对于现代交通系统而言,运行一个高可用性、高可靠性和高安全性的实时监控系统对确保乘客出行安全至关重要。为了在新加坡实现这些目标,当地交通部门部署了诺基亚IP/MPLS和光纤局域网解决方案。
新加坡陆路交通管理局概况
新加坡陆路交通管理局(LTA)负责城市国家的陆路交通发展,其职责包括规划、设计、建设和维护陆路交通基础设施与系统。自1995年LTA成立以来,陆路交通网络发生了显著变化,包括覆盖全岛超过160公里的高速公路、超过200公里的地铁网络、超过600公里的自行车道和公园连接通道,以及日益多样化的通勤选择。
LTA表示,其目标是加强新加坡的陆路交通连接性,整合更加绿色和包容的公共交通系统,辅以步行和骑行选择,利用技术加强铁路和公交基础设施,并为未来陆路交通开发"令人兴奋"的选择。
视频监控升级需求
此次技术安装是LTA关键铁路基础设施视频监控升级的一部分,闭路电视摄像头在LTA铁路系统中发挥着至关重要的作用。在50多个车站部署的闭路电视摄像头,需要一个能够满足不断增长容量需求的网络基础设施,提供实时监控和视频监控服务,确保公共安全,帮助发现违法活动并管理交通模式。
诺基亚与日立铁路合作,为LTA提供解决方案,显著增强了用于新加坡重载铁路系统的闭路电视网络,该系统每天为数百万乘客提供服务。
光纤局域网技术部署
为支持其不断扩展的网络摄像头和日益增长的带宽需求,LTA部署了诺基亚的光纤局域网,包括加固型光网络单元(ONU)和光线路终端(OLT),能够支持25Gbps的数据传输速度。与传统的铜线局域网相比,光纤局域网所需的布线减少了70%,功耗降低了40%。
诺基亚声称,其IP/MPLS部署还使LTA能够更有效地回传网络数据到运营控制中心,在那里可以查看和存储实时视频流。
合作伙伴评价
诺基亚亚太区企业销售和网络基础设施副总裁Stuart Hendry在评论此次部署时表示:"光纤被用于连接一切,包括对监控全球交通枢纽至关重要的视频系统。与日立铁路合作,我们能够为LTA提供完整的解决方案,确保他们拥有服务其广泛的闭路电视监控和更广泛网络运营所需的视频容量,并可持续使用多年。"
日立铁路集成通信和监督解决方案副总裁Joaquim Santos补充道:"我们很高兴选择诺基亚与日立铁路合作,增强新加坡铁路网络的乘客安全和保障,这是日立与LTA长期关系的延续。该项目将在升级交通基础设施方面发挥关键作用。"
下一代技术产品
在为新加坡LTA部署光纤局域网的同时,诺基亚宣布推出其1830光子业务交换机-高容量(PSS-HC)机架,这是1830 PSS光传输平台系列的下一代产品。新机架设计能够提供高达三倍的密度,每比特功耗降低60%,使服务提供商能够更经济高效地扩展其网络。
Q&A
Q1:新加坡陆路交通管理局为什么要升级视频监控系统?
A:新加坡陆路交通管理局在50多个车站部署了闭路电视摄像头,需要一个能够满足不断增长容量需求的网络基础设施,提供实时监控和视频监控服务,确保公共安全,帮助发现违法活动并管理交通模式。该铁路系统每天为数百万乘客提供服务,因此需要高可用性、高可靠性和高安全性的实时监控系统。
Q2:诺基亚光纤局域网相比传统网络有什么优势?
A:诺基亚的光纤局域网包括加固型光网络单元和光线路终端,能够支持25Gbps的数据传输速度。与传统的铜线局域网相比,光纤局域网所需的布线减少了70%,功耗降低了40%,同时能够更有效地回传网络数据到运营控制中心进行实时视频流的查看和存储。
Q3:这次合作项目涉及哪些公司,各自承担什么角色?
A:该项目由新加坡陆路交通管理局主导,诺基亚提供IP/MPLS和光纤局域网解决方案,日立铁路作为合作伙伴参与项目实施。诺基亚负责提供技术设备和解决方案,包括光网络单元、光线路终端等,而日立铁路则负责集成通信和监督解决方案,确保整个系统的有效运行。
好文章,需要你的鼓励
Akamai的分布式边缘架构从设计之初就以韧性为核心,全球平台通过跨区域负载均衡和智能路由技术,确保即使某些节点出现故障,流量也能无缝切换至可用节点。
卡内基梅隆大学联合Adobe开发出革命性的NP-Edit技术,首次实现无需训练数据对的AI图像编辑。该技术通过视觉语言模型的语言反馈指导和分布匹配蒸馏的质量保障,让AI仅用4步就能完成传统50步的编辑任务,在保持高质量的同时大幅提升处理速度,为图像编辑技术的普及应用开辟了全新道路。
Turner & Townsend发布的2025年数据中心建设成本指数报告显示,AI工作负载激增正推动高密度液冷数据中心需求。四分之三的受访者已在从事AI数据中心项目,47%预计AI数据中心将在两年内占据一半以上工作负载。预计到2027年,AI优化设施可能占全球数据中心市场28%。53%受访者认为液冷技术将主导未来高密度项目。电力可用性成为开发商面临的首要约束,48%的受访者认为电网连接延迟是主要障碍。
复旦大学团队突破AI人脸生成"复制粘贴"痛点,开发WithAnyone模型解决传统AI要么完全复制参考图像、要么身份差异过大的问题。通过MultiID-2M大规模数据集和创新训练策略,实现保持身份一致性的同时允许自然变化,为AI图像生成技术树立新标杆。