CNET科技资讯网 3月22日 北京消息:如何让城市交通更加顺畅、民众出行更加便捷?这个问题不仅在中国,在全球也是一个前沿研究课题。今天,在北京举行的第六届中国智能交通市场年会上,滴滴出行方面透露,包括智慧诱导屏、智慧公交、智慧代驾热力图、“互联网+信号灯”等在内的智慧交通项目已在全国多个城市落地,未来滴滴希望通过滴滴的大数据、高科技优势,携手更多的行业伙伴,帮助中国的智慧交通行业走在全球的前列。
(滴滴出行高级副总裁、智慧交通项目负责人 章文嵩)
滴滴智慧交通落地多个城市
滴滴出行高级副总裁、智慧交通项目负责人章文嵩介绍,目前,滴滴在深圳、贵阳、武汉等城市,落地了智慧诱导屏、智慧代驾热力图、智慧公交、智慧交通度量报告等多个智慧交通项目,已经取得了一定的成效。
在深圳,滴滴出行启动了“智慧交通+酒驾治理”新方式,与当地交警部门配合,在酒驾干预、酒驾执法等方面尝试新的有效治理措施。依托庞大的脱敏出行数据和高科技算法,滴滴出行开发出了全国首个代驾热力图实时查看工具。通过代驾热力图,深圳交警可以实时或者以任何时间周期为单位,查看以群组、区域为特征的代驾订单密度、订单流动规律等。
同时,滴滴还与深圳巴士集团合作,向用户提供公交信息实时查询服务,开展数据中心及智能调度管理平台业务、城市定制公交服务等业务,为市民打造新一代的智慧公交。
在贵阳,滴滴已经将交管局与滴滴出行收集的交通大数据融合,应用在城市道路的智慧交通诱导屏上。该诱导屏不仅可以实时显示前方道路的通行状况,还能通过滴滴的ETA(预估到达时间)技术预测去往前方路段所需时间,让城市交通诱导系统变得更加智慧。
此外,在武汉,滴滴已经开始利用海量的出行大数据与交管局数据结合,通过数据分析发布城市交通度量报告,实现对整体交通运行情况的清晰判断,帮助决策者制定相关交通策略。
智慧交通的“互联网+信号灯”项目,滴滴也已经在济南等多个城市开展落地尝试。与此前的信号灯相比,滴滴的“互联网+信号灯”依托海量数据和先进算法,可以实时反馈运行效果,通过不断的数据挖掘、机器学习,通过快速迭代提升城市信号灯的运行效率。
携手更多伙伴助推全球前沿课题
智慧交通体系是由滴滴与各地政府一起携手打造的,基于“互联网+交通大数据”的智慧出行、智慧监管、智慧运营、智慧决策的体系。该体系既有滴滴独有的、核心的大数据、高科技基础,又能很好地结合当地城市的交通大数据、路网特点、公众出行特征等。
作为一站式出行平台,滴滴出行每时每刻都在积累庞大的海量交通出行数据。以北京为例,在滴滴平台上每分钟有上万单需求,滴滴的轨迹数据每天覆盖北京道路平均300遍,交通变成了实时动态大数据。与此同时,滴滴大脑一直在学习城市出行需求,现在对15分钟后需求预测准确率超过了85%,平台还可以做到提前调度;每天有超过200万人次通过拼车上下班。
目前,滴滴平台上,高峰期每分钟接收超过2万乘客需求,每日定位轨迹数据有70TB+,相当于7万部电影;每日处理数据高达2000TB;每日路径规划请求超过90亿次,约相当于600万次/分钟。在交通领域,这样的大数据规模,目前只有滴滴具备,这也是滴滴在智慧交通领域最有话语权的重要原因。除了大数据优势之外,在分析、处理数据方面,滴滴也积累了大量的经验。
章文嵩表示,不管是在搭建大数据平台上,还是数据分析处理上,滴滴都乐于与更多的行业伙伴合作,在智慧交通的硬件、软件等各方面做出更多的探索。滴滴与合作伙伴共同打造的智慧交通互联网产品、应用,还可以直接应用于平台上的用户,真正让智慧交通服务于民、普惠大众。
业内人士分析,在全球范围内,智慧交通对于方便民众出行、缓解拥堵、提升环保等方面,都具有重要价值,属于前沿研究课题。此前,中国智慧交通行业主要以硬件为主,以滴滴为代表的互联网公司加入,带来了海量大数据、高科技算法,将有利于中国的智慧交通行业与全球接轨,走在全球前列。
好文章,需要你的鼓励
Adobe研究院与UCLA合作开发的Sparse-LaViDa技术通过创新的"稀疏表示"方法,成功将AI图像生成速度提升一倍。该技术巧妙地让AI只处理必要的图像区域,使用特殊"寄存器令牌"管理其余部分,在文本到图像生成、图像编辑和数学推理等任务中实现显著加速,同时完全保持了输出质量。
香港科技大学团队开发出A4-Agent智能系统,无需训练即可让AI理解物品的可操作性。该系统通过"想象-思考-定位"三步法模仿人类认知过程,在多个测试中超越了需要专门训练的传统方法。这项技术为智能机器人发展提供了新思路,使其能够像人类一样举一反三地处理未见过的新物品和任务。
韩国KAIST开发的Vector Prism系统通过多视角观察和统计推理,解决了AI无法理解SVG图形语义结构的难题。该系统能将用户的自然语言描述自动转换为精美的矢量动画,生成的动画文件比传统视频小54倍,在多项评估中超越顶级竞争对手,为数字创意产业带来重大突破。
华为诺亚方舟实验室提出VersatileFFN创新架构,通过模仿人类双重思维模式,设计了宽度和深度两条并行通道,在不增加参数的情况下显著提升大语言模型性能。该方法将单一神经网络分割为虚拟专家并支持循环计算,实现了参数重用和自适应计算分配,为解决AI模型内存成本高、部署难的问题提供了全新思路。