随着铁路的高速发展,对于安全性、可靠性提出了更高的要求,列车的安全高效行驶不仅依赖列控系统,更依赖准确、有效的信息获取和风险预警,包括列车及沿线的人员、设备、环境信息。如何将车上的信息稳定、可靠的传递到地面,实现大数据回传,是目前铁路机务系统面临的一个很重要问题。但同时,现有技术手段有限,机务数据目前更多是人工拷贝方式,效率低下;采用传统的WI-FI覆盖方案,存在覆盖能力弱、易受干扰、终端并发数量小,无法漫游切换,数据无法稳定传输等问题。
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,实现了机务段范围内车载机务大数据的自动、稳定回传。
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,可在规定时间内,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。
此方案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。未来,采用eLTE-U技术,不仅能满足铁路站场范围内机务大数据的回传,更可以对站场范围内,包括货检、列检、编组站、动车段、客运站等场景的业务数据、视频图像等数据传输,实现多业务统一承载,构建铁路站场综合无线接入平台。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
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。