至顶网软件频道消息: 日常生活中,车水马龙、交通拥堵已是稀松平常事。不赶时间的堵车尚且可等,而120急救车,则是为生命争分夺秒,丝毫延误不得。为此,百度地图于今年11月15日上线了“急救车让行播报”功能,并在北京、江西九江两地率先落地使用,成为行业内首家上线该功能的地图,后续还将在全国推广。
具体而言,若正在使用百度地图导航的用户,车辆后方1.5公里范围出现急救车,百度地图导航系统会自动语音提示“附近将有救护车经过,请注意让行”,以此提示广大社会车辆避让急救车,为抢救患者生命赢得宝贵时间。该功能上线后不断优化,如今,从急救车位置上传到百度地图为司机播报提醒,这一系列响应过程已缩短到1秒。
前不久,“湖北急救车转运危重患儿,遇堵车数百车主让路”的消息到现在依然令人感动。相关部门为此类事件同样高度重视,若建立相应机制,保障每位车主遇到类似情况能让路贡献一份力,则是在为生命打开希望通道。
12月20日,“我为急救车让行——智慧护航,为生命让路”的发布会举行,在北京市卫生健康委员会的倡导下,百度地图、120北京急救中心、北京999急救中心、北京依众公益基金会共同出席并签署战略合作,呼吁“为爱让行”。 如今,百度地图全方位接入北京120、999急救车相关的权威数据,并将此数据对接入百度地图鹰眼平台,以实现对“急救车轨迹”的实时追踪,极大提高了播报范围的准确性。百度地图鹰眼轨迹服务是集轨迹追踪、轨迹存储、轨迹处理与查询的一套完整轨迹管理开放服务。通过覆盖多平台的SDK、API以及强大的云端服务,能够帮助开发者迅速开发人员和车辆轨迹追踪系统。
我们每个个体联合起来究竟能贡献多少力量,能为生命赢得多少时间?你的力量超乎你的想象!在现场的演示视频中,当语音播报响起,用户提前了解到后方将有急救车驶来,数十辆车逐渐向两侧避让,拥堵的道路中出现了一条临时的“急救通道”,急救车快速顺利地通过了拥堵路段。有效避让急救车对于挽救生命的重要性不言而喻,这一举动更是彰显了社会层面对于生命的最高重视。百度地图此举,希望借助科技之力,发挥自身平台优势,为每位需急救的生命发出最暖心的语音“急救车让行播报“。
百度地图事业部副总经理刘玉亭在现场表示:“急救车承载着生命,务必分秒必争。此次能够与权威部门一起,在第一时间为急救车附近的车主传递信息,全力为急救患者打通一条‘生命通道’,这是沉甸甸、责任重大的举措。该功能自上线以来不断优化,如今响应时间已缩短至1秒。”同时他还说到,“相信在未来,百度地图将在更多领域中发挥平台的连接作用,承担更多的社会责任。”百度地图积极利用自身科技和平台优势,联动每位用户传递正能量的行为,赢得社会各界的“点赞”。
北京市卫生健康委员会应急办主任曹昱在会上肯定了百度地图此次项目重要的社会公益价值。同时,他还表示该项目:“是‘互联网+’理念在急救事业发展与管理上的一个具体体现。不仅能方便公民履行为急救车让行的义务,还能有效减少急救车在途中的堵塞,是缩短急救反应时间、提高急救效率的重要措施之一。”现场,百度地图还与北京120、999急救中心、北京依众公益基金会签署战略合作协议。
(从左依次:百度地图事业部副总经理刘玉亭、120北京急救中心副主任刘红梅、北京999急救中心党总支副书记刘秀华、北京依众公益基金会理事长赵晖)
如果说医院是一个生与死较量的“战场”,那么急救车就是这场战争的“先遣部队”。针对“急救车通行难题”,社会各方都在积极寻求解决之道。百度地图作为连接亿万用户的地图行业“领航人”,以融合科技的创新模式,为解决急救难题提供了有益的示范样本。未来,百度地图还将争取在更多城市落地该功能,积极承担社会责任,联动更多用户发挥更大的价值。
好文章,需要你的鼓励
字节跳动智能创作实验室发布革命性AI视频数据集Phantom-Data,解决视频生成中的"复制粘贴"问题。该数据集包含100万个跨场景身份一致配对,通过三阶段构建流程实现主体检测、多元化检索和身份验证,显著提升文本遵循能力和视频质量。
这是一项关于计算机视觉技术突破的研究,由多家知名院校联合完成。研究团队开发了LINO-UniPS系统,能让计算机像人眼一样从不同光照下的照片中准确识别物体真实的表面细节,解决了传统方法只能在特定光照条件下工作的局限性,为虚拟现实、文物保护、工业检测等领域带来重要应用前景。
被盗凭证导致80%的企业数据泄露。随着AI智能体投入生产,管理10万员工的企业将需要处理超过100万个身份。传统身份访问管理架构无法应对智能体AI的大规模部署。领先厂商正采用蓝牙低功耗技术替代硬件令牌,实现基于距离的身份验证。行为分析可实时捕获被入侵的智能体,零信任架构扩展至智能体部署。这代表了自云计算普及以来最重要的安全变革。
这篇文章介绍了北京人工智能研究院开发的OmniGen2模型,一个能够同时处理文字转图像、图像编辑和情境生成的全能AI系统。该模型采用双轨制架构,分别处理文本和图像任务,并具备独特的自我反思机制,能够自动检查和改进生成结果。研究团队还开发了专门的数据构建流程和OmniContext评测基准,展现了开源模型的强大潜力。