“春运”被誉为人类历史上规模最大的、周期性的人类大迁徙。在40天左右的时间里,有30多亿人次的人口流动,占世界人口(约70亿人)的3/7,相当于全国人民进行两次大迁移。
每年春运,铁路运输是重中之重,而作为人流进出的全国中心,北京铁路局更是压力最为集中的路局之一。
近日,北京市铁路局宣布将采用华为先进的GSM-R解决方案,打造高效安全的软交换端局核心网,实现对北京铁路局管辖内的各条铁路线路统一管理和运维,用技术力量保障春运更高效、更顺畅、更安全,为全国人民打造一条更美好的春运路。
铁路局核心网处于整个网络的核心位置,其安全性和可靠性尤为重要,一旦核心网出现故障,可能会导致大范围内铁路业务中断,严重影响铁路运行安全。在十二五铁路通信网规划中,就提出了全面实现高速铁路和新建铁路的GSM-R无线网络覆盖、逐步实现主要干线GSM-R无线网络覆盖,满足行车指挥、列车运行控制、运营维护、应急抢险等需要的目标。
随着高速铁路的建设,软交换技术已经在成都、太原、呼和浩特、哈尔滨以及沈阳节点得到成功应用。除此之外,该方案实现了GSM-R网络核心网网元级的备份,大大提高了整网的安全性。
当前北京局核心网端汇局合设,作为汇接局要与国内其他重大铁路节点对接,作为端局要管理北京局辖下的铁路线路,存在网络结构不清晰、功能不完善、不便于维护人员进行故障定位等挑战和问题,亟需解决。另一方面,新建的核心网设备首先必须实现与现网厂家互联互通,更重要的是必须要与周边各系统(FAS调度系统、CIR车载终端、C3专用列控系统等)长期磨合,稳定运行。
结合北京局的特定场景和技术挑战,华为依托全球领先的无线解决方案的研发能力和丰富的实践经验,为北京局提供了端到端的高可靠GSM-R软交换核心网解决方案。
北京铁路局电务处赵处长表示:”随着铁路线路快速建设,业务量越来越大,电路连接和网络结构也将变得越来越复杂,端局和汇接局分开组网方式的优势将日益突显,此次华为提出的解决方案大大提高了行车调度指挥及铁路运输的安全性,并增加了网络的可靠性。”
好文章,需要你的鼓励
Liquid AI发布了新一代视觉语言基础模型LFM2-VL,专为智能手机、笔记本电脑和嵌入式系统等设备高效部署而设计。该模型基于独特的LIV系统架构,GPU推理速度比同类模型快2倍,同时保持竞争性能。提供450M和1.6B两个版本,支持512×512原生分辨率图像处理,采用模块化架构结合语言模型和视觉编码器。模型已在Hugging Face平台开源发布。
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
阿里团队推出首个AI物理推理综合测试平台DeepPHY,通过六个物理环境全面评估视觉语言模型的物理推理能力。研究发现即使最先进的AI模型在物理预测和控制方面仍远落后于人类,揭示了描述性知识与程序性控制间的根本脱节,为AI技术发展指明了重要方向。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。