張捷，錢(qián)虹，周宏遠(yuǎn)

1 上海中僑職業(yè)技術(shù)學(xué)院 護(hù)理與健康學(xué)院，上海市，201514

2 上海市食品藥品監(jiān)督管理局認(rèn)證審評(píng)中心，上海市，200020

3 上海中僑健康智能科技有限公司，上海市，201203

0 引言

隨著人口老齡化的日益嚴(yán)重，老年人在社區(qū)中的人口比重越來(lái)越高，以上海市為例，截至2017年底，上海60歲以上戶籍老年人口483.6萬(wàn)人，占戶籍人口33.2%；80歲及以上高齡老年人口80.58萬(wàn)人，占5.5%[1]。另外由于子女學(xué)習(xí)、工作、結(jié)婚等原因而離家，空巢家庭基本成為或已成為老人家庭的主要形式。專(zhuān)家預(yù)測(cè)，不久的將來(lái)我國(guó)老年人家庭的空巢率將達(dá)到90%左右[2]，容易出現(xiàn)認(rèn)知癥障礙的老年人走失，獨(dú)居老人出現(xiàn)跌倒、疾病突發(fā)的風(fēng)險(xiǎn)，及老年人集中活動(dòng)場(chǎng)所的安全隱患?！翱粘怖先恕彪S著年齡的增長(zhǎng)，生理功能逐漸衰退，對(duì)他人幫助的依賴(lài)性越來(lái)越高，安全健康監(jiān)測(cè)等成為剛性需求，對(duì)智慧社區(qū)的建設(shè)與管理也越來(lái)越高。

目前老年人安全與健康相關(guān)的產(chǎn)品主要分為穿戴式與非接觸式。穿戴式需要接觸人體，存在一定的風(fēng)險(xiǎn)或隱患，老人容易產(chǎn)生技術(shù)恐懼；頻繁充電、佩戴的問(wèn)題，會(huì)改變老人原有生活習(xí)慣；而非接觸式屬于被動(dòng)監(jiān)控，不改變老年人生活習(xí)慣，無(wú)需充電、操作、佩戴等，可遠(yuǎn)距離健康監(jiān)測(cè)。但非接觸式的傳感器為了能夠更全面獲取用戶數(shù)據(jù)，大多使用深度攝像頭或彩色攝像頭，由此帶來(lái)用戶的肖像、身體等隱私問(wèn)題，影響此類(lèi)產(chǎn)品的推廣應(yīng)用。

本文介紹的數(shù)字孿生技術(shù)，正是利用非接觸式的視覺(jué)傳感器，在終端處理影像數(shù)據(jù)，不上傳和存儲(chǔ)任何視頻和圖片數(shù)據(jù)，確保用戶隱私數(shù)據(jù)的安全，同時(shí)實(shí)現(xiàn)了老年人在社區(qū)生活狀態(tài)的虛擬仿真呈現(xiàn)，數(shù)據(jù)由終端傳感器多維動(dòng)態(tài)采集，把脫敏數(shù)據(jù)虛擬呈現(xiàn)，包括定位、人體姿態(tài)與人體行為數(shù)據(jù)，完成記錄、追蹤、風(fēng)險(xiǎn)管理，實(shí)現(xiàn)對(duì)社區(qū)內(nèi)老年人狀態(tài)的精細(xì)化管理，出現(xiàn)風(fēng)險(xiǎn)后實(shí)時(shí)報(bào)警與風(fēng)險(xiǎn)預(yù)警，解決了非接觸式老年人安全與健康產(chǎn)品的隱私這一關(guān)鍵問(wèn)題，有助于視覺(jué)健康產(chǎn)品的全面推廣應(yīng)用。

1 系統(tǒng)概述

數(shù)字孿生是指在整個(gè)生命周期中，通過(guò)軟件定義，在數(shù)字虛體空間中所構(gòu)建的虛擬事物的數(shù)字模型，形成了與物理實(shí)體空間中的現(xiàn)實(shí)事物所對(duì)應(yīng)的在形、態(tài)、行為和質(zhì)地上都相像的虛實(shí)精確映射關(guān)系[3]。數(shù)字孿生系統(tǒng)起源于智能制造領(lǐng)域，隨著人工智能與傳感器技術(shù)的發(fā)展，在更復(fù)雜的更多樣的社區(qū)管理領(lǐng)域，同樣可以發(fā)揮巨大作用。本文介紹的就是以社區(qū)應(yīng)用為目的的數(shù)字孿生技術(shù)的案例，通過(guò)視覺(jué)傳感器、人工智能芯片、深度學(xué)習(xí)算法及3D建模軟件實(shí)現(xiàn)了社區(qū)內(nèi)老年人日常行為活動(dòng)姿態(tài)、健康風(fēng)險(xiǎn)情況的監(jiān)測(cè)與預(yù)警，起到全面關(guān)愛(ài)老年人健康，降低服務(wù)成本，提高養(yǎng)老服務(wù)質(zhì)量，降低老年人風(fēng)險(xiǎn)隱患，實(shí)現(xiàn)社區(qū)的智能化精細(xì)化管理。

2 系統(tǒng)核心要素

該數(shù)字孿生系統(tǒng)包含四個(gè)核心要素：關(guān)聯(lián)數(shù)據(jù)、數(shù)字模型、實(shí)時(shí)監(jiān)測(cè)[4]與智能分析。其目的是基于物理實(shí)體，構(gòu)建一個(gè)數(shù)字替身，實(shí)現(xiàn)基于數(shù)據(jù)的社區(qū)內(nèi)老年人安全與健康監(jiān)測(cè)，實(shí)現(xiàn)科技服務(wù)于人的核心。

2.1 關(guān)聯(lián)數(shù)據(jù)

關(guān)聯(lián)數(shù)據(jù)包含三部分：場(chǎng)景數(shù)據(jù)、人物數(shù)據(jù)與個(gè)體生理健康數(shù)據(jù)。

場(chǎng)景數(shù)據(jù)包含老年人活動(dòng)的主要場(chǎng)所，根據(jù)現(xiàn)場(chǎng)實(shí)際測(cè)量數(shù)據(jù)后通過(guò)3D建模，精準(zhǔn)還原現(xiàn)場(chǎng)的情況。場(chǎng)景包括獨(dú)居老人居所，社區(qū)為老服務(wù)綜合體、養(yǎng)老機(jī)構(gòu)等老人集中活動(dòng)的場(chǎng)所。

人物數(shù)據(jù)包括人體姿態(tài)數(shù)據(jù)與人體活動(dòng)軌跡數(shù)據(jù)。人體姿態(tài)檢測(cè)利用終端執(zhí)行的深度學(xué)習(xí)算法，根據(jù)視頻數(shù)據(jù)，利用人體部位數(shù)據(jù)庫(kù)，至下而上得到關(guān)鍵點(diǎn)位置再獲得骨架，進(jìn)而識(shí)別人體姿態(tài)。算法不因?yàn)楫?huà)面中出現(xiàn)的人物數(shù)量多，而增加算法的耗時(shí)。一個(gè)關(guān)節(jié)點(diǎn)信息包括(x,y,score)三個(gè)信息，x和y即為圖像中的坐標(biāo)信息，取值范圍為(0，image.size（圖像尺寸）)，而score則表示預(yù)測(cè)評(píng)分，歸一化處理后取值范圍（0，1），越接近1值表示預(yù)測(cè)值越準(zhǔn)確，其關(guān)節(jié)點(diǎn)的還原度就越高，同時(shí)姿態(tài)的還原度也就越高。將18個(gè)關(guān)鍵節(jié)點(diǎn)用特定的順序連接后，就形成一幅人體骨骼圖[5]。如圖1所示。

個(gè)體生理健康數(shù)據(jù)，來(lái)源于老年人在社區(qū)的健康檔案，包括基本生理數(shù)據(jù)，如身高、體重、體脂，日常的健康監(jiān)測(cè)數(shù)據(jù)，包括體溫、血壓、血糖、血氧等數(shù)據(jù)，還有老年人患有的相關(guān)疾病及患病史，如三高疾病、腦卒中、認(rèn)知癥障礙等等。

圖1 算法識(shí)別的人體關(guān)鍵節(jié)點(diǎn)數(shù)據(jù)Fig.1 Human key node data recognized by algorithms

2.2 數(shù)字模型

數(shù)字模型包括場(chǎng)景數(shù)字模型和人物數(shù)字模型。

場(chǎng)景數(shù)字模型根據(jù)場(chǎng)景采集的實(shí)際尺寸數(shù)據(jù)，根據(jù)3D建模軟件，實(shí)現(xiàn)一套數(shù)字環(huán)境模型，通過(guò)結(jié)合現(xiàn)有的數(shù)字組件，包含可復(fù)用的圍墻、道路、家具、門(mén)、窗、路燈等數(shù)字組件，實(shí)現(xiàn)一個(gè)完成的可視化的沉浸式環(huán)境。

人物數(shù)字模型分為兩部分，一部分是人物關(guān)節(jié)模型，一部分是人物身份模型。人物關(guān)節(jié)模型，是根據(jù)深度學(xué)習(xí)算法識(shí)別出的人體18個(gè)關(guān)鍵點(diǎn)，利用3D建模軟件，根據(jù)18個(gè)關(guān)鍵點(diǎn)，來(lái)塑造虛擬人物關(guān)節(jié)模型，18個(gè)關(guān)鍵點(diǎn)可根據(jù)人體活動(dòng)范圍任意活動(dòng)，實(shí)現(xiàn)真實(shí)人體的關(guān)鍵節(jié)點(diǎn)與虛擬人物節(jié)點(diǎn)的精準(zhǔn)映射。人物身份模型，以人物的衣著進(jìn)行判斷，通過(guò)衣著特征來(lái)標(biāo)識(shí)人物的身份，根據(jù)人物的行走速度、姿態(tài)、步幅、步頻等，識(shí)別人物身份，重點(diǎn)識(shí)別老年人身份。

該數(shù)字模型系統(tǒng)的優(yōu)勢(shì)是既按真實(shí)數(shù)據(jù)完成現(xiàn)實(shí)的虛擬映射，同時(shí)又規(guī)避了隱私的風(fēng)險(xiǎn)，相對(duì)傳統(tǒng)攝像頭監(jiān)測(cè)，該數(shù)字孿生系統(tǒng)不上傳視頻數(shù)據(jù)，不存儲(chǔ)用戶的肖像、衣著等敏感數(shù)據(jù)，僅是通過(guò)人體姿態(tài)與行為的特征數(shù)據(jù)進(jìn)行分析與識(shí)別。

2.3 實(shí)時(shí)監(jiān)測(cè)

該數(shù)字孿生系統(tǒng)是充分利用物理模型、傳感器、歷史數(shù)據(jù)、人工智能算法，集成多物理量、多尺度、多概率、實(shí)時(shí)的仿真過(guò)程，從而實(shí)現(xiàn)虛擬空間中各層線路、各傳感器的有機(jī)整合，使得現(xiàn)實(shí)空間中的老年人行為狀態(tài)信息都能夠有效地反饋在虛擬數(shù)字空間中，完成完整的實(shí)時(shí)映射過(guò)程。

該數(shù)字孿生系統(tǒng)采用分布式的拓?fù)浣Y(jié)構(gòu)，傳感器分布在社區(qū)內(nèi)老年人活動(dòng)的關(guān)鍵場(chǎng)所，利用4G/5G或WiFi無(wú)線網(wǎng)絡(luò)實(shí)時(shí)傳輸采集的數(shù)據(jù)，數(shù)據(jù)經(jīng)過(guò)智能算法處理后，在云端實(shí)時(shí)展示社區(qū)內(nèi)老年人的活動(dòng)狀態(tài)，出現(xiàn)風(fēng)險(xiǎn)實(shí)時(shí)報(bào)警與風(fēng)險(xiǎn)預(yù)警。

2.4 智能分析

根據(jù)深度學(xué)習(xí)算法獲得的人體的18個(gè)關(guān)鍵節(jié)點(diǎn)坐標(biāo)，在任何一時(shí)刻就定義了一個(gè)狀態(tài)。該項(xiàng)目選擇了一種模板匹配法的支持向量機(jī)（SVM）方法，支持向量機(jī)方法適用于小樣本的情況，并能取得不錯(cuò)的效果[6]。

支持向量機(jī)（Support Vector Machine，簡(jiǎn)稱(chēng)SVM），是一個(gè)二類(lèi)分類(lèi)模式，基本模式被定義為最大的線性分類(lèi)特征空間的間隔，策略是使間隔盡量變大，轉(zhuǎn)化為求解一個(gè)凸二次規(guī)劃問(wèn)題[7]。

支持向量機(jī)算法的關(guān)鍵是分類(lèi)器的訓(xùn)練。分類(lèi)器的訓(xùn)練過(guò)程包括圖像預(yù)處理、歸一化處理、特征提取與模式分類(lèi)四部分。

（1）圖像預(yù)處理。主要是去除圖像中的無(wú)關(guān)信息，包括背景、光影影響、多余的人（在訓(xùn)練過(guò)程中，單個(gè)圖片僅保留一個(gè)人的圖像數(shù)據(jù)）等，同時(shí)對(duì)圖像數(shù)據(jù)進(jìn)行標(biāo)注，標(biāo)簽主要包含三部分信息，姿態(tài)（立、坐、臥），體型（瘦、適中、胖），年齡（青年及以下、中年、老年），以上信息由人工根據(jù)圖像信息標(biāo)注。

（2）歸一化處理。預(yù)處理后的圖像數(shù)據(jù)會(huì)通過(guò)人體骨架識(shí)別算法，識(shí)別出人體的18個(gè)關(guān)鍵節(jié)點(diǎn)在圖像中的坐標(biāo)。但這個(gè)坐標(biāo)的坐標(biāo)系是相對(duì)于每張圖片個(gè)體的，為了方便后續(xù)的特征提取，該研究將每張圖片的各自坐標(biāo)系，統(tǒng)一映射到人為設(shè)定的64×64個(gè)點(diǎn)的坐標(biāo)系。具體方法為：

Length=Max(X1…X18)-Min(X1…X18)；//X1…X18為18個(gè)節(jié)點(diǎn)的橫坐標(biāo)

Height=Max(Y1…Y18)-Min(Y1…Y18)；//Y1…Y18為18個(gè)節(jié)點(diǎn)的縱坐標(biāo)

If(Height≥Length)

歸一化系數(shù)A=64/Height

Else

歸一化系數(shù)A=64/Length；

（Xi，Yi）=A*（Xi'，Yi'）;//（Xi，Yi）新坐標(biāo)，（Xi'，Yi'）原坐標(biāo)

為了降低運(yùn)算量，歸一化后的18個(gè)坐標(biāo)值取整，則所有人體的關(guān)鍵坐標(biāo)都可以顯示在64×64共4 096個(gè)像素點(diǎn)內(nèi)。歸一化后的數(shù)據(jù)去除大量的無(wú)用信息，僅保留核心數(shù)據(jù)，并且每個(gè)數(shù)據(jù)僅占4 kByte的存儲(chǔ)空間。

（3）特征提取。特征提取從兩個(gè)維度進(jìn)行，一個(gè)是18個(gè)關(guān)鍵節(jié)點(diǎn)的整體拓?fù)浣Y(jié)構(gòu)，另外一個(gè)是每個(gè)關(guān)鍵節(jié)點(diǎn)與其關(guān)聯(lián)節(jié)點(diǎn)的相對(duì)位置信息。兩個(gè)維度特征提取與訓(xùn)練分別進(jìn)行，18個(gè)關(guān)鍵節(jié)點(diǎn)的拓?fù)浣Y(jié)構(gòu)信息從整體考慮，把18個(gè)節(jié)點(diǎn)的全部坐標(biāo)信息作為輸入，根據(jù)標(biāo)注信息進(jìn)行訓(xùn)練，得到三種姿態(tài)的分類(lèi)器。每個(gè)關(guān)鍵節(jié)點(diǎn)與其關(guān)聯(lián)節(jié)點(diǎn)的相對(duì)位置信息，可以通過(guò)局部幾個(gè)關(guān)鍵節(jié)點(diǎn)的相對(duì)位置信息，進(jìn)行全局的推斷人體姿態(tài)，適用于在采集影像數(shù)據(jù)時(shí)，由于物品遮擋、拍攝角度等原因，沒(méi)有采集到全部18個(gè)關(guān)鍵節(jié)點(diǎn)的比對(duì)數(shù)據(jù)，可以通過(guò)局部信息，判斷整體的姿態(tài)信息。

（4）模式分類(lèi)。支持向量機(jī)是一個(gè)二類(lèi)的分類(lèi)模式，根據(jù)三種既定的判斷姿態(tài)，該分類(lèi)器包括了三個(gè)姿態(tài)判斷的大分類(lèi)，同時(shí)每個(gè)大分類(lèi)下再根據(jù)兩種不同的特征提取維度，分為兩個(gè)子分類(lèi)，總計(jì)6個(gè)子分類(lèi)器。識(shí)別過(guò)程是輸入未知影像數(shù)據(jù)，分別通過(guò)6個(gè)子分類(lèi)器，相似度最高的子分類(lèi)器的姿態(tài)狀態(tài)即為最終的結(jié)果。

3 系統(tǒng)結(jié)構(gòu)

系統(tǒng)結(jié)構(gòu)分為四層體系，包含驅(qū)動(dòng)層、平臺(tái)層、算法層與應(yīng)用層，如圖2所示。

圖2 數(shù)字孿生系統(tǒng)結(jié)構(gòu)Fig.2 Digital twin system architecture

驅(qū)動(dòng)層包含了分布在老年人活動(dòng)關(guān)鍵場(chǎng)所的視覺(jué)傳感器、人工智能芯片，社區(qū)健康小屋的智能健康監(jiān)測(cè)設(shè)備，如血壓計(jì)、血糖儀、血氧儀等等，及居家使用智能健康設(shè)備、可穿戴設(shè)備等。所有的這些嵌入了大量傳感器、計(jì)算、控制部件的智能體，分布在老年人生活的環(huán)境中，既能夠全部采集老年人安全健康相關(guān)的數(shù)據(jù)，又能夠通過(guò)終端計(jì)算的方式，避免泄露用戶的隱私，保護(hù)信息與數(shù)據(jù)的安全。

平臺(tái)層主要通過(guò)驅(qū)動(dòng)層上傳的數(shù)據(jù)，實(shí)現(xiàn)各種傳感器數(shù)據(jù)的融合和場(chǎng)景重構(gòu)。通過(guò)用戶的唯一身份識(shí)別信息，關(guān)聯(lián)全部數(shù)據(jù)，根據(jù)用戶的活動(dòng)區(qū)域，利用軟件建模的方式，對(duì)人物狀態(tài)和現(xiàn)實(shí)場(chǎng)景進(jìn)行數(shù)字孿生，并根據(jù)用戶自身的特性進(jìn)行任務(wù)定義，現(xiàn)實(shí)個(gè)性化的健康管理與風(fēng)險(xiǎn)報(bào)警。

算法層主要根據(jù)人臉識(shí)別與人體姿態(tài)與行為識(shí)別的需求，利用深度學(xué)習(xí)算法，實(shí)現(xiàn)云端訓(xùn)練與終端執(zhí)行，為老年人的風(fēng)險(xiǎn)狀態(tài)判定提供數(shù)據(jù)依據(jù)。

應(yīng)用層主要是面向用戶提供軟件服務(wù)。包括面向社區(qū)管理者的老年人活動(dòng)狀態(tài)的虛擬重現(xiàn)，出現(xiàn)風(fēng)險(xiǎn)狀態(tài)的實(shí)時(shí)報(bào)警，與老年人及家屬、養(yǎng)老護(hù)理員、社區(qū)志愿者的溝通交流等等。老年人及家屬可以查看本人相關(guān)的健康數(shù)據(jù)與報(bào)告，社區(qū)管理者也可以了解社區(qū)內(nèi)所有老年人的身體狀況和行為活動(dòng)狀況，實(shí)現(xiàn)社區(qū)內(nèi)老年人的安全與健康的精細(xì)化管理。

4 驗(yàn)證

該數(shù)字孿生系統(tǒng)的關(guān)鍵是虛擬呈現(xiàn)出的老年人的活動(dòng)行為是否與現(xiàn)實(shí)場(chǎng)景一致，其中兩個(gè)要素是人體所在位置的視覺(jué)定位與人體骨架圖識(shí)別。

視覺(jué)定位采用相似三角形法，如圖3所示。

圖3 相似三角形法視覺(jué)定位Fig.3 Similar triangle method for visual localization

通過(guò)已知量攝像機(jī)的安裝高度，實(shí)地測(cè)量的圖像坐標(biāo)中心對(duì)應(yīng)的世界坐標(biāo)點(diǎn)與攝像機(jī)在x和y軸上的距離，鏡頭中心點(diǎn)的圖像坐標(biāo)，測(cè)量像素點(diǎn)的圖像坐標(biāo)，實(shí)際像素的長(zhǎng)度，實(shí)際像素的寬度與攝像頭焦距。

通過(guò)相似三角的邊長(zhǎng)公式：

AB/A’B’=BC/B’C’=AC/A’C’

其中ABC為攝像機(jī)的圖像坐標(biāo)的三點(diǎn)、A’B’C’為現(xiàn)實(shí)坐標(biāo)的三點(diǎn)。

通過(guò)5個(gè)不同場(chǎng)景的人體站立位置的測(cè)量，通過(guò)利用相似三角形法利用圖像坐標(biāo)計(jì)算的現(xiàn)實(shí)坐標(biāo)點(diǎn)與實(shí)際場(chǎng)景中的物理坐標(biāo)對(duì)比，5個(gè)場(chǎng)景的誤差平均為4.8%。

在人體骨架圖的驗(yàn)證過(guò)程中，本文選擇人體最基本的三種姿態(tài)，立、坐、臥，同時(shí)在桌椅遮擋0%、30%、50%的三種條件下，通過(guò)5個(gè)不同場(chǎng)景，10個(gè)不同測(cè)試人驗(yàn)證測(cè)試。所判斷的準(zhǔn)確率由18個(gè)關(guān)鍵節(jié)點(diǎn)的坐標(biāo)偏差平均求得（被遮擋的關(guān)鍵節(jié)點(diǎn)不納入計(jì)算），具體驗(yàn)證數(shù)據(jù)如表1所示。

表1 人體骨架圖的驗(yàn)證結(jié)果Tab.1 Verification results of human skeleton maps

綜上驗(yàn)證結(jié)果及天寶養(yǎng)老院實(shí)際運(yùn)行情況，報(bào)警閾值可根據(jù)試運(yùn)行過(guò)程中自學(xué)習(xí)算法智能調(diào)整，試運(yùn)行期間，老年人行為與姿態(tài)風(fēng)險(xiǎn)漏報(bào)率0%，誤報(bào)率4.3%，達(dá)到預(yù)期用途。

5 總結(jié)與展望

本數(shù)字孿生系統(tǒng)，通過(guò)傳感器采集數(shù)據(jù)，完成數(shù)據(jù)的精準(zhǔn)映射，數(shù)字重建老年人生活場(chǎng)景及狀態(tài)，不泄露隱私，對(duì)老年人可能出現(xiàn)安全與健康風(fēng)險(xiǎn)實(shí)現(xiàn)報(bào)警與預(yù)警。本系統(tǒng)已在上海市虹口區(qū)天寶養(yǎng)老院進(jìn)行了試點(diǎn)運(yùn)行，初步驗(yàn)證了系統(tǒng)的可靠性與穩(wěn)定性，尤其是對(duì)該養(yǎng)老院的失智老人的護(hù)理作用極大。本系統(tǒng)實(shí)現(xiàn)了7×24 h智能監(jiān)測(cè)，對(duì)老年人尤其是失智老人的走失、跌倒、疾病突發(fā)等風(fēng)險(xiǎn)實(shí)現(xiàn)實(shí)時(shí)響應(yīng)，很大程度上降低了養(yǎng)老服務(wù)人員的人力投入，提高養(yǎng)老護(hù)理質(zhì)量。

本項(xiàng)目已聯(lián)合天寶養(yǎng)老院、中國(guó)鐵搭公司申報(bào)2019年度虹口區(qū)“智慧城市建設(shè)”項(xiàng)目，同時(shí)申請(qǐng)發(fā)明專(zhuān)利一項(xiàng)，實(shí)用新型專(zhuān)利二項(xiàng)，軟件著作權(quán)二項(xiàng)。本文介紹的數(shù)字孿生系統(tǒng)，雖然目前僅在一個(gè)區(qū)域試點(diǎn)，但從其應(yīng)用場(chǎng)景、產(chǎn)品定義、功能實(shí)現(xiàn)，是切實(shí)從養(yǎng)老服務(wù)行業(yè)的實(shí)際需求出發(fā)，如能進(jìn)一步降低系統(tǒng)硬件成本，并結(jié)合全面的社區(qū)居家養(yǎng)老服務(wù)，該系統(tǒng)將在養(yǎng)老領(lǐng)域發(fā)揮巨大的作用。