ZD至顶网CIO与应用频道 01月12日 北京消息:每年的春运都是一场对交通部门的大挑战。今年,为了让每一段团圆的路更顺畅、更安全,广东省交通运输厅携手腾讯共同构建广东省春运交通大数据预测分析平台,腾讯云和腾讯地图合力将云计算、位置大数据服务能力与广东省交通运输厅的现有数据深度结合,让春运的组织协调更高效、应急预警更智能。相信今年的回家之路,不再那么难。
1月11日消息,广东省春运工作领导小组暨广东省交通运输厅春运办公室昨天正式挂牌运作。为服务好春运,今年广东省交通运输厅积极推进“互联网+”大数据在春运工作中的应用,与腾讯公司共同构建了广东省春运交通大数据预测分析平台,提升春运组织协调和应急预警能力。同时,“广东交通发布”微信公众号也正式上线,及时向公众发布各类春运信息。
春运办总值班室主任陈凌青介绍春运交通大数据预测分析平台
广东省春运办正式挂牌运作
今年的春运从1月13日开始至2月21日结束,共计40天。昨天,广东省春运工作领导小组暨广东省交通运输厅春运办公室正式挂牌运作。
据了解,今年广东省春运旅客运输牵头工作由省经济和信息化委移交至广东省交通运输厅。为确保首次承担全省春运各项牵头和协调工作顺利开展,广东省交通运输厅及早研判、及早准备、及早行动,于去年12月初便做出2017年春运预测,同时全力以赴做好2107年春运各项准备工作,包括完成省春运办工作交接、推动成立省春运工作领导小组、进一步规范春运工作、强化春运组织协调工作、积极推进“互联网+”大数据在春运工作中的应用等等。
据了解,今年春运预计我省旅客发送人数约1.31亿人次以上。其中铁路预计发送旅客0.29亿人次,公路水路预计发送旅客0.95亿人次,民航预计发送旅客0.07亿人次。
大数据提供出行分析
为了做好今年的春运工作,广东省交通运输厅积极推进“互联网+”大数据在春运工作中的应用,与腾讯公司共同构建了广东省春运交通大数据预测分析平台。通过把广东省交通运输厅的现有数据与腾讯云计算和位置大数据服务能力结合,对春运期间主要客运集散地的旅客聚集情况、高速公路和国省道的通畅情况、春运旅客流向、各类运输方式的客运承担量进行数据分析和实时图型显示,实现宏观交通运行事前研判、事中监测和事后总结,提升春运组织协调和应急预警能力。内容包括“交通枢纽区域热力分析”、“国省干道交通状态”和“人口迁徙分析”三部分。
“交通枢纽区域热力分析”通过广东省交通厅提供的联网售票数据,包括客运站已发班数、发送人数等联网客运数据,结合腾讯提供数据模型,与春运数据模型进行数据深度融合,最终形成全省重要交通枢纽人流热力图。以每个场站上报的实时运力阈值定义状态颜色,以交通枢纽区域的数据为基础,以交通枢纽自定义阈值为评判标准进行场站人流预警显示。通过热力图,交通主管部门可以查看交通枢纽实时状态,为春运组织工作提供参考。
“国省干道交通状态图”则可以提供国省干道交通路况信息。通过分析交通枢纽拥挤状况和国省干道路况信息,有效协调相关资源进行调度疏导,以保障春运期间运输工作的顺利开展。
广东省作为外来人口大省,春节前以迁出为主,春节后以迁入为主。“人口迁徙分析”以各地市、各交通分管单位上报的不同交通方式的客流发送量和到达量为基础数据,结合腾讯数据进行迁徙数据建模,最终形成省际和省内春运人口迁徙图,为春运工作提供指导。
春运信息一手掌握
在广东省春运办挂牌运作的同时,“广东交通发布”微信公众号也正式上线。在春运期间,“广东交通发布”将每日发布各类春运信息,同时紧扣“阳光春运、喜乐回家”的主题,设置“阳光春运”、“喜乐回家”和“春运数据”三大栏目。为广东全省交通出行用户提供第一手的权威春运政策及新闻动态。同时将路况信息、票务信息、大数据分析等优质功能服务提供给广大用户,为老百姓的出行创造实实在在的便利。
在目前常设的三个栏目中,“阳光春运”为广大春运回家出行用户发布最权威的春运政策、春运新闻动态,并提供由交通运输厅和各单位推出的春运相关专题活动信息;“喜乐回家”栏目设置有“城际路况”、“城市路况”、“票务服务”以及“出行导航”等子栏目,将提供航空、火车、水运、汽车客运等票务服务信息、城市内及城际间实时路况信息,以及导航服务;“春运数据”栏可查询广东省春运交通大数据预测分析平台的数据,以及省内高速公路网和各条高速公路出行的总体变化态势,设置有“热力地图”、“迁徙分析”以及“出行指数”等子栏目,供公众点击查看。
好文章,需要你的鼓励
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AI虽具备变革企业洞察力的潜力,但成功依赖于数据质量。大多数AI项目失败源于数据混乱分散而非算法局限。谷歌BigQuery云数据AI平台打破数据孤岛,简化治理,加速企业AI应用。通过AI自动化数据处理,实现实时分析,并与Vertex AI深度集成,使企业能够高效处理结构化和非结构化数据,将智能商业转型从愿景变为现实。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。