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
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。