爱立信日前发布了爱立信消费者研究室的最新报告《小通勤的大期待》。
该项目调查了全球四大城市伦敦、纽约、圣保罗和上海的通勤族在使用公共交通和私家车辆时的体验,并在这份报告中阐述该项目的研究结论。
报告显示,受访者普遍觉得通勤时间既无聊又低效。该研究深入调查了通勤族对通勤时移动网络中ICT覆盖效率的态度。
爱立信消费者研究室高级研究员Radhika Jade表示:“从全球来看,消费者每周花在通勤上的时间比用在社交等休闲娱乐活动上的时间多出20%。他们认为,连接应当是通勤的基本要求,但市政交通普遍不能满足。动态信息缺乏和信息分散、售票系统老旧、拥堵管理低效等因素都会让通勤族感到失望。”
在中国上海,人们平均每天花在通勤上的时间为1.5小时。在长时间的通勤过程中,用户通常会使用一些互联网业务来管理他们的行程或者消磨时间。而用户对于公共交通的信息获知非常有限,信息缺乏和信息延迟都给人们每天通勤的安排造成影响。
报告还阐述了通勤族对于ICT覆盖率的期望值和满意度,涉及所有类型的公共和私营交通运输形式,如公交、地铁、出租车和私家车。研究表明,在伦敦和纽约,分别有82%和79%的通勤族使用与出行有关的应用程序来更有效地规划通勤。
在上海,每天坐公共交通的用户中,47%在通勤过程中使用信息类业务,23%的用户浏览互联网或者搜索信息,17%的用户观看手机视频,并且用户表示业务的使用体验较差。而有更多的用户表明,如果地铁里面的网络连接有所改善,那他们将更愿意使用视频等一些上网业务来提升他们的整个通勤体验。
研究还发现,那些随时随地都在使用智能手机的通勤者普遍认为自己是在引领技术潮流,而交通运输行业却无法适应这种变化。
Jade表示:“通勤者需要最新的出行信息。他们要求“随时在线”的连接,以及更加个性化的交通服务,帮助他们更轻松地规划线路和支付票款,并且让换乘时间更加有效率。”
针对中国城市用户,爱立信消费者研究室东北亚区负责人徐晓莉表示:“目前‘随时在线’的连接对本地用户有很大吸引力,而更加个性化的交通服务对于他们来说还比较超前。当前用户最希望的是公共交通部门能做好交通流量控制、缓解拥堵,并在乘坐公共交通时增加更多的个人空间,从而提升通勤的整体体验。”
好文章,需要你的鼓励
openGauss的目标是探索oGRAC和超节点深度融合的可能,打造超节点原生数据库。
清华团队开发DKT模型,利用视频扩散AI技术成功解决透明物体深度估计难题。该研究创建了首个透明物体视频数据集TransPhy3D,通过改造预训练视频生成模型,实现了准确的透明物体深度和法向量估计。在机器人抓取实验中,DKT将成功率提升至73%,为智能系统处理复杂视觉场景开辟新路径。
字节跳动研究团队提出了专家-路由器耦合损失方法,解决混合专家模型中路由器无法准确理解专家能力的问题。该方法通过让每个专家对其代表性任务产生最强响应,同时确保代表性任务在对应专家处获得最佳处理,建立了专家与路由器的紧密联系。实验表明该方法显著提升了从30亿到150亿参数模型的性能,训练开销仅增加0.2%-0.8%,为混合专家模型优化提供了高效实用的解决方案。
上海AI实验室团队开发的Yume1.5是一个革命性的AI视频生成系统,能够从单张图片或文字描述创造无限可探索的虚拟世界。用户可通过键盘控制实时探索,系统8秒内完成生成,响应精度达0.836,远超现有技术。该系统采用创新的时空通道建模和自强制蒸馏技术,支持文本控制的事件生成,为虚拟现实和内容创作领域开辟了新的可能性。