华为近期宣布,其数通与OTN(Optical Transport Network,光传送网络)集成解决方案成功中标上海地铁高速数据网项目,助力国内首个城市轨道交通上层骨干传送网络建设,并成为OTN产品在国内地铁的首次应用。
上海市轨道交通于1993年5月28日正式运营,经过20多年的快速发展,截至2016年12月,共开通地铁线路14条(1-13号线、16号线),全网运营线路总长617公里,车站366座,运营里程和线网规模均雄居全球首位,是全世界最大的城市地铁系统。
随着规模日益扩大,城市轨道交通在城市中的地位日益提升,各条线路之间的协调和管理变得越来越重要。为此,上海市建立了轨道交通主用网络协调及应急中心,即COCC。COCC作为协调城市各交通子系统及处理应急事件的总控制中心,承载了全轨道线网列车运行、客运管理、电力供给、设备监控、防灾报警等中心级职能。在非正常情况下,COCC也承担着事件处理的现场指挥中心功能。本次上海地铁高速数据网项目,就是为了连接上海轨道交通各条线的控制中心(OCC)、上海轨道交通主备网络协调及应急中心(COCC、BCOCC)、城市轨道和公交总队、公安分控中心、主备无线交换中心(MSO、BMSO)、软交换中心(规划)、清分中心(ACC)、数据中心、清分中心、培训中心、申通OA网络中心、运营公司等轨道交通上层管理应用节点,形成COCC对所有线路的监控、指挥和协调。
根据建设需求,上海地铁高速数据网项目主要面临如下3个挑战。
业务众多,带宽需求高:作为全球最大的地铁系统,上海市目前共运营14条地铁,将来还将扩充到21条地铁线路,所有线路的OCC的信息都要传递到COCC。根据统计,OCC与COCC之间的通信包含三大系统共计26种业务类型,如专用无线业务、ATS业务、PIS业务、CCTV业务、办公OA业务等,需要传送网提供足够大的带宽,并能为未来新增业务预留出足够的可扩容空间。
子系统隔离,传输性能要求高:高速数据网承载的业务包含ATS列车调度、AFC售票等对可靠性、实时性、安全性要求非常高的业务,同时各业务的运营部门间需要相互独立不受干扰,且不同业务之间必须要能实现物理隔离,对网络的性能指标和通道间隔离有非常高的要求。
组网规模大,可靠性要求高:整张高速数据网包括传输平台、数据运营执行网、数据运营管理网和低速数据业务网。共有两个环19个节点,覆盖全上海市所有OCC,组网规模空前。在网络中,无论是TDM业务,还是以太网业务,都需要有高可靠性的网络作保障,能够保证故障场景下及时倒换,确保业务正常运行。
为了满足建网需求,华为公司通过深入分析组网拓扑和业务需求,采用分层架构将网络分为4层:底层设置基础传送平台(光传送网),上层利用传送通道独立构建数据运营执行网络(运营网),数据运营管理网络(管理网)和低速数据业务网络(接入网)。光传送网采用华为先进成熟的OTN技术,在各上层节点间通过光缆连接组建成带宽不低于400G的光纤环网;数据执行网、数据管理网和接入网通过光传送网的硬管道隔离承载。该方案有如下几个特点:
可扩展超大带宽:OTN系统采用40/80波10G组网,初期开通26波,后期可通过增加线卡实现带宽扩展,并支持10G/100G混传。每个10G通道能够承载ODU2/ODU1/ODU0业务颗粒,能将地铁不同业务通过不同的业务封装到ODUk管道进行承载,ODUk颗粒支持绑定为以太网或SDH管道。这样,电话等TDM业务就能通过SDH封装到ODUk中进行承载,视频监控、PIS等分组业务就能通过以太网封装到ODUk中进行承载,从而实现了SDH与以太网业务在同一根光纤承载,并能够满足今后业务量扩容要求。
物理隔离,时隙交换:华为OTN产品采用波长+ODUk+VC三重物理隔离,能将地铁不同类型的业务通过不同的管道进行承载,从而实现了业务的物理隔离,确保了业务的安全性,并能提供端到端的带宽保障,防止某条业务突发从而影响其他系统业务。在设备内部,采用基于ODUk的时隙交换,使得各类业务的传输时延与抖动非常低,传输指标稳定,不受业务量的变化而变化,非常适合ATS等重要业务的传输。
高可靠多重保护:OTN支持各种设备级保护,如主控、交叉、时钟和电源1+1保护,能够确保设备高可靠正常运行。在网络级保护层面,设备支持TDM保护(如SNCP)和分组保护(如PW APS),全面保证各类业务安全可靠。同时,OTN网络支持后续扩展成ASON网络,通过MESH组网实现业务多路径,实现业务“有路就达”,进一步提升业务的可靠性。
作为全球领先的传送网解决方案供应商,华为公司所提供的轨道交通OTN传送网解决方案以其大带宽、低时延、高可靠性、高安全等特性,获得客户的高度认可,助力上海市轨道交通网络朝着云计算、大数据、智能化的方向持续发展。
好文章,需要你的鼓励
Anthropic周一发布了旗舰模型Opus 4.5,这是4.5系列的最后一个模型。新版本在编程、工具使用和问题解决等基准测试中表现出色,是首个在SWE-Bench验证测试中得分超过80%的模型。同时推出Claude for Chrome和Claude for Excel产品,分别面向不同用户群体。Opus 4.5还改进了长文本处理的内存管理,支持付费用户的"无限聊天"功能,并针对智能体应用场景进行了优化,将与OpenAI的GPT 5.1和谷歌的Gemini 3展开竞争。
南洋理工大学团队开发了Uni-MMMU基准测试,专门评估AI模型的理解与生成协同能力。该基准包含八个精心设计的任务,要求AI像人类一样"边看边想边画"来解决复杂问题。研究发现当前AI模型在这种协同任务上表现不平衡,生成能力是主要瓶颈,但协同工作确实能提升问题解决效果,为开发更智能的AI助手指明了方向。
总部位于圣地亚哥的AI公司耐能发布新一代KL1140芯片,这是首款能在边缘端运行完整变换器网络的神经处理单元。该芯片可将大语言模型从云数据中心转移到便携式本地设备中,四颗芯片组合可实现类似GPU的性能,支持1200亿参数模型运行,功耗降低三分之一至一半,硬件成本减少十倍。
360 AI Research团队发布的FG-CLIP 2是一个突破性的双语精细视觉语言对齐模型,能够同时处理中英文并进行精细的图像理解。该模型通过两阶段训练策略和多目标联合优化,在29个数据集的8类任务中均达到最先进性能,特别创新了文本内模态对比损失机制。团队还构建了首个中文多模态评测基准,填补了该领域空白,为智能商务、安防监控、医疗影像等应用开辟新可能。