至顶网CIO与应用频道 10月19日 北京消息:电梯安全问题已成为社会各界关注的焦点,电梯数量庞大,逐渐老化,部分场景下维修资金跟不上,另外还有不文明乘梯行为,带来非常大的安全隐患。
提高电梯出行安全是民心所向,新再灵携手华为云,基于物联网技术实现了“云梯”解决方案,将电梯运行监管、紧急事件响应、故障发现和处理、公众信息服务等业务系统集成为统一的服务平台,使其具有事前预警、事中安抚与处置、事后追溯功能,为政府部门的安全监管提供了有效保障,从而在根本上减少电梯事故的发生概率。
电梯作为方便人们日常出行的主要运输工具。随着电梯数量的激增及电梯的老龄化和维保不到位,导致电梯安全事故频发,各地的电梯困人、伤人事件也常见端于媒体的报导。电梯安全已引起社会的高度关注。国家质检总局连续发文,要求加强电梯的安全管理。
如何让电梯安全有效运行?浙江新再灵科技股份有限公司经过两年多的攻坚克难研发,用物联网技术架构出一套电梯安全的智能管理系统——云梯。
云梯在安全管理方面实现了事前预警、事中安抚与处置、事后追溯的三大功效。
云梯由四大技术层对电梯实现有效的安全管理:
(1)信号传输:用PLC技术实现传感信息的稳定传输。
(2)视频分析:用视频算法有效识别电梯开关门状态,异物挡门,不当乘梯行为等。并可通过视频对讲劝阻不文明乘梯行为的发生。
(3)实时体检:以预防为主提高电梯的安全性。由线上的传感记录加线下的维保记录,对电梯实时安全体检,做到事前预警。
(4)智能处理:云梯对电梯运行在检测、管理、处置上都由智能系统自主处理。
图1:整体系统架构
从上图我们可以分析到,云梯系统将实时采集大量数据,通过各种通道传输到后台进行实时处理,并能实时将相关信息通知相关单位(例如维保、物业、质监部门等)。在这个过程中,大量数据将通过全国各地的网络传入到后台。我们以杭州市余杭区为例,假设有10万部电梯接入,那么相当于有10万用户在同时访问系统。如果全杭州市的电梯也接入这套系统,那么后台将承受非常大的压力,具体体现在如下几个方面:
1、 并发高,假设有10个县市区接入,并发将达到百万级别;
2、 数据处理性能要求高:云梯系统将实时采集视频、物理数据、环境信息,数据量非常庞大,需要后端大数据平台能实时处理,并将重要信息呈现给相关业务部门;
3、 高可靠的维保服务:电梯是一年365天不间断运行,而且云梯关系大众民生,后端系统必须保障极高可靠性以及对故障的容错处理;
4、 接入:全国范围内地接入;
5、 数据独立性:涉及大众民生的大量数据,必须确保数据安全可靠,不被泄露,不被滥用。
6、 人工智能的支持:云梯引入了人 工 智 能 视 频 识 别 技 术,需要对海量视频数据样本增加深度学习算法的支持;
综合考虑,云梯系统只能部署在公有云上。新再灵通过对业界多家云服务商的考察,发现与华为云契合度最高。在2015年,华为发布云战略时,提出“华为公有云上不做应用、下不碰数据”的运营原则,能极大打消客户的数据疑虑。通过双方的不断努力合作,双方构建了如下稳健的基于公有云的“云梯”系统。
图2:云梯系统架构
在整套系统中,新再灵使用到的华为云服务的如下资源对客户提供服务:
1)云计算资源:ECS服务器/Docker容器/GPU加速云服务器/裸金属服务器
2)存储资源:CDN/对象存储服务
3)网络资源:VPN(虚拟专用网络)
4)大数据基础服务: DIS(数据接入)/ DWS(数据仓库)/ MapReduce服务 / 数据挖掘服务 / 多维交互分析服务 MOLAP / 第三方人工智能服务
图3:云梯系统服务平台
图4:华为云服务保障
基于上述服务,华为云能协助新再灵“云梯”系统解决高并发、高数据处理性能、高可靠、全国范围内随时随地接入的要求,与新再灵“云梯”系统一起发展,共同构建云生态系统,推动物联网产业向智慧化发展。
未来,双方合作将进入全新发展阶段,向更高层面、更多领域迈进。基于真实场景的物联云服务,发挥新再灵在城市安全物联网方面的核心优势,实现对消防、游乐设施、索道等领域的安全监控与预警,有效提升城市安全管理能力、助力城市智慧转型,加快智慧城市发展进程。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。