《国务院办公厅关于深化产教融合的若干意见》提出要“结合实施创新驱动发展、新型城镇化、制造强国战略，统筹优化教育和产业结构，同步规划产教融合发展政策措施、支持方式、实现途径和重大项目。”职业教育的基本特征，决定了它与产业发展、城市建设有着密切的内在联系。因此，以区域发展战略实施为引领，与产业发展、城市建设融合发展，是推动职业教育与城市互利双赢的关键。

　　遵循规律，理清关系

　　推动职业教育与产业发展城市建设融合发展必须遵循三个规律：一是遵循经济社会发展规律，围绕产业发展调整职业教育专业设置，实现职业教育专业链与产业链对接，提升职业教育对经济社会发展的贡献度。二是遵循人才成长规律，坚持育人为本、面向人人，构建体现终身教育理念的职业教育与培训体系，推进学习型社会建设。三是遵循职业教育发展规律，推进中等职业教育和高等职业教育协调发展，系统培养高素质技术技能人才。同时，还必须处理好三个关系：一是处理好政府与市场的关系，通过政府引导、市场运作，推动产、教、城融合发展。二是处理好教育与产业的关系，实现产教深度融合、校企共赢合作。三是处理好公办与民办的关系，借鉴经济领域公有制多种实现形式，充分调动社会一切力量参与办学，形成适应市场经济体制的市场主体和法人实体。

　　建立人才供给和产业需求的联动机制

　　高职院校多数分布在设区市及所属县区，这些院校在地方高等教育布局中的地位和对区域经济社会发展的贡献均极为突出。

　　泉州现有高校18所，其中高职院校12所；各类高校在校生近13万人，其中高职类型在校生超过9万人。每年4万多名高校毕业生，在泉州就业占40%、在福建就业80%。这是地方政府重视支持职业教育的结果，也充分彰显了政府统筹推动产、教、城融合发展的重要性。

　　近几年来，泉州以推进“海丝”先行区、国家自主创新示范区、泉州制造2025和新型城镇化等区域发展战略为重点，注重发挥职业教育对区域产业和经济社会发展的重要支撑作用，对职业教育的重视支持力度也持续加大。一是建立政府统筹推动的工作机制。建立市、县两级职业教育联席会议制度，市长亲自担任市级联席会议总召集人，分管工业、教育的副市长分别担任副总召集人。成立了泉州市职业教育研究所，开展职业教育理论、政策以及重点热点问题研究，为职业教育发展提供决策依据；将贴近产业需求助推职业教育创新发展列入市政府、政协专题协商议题，汇集各方智慧，共商职业教育发展方略。二是充分发挥统筹协调作用，制订一系列政策措施，推动职业教育与产业发展城市建设融合发展。组织联席会议成员单位联合制订职业院校专业群建设规划、职业教育“正负面清单”，推进公共实训基地、大学生创新创业基地、职教集团等重点项目建设。三是持续加大资金支持力度。市属公办高职院校生均拨款水平1.71万元；设立8000万元市级职业教育发展专项资金，用于人才引进、专业建设；对全市产业发展急需、相对艰苦的19个高职教育专业实行学费减免。

　　让市场促进专业链深度对接产业链

　　城市建设为产业发展搭建舞台，产业发展拉动城市建设；职业教育发展为产业发展提供人才与智力支撑，为城市建设增强软实力；区域发展战略则是联通产业、城市与职业教育的主要纽带。它们之间的内在联系至为密切，这是产、教、城融合发展的前提条件。但是产教城融合发展、协同发展，不是一厢情愿的拉郎配，而有其自身的运动规律和运行机制。

　　产业发展和城市建设催生了职业教育的蓬勃发展，职业教育的人才培养和社会服务又为产业发展和城市建设提供了人才支撑和智力支持。以黎明职业大学为例。该校创办于1984年，从初创时期的2个专业不足百名学生发展到目前拥有12个二级学院40个专业，全日制在校生近万名，毕业生在泉州就业高达75%左右。每年并开展各类培训近3万人。黎明职业大学见证了泉州改革与发展，为之作出了巨大贡献，并且在培养人才、服务发展的历程中，书写学校的辉煌。

　　构建利益共同体发展共同体

　　进入新时代，新发展理念推动各级政府改变了唯GDP论的发展观，高质量成为衡量经济社会发展的重要指标；职业教育经过40年的发展，人才培养水平和社会服务能力也有了长足进步，尤其是经过多年产教融合校企合作的实践，已经形成了一系列成果与经验。

　　推动职业教育与产业发展城市建设融合发展，必须以构建校企利益共同体和发展共同体为重点，激发职业院校办学活力，努力实现五个提升。一是以完善专业建设“正负面清单”制度为导向，优化亲产业专业布局，提升专业与产业契合度。二是以全面推进“二元”主导的现代学徒制为突破，强化校企双主体协同育人，提升人才培养与校企融合度。三是以建设校企深度合作平台为载体，推进校企协同创新，提升职业教育服务产业转型升级的能力。四是以加快“双师型”人才队伍建设为抓手，“双师”素质培养和“双师结构”优化并重，提升职业院校核心竞争力。五是以优化区域内职业教育布局结构为重点，推进中高职协调发展，提升优质职业教育资源供给能力。（作者：毛伟雄，系泉州市教育局副局长；陈金聪，系黎明职业大学发展研究中心主任）

紧随电商发展趋势，打造符合客户自身的电商路径。 
多用户商城系统：
多用户商城系统以B2B2B2C的理念出发，创新模块化设计，自营、招商、批发、供货、分销、城市站点、区域代理、O2O门店，一套系统即可搞定！
全渠道新零售解决方案：
全面打通零售业PC端、移动端、线下门店端，真正帮助零售商企形成前端和后端，线上与线下为一体的全渠道零售体系，重构消费者、商品、场景关系，实现三维一体化管理。
电商领域全行业 生态系统与服务提供商，平台电商、移动分销、小程序、企业商城、新零售、区块链...您的电商需求，商联达帮您实现。
新零售解决方案，新零售时代快人一步：
全渠道零售解决方案：新零售的核心在于线上线下和配送的结合，商联达新零售商城解决方案包含电商平台+连锁门店+ERP+IM+...线上下单，线下服务 · 线上发券，线下核销 · 线下缺货，线上代发 · 线下购物，线上会员 ……
O2O门店解决方案，线上线下双店模式。
以线下实体门店为核心，打通品牌的线上线下渠道，解决复杂的网店搭建、客情维护、营销策划、进销存管理等，让连锁门店运营 管理更高效！门店地址 地图导航· 门店抢单 订单指派· 线上下单 到店自提。
跨境电商解决方案，成熟跨进商城系统。
专注解决跨境电商企业的清关效率低下、库存管理、分销发展吃力、信用问题凸显和政策支持困境 一招解决5大困境 · 3大主流化运营模式 · 订单同步海关系统 · 高效率业务流程 。
农村电商解决方案，摆脱农村电商布局之困。
凭借贴近农户的各县、村级服务站以及乡村推广员等特色优势，完美打通当下农村/城市之间的信息壁垒，有效实现“农产品上行， 工业品下行”的双向互通，解决：· 物流配送 · 消费群体不会操作 · 信任问题 · 平台引流等难题。
零售商超电商解决方案，多点布局全渠道覆盖。
结合互联网趋势与商超行业的特性，提供多销售终端，线上线下一体化，从商品销售管理、财务结算到物流配送 ...
山东掌趣网络科技有限公司专业开发完善的 · 商品管理体系 · 会员管理体系 · 营销管理体系 · 商超结算体系 。
官方商城解决方案，自建商城独立引流。
快速搭建多终端在线零售官方商城，打通会员、积累客户，支持门店O2O粉碎“渠道单一” 7大线上商城统一后台管理运营 只有尽可能广的在线上铺货、售货，接触到消费者的可能性才会越大。

无人机实景三维建模在桥梁工程中的应用

由于城市桥梁施工建设规模大、结构复杂，露天高空及深水作业多，受河流影响，在桥体桩基、承台侧面等区域存在较多观察盲点，给现场动态情况观察带来不便。

近年来，国内大型桥梁建设单位都开始应用无人机实景三维建模，主要用于前期施工场地勘察、土方量测量以及电子沙盘展示。

将无人机倾斜摄影测量应用于桥梁工程施工现场，能够快速获取到施工现场高精度实景三维模型和DEM、DOM、DLG等多种数据成果，可以直观地把握现场自然环境以及与既有交通线路的空间位置关系，快速准确地计算基坑挖方量，提高生产效率和准确性的同时，加快了项目交付进度从而降低成本。







为什么选择Context Capture？

ContextCapture是目前比较主流的建模软件，输出的三维模型比较精细，精度达到厘米级，也适合路桥大范围条状建模，可在基础设施项目的整个生命周期内为设计、施工和运营决策提供精确的现实环境背景参考；同时，实景三维模型具有精确的地理位置信息。这为后期的基础设施应用提供了足够的技术细节来满足后续的需求。









建模过程中出现哪些问题和困难？

刚开始学习ContextCapture基本靠着自己摸索和软件自带的帮助文档，磕磕碰碰建出来模型。然而，遇到不定时出现的各种稀奇古怪的问题，比如纹理错位、瓦片LOD更新破碎、数据边缘参差不齐、不会集群项目交付赶不上，有的时候重新操作个几十遍，也不一定能发现问题的症结，急得束手无措。



我们一直在使用中科图新的LSV软件，从弹窗上了解到Bentley官方培训课程，正好我们有这方面的需求，就报名参加了。培训是小班教学，每一位学员都有自我练习时间和讨论机会，学员和讲师之间的互动交流机会比较多，参加完回去能够独立操作建模。

新一期Bentley官方培训课程

Context Capture三维建模培训班

将于9月9日—9月11日开班

0512-68787099 / 13912622982

下一步应用方向？

我们的项目常常因为前期施工场地勘察，导致时间和人力成本投入非常大。现在就用无人机实景建模就是来解决这个问题，经过系统的培训，我们可以更加熟练地应用ContextCapture，拓展了更多应用场景。目前仅局限于本地化应用，下一步，我们计划借助GIS平台对接进行BIM的融合。





 

1. 为什么需要高精地图

理论上来讲，可以在车载系统检测和获取所有道路信息(可行驶路径、车道优先级、红绿灯与车道的关联关系、车道与人行横道与红绿灯的关系等)，但是目前的AI能力无法保证实现很高的MTBF(Mean Time Between Failures, 平均无故障时间)，所以需要提前把这些信息都准备好。



2. 高精地图的挑战

规模化-Scale

如果自动驾驶车辆只在一个区域、一个城市、或者几个城市运营，那就不存在规模化的问题。但是2025年之后，自动驾驶会在消费者层面全面落地，用户需要驾车到任意想去的地方，在这种场景下，Scale是一个无法规避的问题。

鲜度-Fresh

理想情况下，地图是在实时更新的。当物理环境发生变化时，需要实时反映到地图上。月级更新、甚至天级更新都是不够的，我们需要做到分钟级，甚至更短。

精度-Accuracy

车载系统(OnBoard System)检测的车辆和行人需要与高精地图(High Definiation Map)实现厘米级精度的匹配，因此地图的精度至关重要。



3. 通用高精地图制作方法的缺陷



全局坐标系下厘米级精度不是必需的

AV车辆行驶过程中只关注周围几百米范围即可，所以只要这个范围内的足够准确即可。至于几公里之外的全局精度，Who Care...



语义层数据生产难以自动化



如下图所示，没有车道线的双向车道，单从图像观察，难以识别它的Drive Path。



如下图所示，转向规则千奇百怪：禁止红灯右转，完全停车后允许红灯右转，绿灯禁止左转，绿灯Yield后允许左转...



如下图所示，红绿灯异常复杂，识别车道、人行横道与红绿灯的关联关系难度很大...



如下图所示，除非地图可以表达所有的3D要素，否则很难自动化的计算出车道的最优Stop/Yield Point。但是表达所有的3D信息对于地图来说又是不现实的...



影响车辆行驶速度的因素有很多，道路几何、限速、文化等，难以量化，但它对Smooth Driving体验至关重要...



4. Mobileye如何解决这些问题

scalability依赖众包数据生成Millions Map Agents；Accuracy不是全局的Accuracy，而是局部的Accuracy，相对于道路上的静态元素位置。



REM的处理流程如下，首先从成百上千辆车获取检测信息(没有使用差分GPS，而是使用了普通的GPS)，这些数据传送到云端；每辆车Detection的角度不同，由于遮挡等原因，每辆车检测的landmark也有差异，将这些数据进行Alignment处理，生成高精度的地图数据；最后，Modeling And Semantics负责生成地图的语义数据。



Harvesting

下图中黄色的框是车辆检测的landmarks和lane marks，同时车辆会尝试检测driving path等语义信息，一辆车可能检测不准确，但是成百上千的过路车辆会让检测结果越来越好。

Mobileye Harvesting的数据量为10K/公里，这些检测的数据会被发送到云端。



Aligning Drives

检测每个RSD中每个元素的6D Pose，然后对齐相同位置的元素，得到厘米度精度的driving path等信息。



由于GPS存在误差，每个车辆检测的道路元素位置都存在噪声，所以只依靠简单的位置求均值是不可行的。



Align之后可以明显的看到两条Driving Path(蓝色)和两侧的道路边界(红色)。对齐的过程是靠几何运算进行。



仅仅靠聚类(Clustering)和Spline Fiting得到下图右上角的结果，这个结果不是特别理想。后来通过神经网络生成高精度地图，效果好了很多。



为什么语义理解离不开众包

如下左图所示，通过众包数据可以在没有Lane Marking的道路上获取Driving Path。

如下右图所示，众包数据提供了复杂场景下的所有可通行路径。



如下图所示，通过众包数据可以获得红绿灯与车道的关联关系、Yield Sign的Stop Point、Crosswalk与红绿灯的关联关系等。



如下左图所示，通过检测哪个Drive Path的Stop Point比较多，我们可以从众包数据中获取到没有Traffic Sign情况下各个道路的路权优先级。

如下中图所示，我们可以从众包数据学习到在路口其它司机的停车位置。

如下右图所示，从众包数据可以学习到，在无保护左转的场景下车辆的Stop Point。



众包数据是获得各个道路Common Speed的唯一高效的方法，Common Speed提供了当道路没有车辆时候AV车的目标行驶速度。采用这种方法可以使得无论在哪个国家、地区，或者不同的道路类型，AV车都可以自然的融入车流。



5. 总结

到目前为止，Mobileye与超过6家汽车制造厂商合作，每天可以覆盖800万公里的路网更新。预计到2024年，每天覆盖的路网会达到10亿公里。



说明：本文所有内容都来源于Mobileye CEO Amnon Shashua教授在2021 CES的分享。

YouTube链接：https://www.youtube.com/watch?v=B7YNj66GxRA&t=301s