近日,神州高铁与华为携手,利用神州高铁自主知识产权的国家973项目“智慧协同”专利技术及华为eLTE-U技术,成功研发多通道大数据无线传输系统。该系统属国内首创。
该系统是为解决轨道交通领域中用户对机车、车辆车载视频数据自动下载的迫切需求而设计的一种集中式网络通信系统。系统采用先进的数据算法,合理分配网络通道,智慧协同多个无线链路并行对视频数据进行传输,从而实现机车、车辆进入站场时,车载设备自动连接、高速传输、行驶至下一基站时系统自动切换等功能,最大程度地优化了车载大数据传输工作的效率和质量。
相比于传统数据传输依靠人工转储数据效率低下、易受病毒干扰的弊端,神州高铁研发的多通道无线传输系统具有三大核心优势:一是移动过程中系统可自动切换,通过采用基于4.5G的免授权频谱(5.8GHz频段)的eLTE-U技术,结合了LTE的高性能与Wi-Fi易部署的特点,同时在覆盖能力、高可靠性、移动性及容量等方面均具有显著优势,保证站场范围内数据传输的持续平均速率达200Mbps,相比Wi-Fi技术速率提高了5-6倍,便捷高效,保障工业级稳定可靠的无线连接;二是通过搭建多通道,成为路内唯一能在规定时间内,自动传输完成规定业务视频文件的系统;三是通过系统管理界面,可实时监控在传文件的详细信息及整体传输速率,安全可靠。
神州高铁通过打造多通道大数据无线传输系统,对轨道交通行业海量数据进行传输、分析和处理,挖掘数据的内部运营价值和外部商业价值。它的应用改进了机车整备传统运维模式,极大地提高了大数据传输的工作效率。同时,通过多通道平台的搭建,为站场范围内新的场景应用提供可能,具有广阔的市场前景。目前正在兰州铁路局进行机车6A视频数据自动传输试点工作。
好文章,需要你的鼓励
多伦多大学研究团队提出Squeeze3D压缩框架,巧妙利用3D生成模型的隐含压缩能力,通过训练映射网络桥接编码器与生成器的潜在空间,实现了极致的3D数据压缩。该技术对纹理网格、点云和辐射场分别达到2187倍、55倍和619倍的压缩比,同时保持高视觉质量,且无需针对特定对象训练网络,为3D内容传输和存储提供了革命性解决方案。
浙江大学与腾讯联合研究团队提出MoA异构适配器混合方法,通过整合不同类型的参数高效微调技术,解决了传统同质化专家混合方法中的表征坍塌和负载不均衡问题。该方法在数学和常识推理任务上显著优于现有方法,同时大幅降低训练参数和计算成本,为大模型高效微调提供了新的技术路径。
耶鲁、哥大等四校联合研发的RKEFino1模型,通过在Fino1基础上注入XBRL、CDM、MOF三大监管框架知识,显著提升了AI在数字监管报告任务中的表现。该模型在知识问答准确率提升超过一倍,数学推理能力从56.87%提升至70.69%,并在新颖的数值实体识别任务中展现良好潜力,为金融AI合规应用开辟新路径。
加州大学圣巴巴拉分校研究团队开发出能够自我进化的AI智能体,通过《卡坦岛拓荒者》桌游测试,这些AI能在游戏过程中自主修改策略和代码。实验显示,具备自我进化能力的AI显著超越静态版本,其中Claude 3.7模型性能提升达95%。研究验证了AI从被动工具向主动伙伴转变的可能性,为复杂决策场景中的AI应用开辟新路径。