



伴随社会发展和科技的不断进步,城市化水平不断在提升,智能交通已经成为全球都在关注和研究的一个重点话题。那么大数据与云计算究竟能为北京的交通行业带来什么样的变革?
智能交通需求来自交通,面对不堪重负的交通压力,通过现今科技手段提升服务能力成为缓解交通的必要选择,同时也为IT技术带来了广阔空间。
北京市交通运行监测调度中心副主任张可在《北京市综合交通运行监测服务体系建设与应用实践》这一演讲中提到一体化综合交通信息服务这一话题。
全路网多方式的一体化综合交通运行监测与动态信息服务体系中主要体现在一下几个方面:
一.三大路网覆盖
实现包括城市道路、高速公路、国省干线三大路网覆盖。并通过全路网交通运行监测与服务拓展实现高速公路交通运行状态监测、高速公路设施安全监测以及国省干线公路网监测管理等服务。
二.覆盖三大市内交与对外交通方式
实现轨道交通、地面公交、出租汽车等三大市内交通方式的覆盖,通过轨道交通动态运行监测服务实现动态客流全方面的监测、发布区间段面客流拥挤状态、实现基础设施与客流实时信息的动态运营组织。节省乘客在出行时所花费的时间,提升换成便捷度和乘车舒适性,同时也让乘客在方便出行的同时做好路径的规划。
地面公交运行监测服务通过公交运送速度与客流动态监测,将公交车进展情况以及乘车拥挤度等信息发送至站内的电子站牌或是手机应用之上,让出行服务变得更加实时。
出租车运行监测能够很好地监测出车率、空驶率、违章率、投诉率、电召成功率和聚集区域,并通过协同联动的电召服务,让机场铁路客站等重点区域的出租车实现连续运输协调联动服务。
三.停车资源整合与信息服务
公交出行与自驾出行均衡协调,静态交通与慢行交通重点突破,交通枢纽与停车换乘良好衔接。
市区两级联动,实现全市静态停车资源的整合服务,面向具备条件的路侧停车、公关停车场、小区停车场、小区停车场、重点区域停车场的停车诱导服务。
现今一体化综合交通信息服务正通过网站、微博、车载终端、移动终端、路侧设施、公共媒体等多样化的方式,向公众提供一个完整的出行链的门到门无缝隙一体化综合出行信息服务。
 0赞
 0赞好文章,需要你的鼓励
 推荐文章
 推荐文章
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。
南洋理工大学与腾讯联合研究团队开发出Rolling Forcing技术,实现AI视频实时流式生成的重大突破。该技术通过滚动窗口联合去噪、注意力锚点机制和高效训练算法三项创新,解决了长视频生成中的错误累积问题,可在单GPU上以16fps速度生成多分钟高质量视频,延迟仅0.76秒,质量漂移指标从传统方法的1.66降至0.01,为交互式媒体和内容创作开辟新可能。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。