背景需求
作为城市轨道交通建设的先驱,天津市地下铁道集团有限公司(以下简称“天津地铁“)成立于2000年8月,主要承担天津市中心城区轨道交通建设管理、运营协调和经营开发职能,下设地铁运营公司、枢纽运营公司、资源投资公司三个全资子公司和三个建设管理中心,拥有员工3000余人。2014年9月,重组后的天津地铁剥离资源开发、运营业务,统筹负责轨道交通建设管理工作,下辖轨道交通第一、第二、第三管理中心。
为了实现高效、安全的全线路信息化管理能力,天津地铁计划打造覆盖全线的应急指挥中心系统,该系统是天津市中心城区轨道交通线网的指挥机构,对中心城区的各条线路进行日常和应急指挥管理。应急指挥系统利用先进的计算机通信网络平台对各条线路主要运营信息进行采集,监视各线运营情况,遇有严重突发事件或影响临线线路的突发事件发生时,及时进行协调、指挥、应急处置。
H3C助力天津地铁打造应急指挥中心
在本次应急指挥中心系统搭建项目中,新华三为天津地铁量身打造了基于其需求的综合解决方案,采用两台Integrity rx9800 动能服务器作为数据库服务器进行互相冗余,并通过光纤交换机连接到StoreEver MSL6480存储上。这些硬件产品作为基础设施,为天津地铁提供了一个强大的技术架构平台,具备应对突发事件的能力,保证市民安全畅通出行。
HPE Integrity rx9800动能服务器是一款面向关键业务计算环境的重要服务器产品组合,采用新的英特尔®安腾®9300及9500系列处理器,高达96个双列直插式内存模块插槽,可采用低电压DDR3内存,提供高达1.5TB的内存容量,满足苛刻应用要求; 双芯片备用,提供了比单芯片备用高17倍的内存可靠性; 集成Blade System基础模块,简化了服务器配置程序,并适应标准机架部署环境,极其易于配置、扩展和管理,能够帮助天津地铁实现关键业务的融合基础设施,并调整技术环境以快速抓住业务机遇。
天津地铁应急指挥中心项目架构图
为什么选择新华三
天津地铁领导对此次应急指挥中心系统建设项目高度重视,并提出了严格要求:
新华三作为中国新IT解决方案领导者,在中国城市轨道交通建设方面有着广泛的经验积淀,在业内多个城市的重要项目中都扮演着重要角色。此前,新华三为天津地铁5号线自动化综合监控系统中构建了可靠的信息基础平台,双方拥有长期稳定的良好合作关系。
新华三无论是技术实力、硬件基础设施及配套管理软件方面,还是在系统平台的实施方面所具备的成功案例,均获得了天津地铁的高度认同和信赖。
客户收益
系统完全建成之后,天津地铁整合了所有的运营路线,实现了各路线运营协调和统一的应急管理指挥。同时,新华三通过Integrity rx9800服务器和StoreEver MSL6480磁带库等产品打造的IT架构,为天津地铁构建了一个信息集中、协调指挥、应急处理、信息共享及应急发布的平台,通过提供信息整合的网络通信承载平台及网络监管,同时通过标准接口协议实现应急指挥中心与各线路指挥中心的数据交换,利用通信专业设置的专用电话、调度电话、CCTV、OA、广播系统以及工艺专业设置的大屏幕显示系统、应急会议系统等辅助手段,在同一的操作平台上实现对各条线路运营的监视、管理、应急指挥与协调应急处置的功能,为重大决策的发生提供数据基础。随着该系统的上线,天津地铁将形成覆盖全线路的实时智能监控管理能力,极大的提升了线路管理效率,并大幅优化了乘客的乘坐体验。
“新华三提供的整体解决方案完全符合我们的要求,系统的上线保证了应急指挥中心紧急调度工作的顺利进行。希望能够与新华三继续合作,为广大群众的安全顺畅出行作出更多的贡献。” ——天津地铁技术中心主任
好文章,需要你的鼓励
从浙江安吉的桌椅,到广东佛山的沙发床垫、河南洛阳的钢制家具,再到福建福州的竹藤制品,中国各大高度专业化的家具产业带,都在不约而同地探索各自的数字化出海路径。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。