CNET科技资讯网 6月6日 北京消息:交通诱导屏影响着路上每个人的出行决策。在这一领域,一些前沿探索已经显示出成效,今天开始,滴滴出行依托于交通大数据、高科技算法的智慧交通诱导屏,在济南、贵阳、深圳等城市正式上线。
相比于传统的诱导屏,滴滴的智慧诱导屏,数据更加全面、准确,交通路况信息实时性更强,显示方式更加简洁,发布效率也更高,而且还能快速迭代。业内人士分析,智慧诱导屏可以很好地帮助司机等每个交通参与者,做出准确的交通决策,并且提升交通诱导屏的管理效率,从个体微观到宏观区域,帮助整座城市的交通变得更有序、更畅通。
(滴滴智慧交通诱导屏在济南上线)
传统交通诱导屏多以发布简单路况、通知广告信息为主,而智慧交通诱导屏增加了非常实用的至重要交通节点预计到达时间(ETA)。
调查数据显示,在开车时,司机的眼睛在交通诱导屏上停留的时间最多3秒。这意味着,在短短的1-3秒中,司机必须能获取到能帮助交通决策的关键信息。为了做到这一点,滴滴的智慧交通诱导屏上,有简洁的图示,以及醒目的预计到达时间(ETA)显示。
经常往返于机场的济南车主张先生说,以前诱导屏上,大多是哪条道路是畅通的绿色,哪条道路是拥堵的红色,经常需要仔细想一下,才知道怎么走比较方便。现在的智慧交通诱导屏,一眼就能看明白几分钟能到哪里,去赶飞机或者赶火车的路上,精准的预计到达时间感觉非常方便、靠谱。
(滴滴智慧交通诱导屏显示预计到达时间)
如何让交通诱导屏显示的信息精准?滴滴出行高级副总裁、智慧交通负责人章文嵩说,全面准确的交通大数据,再加上顶级的算法,能很好地解决这个问题。打个比方,数一数二的优质食材(大数据),搭配上世界顶级的烹饪配方(算法),自然能出来色香味俱全的菜品(准确的路况信息)。
传统的交通诱导屏,主要基于卡口、地磁等数据,而且大部分需要人工干预,依据工程师经验判断之后,才能手动发布。相比而言,滴滴的智慧交通诱导屏,融合了滴滴浮动车、固定点流量数据,结合了滴滴平台大数据以及地方合作数据。在海量大数据基础上,再依托滴滴每日处理超过4500TB数据的强大算法优势,智慧交通诱导屏的路况信息准确率相当高。
滴滴方面介绍,未来,智慧交通诱导屏还会融入重大交通事件通知、绕行方案等信息。比如,如果交通事件引发了交通异常,智慧交通诱导屏会直接显示事件提醒,告知用户道路为什么拥堵。
在交通领域,道路拥堵时,大部分人都会特别急切地想知道拥堵的原因。从交通心理学上来讲,一旦用户知其所以然,知道了导致拥堵的原因,一方面可以迅速做出绕行等交通决策,另一方面也可以降低“路怒症”的发生。
高效率、多渠道发布交通路况信息
为了让更多的用户能够查看到智慧交通诱导屏的信息,滴滴出行还与济南交警合作,将实时交通诱导屏信息,同步显示到“济南交警”微信公众号上。只要用户轻点几下手机,就能查看到最实时的智慧交通诱导屏信息。
(手机端可查看智慧交通诱导屏信息)
除了用户在移动端随时可查,智慧交通诱导屏的信息发布效率也更高,可以大大降低城市交通管理部门的成本。除了硬件的架设部署,诱导屏可视化需要经过数据采集、路况信息出路、信息发布可视化等过程,产品链比较长。目前,滴滴可直接为各地交通管理部门提供诱导屏的内容服务,包括数据采集、分析、可视化等“一篮子”内容数据综合服务。这有利于城市交通管理部门减少工作流程,提高诱导屏信息发布效率。
目前,滴滴智慧交通诱导屏已在济南、贵阳、深圳等城市上线,已经升级了数十块诱导屏,随着产品的迭代进化,智慧交通诱导屏未来有望为更多城市的老百姓提供交通出行决策帮助,从而提升每座城市的整体出行效率。
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。