华为敏捷工业网络城轨DCS解决方案,以其稳定、可靠、易维护的特性,为地铁工程信号系统提供有力保障,为地铁网络的运营奠定了坚实的基础。
杭州是浙江省的政治、经济、文化、教育、交通和金融中心,地铁作为一座都市化、现代化的象征,深深触及这座城市的内心深处。杭州现已建成杭州地铁1号线、杭州地铁2号线和杭州地铁4号线,与新建称的5号线组成立体城市轨道交通网,对于缓解杭州交通拥堵、促进杭州经济发展而言具有重要作用。
杭州地铁5号线全线38个站点,穿越7个城区,有16个为换乘站,可与1号线、2号线、6号线等地铁线路换乘,并把杭州主要的交通枢纽都串联起来,当之无愧的"换乘之王"。
工业级设计为地铁信号系统搭建一套稳定可靠的网络通道
CBTC信号系统是城市轨道基于无线通信的列车自动控制系统,以安全为核心,以保证和提高列车运行效率为目标,调节列车运行间隔和运行时分,保证列车和乘客安全。
针对客户对地铁信号系统网络的安全性、可靠性、可用性以及可维护性的要求,华为结合在城市轨道交通行业积累的大量成功经验和案例,提出了基于eLTE+NE05&08E系列交换机的整体城轨DCS解决方案,该方案基于ATOMGPS+1588v2(时钟同步协议)实现了全网时钟同步,降低施工难度和成本,最大程度保证了线路运行的时间精度的控制;同时通过MPLS-TE网络和硬件BFD检测技术,首次将稳定可靠的三层IP网络技术引入工业级的环形网络,并且达到了50ms的数据收敛速度,有效的保证了地铁业务的稳定运行以及故障的快速恢复。
华为NE08E设备的LTE有线网采用基于MPLS的IPRAN技术组网,满足在环网链路和节点故障情况下能快速自愈,倒换时间小于50ms。同时NE08E支持1588V2时间同步,通过在A、B网各部署2台ATOM GPS 作为时钟源,其中1台ATOM GPS做为主用时钟源,1台ATOM GPS做为备用时钟源,通过1588V2可实现全网时间同步。
三级安全等保方案为DCS网络安全保驾护航
数据传输系统(DCS)作为CBTC系统地面设备之间和车地设备之间的双向信息交互的子系统,网络的安全性至关重要,本次方案从实际业务网络、系统安全出发,依据网络安全法的要求,提出了针对地铁行业的三级等保解决方案。
本次三级等保解决方案,在网络中部署FireHunter6000未知威胁检测沙箱,精确识别未知恶意文件渗透和C&C(命令与控制,Command & Control,简称C&C)恶意外联,通过直接还原网络流量并提取文件或依靠下一代防火墙提取的文件,在虚拟的环境内进行分析,实现对未知恶意文件的检测;NIP6000入侵防御设备有效防御蠕虫、木马、僵尸网络、跨站攻击、SQL注入等常见攻击,识别网络中发生的入侵行为并实时报警;USG6000下一代防火墙支持业界最多的6300+应用识别,为DCS系统提供L2-L7层的安全防护;UMA运维审计系统对各种IT资源的帐号、认证、授权和审计的集中管理和控制,实现运维集中接入、集中认证、集中授权、集中审计功能,满足用户运维管理和内控外审需求;LogCenter日志审计系统对日志统一的采集、存储、审计平台,满足日志统一管理和分析、上网NAT追踪、上网行为分析等多种应用场景,提供业界领先的NAT溯源功能及安全事件分析能力;AgileController-Campus准入认证系统,实现对网络内的终端进行准入控制,对终端提供统一接入管理,支持802.1X,Portal,MAC,SACG等多种认证方式;通过eSight统一网管系统实现对网络、安全及无线设备的统一集中管理。
华为敏捷工业网络城轨DCS2.0解决方案充分满足了杭州地铁5号线信号系统 CBTC承载需求,完美解决了CBTC DCS子系统在LTE技术体制下可靠性、时延、丢包、安全、时钟同步等问题,并大幅简化了部署,提高了整体系统的安全防护性能,是非常理想的地铁信号系统运营解决方案,也是未来轨道交通的主流趋势。后续,华为还将继续投入,不断为客户提供更优质ICT产品、解决方案和全方位的服务。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。