ZD至顶网软件频道消息:8月4日,广州交警宣布,高德地图正式入驻广州交通指挥中心。这是广州交警与高德地图在签署战略合作协议后,继续深入探索“互联网+交通”新方向,实现交通信息精准无缝对接的新举措,旨在通过线上和线下更紧密深度融合,全面提升广州交警信息化服务及交通运行能力,继续提高服务效率。广州的“互联网+交通”应用一直进行新尝试,本次高德地图入驻广州交警智能交通指挥中心,也属全国首例,此举也表明双方将在数据融合的基础上实现高度的数据及资源共享。
高德地图入驻广州交警智能交通指挥中心
高德地图入驻后广州交警智能交通指挥大厅后,一方面,可减少中间信息流转环节,将事件信息直接、快速融入高德地图,实现准确实时发布。另一方面,事件信息的标注也更加精准,可实现精确定位,告知用户具体是哪条车道发生事故,及时提醒用户变换车道,注意避让或绕行,增加用户驾车安全系数,节省出行时间。广州交警通过高德地图将最准确、权威的交通信息在第一时间推送至出行用户,建立了交警与地图用户间信息双向传递的通道,为公众日常出行及交通疏导提供实时的精确指引。
自合作以来,双方就历次大型赛事活动展开联合运营,单次影响受众人数平均超200万,日均提示1600条,大幅缓解了活动期间交通拥堵状况。例如在亚冠、广州马拉松、春运、“广交会”、高考等联合运营中,广州交警通过高德平台的异常拥堵预警信息,让路面民警及时处理,并主动提示地图用户注意避让。同时,为保障赛事及重大活动中道路交通安全有序,广州交警采取了动态分时、分段的管制及解封措施,联合高德地图和羊城交通电台提前上线相关道路管制数据,在比赛及重大活动期间为用户分时、分段标示,并在高德地图导航规划中规避管制道路,保证市民畅通出行。“广州机动车保有量超250万,据不完全统计,广州交警联合高德地图推出的躲避拥堵功能每月可以为广州地图用户节约至少250万小时,减少碳排放近30吨,节能减排,有效降低了城市机动车的环境污染。
广州交警负责人表示,双方在联合治堵方面取得了初步进展,在关于拥堵警情的处理时间方面已缩短近三分之一。当有异常拥堵信息报出,广州交警会根据勤务指挥调度系统上报的事故位置信息,调看实时监控,并结合当前警力的位置分布情况,分派就近警员及时到达现场进行疏导,避免盲目巡查,做到有的放矢,大幅度提升了警务效率。
根据高德地图刚发布的2016年第二季度交通数据报告显示,今年广州市的拥堵排名相比去年同期下降了6位,由第3名下降到第9名,拥堵指数降幅达1.9%。其中,以广州市的晚高峰拥堵改善最为明显,拥堵指数从去年的2.29下降到了2.18,近半年暂时摘掉了“最痛苦晚高峰”的帽子。
在多个城市拥堵指数涨幅百分比不断大幅增加的情况下,广州市的指数依然能够呈下降趋势,主要是广州交警近半年来在处警速度、处堵时效等多个方面探索创新,同时利用交通大数据,分流车流量大,速度慢的“高温”道路到车流量小,速度快的“低温”道路,合理配置道路资源,多管齐下,重点治理道路通行速度平均提升了1.5倍。
以5月份的治理情况为例,5月辖区的拥堵指数以及涉及“五纵五横一内环”主要干道的拥堵指数下降较明显,其中以东风东路(越秀北路到中山一立交桥)东西双向的拥堵指数下降比较明显,5月份东风路(东往西)拥堵指数下降16.7%,通行速度提升到33.39km/h。但广州交警同时表示,环市路特别是东往西方向的拥堵指数略有上升,而这也将是下一步的重点工作对象。
未来广州交警和高德地图还将以“开放分享为理念,以联合共创为指导“,在更多领域进行开放合作。据悉,年底全广州市将有百余块交通引导屏改造完成,并将陆续采用高德地图提供的实时路况,为缓解交通拥堵、营造良好的交通秩序、方便市民出行发挥积极作用。
好文章,需要你的鼓励
近期有观点认为,大规模使用生成式AI和大语言模型会增强人类左脑的逻辑分析能力,同时削弱右脑的创造力,导致人类社会逐渐成为左脑主导的群体。但研究表明,左右脑功能分工理论缺乏科学依据,大脑两半球在创造性和逻辑性任务中都会协同工作。此外,AI不仅能辅助逻辑思维,同样可用于诗歌创作、图像生成等创意任务。
这项由圣母大学和IBM研究院联合开展的研究,开发出了名为DeepEvolve的AI科学助手系统,能够像人类科学家一样进行深度文献研究并将创新想法转化为可执行的算法程序。该系统突破了传统AI要么只能改进算法但缺乏创新、要么只能提出想法但无法实现的局限,在化学、生物学、数学等九个科学领域的测试中都实现了显著的算法性能提升,为AI辅助科学发现开辟了新的道路。
微软全球AI巡展在迪拜举行,宣布启动Microsoft Elevate UAE项目,计划为超过25万名学生和教育工作者以及5.5万名联邦政府员工提供AI技能培训。该项目是微软152亿美元投资计划的一部分,旨在加强AI基础设施建设,培养本地人才能力。微软还将与G42和JAHIZ平台合作,为联邦公务员提供技术培训,支持阿联酋成为AI领域的区域和全球领导者。
卡内基梅隆大学研究团队通过3331次大规模实验,系统揭示了代码训练如何提升AI推理能力。研究发现,代码的结构特性比语义内容更重要,适当的抽象形式(如伪代码)可以达到与原始代码相同的效果。不同编程语言产生差异化影响:低抽象语言有利于数学推理,Python更适合自然语言任务。这些发现为AI训练数据的科学化设计提供了重要指导。