近年来,随着经济社会持续快速发展,群众购车刚性需求旺盛,我国汽车保有量继续呈快速增长趋势。统计数字显示,机动车驾驶人数量也呈现大幅增长趋势,年均增量2000多万人。这种形式下,群众报考驾校的人数持续攀升,各驾校均已人满为患。如何让群众快速且保质保量的通过驾驶考试和提高各驾校的考试效率,成为各交管考试部门亟需解决的难题。
滨州交警科目二和科目三的场地、道路驾驶考试业务主要包括车载高清视频回传、考试指令传达、道路监控、考场工作与考试人员的语音调度等方面。综合来看,目前主要存在以下几个方面的问题制约了驾校考试的效率:
1、传统的车载回传技术采用公网3GG,链路易堵塞,造成驾驶舱视频卡顿严重。在学员驾驶操作过程中,考试系统需要对学员进行拍照,并记录驾驶操作过程,制作考试档案。公网3GG技术因系统带宽有限,不得不降低链路带宽和视频码流,进而导致后台需要多次拍照筛选,延长了考试时间。
2、WLAN技术干扰严重,覆盖范围仅百米,且不支持高速移动。科目二考场车辆密集,并发带宽大,需要布设大量AP进行覆盖。由于WLAN技术采用了开放频段的2.4GHz和5.8GHz,系统内及外部干扰严重,系统可用带宽急剧降低。科目三考场主备考路线通常约15公里以上,WLAN技术既无法实现全覆盖也不支持时速60公里以上的无线回传,对路考系统提出了严苛的技术要求。
3、公网3GG覆盖不足和WLAN传输不稳定。部分考试线路在郊区及乡村欠发达地区,公网信号覆盖不足,甚至无信号,无法提供可靠稳定带宽。如果采用WLAN技术,需要大量部署AP,带来成本增加和可为维护性难题。
4、考场的车辆、人员调度技术手段不足。当前考场主要采用警用350M集群系统和公网电话进行关键岗位的调度,但对于科目三考试的考官、各驾校的教练员及押车车辆司机的语音、视频调度还无统一有效的技术手段。
为了解决滨州交警的业务痛点,滨州交警和华为公司通力合作,采用华为eLTE解决方案对考试场地和道路进行4G专网覆盖,提高了驾校考试效率,助力滨州交警成为全国驾校考试的标杆。
华为eLTE助力滨州交警迈向数字化驾考新时代
针对以上问题,华为本次为滨州交警提供eLTE驾校考试解决方案(如下图),它具有覆盖半径大、数据带宽高、支持高速移动、业务功能丰富等优势。
华为eLTE驾校考试解决方案
科目三考场线路长、点多面广、环境恶劣,对无线接入的广覆盖有很高的要求。华为根据考试线路分布情况采用专业网络规划和设计,提供考试线路的无线网络覆盖,在边缘地区同样满足速率要求。eLTE网络可提供10公里以上的小区覆盖半径,做到对考试线路全面的网络覆盖。
在场地和道路考试过程中,无线网络需要承载多种通信业务,如车载视频监控、指令传达、语音和视频调度等。这些业务中,视频监控业务需要占用很高的带宽。华为eLTE解决方案20MHz组网时单载波(单天线)可提供上行50Mbps/下行100Mbps的传送带宽,而且eLTE针对驾考视频监控点多的业务需求,可以灵活配置上下行的带宽比,这样在同一基站范围内,可以容纳更多的监控点或者提供更清晰的图像质量,满足考试需求和确保高Qos质量的服务。
在科目三考试过程中,需要对学员的高速及直线行驶技能进行考核,考试系统后台进行拍照制作考试档案。华为eLTE通过AFC自动频偏技术,克服车辆高速移动时产生的多普勒频偏效应,支持车辆最大时速可达350公里,为车载系统的视频和数据提供稳定可靠地带宽。
华为eLTE系统支持高速移动宽带回传业务,同时支持语音和多媒体集群业务的扩展,实现现场考试车辆、人员、押车车辆及司机的语音、视频调度和应急突发处置,帮助各考试中心提升管理水平。
华为eLTE无线解决方案在滨州交警的建设应用不仅另辟蹊径解决了传统公网和WLAN网络的技术瓶颈,更是为日益紧张的驾考系统提供了完美的解决之道。滨州交警eLTE专网建设是一次非常勇敢的尝试,对国内场地和道路驾驶考试系统具有很强的示范意义。eLTE的远覆盖、高带宽、多业务已经证明了它的无限价值,在未来几年也必将在驾校考试系统得到广泛应用。
好文章,需要你的鼓励
根据Gartner最新报告,微软凭借广泛的合作伙伴和平台生态系统在企业级AI领域占据主导地位,而谷歌凭借集成的AI代理技术栈和可扩展的企业采用支持在企业代理AI方面领先。报告涵盖近30个AI技术竞赛领域,包括数据基础设施、模型代理、行业解决方案和网络安全等类别。尽管科技巨头投入数十亿资金扩展AI基础设施,但企业仍在努力证明AI技术的商业价值,超过三分之二的企业困于生成式AI试点阶段。
微软亚洲研究院与清华大学联合提出双向感知塑造技术,通过创新的两阶段训练方法解决AI视觉理解中的关键问题。该技术让AI学会正确聚焦重要视觉信息,避免被无关内容误导。仅用1.3万训练样本就在八个基准测试中平均提升8.2%性能,超越使用数十万样本的专门模型,为AI视觉推理能力提升开辟新路径。
美国国家标准与技术研究院发布人工智能网络安全框架配置文件草案,旨在帮助组织安全使用AI系统。该文件围绕"安全"、"防御"和"阻止"三个重点领域,详细说明如何管理不同AI系统的网络安全挑战、利用AI增强网络防御能力以及阻止AI驱动的网络攻击。文件将网络安全框架的各个组件映射到具体建议上,覆盖入侵检测到供应链安全等各个方面。
上海交通大学研究团队开发了TimeBill框架,解决大语言模型在实时应用中的时间不确定性问题。该系统通过精确预测回答长度和执行时间,动态调整AI记忆管理策略,确保在规定时间内完成任务的同时保持回答质量。实验显示TimeBill在各种时间预算下都能实现最佳的完成率与性能平衡,为AI在自动驾驶、工业控制等安全关键领域的应用提供了重要技术支撑。