區(qū)域的早晚高峰的車輛出行OD矩陣；
[0018]6、通過實(shí)時(shí)采集每車輛的位置和時(shí)間數(shù)據(jù)并及時(shí)更新到后臺(tái)數(shù)據(jù)庫中，從而不斷的修正、完善和更新該車輛出行OD矩陣，保證了該矩陣的時(shí)效性和準(zhǔn)確性。
【專利附圖】

【附圖說明】
[0019]圖1為根據(jù)本發(fā)明一實(shí)施例的路網(wǎng)中車輛檢測(cè)設(shè)備及行駛軌跡示意圖。
[0020]圖2為本發(fā)明基于車輛標(biāo)識(shí)的統(tǒng)計(jì)周期內(nèi)出行OD矩陣獲取方法流程圖。
[0021]圖3為根據(jù)本發(fā)明一實(shí)施例的車輛行駛檢測(cè)位置的二維坐標(biāo)圖。
【具體實(shí)施方式】
[0022]為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚明白，以下結(jié)合具體實(shí)施例，并參照附圖，對(duì)本發(fā)明進(jìn)一步詳細(xì)說明。[0023]圖1示出了某個(gè)小區(qū)域的交通路網(wǎng)，該路網(wǎng)由6個(gè)路口組成，某個(gè)標(biāo)識(shí)車輛行駛軌跡經(jīng)過了 13個(gè)車輛檢測(cè)設(shè)備，車輛檢測(cè)設(shè)備的放置位置為每段路或合并路段后的出口或入口，也就是交通小區(qū)其中一條邊的那個(gè)路段(或合成路段)的出口或入口。本發(fā)明的目的就是要獲取以下信息:車輛的唯一標(biāo)識(shí)(車牌號(hào)、或電子標(biāo)簽等)，車輛經(jīng)過車輛檢測(cè)設(shè)備的時(shí)刻，相應(yīng)車輛檢測(cè)設(shè)備的編號(hào)，并根據(jù)得到的信息獲取早晚高峰車輛出行路線及OD矩陣。
[0024]圖2為本發(fā)明基于車輛標(biāo)識(shí)的統(tǒng)計(jì)周期內(nèi)出行OD矩陣獲取方法流程圖，所述方法包括以下步驟:
[0025]步驟1，劃分某路網(wǎng)區(qū)域中的交通小區(qū)及道路；
[0026]該步驟中，主要以城市規(guī)劃為依據(jù)，考慮路網(wǎng)區(qū)域的土地性質(zhì)等因素劃分交通小區(qū)，比如商業(yè)區(qū)、商務(wù)區(qū)、居住區(qū)或辦公區(qū)等，并將路網(wǎng)區(qū)域中的交通道路劃分為市政主干道路和交通區(qū)內(nèi)道路，劃分時(shí)主要保留市政主干道路，盡量合并交通區(qū)內(nèi)道路，如圖1陰影道路部分的放大視圖，其實(shí)際是多個(gè)路段的合并。
[0027]步驟2，在每段路或合并路段后的出口或入口處放置車輛檢測(cè)設(shè)備，以檢測(cè)行駛車輛的唯一標(biāo)識(shí)；
[0028]所述車輛的唯一標(biāo)識(shí)包括但不限于車牌號(hào)、電子標(biāo)簽等。
[0029]所述步驟2中，可以采用路口視頻流圖像處理方法，可以采用射頻識(shí)別檢測(cè)電子車牌或標(biāo)簽的方法來識(shí)別車輛的唯一標(biāo)識(shí)，也可以采用其他識(shí)別方法，只要能檢測(cè)到車輛的唯一標(biāo)識(shí)即可，但不包含車輛本身以外的其他標(biāo)識(shí)方法。
[0030]步驟3，在統(tǒng)計(jì)周期內(nèi)，比如每天早晚高峰期間，利用車輛檢測(cè)設(shè)備不間斷地采集道路上行駛的車輛的信息，并將其存儲(chǔ)到后臺(tái)數(shù)據(jù)庫中；
`[0031]所述信息包括但不限于車輛唯一標(biāo)識(shí)數(shù)據(jù)、時(shí)間數(shù)據(jù)以及所使用的車輛檢測(cè)設(shè)備
編號(hào)等信息。
[0032]所述信息以天為一個(gè)數(shù)據(jù)單元進(jìn)行存儲(chǔ)，考慮到數(shù)據(jù)采集過程的周期性較長(zhǎng)，根據(jù)需求，可以選擇保存數(shù)據(jù)一年、三年、五年或其他時(shí)長(zhǎng)，一是為了采集數(shù)據(jù)的完整性，二是數(shù)據(jù)還可供其他應(yīng)用所用，比如供公安事件等調(diào)用。
[0033]步驟4，提取每輛車(具有標(biāo)識(shí)唯一性)在該統(tǒng)計(jì)周期內(nèi)的時(shí)間和位置數(shù)據(jù)，通過智能分析方法來獲取該車輛在該統(tǒng)計(jì)周期內(nèi)的路徑信息并進(jìn)行存儲(chǔ)，所述路徑信息包括但不限于行駛方向和出行路線；
[0034]下面以一個(gè)例子對(duì)于該步驟進(jìn)行進(jìn)一步的說明，假設(shè)如果想獲知一輛車在兩個(gè)月內(nèi)的早高峰(或晚高峰)行駛路線情況，則可按照以下步驟來操作，當(dāng)然，也可以根據(jù)實(shí)際需求或者分析結(jié)果將兩個(gè)月的統(tǒng)計(jì)周期調(diào)為一個(gè)月或者僅考慮該統(tǒng)計(jì)周期內(nèi)工作日的情況:
[0035]步驟41，統(tǒng)計(jì)兩個(gè)月的統(tǒng)計(jì)周期內(nèi)，該車輛經(jīng)過的所有車輛檢測(cè)設(shè)備的編號(hào)，基于所有的車輛檢測(cè)設(shè)備編號(hào)建立一個(gè)離散數(shù)據(jù)的數(shù)據(jù)集L= {11； I2, I3,…，1J，其中，每個(gè)元素Ii代表相對(duì)應(yīng)的車輛檢測(cè)設(shè)備(一一對(duì)應(yīng))，其值代表統(tǒng)計(jì)周期內(nèi)該車輛在該位置出現(xiàn)的次數(shù)，并設(shè)置每個(gè)元素的初始值為零，即Ii = O。，η表示車輛檢測(cè)設(shè)備的數(shù)量；
[0036]步驟42，在該統(tǒng)計(jì)周期內(nèi)，以天為單位遍歷該車輛所經(jīng)過的所有車輛檢測(cè)設(shè)備，并把對(duì)應(yīng)的數(shù)據(jù)集中的Ii元素的值加1，這樣就得到了該車輛所經(jīng)過的特定車輛檢測(cè)設(shè)備的頻次；[0037]步驟43，對(duì)于所述數(shù)據(jù)集L中的所有元素進(jìn)行求和:
【權(quán)利要求】
1.一種統(tǒng)計(jì)周期內(nèi)車輛出行路線及OD矩陣獲取方法，其特征在于，該方法包括以下步驟: 步驟1，劃分某路網(wǎng)區(qū)域中的交通小區(qū)及道路； 步驟2，在每段路或合并路段后的出口或入口處放置車輛檢測(cè)設(shè)備，以檢測(cè)行駛車輛的唯一標(biāo)識(shí)； 步驟3，在統(tǒng)計(jì)周期內(nèi)，利用車輛檢測(cè)設(shè)備不間斷地采集道路上行駛的車輛的信息，并將其存儲(chǔ)到后臺(tái)數(shù)據(jù)庫中； 步驟4，提取每輛車在該統(tǒng)計(jì)周期內(nèi)的時(shí)間和位置數(shù)據(jù)，獲取該車輛在該統(tǒng)計(jì)周期內(nèi)的路徑信息并進(jìn)行存儲(chǔ)； 步驟5，根據(jù)所述路徑信息獲取該車輛的初始地和目的地所處的交通小區(qū)，綜合考慮所有車輛的起訖點(diǎn)，從而得到統(tǒng)計(jì)周期內(nèi)的OD矩陣。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟I中，以城市規(guī)劃為依據(jù)，考慮路網(wǎng)區(qū)域的土地性質(zhì)來劃分交通小區(qū)，并將路網(wǎng)區(qū)域中的交通道路劃分為市政主干道路和交通區(qū)內(nèi)道路。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述車輛的唯一標(biāo)識(shí)為車牌號(hào)和/或電子標(biāo)簽。
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述信息包括車輛唯一標(biāo)識(shí)數(shù)據(jù)、時(shí)間數(shù)據(jù)和/或所使用的車輛檢測(cè)設(shè)備編號(hào)。
5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述路徑信息包括行駛方向和/或出行路線。
6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟4進(jìn)一步包括以下步驟: 步驟41，統(tǒng)計(jì)一統(tǒng)計(jì)周期內(nèi)，某車輛經(jīng)過的所有車輛檢測(cè)設(shè)備的編號(hào)，基于所有的車輛檢測(cè)設(shè)備編號(hào)建立一個(gè)離散數(shù)據(jù)的數(shù)據(jù)集L= {11； I2, I3,…，IJ，其中，每個(gè)元素Ii代表相對(duì)應(yīng)的車輛檢測(cè)設(shè)備，其值代表統(tǒng)計(jì)周期內(nèi)該車輛在該位置出現(xiàn)的次數(shù)，并設(shè)置每個(gè)元素的初始值為零，即Ii = 0，η表示車輛檢測(cè)設(shè)備的數(shù)量；步驟42，在該統(tǒng)計(jì)周期內(nèi)，以一時(shí)間段為單位遍歷該車輛所經(jīng)過的所有車輛檢測(cè)設(shè)備，并把對(duì)應(yīng)的數(shù)據(jù)集中的Ii元素的值加1，得到該車輛所經(jīng)過的特定車輛檢測(cè)設(shè)備的頻次；步驟43，對(duì)于所述數(shù)據(jù)集L中的所有元素進(jìn)行求和，然后基于得到的和值對(duì)數(shù)據(jù)集L進(jìn)行歸一化，得到該車輛在統(tǒng)計(jì)周期內(nèi)經(jīng)過特定檢測(cè)設(shè)備的概率數(shù)據(jù)集P:P = {Pl, P2, P3,…，P1J，其中 Pi = li/s ； 步驟44，對(duì)數(shù)據(jù)集P中的η個(gè)數(shù)據(jù)對(duì)象Pi進(jìn)行降序排列，從而得到新的數(shù)據(jù)集D:
D — {dj, d2, d3,…，dn}， 對(duì)于數(shù)據(jù)集D，以第i個(gè)數(shù)據(jù)為中心，對(duì)于連續(xù)2m+l個(gè)數(shù)據(jù)求取其算數(shù)平均值，從而獲得新的數(shù)據(jù)集A:
A = {aly a2, a3,..., an}， 其中，如果 i < m+1,貝丨J 3j =1 dk/ (21 — I) I 如果 m+1 ^ i ^ n_m,貝丨Jat = Zk:!:!::mdk/ (2m + I);如果 i > n-m，則ai = Zk=21-n^k/ (2m+ I) I步驟45，對(duì)于所述數(shù)據(jù)集A，計(jì)算求取其k個(gè)極大值as，從而可以獲取到相對(duì)應(yīng)的數(shù)據(jù)集P中的k個(gè)數(shù)據(jù)對(duì)象Pt ;選擇該k個(gè)數(shù)據(jù)對(duì)象作為初始的簇中心，將每個(gè)數(shù)據(jù)對(duì)象Pi分配到最近的簇中心，從而獲得k個(gè)簇；分別計(jì)算k個(gè)簇中數(shù)據(jù)對(duì)象Pt的概率和，并將其按照降序排列，然后選擇前r個(gè)概率和大于0.5的簇； 步驟46，將獲得的r個(gè)簇分別與車輛每天經(jīng)過的路徑信息集合進(jìn)行相關(guān)性計(jì)算，凡是相關(guān)性超過80%的簇進(jìn)行增量計(jì)算，并記錄該次路徑，若最終求得的該增量除以統(tǒng)計(jì)周期內(nèi)所有的路徑信息集合的個(gè)數(shù)的值與該簇的概率和非常接近，則確認(rèn)該簇的有效性；并把該次運(yùn)算求得的所有記錄的路徑信息進(jìn)行疊加分析，從而得到該簇所對(duì)應(yīng)的有效路徑； 步驟47，針對(duì)每個(gè)簇都按照所述步驟46的方法獲取到小于r個(gè)有效路徑，從而可以求出該車輛統(tǒng)計(jì)周期內(nèi)的行駛方向和出行路線。
7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述步驟46中，相關(guān)性的計(jì)算為:同一位置同時(shí)存在簇和路徑信息集合這兩個(gè)集合中時(shí)表示為1，不同時(shí)存在時(shí)表示為0，然后把所有的“ I ”和“O”進(jìn)行求和，再除以路徑信息集合中的元素個(gè)數(shù)。
8.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟46中，疊加分析具體為:相同位置的元素每出現(xiàn)一次，次數(shù)增加I，最后舍棄出現(xiàn)次數(shù)相對(duì)較少的元素。
9.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟47還包括根據(jù)路線的連續(xù)性從得到的出行路線中選擇其中的若干條出行路線的步驟。
10.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括步驟6，實(shí)時(shí)采集每個(gè)行駛車輛的所處位置和時(shí)間數(shù)據(jù)，并對(duì)之前存儲(chǔ)的數(shù)據(jù)進(jìn)行更新，重復(fù)所述步驟4，以不斷的修正、完善和更新每輛車的起始點(diǎn)，保證統(tǒng)計(jì)周期內(nèi)的OD矩陣的時(shí)效性。
【文檔編號(hào)】G08G1/00GK103646187SQ201310741928
【公開日】2014年3月19日 申請(qǐng)日期:2013年12月27日 優(yōu)先權(quán)日:2013年12月27日
【發(fā)明者】李元濤, 王飛躍, 呂宜生, 王坤峰, 董西松, 趙紅霞 申請(qǐng)人:中國(guó)科學(xué)院自動(dòng)化研究所, 東莞中國(guó)科學(xué)院云計(jì)算產(chǎn)業(yè)技術(shù)創(chuàng)新與育成中心