华为助力北京地铁1、2号线4G无线民用传输改造
华为公司综合考虑地铁通信系统的组网特点,以及运营商4G网络的承载需求,选择成熟可靠的SPTN技术(Service oriented PTN,面向业务的分组传输技术)方案建设地铁1、2号线4G无线民用传输系统。
北京地铁1、2号线工程始建于二十世纪六、七十年代,最初是以战备疏散为主,兼顾城市交通。随着城市建设的不断发展,北京地铁1号线已经成为北京市东西向的大动脉,是客流最繁忙的线路之一;线路呈环状的2号线经过市中心最繁华的地段,是各条新建线路的换乘联络线,负担起多条线路的客流联络、换乘任务。
北京地铁1、2号线民用通信传输系统始建于2008年,用于承载2G和3G运营商基站业务,随着近几年无线技术的发展,运营商4G网络开始规模投入使用,既有传输承载网无法对新业务实现有效承载,主要体现在传输通道带宽不足、无法承载1588V2时间同步信号、接口速率容量较低等方面。为了提升乘客乘车上网质量,北京地铁亟需建设一套高可靠、高性能、高安全、易扩展、易管理、易维护的新型传输系统,以实现多种业务类型的传输和数据交换,满足用户目前及未来的通道需求。
华为公司综合考虑地铁通信系统的组网特点,以及运营商4G网络的承载需求,选择成熟可靠的SPTN技术(Service oriented PTN,面向业务的分组传输技术)方案建设地铁1、2号线4G无线民用传输系统。该解决方案具有大带宽、高可靠、高安全、低时延、易运维等特点,满足了客户当前4G网络承载需求,并保证未来网络的演进承载能力。
- 大带宽:核心接入节点采用2套高端PTN7900-24,其余车站采用PTN3900-8共40套,组建40GE的大带宽传输通道,满足未来五年民用4G业务对传输通道承载要求,并能支撑后续客户其他增值业务的发展需求。同时,在满足了既有需求的前提下,充分预留设备冗余槽位,充分考虑未来扩容需求,有效的保护了客户投资;
- 高可靠:SPTN传输网络支持MPLS-TP (MultiProtocol Label Switching Transport Profile, 面向连接的多协议标签交换技术)环网保护、MC-LAG(multi-chassis link aggregation group, 跨设备链路聚合组)、PW ASP (Pseudo Wire Automatic Protection Switching, 基于伪线的自动保护切换技术)双归保护等多种保护方式,同时,OAM(operation, administration and maintenance, 运维管理)报文由硬件ASIC转发 (CPU不需参与处理),检测速度比快速BFD(Bidirectional Forwarding Detection, 双向转发检测)快3倍,每报文间隔为3.3ms,实现快速故障定位,可确保节点和链路级50ms故障保护倒换。通过多样化的保护方式,可以进一步从设备和链路层面为业务提供可靠性保障,提升乘客上网体验。
- 高安全:SPTN通过管道技术(Tunnel/PW),实现各运营商业务流之间完全隔离,避免了不同业务间的干扰或侵入。同时,SPTN通过基于端口接入业务进行透明传输,不对业务自身包含的协议进行处理,可避免从协议层面对SPTN网络发起的攻击。SPTN具有MAC地址黑白名单和802.1X认证功能,防止接入点非法用户接入对网络进行攻击,充分保证网络安全。
- 低时延:SPTN技术通过单设备20us的以太低时延承载,有效保证了运营商4G网络运营的实时性要求,提升了乘客在地铁隧道内的通话及上网质量。
- 易运维:通过采用华为统一网络管理软件U2000系统,实现了SDH-LIKE运维模式,多层级过滤减少90%无效告警,降低了分组业务运维的复杂度,减少了人力资源成本的投入,真正意义上简化了运维。对于新业务的开通,SPTN网络支持新加设备、单板自动发现,仅需运维中心下发设备的基础配置,即可完成网络部署方案,而不需要IP专家到每一个站点进行调测,部署效率提高6倍。
- 平滑演进:SPTN技术基于硬件面向业务可编程灵活支持新特性,支持设备全面匹配客户未来的SDN网络演进需求,确保了当前网络支持面向未来业务发展的平滑演进升级能力。
华为SPTN解决方案以大带宽、高可靠、高安全、低时延、高演进等特点,为地铁客户提供了高效的民用无线业务传输承载方案,同时简化网络运维难度,减少维护人力要求。华为凭借在通信行业耕耘数十载的设计、交付和运维经验,深入理解地铁客户业务发展诉求,将以稳定可靠的设备、优质专业的服务,为提升地铁客户业务质量贡献自己的力量。
0赞好文章,需要你的鼓励
推荐文章
工业升级的关键,或许在于智能本身。“工业+机器人”将成为通向下一阶段工业体系的核心抓手。——黄仁勋。
浙江大学等联合研究发现,AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时,单样本训练、错误奖励等非常规方法也有效;但面对陌生任务时,这些方法失效,只有标准训练有用。研究团队通过大量实验证实,这种"舒适圈"现象比数据污染更能解释训练差异,为AI训练策略优化提供了新思路。
瑞士政府正式发布了自主研发的人工智能模型,该模型完全基于公共数据进行训练。这一举措标志着瑞士在AI技术自主化方面迈出重要一步,旨在减少对外国AI技术的依赖,同时确保数据安全和隐私保护。该模型的推出体现了瑞士对发展本土AI能力的战略重视。
巴赫切希尔大学研究团队通过对五种不同规模YOLO模型的量化鲁棒性测试发现,静态INT8量化虽能带来1.5-3.3倍速度提升,但会显著降低模型对噪音等图像损伤的抵抗能力。他们提出的混合校准策略仅在大型模型处理噪音时有限改善,揭示了效率与鲁棒性平衡的复杂挑战。