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
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。