目前,京津冀三地已基本完成本省市道路客运联网售票系统建设,并实现与部级平台的联网运行。也就是说,以后在天津各大客运站也可以异地购买汽车票了!据了解,联网售票支持跨省购票、线上退票、快捷乘车等功能,范围覆盖京津冀地区68个二级及以上客运站,预计今年内将达到100个,进而实现全国范围内的联网购票,极大方便了乘客的出行安排。
作为联网售票系统的核心基础平台,锐捷网络助力天津市道路客运联网售票网络系统建设应对多重挑战,打造出安全稳定、性能强大的网络通路,为天津市道路客运联网售票系统的未来应用提供可靠支撑。
天津客运联网售票系统网络平台建设的“三高”挑战
在京津冀区域客运联网售票一体化系统中,天津部分将主要负责实现14个二级及以上客运站的联网售票,除了网络售票、电话订票、手机订票、邮政等代理点售票、自助终端机售票等多种方式之外,还将陆续完成京津冀、乃至全国的联网售票,方便民众出行、提高道路交通运行效率和行业监管水平。而天津联网售票系统网络平台建设,主要是以市级客运联网售票中心为核心,以客运站为前沿的整体性网络平台,其建设面临高性能、高可靠、高安全的“三高”挑战:
第一,高性能:天津道路客运联网售票系统建成后,至少应能够承担3亿人次的年旅客发送量,并且需要适应未来5~10 年业务发展的需要。因此,网络设计不仅要求能够满足目前使用的性能和管理要求,而且还应适应未来全国联网的业务发展需要。
第二,高可靠:客运联网售票系统是社会保障业务处理的核心系统,如果遇到破坏,或无法正常工作,将造成无法估量的损失。因此网络架构需采用冗余设计,保证数据链路的稳定性;同时保证服务器数据流的合理分配、压力分担,确保服务器连续稳定工作。
第三,高安全:客运售票系统作为道路安全运输的重要资产,其安全需要强有力的保障,避免病毒攻击、非授权的访问与泄密,同时保障访问记录的审查和监督。因此采用多种安全手段,包括防止非法接入、访问控制、入侵检测、网关安全、边界防护等,确保数据中心可以有效防御网络攻击。
全新网络架构,承载智慧交通未来业务发展
锐捷网络针对天津客运联网客票平台建设需求,对网络系统进行重新部署规划,并在原有网络设备的基础上进行扩容,最终提供的省级客票联网解决方案获得用户认可。该方案由多业务核心路由器、出口网关、虚拟化交换机、应用交付系统以及多种安全设备组成,于2017年8月顺利上线,并确保了“十一黄金假期”的高峰出行应用。
图:锐捷网络客票联网解决方案
在天津客票联网的数据中心出口以及客运站,均采用锐捷RG-RSR7708-X和RG-RSR30-X系列多业务路由器,通过多核CPU灵活分担业务,可以对不同的应用业务模型同时并发处理,且能够根据业务性能和类型进行平滑扩展。此外,通过部署RG-EG2000出口网关,天津客票联网的各项业务可以实现“智能选路”,合理利用多条带宽资源,确保网络整体性能达到最佳状态。
图:以虚拟化技术为核心的全新网络架构
为了保障全网的稳定可靠,天津客票联网通过采用锐捷RG-S7808C核心交换机的VSU3.0(虚拟交换单元)虚拟化技术,采用跨设备链路聚合方式,为服务器和接入交换机实现了双活链路上联。在稳定性方面,RG-S7808C主控引擎、电源模块、风扇等设备均采用冗余组件热插拔技术,最大程度上提高整机的可靠性。
图:采用全冗余设计的锐捷RG-S7808C核心交换机
此外,通过在服务器区部署RG-PowerAD系列应用交付系统,对用户请求报文的内容进行识别(如URL信息,应用类型,Cookie信息,浏览器,HTTP方法,语种等内容),从而将流量分配给相应的应用服务器;同时可根据客户端请求内容进行流量管理,使应用更加精确合理,细粒度的流量分担方式为不同服务器提供专用业务,极大提升服务器的性能及可靠性。
针对天津联网客票系统实际情况,锐捷网络提出了网络安全防护整体解决方案,配合用户建设统一互联网出口,并采用RG-WALL 1600-E400出口防火墙、RG-WALL 1600-M6600服务器防火墙,构筑联网客票系统完整防线。同时,在数据中心部署入侵防御与检测设备RG-IDP、Web应用防火墙RG-WG,有效防范网络的非法入侵,保障联网客票数据中心的网络安全。
图:RG-WALL 1600系列全新下一代防火墙
在“互联网+交通”的时代背景下,锐捷助力天津客票联网系统建设完成的基础通信平台,为构建天津市全市统一的票务和信息服务,满足网络购票、联程售票和出行信息服务同步,方便百姓出行提供了可靠的网络系统。
除了客票联网场景,锐捷网络已深耕公路行业多年,在交通专网、高速公路、市政交通、交通数据中心、交通应急等多个领域的细分应用场景开发了特色解决方案,并在多个场景有相应的成功案例,赢得客户广泛赞誉。
好文章,需要你的鼓励
工业升级的关键,或许在于智能本身。“工业+机器人”将成为通向下一阶段工业体系的核心抓手。——黄仁勋。
浙江大学等联合研究发现,AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时,单样本训练、错误奖励等非常规方法也有效;但面对陌生任务时,这些方法失效,只有标准训练有用。研究团队通过大量实验证实,这种"舒适圈"现象比数据污染更能解释训练差异,为AI训练策略优化提供了新思路。
瑞士政府正式发布了自主研发的人工智能模型,该模型完全基于公共数据进行训练。这一举措标志着瑞士在AI技术自主化方面迈出重要一步,旨在减少对外国AI技术的依赖,同时确保数据安全和隐私保护。该模型的推出体现了瑞士对发展本土AI能力的战略重视。
巴赫切希尔大学研究团队通过对五种不同规模YOLO模型的量化鲁棒性测试发现,静态INT8量化虽能带来1.5-3.3倍速度提升,但会显著降低模型对噪音等图像损伤的抵抗能力。他们提出的混合校准策略仅在大型模型处理噪音时有限改善,揭示了效率与鲁棒性平衡的复杂挑战。