据国家统计局数据,目前中国的城镇化率为65%,预计到2030年将达到75%。大规模增加的城市人口会给交通带来前所未有的压力。其中,路口是整个城市交通系统中最重要的节点,基于边缘计算、物联网、人工智能技术的智慧路口解决方案,可帮助城市智慧管理路口交通流量,减少拥堵,保障交通安全,从而改善居民的生活质量。但目前各个城市的路口“千城千面”,不同路口的基础设施、边缘感知能力都不同,需要面向不同边缘路口场景构建灵活应用的解决方案。
浪潮信息携手多伦科技打造的智慧路口多场景方案,在南京江宁区智慧街区部署成功,不仅能够灵活满足各类路口场景,还通过优化改造,将路口高峰期车辆排队长度降低10.47%,车辆通行速度提升13.24%。目前,这套多场景方案也已在全国20多个城市完成了落地,为更多城市居民提供智慧交通服务。
城市“神经”痛,海量数据集结却难以有效协同
城市交通就像人体的神经网络,而交通拥堵,一直是城市的“交感神经”痛,不管城市大小,都有自己的痛点。虽然随着科学技术的发展,中国各个城市都已经铺设了大量的流量检测、信号控制、诱导屏等设施设备,产生了大量的交通流、交通事件数据,但海量数据的简单集结,仍然难以完全满足交通智慧化管理的需求,同时也带来了挑战。
南京新解法,厘米级地图刻画路口感知设备“兼收并蓄”
如今,困扰各地的智慧路口建设难点,在南京江宁区智慧街区挹淮街胜利路有了全新的解决方案。该路口位于南京江宁百家湖片区,这里是典型的南京市老工业区,更是人群居住密集地和地域商业中心,集聚了IT、金融企业办公片区、居民小区、城市公园等多个城市功能空间,是连系人们工作与生活的重要社区,日常交通通行车流很大,早高峰时段,部分路口的通行流量可达到4500PCU(Passenger Car Unit)/小时,远超一般1600CPU/小时的通行流量。而巨大的通行流量,给路口的通行速度和通行效率带来了极大挑战,也让很多人对这个上下班路上经常的堵点望而却步。
针对应用痛点,浪潮信息联合多伦科技和东南大学等合作伙伴,通过总结当前智慧路口的主要建设思路,以设备利旧、适配兼容、多盒联动、场景化应用等为重点,采用“云-边-端”三体协同的技术架构,将每个路口都转变为具备感知-计算-管控-服务能力的智能单元,充分释放云中心计算压力:
通过优化,智慧路口方案在算力、高精度地图、感知设备、方案功能等多方面实现了多项创新突破:边缘计算硬件算力可在20T到200T之间灵活配置,可伴随硬件更新逐步升级,满足不同业务的算力要求;高精度地图测绘精度达到厘米级,满足路口流量的高精度刻画;算法兼收并蓄,满足不同终端、异构设备数据的接入和融合;从实际交通管理的业务出发,围绕场景化应用展开,有效支撑当前和未来的城市交通管理需求。
智慧造通衢,“云-边-端”协同多场景灵活应用
智慧路口场景多样,四通八达的街区往往有不同的场景需求。而多场景化灵活应用,正是南京智慧街区路口方案的重要亮点。该方案根据智能感知、信控优化、全息路口、车路协同不同的应用场景满足不同的业务需求,同时四个场景具有相关性,首先实现智能感知,获取道路交通数据信息,然后根据交通流量变化实现信控配时方案自动优化,同时根据路口流量数据刻画出路口画像,实现全息呈现,人-车-路-环境数据实现信息共享,即车路协同。不同场景之间可自由组合,因地制宜,配置灵活多变,面对各种各样的路口街区,可以“千城千面”。
目前,在江宁区的智慧街区,无论是路口的通行感受,还是交通管理效能,都得到了大幅度提升。通过优化改造,该路口高峰时期的最大排队长度下降了10.47%,车辆通行速度提升13.24%。另外,通过边边协同、边云协同技术,可以实现多路口联动和整个区域的全域路口管理,实现“点-线-面”三级智能,同时为指挥中心情报研判、精准调度提供数据支撑和应用保障。
无论是在城市交通管理技术未来发展中,还是在未来车路协同网联环境中,强化边缘计算能力以满足不断提高的路口信息的实时性要求,已成为行业共识。浪潮信息和多伦科技基于边缘计算的智慧路口解决方案,通过“云-边-端”三体协同的场景化应用,实现了路口、路段、区域三个层面的多级交通管理需求。
好文章,需要你的鼓励
微软高级软件工程师Alice Vinogradova将自己用SAP ABAP语言编写的向量数据库ZVDB移植到了搭载Z80处理器的经典计算机Sinclair ZX Spectrum上。她发现ABAP(1983年)和Z80(1976年)几乎是同时代产物,都诞生于内存珍贵、每个字节都很重要的计算时代。通过应用Z80优化技术,尽管时钟频率相差857倍,但代码运行速度仅慢3-6倍。她认为这些老式优化技术具有普遍适用性,在现代硬件上依然有效。
这项由东京科学技术大学等机构联合发布的研究提出了UMoE架构,通过重新设计注意力机制,实现了注意力层和前馈网络层的专家参数共享。该方法在多个数据集上显著优于现有的MoE方法,同时保持了较低的计算开销,为大语言模型的高效扩展提供了新思路。
韩国电子巨头三星宣布收购美国西雅图数字健康技术公司Xealth,进一步扩大在健康领域的布局。Xealth专注于帮助医疗专业人员将数字健康技术整合到日常实践中,与70多家数字健康技术供应商合作,应用覆盖美国500多家医院。此次收购将推动三星向连接医疗保健平台转型,结合其在传感器技术和可穿戴设备方面的优势,完善Samsung Health平台功能。
小米团队开发的MiMo-7B模型证明了AI领域"小而精"路线的可行性。这个仅有70亿参数的模型通过创新的预训练数据处理、三阶段训练策略和强化学习优化,在数学推理和编程任务上超越了320亿参数的大模型,甚至在某些指标上击败OpenAI o1-mini。研究团队还开发了高效的训练基础设施,将训练速度提升2.29倍。该成果已完全开源,为AI民主化发展提供了新思路。