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。
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。
好文章,需要你的鼓励
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
Meta公司FAIR实验室与UCLA合作开发了名为HoneyBee的超大规模视觉推理数据集,包含250万训练样本。研究揭示了构建高质量AI视觉推理训练数据的系统方法,发现数据质量比数量更重要,最佳数据源比最差数据源性能提升11.4%。关键创新包括"图片说明书"技术和文字-图片混合训练法,分别提升3.3%和7.5%准确率。HoneyBee训练的AI在多项测试中显著超越同规模模型,同时降低73%推理成本。
Meta发布第三代SAM(分割一切模型)系列AI模型,专注于视觉智能而非语言处理。该模型擅长物体检测,能够精确识别图像和视频中的特定对象。SAM 3在海量图像视频数据集上训练,可通过点击或文本描述准确标识目标物体。Meta将其应用于Instagram编辑工具和Facebook市场功能改进。在野生动物保护方面,SAM 3与保护组织合作分析超万台摄像头捕获的动物视频,成功识别百余种物种,为生态研究提供重要技术支持。
上海AI实验室团队提出ViCO训练策略,让多模态大语言模型能够根据图像语义复杂度智能分配计算资源。通过两阶段训练和视觉路由器,该方法在压缩50%视觉词汇的同时保持99.6%性能,推理速度提升近一倍,为AI效率优化提供了新思路。