景区游人如织,路边音乐会人气火爆,特色小吃排队打卡……据马蜂窝大数据显示,今年中秋国庆期间,贵阳旅游热度大涨198%,“贵阳美食”“贵阳citywalk”“贵阳周边游”成为搜索热词,吸引了大量外地游客前来“打卡”。
在促消费活动和旅游旺季的刺激拉动下,贵阳贵安旅游市场延续避暑季火热态势、运行活跃有序。据贵阳市公共交通投资运营集团有限公司统计,9月29日至10月6日中秋、国庆“双节”小长假期间,贵阳地铁共开行列车5819列次,运送乘客278.06万人次,地铁1、2号线日均客运量34.76万人次,比2021年同期增加21.46%,比2022年同期增加214.67%。
“双节”客流迎来高峰,非现金票务支付成为主流
随着大数据、云计算、人工智能等新一代信息技术应用渗透到各类生活场景,以“刷脸”“二维码支付”为代表的智慧乘车逐渐成为主流出行方式。作为贵阳市轨道、公交场景非现金票务管理运营单位,贵阳市信捷科技有限公司(以下简称信捷科技)秉持“智慧出行”的服务理念,依靠自主知识产权的生物识别技术,打造人脸识别认证核心算力平台,建成贵阳贵安公共交通“一卡通”清分结算及“一码通”业务体系,通过构建共建共享、互联互通的智慧交通体系,满足乘客出行非现金业务支付需求。
在一部智能手机上,乘客正在全面享受着“一码畅游”爽爽贵阳的“科技”生活。为满足广大乘客朋友美好出行需求,信捷科技推出了公交、地铁无缝换乘的“一应黔行”实体卡,卡体使用交联密钥,可在327个地级以上已实现互联互通的城市(含5个示范区)使用,为不同需求的乘客带来智行体验。
挥一挥手机即可完成支付、闸机人脸识别“秒进秒出”……丰富多样的购票和乘车方式备受乘客青睐,安全便捷的同时,也让“双节”期间来黔旅行的游客体验到高效智慧的公共交通出行服务。
(数据来源:信捷科技 制图:数据观)
信捷科技交通大数据显示,非现金购票是当下乘客主要选择的乘车支付方式。以本次“双节”小长假为例,地铁的非现金购票交易额占总交易额的48%,其次是二维码支付、人脸单程票和刷脸乘车;公交的非现金乘车人次约443.64万人,占比达88.2%。
(数据来源:信捷科技 制图:数据观)
(数据来源:信捷科技 制图:数据观)
随着路边音乐会、潮玩、逛展、比赛等因地制宜“花式”文娱活动引爆全网,掀起了节庆贵阳旅游的高潮。从线路站点来看,“双节”期间,贵阳地铁1号线累计进站客流量超138万人,日均进站客流量为13.7万人。作为贵州高铁客运的“心脏”,贵阳北站商务特征突出,日均进站客流量最大,达3万人。地铁2号线累计进站客流量超139万人,日均进站客流量为13.4万人。喷水池作为贵阳老城区的中心地带,周边辐射了大十字、小十字、大西门等纵横交错的知名商圈,组成了老城区最繁华的地段,是2号线客流量最大的站点,日均进站客流量达1.2万人。
(数据来源:信捷科技 制图:数据观)
贵阳北站是贵州最大的运力中心,也是贵阳铁路枢纽的最大的客运站。得益于数字技术的持续创新迭代,乘客在这里进出站可“无缝衔接”贵阳地铁1号线。在贵阳北站等待地铁的孙先生表示:“8天的假期时间,大家都会选择在这个时间段外出,高峰出行期,地铁刷脸支付解放了拎满行李的双手,乘车体验真是太丝滑了。”
信捷科技遵循“人工智能+交通+大数据”思路,着力构建“一脸通行”智慧城市场景,通过算法提前研判乘客出行需求和高峰节点,强化节日应急联动处置保障工作,做好”双节“出行保畅,服务乘客智慧出行。
做好“双节”出行保障,助力乘客智慧出行
“双节”来临前,信捷科技根据现有地铁1、2号线55个站点提前对“双节”客流进行了有效预测。根据系统大数据预演结果,信捷科技完善了应急预案,强化了安全保障服务措施,为广大乘客带来了安全、高效、便捷乘车体验,确保完美达标“双节”期间使用实体卡、二维码、人脸等支付工具的“零事故”。为提升旅客出行体验、营造浓厚节日氛围,信捷科技优化服务举措,“双节”期间,信捷科技组织工作人员在八鸽岩站、河滨公园站、清水江路站等6个服务网点为乘客提供办理“一卡通”、刷脸支付乘车等业务,做好老年、青少年群体、新市民群体服务工作,接受市民群众咨询求助,尽心竭力帮助乘客解决出行问题。
针对“双节”期间主要站点游客量大的实际情况,信捷科技组织专业技术人员提前对站点闸机安全性能进行测试,加强对站点工作人员的安全教育,并在站点安置票卡充值流程图,标明账号登录、功能开通、功能授权等关键环节服务信息,进一步提升乘车业务办理效率,做到有序安全平稳应对客流,确保游客乘车安全顺畅。
鉴于节后地铁客流量还可能持续高位运行一段时间,围绕非现金票务业务,信捷科技将持续优化大数据、人脸识别等技术,解决乘客在出行购票过程中使用现金支付不便情况,为广大乘客提供更安全、更便捷、更顺畅的出行体验。
好文章,需要你的鼓励
香港中文大学与华为诺亚方舟实验室合作开发了PreMoe框架,解决了大型混合专家模型(MoE)在内存受限设备上的部署难题。研究团队发现MoE模型中的专家表现出明显的任务专业化特征,据此提出了概率专家精简(PEP)和任务自适应专家检索(TAER)两大核心技术。实验证明,DeepSeek-R1 671B模型在精简50%专家后仍保持97.2%的MATH500准确率,内存需求降至688GB;而更激进的精简方案(减少87.5%专家)也能保持72.0%的准确率。该方法适用于多种MoE架构,为强大AI系统的广泛部署铺平了道路。
SCIENCEBOARD是一项开创性研究,旨在评估多模态自主智能体在真实科学工作流中的表现。研究团队构建了一个包含169个高质量任务的基准测试,涵盖生物化学、天文学等六个科学领域,并开发了一个真实环境让智能体通过CLI或GUI接口与科学软件交互。实验评估表明,即使是最先进的模型在这些复杂科学任务上的成功率也仅为15%,远低于人类表现,揭示了当前技术的局限性并为未来科学智能体的发展提供了宝贵见解。
帝国理工学院的研究团队开发了AlphaMed,这是首个仅通过极简规则强化学习就能培养医疗推理能力的AI模型,无需依赖传统的思维链示范数据。通过分析数据信息丰富度和难度分布的影响,研究发现高信息量的医疗问答数据是推理能力的关键驱动因素。AlphaMed在六个医疗问答基准上取得了领先成绩,甚至超越了更大的封闭源模型,同时展现出自发的步骤推理能力,为医疗AI发展提供了更加开放、高效的新路径。
Alita是一种新型通用AI代理系统,采用极简设计理念,以"最小预定义,最大自我进化"为原则构建。由普林斯顿大学等多家机构研究团队开发的Alita,只配备一个核心能力和少量通用模块,能自主创建所需工具并重用为模型上下文协议(MCPs)。实验显示,Alita在GAIA基准测试上达到87.27%的通过率,超越包括OpenAI Deep Research在内的复杂系统,证明简约设计可带来卓越性能。