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
VMware宣布将终止现有渠道合作伙伴计划,新计划采用邀请制,大幅减少授权合作伙伴数量。未受邀合作伙伴将于2025年7月15日收到不续约通知,可继续交易至10月31日。白标计划也将同时终止。此举是18个月内VMware第二次重大合作伙伴调整,旨在专注与少数核心云服务提供商深度合作。客户可能面临续约困难、服务质量下降和成本上升等影响。
StepFun公司推出的Step1X-Edit是首个能够媲美GPT-4o和Gemini2 Flash等商业模型的开源图像编辑AI。该模型通过整合多模态语言理解和扩散图像生成技术,能够处理11种编辑任务,在新构建的GEdit-Bench基准测试中表现优异,为图像编辑技术的民主化开辟了新道路。
谷歌DeepMind和伦敦大学学院研究发现,大语言模型在面对反驳时会迅速失去信心并改变答案,即使反驳是错误的。研究显示LLM既会对自己的答案过度自信,又对批评异常敏感,表现出与人类相似但又独特的认知偏差。这种行为对多轮对话AI系统构成威胁,最新信息可能对LLM推理产生不成比例的影响。
BluOrion公司开发的ZClip是一种智能梯度裁剪算法,解决了大型语言模型训练中的梯度爆炸和损失飙升问题。通过Z分数统计检测和动态调整策略,ZClip能够自适应地控制梯度幅度,相比传统固定阈值方法提升训练效率35%以上,同时显著降低训练失败风险,为大模型训练提供了更稳定、高效的解决方案。