在工程管理领域中，本年度10个全球工程开发前沿分别是基于知识图谱的产品与服务推荐系统、“出行即服务”自主式交通系统构建、高威胁环境下网络安全态势感知技术、自进化学习人机共驾系统开发、重大传染性疾病医联网管控系统、健康建筑环境人-信息-物理系统研发、基于数字孪生的工厂预警系统、基于云平台的工业互联网生产管理系统、沉浸式建筑环境建模与智能评审系统、面向特定应用的智能合约与自动生成方法。其核心专利情况见表1和表2。这10个工程开发前沿包含了医学、建筑、交通、计算机等众多学科。其中基于知识图谱的产品与服务推荐系统、“出行即服务”自主式交通系统构建、高威胁环境下网络安全态势感知技术、自进化学习人机共驾系统开发为重点解读的前沿，后文会对其目前发展态势以及未来趋势进行详细解读。

表1. 工程管理领域Top10工程开发前沿

表2. 工程管理领域Top10工程开发前沿核心论文逐年发表数

（1）基于知识图谱的产品与服务推荐系统

知识图谱可以对复杂的语义关联进行准确的组织和表示。基于知识图谱的产品与服务推荐系统是指利用知识图谱建立用户、产品与服务之间的复杂知识关联，理解用户的个性化偏好和需求，帮助用户筛选出感兴趣的产品和服务的智能系统。收集多源异构数据，抽取和融合用户、产品和服务的知识及其关联，构建知识图谱；通过对知识图谱的分析，准确地为用户推荐个性化的产品与服务，提高推荐的准确率和可解释性。基于知识图谱的产品与服务推荐系统存在数据多源异质、价值密度稀疏、用户安全隐私保护难、应用场景复杂等问题，使得系统开发面临诸多挑战。因此，多源数据获取与集成、数据迁移与交互的跨领域推荐、文本信息理解与处理、知识图谱智能数据分析、动态推荐技术、多任务学习模型开发、以智能设备为媒介的用户信息获取与处理，以及用户隐私安全与保护等方面的创新与优化，是未来开发的重要方向。

（2）“出行即服务”自主式交通系统构建

近年来，随着全球城市化的加速推进，出行服务逐渐呈现出去中心化、精细化、轻量化、异质化等显著特点。“出行即服务”（Mobility as a Service，MaaS）是以用户为中心的智能化出行管理和分配系统，将多种出行服务一体化，通过数据界面提供给终端用户，使用户无缝规划出行并进行支付。自主式交通系统（Autonomous Transportation System，ATS）基于自主感知、学习、决策、响应的业务逻辑，通过自组织运行与自主化服务完成交通运输，实现安全、高效、便捷、绿色和经济等目标。与现有交通系统相比，“出行即服务”自主式交通系统具有一站式出行、预约式出行、自主化决策、自主式服务、即时需求响应、供需动态匹配等功能，通过信息服务平台融合多种交通方式，鼓励绿色、低碳、慢行出行模式，快速、精准匹配出行需求和交通供给，减少了交通系统的人为被动干预，提高了交通系统的自主能力，缓解了传统交通系统分散出行需求与集约交通供给矛盾、灵活出行需求与计划交通服务矛盾，提升了用户的智能出行体验效果，对于实现交通出行智慧化转型具有重要意义。基于MaaS自主式交通系统构建技术出现了两大研究热点：在个体出行的多维决策变量环境中，基于异质性用户画像，优化设计面向需求端的“千人千面”个性化出行方案；在移动互联环境下，基于用户预约出行信息、实时交通网络态势研判、车辆供给状态等多源交通信息，依托实时动态仿真技术以及数学优化算法，自主构建预约出行动态供需匹配与协同系统。

（3）高威胁环境下网络安全态势感知技术

在全球网络空间博弈日益激烈、现实冲突与网络冲突相互交织背景下，网络安全面临由黑客群体到国家级高级持续性威胁（APT）组织等多层级攻击行为体共存的高威胁环境。网络安全态势感知是一种动态洞悉安全风险的能力，通过持续监测网络系统状态及安全事件，结合威胁情报以及国际关系与地缘政治等信息，理解威胁攻击意图并评估影响范围，对后续行动和影响做出预测预警，以辅助决策和行动。网络安全态势感知主要包括安全数据采集、安全数据处理、安全数据分析以及可视化技术等。安全数据采集是获取与安全紧密关联的海量基础数据，包括流量、日志、漏洞、样本等；安全数据处理是对采集的海量安全数据进行清洗、分类、标准化等操作；安全数据分析利用数据挖掘、智能分析等技术提取网络威胁特征和指标，综合评估网络安全风险；可视化技术则是将安全风险直观展示出来。传统网络安全态势感知数据源、处理能力、部署环境等因素限制，对态势的感知与预测能力不足。高威胁环境下网络安全态势感知依托数据采集获取、海量数据存算平台、智能态势评估预测等建立系统架构，在技术方法上采用主动发现与被动采集结合、静态分析与动态分析结合、分布部署与集中处理结合等方式，兼顾宏观与中观层面，将实时监测数据采集与情报、经验和知识积累相结合，以实现自动化、智能化的行动响应和策略调整。

（4）自进化学习人机共驾系统开发

狭义而言，人机共驾指的是驾驶人和智能驾驶系统均具有部分或全部的车辆控制权，通过恰当的协调机制共同决定车辆的运动。广义而言，人机共驾指纯人类驾驶车辆、狭义上的人机共驾的车辆和纯智能系统驾驶的车辆共同行驶在道路上。

新一代人工智能、车用无线通信和车路协同等技术的飞速发展加速人机共驾的实现落地，有望减轻驾驶人的生理和心理负担。传统的驾驶辅助系统仅仅考虑帮助驾驶人简化实施特定控制动作，即控制增强。而从研究者提出先进驾驶辅助系统（Advanced Driver Assistant Systems，ADAS）开始，智能汽车开始向替代感知增强、辅助决策、特定功能，乃至完全替代人类驾驶等方面发展。与纯无人驾驶不同，人机共驾的主要目标是在现有人类驾驶不可或缺的情况下，整合驾驶人和机器的优势，实现人机智能的混合增强，达到“1+1>2”的驾驶效果。

由于很多驾驶人希望保留全时段或者部分时段完全自主驾驶的意愿，且当前人工智能的发展水平尚难以实现在复杂交通环境下的完全无人驾驶，相关法律与法规也还在进一步发展完善中，狭义和广义的人机共驾将在未来一段时间成为地面私家车、出租车、物流卡车等车辆的主要运行模式。因此，相关研究具有重要的科学价值和应用前景。

（5）重大传染性疾病医联网管控系统

重大传染性疾病医联网管控系统是指分布在不同医疗健康机构或社区、家庭等空间中，利用重大传染性疾病“防-控-治”相关的人、财、物、信息等要素，针对突发的重大传染性疾病展开精准化风险评估与监测预警、协同化物资调配和防控治协同优化的智慧疫情管理系统。

相关学者依托云计算、大数据、人工智能等新一代信息技术，将医联网这一全新的学术概念融入到重大传染性疾病管控系统，面向重大传染性疾病防控逐步形成了疫情管控的多主体数据治理、跨区域救治协同和全过程防控监管等一系列技术方向，推动重大传染性疾病管控模式的变革。例如，2020年新冠肺炎疫情爆发初期，合肥工业大学联合相关企业共同搭建武汉市疫情防控大数据治理平台，快速完成了火神山、雷神山等70家医院以及公安、民政的数据解析接入工作，显著提升了疫情的管控效率。

随着重大传染性疾病医联网管控系统的持续演进，未来将逐步构筑“高覆盖、高敏捷、高协同”的医疗服务体系，并在智慧精准的非接触式监测技术和上下联动的传染性疾病防控机制方面不断提升管控系统的防控能力，促进医疗服务体系从“人适应系统”向“系统服务人”转变，打破各级医院的信息壁垒，有效实现各级医疗健康资源的调动与共享，形成“基层哨点预警，监测数据驱动，全域联防联控”的重大传染性疾病医联网常态化管控。

（6）健康建筑环境人-信息-物理系统研发

建筑是为满足居住者的安全和健康以及生活生产过程的需要而创建的微环境。随着科学技术的发展和进步，人们开始依赖设备主动地改造可以受控的建筑环境。目前人们所说的建筑环境主要指室内物理环境，即通过人体感觉器官对人的生理发生作用和影响的物理因素，内容包括室内热湿环境、空气质量、气流环境、光环境、声环境等。人与室内物理环境发生作用和影响，主要依靠的是信息技术。信息技术的主体是感测技术、通信技术、计算机技术和控制技术。其中，感测技术获取信息，赋予建筑感官器官的功能；通信技术传递信息，赋予建筑神经系统的功能；计算机技术处理信息，赋予建筑思维器官的功能；控制技术使用信息，赋予建筑效应器官的功能。因此，健康建筑人-信息-物理系统就是以健康为目标，以智能化技术为手段，具有感知、推理、判断和决策综合智慧能力，并能实现人与室内物理环境相互协调的建筑智能化系统，其理论支撑包括建筑环境理论、控制理论、信息理论、系统理论等。计算机网络技术的不断更新发展，促进健康建筑人-信息-物理系统技术向控制网络与信息网络集成技术发展，以实现智能化的系统监控、信息共享和集约管理，基于物联网技术的智能电网也正对建筑人-信息-物理系统的应用和发展产生深刻影响。

（7）基于数字孪生的工厂预警系统

工厂危险包括设备和声、光、火、电、毒等对人和环境造成损害的可能，也包括人对物料、设备和生产带来损害的可能。与传统依赖现场人员感受和经验的方法不同，基于数字孪生的工厂危险预警系统通过物理实体、虚拟实体、预警服务、孪生数据和连接的五维模型，可远程、准确、快速地实现工厂危险预警。当前主要的研究包括但不限于：①基于数字孪生的车间设备远程诊断；②模块化的工厂数字孪生低代码平台快速构建；③基于BIM技术的工厂建筑环境健康监测与管理；④工厂环境不确定对象智能识别与预警；⑤多元孕灾数字孪生感知辨识与预警；⑥数据驱动的关重件寿命预测与健康管理；⑦基于数字孪生的疏散方案设计与演练；⑧工厂运维监控与仿真云平台；⑨人-机交互安全预警与控制；⑩工厂物流仿真与动态实时调度。随着全球化智能工厂的建设，基于数字孪生的工厂危险预警系统需求激增，基于数字孪生技术更全面反映危险、更快速、准确预测危险、更科学设计危险预案，是必然的发展趋势。要达到这一目的，迫切需要吸纳传感技术、感知技术、通讯技术、人工智能技术、仿真技术、大数据技术等领域的成果，在增强对各类工业生产规律认知的基础上，为智能工厂危险预警提供支撑。

（8）基于云平台的工业互联网生产管理系统

工业互联网是全球工业系统与高级计算、分析、感应技术以及互联网连接融合。工业互联网的本质是通过开放的、全球化的工业级网络平台把设备、生产线、工厂、供应商、产品和客户紧密地连接和融合起来，高效共享工业经济中的各种要素资源。云平台是基于云计算信息技术实现制造资源的高度共享平台，将巨大的制造资源通过工业互联网连接在一起，实现制造资源与服务的开放协作、社会资源高度共享。生产管理系统是包括生产计划、组织、协调、控制的综合管理。通过合理组织生产过程，有效利用生产资源，经济合理地进行生产活动，以达到预期的生产目标。

当前生产管理系统大多基于专家知识和启发式规则针对封闭静态领域管理，难以适应复杂多变的个性化制造任务，缺少对制造资源大数据潜在知识的有效运用。以云计算、大数据、人工智能为代表的新一代信息技术与制造业深度融合，工业互联网借助底层各类工业系统互联与上层云制造平台，推动制造系统从封闭走向开放互联，实现全产业链制造资源开放共享与全流程生产管理。为高端装备制造等需要高度协同的生产管理提供支撑技术。生产管理系统作为工业互联网云平台的核心，是实现工业互联网开放环境下大规模分布式制造资源智能化配置、企业降本增效的核心支撑引擎，提高对动态变化的适应能力、对复杂约束条件的可扩展能力，从数据与人工智能双轮驱动的新技术角度全面有效地解决现代制造调度所面对的高实时性、高复杂性、高动态性等核心问题。

发展趋势是基于制造大数据和人工智能驱动的高效、可迁移、自适应生产管理系统的研究，包括边云协同分布式人工智能处理框架以实现兼顾制造云端与边缘侧异构制造资源的智能动态协同调度、合作组织之间应用的无缝集成、共享业务数据和联合进行管理以实现跨组织业务流程协同，使整个跨组织工作实现高效率、低成本、高质量，以及基于深度强化学习的多元化需求建模方法与融合企业内部调度模型、生产要素数据、人工排产经验的人机协同生产管理技术。

（9）沉浸式建筑环境建模与智能评审系统

“沉浸式”是指基于虚拟现实（VR）技术，使用户的视觉等感官通道沉浸在计算机生成的内容之中并可与之互动，从而产生具有置身虚拟世界的感官体验。相较二维图纸或桌面电脑的呈现效果，VR能够在设计付诸实施前就使项目各利益相关方以真实空间尺度体验和评价建筑设计方案，从而能更好地满足用户对建筑的功能、审美与舒适要求，促进设计管理水平的提升。

沉浸式的建筑评审需要解决建模、交互和知识提取三个层面的技术问题。首先，需完成建筑及环境三维模型的快速构建，并实现主流建模软件与虚拟现实相关软件的数据互通。其次，需解决沉浸式环境下的人与虚拟建筑环境的自然交互问题，通过各种外部交互设备，实现第一人称视角下对建筑及构件的尺寸、布局、材质等属性的观察，并能同建筑模型以及其他用户进行基于动作、语音等信号的自然互动。最后，在沉浸式体验过程中，用户与建筑、环境及其他用户的交互过程中会产生大量数据，对这些交互数据进行储存、整合、表达和重用并形成设计知识，将为研究智能评审算法和系统提供支持。

随着虚拟现实技术的不断发展，未来VR设备的便携性、舒适性、流畅性将得到进一步改善，沉浸式设计体验系统也会更加普及，形成对现有工程设计工作方式的有力补充。VR技术提供的沉浸式工作空间，也将使分布式多方协同设计更为便利。

（10）面向特定应用的智能合约与自动生成方法

智能合约是运行在区块链平台上的一段由事件驱动、具有状态的程序，可以保存并处理区块链账本上的数据资产，被广泛用于工程管理、医疗、金融等领域。区块链上的智能合约具有去中心化、去信任、可编程、不可篡改等特性，可实现高效的信息交换、价值转移和资产管理。在技术上，不同区块链平台上智能合约使用的编程语言也不尽相同。例如比特币使用特定的比特币脚本开发，以太坊使用Solidity语言开发，超级账本可以使用多种编程语言开发智能合约。智能合约的自动生成能够在很大程度上降低编写智能合约代码的难度，提升其友好性。但是，智能合约的开发语言众多且不同领域的智能合约应用设计区别较大，导致智能合约的自动生成的难度较大，不利于大型工程项目中的标准化设计和多个区块链平台协同使用。针对智能合约的自动生成，可以根据领域特征对智能合约进行分类，针对不同合约分类的数据进行大数据和人工智能分析，同时根据分析结果选取特定的编程语言生成统一的、针对领域的智能合约模版。在应用领域，智能合约被广泛应用于工程管理、医疗、金融等各个领域，可以针对特定应用场景开发具有特定功能的智能合约。例如相对传统金融领域，智能合约能够实现较低的法律开销和交易开销，同时降低用户使用门槛。而在大型工程建设应用领域，工程开发者能够利用智能合约解决工程监管中事故追责以及反腐败等问题。在未来的发展中，智能合约主要面临隐私监管和性能两大方面的问题。智能合约处理的数据通常是完全公开透明的, 任何人都可经由公开查询获取账户余额、交易信息和合约内容等, 这些公开的操作和数据在特定应用场景中可能会导致用户数据的泄漏以及攻击者对区块链或智能合约的去匿名攻击。除了隐私安全，在性能方面目前绝大多数区块链在基础架构上的吞吐量较低，但是可以根据特定的应用场景优化智能合约的设计，从而降低合约执行成本提高系统效率。