安徽國麒科技有限公司（簡稱“安徽國麒”）成立于2021年7月7日，注冊資本500萬元，公司現位于合肥市大數據產業示范園。公司以“成為聯系不同行業的知識紐帶，為各行業的數據交叉融合提供核心工具”為企業使命，以“互聯世界，圖賦數能”為企業愿景。安徽國麒自成立以來，一直專注于知識圖譜研發與應用，是一家致力于揭示知識領域的動態發展規律的高科技公司，為旅游、金融、醫療、農業、教育、安防等行業提供了高性能的一體化解決方案。
公司整體為高素質人才構成的隊伍，其核心成員來自中國科學技術大學和合肥工業大學，核心團隊在知識圖譜領域精耕多年，自主研發的GQGraph知識圖譜平臺可以為用戶帶來高效率的服務。
項目一：大規模復雜知識圖譜管理系統V1.0
建設背景：本智慧文旅平臺借助圖譜計算相關技術，針對旅游行業的知識圖譜，主要包含旅游景點、游客、旅游相關公司、旅游路線、運輸公司、酒店等行業相關信息，可以實現目的地推薦、旅游路線規劃、游客數量預測、景區管理等功能，可以提升旅游行業整體效率，改善游客體驗。
技術路線：基于國麒科技“大規模復雜知識圖譜管理系統V1.0”的規范化儲存和高效查詢的優勢，構建文旅行業知識圖譜，實現目的地推薦、旅游路線規劃、游客數量預測、景區管理等功能，可以提升旅游行業整體效率，改善游客體驗。
先進經驗：打通旅游景點、旅行社、酒店及游客直接的數據壁壘，為游客提供更好的服務體驗，通過用戶的歷史行為的分析刻畫人物畫像，對游客旅行意圖的預估，推薦最符合用戶喜好的旅行路線，酒店及旅行社推薦，同時提供目的地景區的實時狀態；對旅行社可以根據對游客的傾向性分析，更高效的為游客服務，及時的調配人力物力資源；對旅游景區可以合理預測旅游高峰，統籌安排各個管理措施。同時旅游是高聚集性行為，疫情下引入疫情預警系統，通過游客過往路徑及各中高風險地區信息，對游客及景區提出預警，合理安排防范疫情措施；同時及時各游客旅游軌跡”一張圖”,方便景區疫情管控及跟蹤。
創新亮點：充分利用圖神經網絡的高性能、高關聯性的優勢，打通多域數據，統籌分析，輔助游客、旅行社、景區做出最適當的決策。
技術成果：申請發明專利一項，軟件著作權7項；
經濟社會效益：項目的建設是以技術創新為驅動，以數字化、網絡化、智能化為主線，目前以建設新型旅游管理模式為重要著力點，推動旅游業的發展，促進經濟高質量發展、人民高品質生活、行業高水平管理。且我市正在加快推動智慧文旅新模式，本項目是人工智能及大數據算法在傳統文旅行業中的典型應用。本項目相關關鍵技術的突破將有助于提升知識圖譜在不同行業的應用水平，例如在旅游行業、醫療、健康、電池管理及新能源汽車等方面的應用，進而提升我國大數據與人工智能整體產業的快速發展。針對旅游行業，該項目將旅游景點、游客、旅游相關公司、旅游路線、運輸公司、酒店等行業相關信息匯集整理成知識圖譜數據，通過引入大數據與人工智能算法，可以實現目的地推薦、旅游路線規劃、游客數量預測、景區管理等功能，可以提升旅游行業整體效率，改善游客體驗。
獲獎情況：本項目相關技術已通過安徽省首版次軟件認定，且通過專業機構軟件測試及技術查新，并通過了信創測試。
項目二：基于圖神經網絡的電池全生命周期管理平臺研發及產業化項目
項目簡況：基于圖神經網絡的電池全生命周期管理平臺研發及產業化項目是一個基于知識圖譜的動力電池系統監測與保護解決方案，可以利用載具之間的關聯關系實現從個體到群體的數據異常監測與預警，進而在群體層面進行統一調度，以提升整體效率。本解決方案的主要功能和特點有：
1- 多維度的數據收集與利用。本方案的數據收集組建將收集用戶車輛的生產信息（例如生產商、批號，零部件信息等）、充電信息（充電地點、充電時間、充電次數、充電相關記錄）及動力系統監測信息（傳感器信息）等，并以此為基礎構建面向實車大數據的動力監測方法。
2- 以時序圖構建網絡為核心構建動力監測知識圖譜。車輛之間的顯性關聯關系包括統一生產商、使用相同零件等，隱形關系則需要基于傳感器時空數據進行挖掘，本方案提出了以時序圖構建網絡為核心的車輛相關關系提取技術，實現相似車輛的發現。在此基礎上，通過數理統計分析（例如時間序列建模和聚類）、深度數據挖掘（包括機器學習和深度學習）等技術，構建基于實車大數據的動力監測知識圖譜。
3- 基于原生圖存儲的知識圖譜存儲及訪問功能。本方案采用了具有自主知識產權的原生圖數據庫進行存儲與訪問，該數據庫具有原生的圖數據的創建、讀取、更新和刪除功能，擁有傳統關系型數據庫的ACID屬性，主要面向事務系統（On-Line Transaction Processing, OLTP）及分析性任務，可以滿足在萬億級規模的頂點和邊數據的存儲量級下做到毫秒級的查詢。
4- 基于圖卷積神經網絡的異常監測功能。針對動力電池系統和電池儲能系統系統的非線性、時變特性，本方案采用數據驅動的方法對復雜系統的輸入-輸出關系、狀態演化規則進行端到端的建模。本方案基于動力監測知識圖譜，構建了基于圖卷積神經網絡的異常監測模型，通過大規模歷史數據的訓練測試和優化迭代，實現高精度的異常預測，并精確定位異常點，進而自動化生成維修建議。
5- 基于知識圖譜的退役電池快速篩選。通過對退役電池簡單、快速的充放電測試，獲取大量電池的海量運行數據；以電池為節點，構建知識圖譜，形成關聯網絡，在此基礎上運用聚類算法實現對同性能單體電池的精準分類，從而保證二次利用時成組電池包的可用容量、可用功率、一致性等參數的最優化表現，提高退役電池利用率。
應用范圍：新能源汽車電池遠程管理；退役電池篩選與二次利用
市場前景：目前，中國已成為全球最大的電動汽車生產國與市場，隨著新能源汽車的快速發展，動力電池的需求呈井噴之勢。作為電動汽車的關鍵部件之一，動力電池系統的安全運行關系著電動汽車產業化和市場化的成敗。
由于單體電池的大型化和成組化使用，給動力電池系統的安全問題帶來了新的挑戰，已成為電動汽車推廣應用的技術瓶頸。動力電池管理技術的研究具有重大科學技術意義和應用價值。傳統的電池管理方案通?；趯嶒炇覕祿﹄姵剡M行匹配和標定，很難滿足電動汽車高準確性、高安全性的需求。開展對動力電池系統的安全、高效管理，研發先進的鋰電池管理方案已成為國內外學術界和企業界所共同關注的熱點和難點問題。
另一方面，隨著電動汽車網聯化技術的發展和5G高速信息化時代的到來，逐漸增長的新能源汽車運行數據已成為一座亟待挖掘的“礦藏”。開展基于大數據挖掘的新一代智能鋰電池管理平臺和方案的研發及其產業化，構建基于數據驅動的電池數據分析處理模型以實現多維度電池參數提取與電池安全預警，通過邊緣計算、云端參數估算與修正，實現電池組的狀態監控與主動安全管理，是動力電池的健康、高效和安全運行的基礎，為電池管理提供了新的思路和方向。
綜上所述，通過智能網聯技術、通訊技術、數據挖掘技術、邊緣計算、深度學習等，優化電池模型參數，提供更精準的狀態估計結果，并提前對故障進行預警，進而實現電池主動安全管理是車輛行業電動化、智能化轉型的迫切需求。