交通传感器主要是实现路况环境的数据信息采集,为路侧感知网络提供原始数据。现有交通传感器主要分为两大类:第一类是传统的传感器,包括感应线圈、截面雷达和地磁钉等,这些设备仅可以获得某一截面或瞬时的车辆所在车道和车速信息。第二类是交通目标传感器。
为推进车联网产业发展,特邀请业内专家学者共同建言献策,推出“车联网百家谈”系列。作为本系列第一期,周玉山博士和欧先国先生提出从生物演化角度看自动驾驶发展路径,“L0-L5仅表达了当前主流的人-车维度分级方式,我们还可以引入道路、网络、法规等因素,形成更为复杂的方案配比,提供更多的路线选择”,“L5不是自动驾驶唯一最佳的终极目标”,未来只要能演化成功的自动驾驶路径都应该是合理的,比如“20%人,30%车,50%路”,而不是盲目追求最聪明的车。期待通过作者独特的视角和观点,带给读者不一样的启发。
智慧高速公路是以多维状态感知、多源信息融合等手段对高速公路运行状态进行智能感知,为运营方提供智慧化的监测、应急、养护、运维、决策能力,为交通管理方提供智慧化交通管控能力,为公众提供智能化安全、高效、绿色的出行体验。智慧高速公路需要怎样的总体技术架构?智慧高速公路具有怎样的业务应用?智慧高速公路的车路协同系统架构是什么?智慧高速公路的自动驾驶附属设施包括哪些?
自动驾驶技术发展战略目前主要有两条技术路线:一条是发展较早的“单车智能”自动驾驶方案;另一条是中国引领的“车路协同”自动驾驶技术方案。随着激光雷达、毫米波雷达、自动驾驶高算力芯片等的不断成熟,目前已有越来越多的新车采用“单车智能”方案实现了L2甚至是L3级自动驾驶功能。
随着C-V2X及5G技术发展,与之而来的更大数据吞吐量、更低时延、更高安全性和更海量连接等特性,极大地促进了智能驾驶和智慧交通发展。通过“车-路-云”协同,一方面推动智能网联汽车快速发展,提供更安全、更智能的出行方式;另一方面赋能智能路况综合感知、动态协同交通控制等功能,为智能交通发展奠定基础。
对C-V2X技术和产业发展进行了概述,分析了车联网应用发展及通信需求,介绍了NR-V2X物理层关键技术,包括直通链路物理层架构设计、资源分配、HARQ机制、同步等,并对C-V2X在中国及全球产业发展情况以及C-V2X商业部署时间表进行了展望。
尽管车联网已经发展了数十个年头,但是车联网技术标准却尚未形成统一的局势。目前,对车联网至关重要的底层连接技术存在两大阵营——DSRC与C-V2X,未来将是一种技术一统江湖还是两种技术分庭抗礼仍然是业界讨论的焦点。
移动网络运营商现在正在介入以满足汽车和运输行业的新需求。移动网络运营商已经成功部署了安全、可靠和全面的端到端通信服务和覆盖范围。最先进的运营商(AT&T,Sprint,T-Mobile,Verizon ,Orange,沃达丰,GSMA等)现在正准备支持各种设备之间的V2X 5g通信,从联网汽车到支持iot的基础设施。
没有账户,需要注册
语言模型、视觉模型、语音模型、视频模型、时序模型,分别对应文字、图像、声音、视频、连续传感器数值,通用大模型,垂类大模型,AI
时序大模型是面向时间序列数据的基础大模型,以 Transformer 等架构为核心,通过在海量多领域时序数据上进行预训练,学习时间维度上的通用模式、周期规律与长距离依赖关系。区别于传统时序模型针对单一任务单独训练,时序大模型具备强大的迁移能力,只需少量样本微调或零样本提示,即可适配时序预测、异常检测、缺失值补全、时序分类等下游任务。在工业场景中,它能够直接处理传感器、设备测点产生的海量时序信号,挖掘设备状态演变规律,支撑设备故障预警、工况识别与生产趋势预判,为工业智能落地提供底层模型能力。如:中服云的CServerAIR
2025年,全球人工智能市场规模达到3909亿美元,中国人工智能核心产业规模突破9000亿元。AIAgent细分市场以49.6%的年复合增长率高速扩张,制造业应用大模型的企业比例在一年之内从9.6%跃升至47.5%。从2024年初,中国日均词元(Token)调用量为1000亿;至2025年底,跃升至100万亿;2026年3月,已突破140万亿,两年增长超千倍。这些数字背后,是一场深刻变革的加速到来-人工智能正在从"能力突破"走向“系统重构”。
中服云能碳管理系统依托中服云工业物联网底座打造,聚焦工业企业能耗管控与碳资产管理需求。 系统整合水、电、气、热等多类能源数据,实现用能实时采集、集中监测、智能分析。 依托数字化手段精准核算碳排放总量,助力企业摸清碳排底数、合规完成台账管理。 通过节能诊断、能耗优化策略推送,有效降低生产能耗与运营成本。 全方位赋能企业绿色低碳转型,筑牢安全生产与节能减排双重发展防线。
印刷机械是装备制造中比较典型的一类产品:单机价值高、定制化程度高、客户分散在全国各地的包装与印刷车间,一台凹版印刷机开机就是十几年。设备卖出去了,服务却要跟十几年——这是行业共同的结构性难题,也是工业物联网在装备制造领域最容易见效的地方。 本文以一个真实的落地样本为观察对象:一家印刷机械制造企业把 178 台在役设备接进了自己的远程运维系统,系统的底座选用中服云工业物联网平台的设备版。下文按“行业之困、平台解法、落地成效、可复制经验”四步展开。
石油和天然气开采业的生产对象在地下,管理的关键环节在地面。从井口到计量间,从转油站、联合站到外输与处理装置,油气田用“井—站—管网”的骨架把分散的资源汇集起来,联合站是这条骨架上设备最密集、工艺最连续、安全要求最高的节点。 这类站场大多已经上了SCADA,数据并不缺。问题在于数据上来之后,新的麻烦更清楚了:设备家底说不清,画面说不清位置,报警说不清先后。本文按“痛点—解决方案—成效”的顺序,说明中服云物联网平台与数字孪生平台如何分工配合,逐条解决这些问题。
油气田的地面作业现场有一个共同特征:设备搬着走、电源跟着换、负荷忽高忽低。钻修井井场靠网电、柴油发电机组、储能、光伏凑出一套临时电力系统;压裂井场更极端,几十台电驱压裂泵并联运行,瞬时功率爬升快,砂罐、混砂、供液、仪表车密集停放,作业段集中、单段时长以小时计。 这两类现场的管理难题是同一类:能耗与碳排放算不清、设备状态看不见、峰值容量报不准、多能协同靠经验。中服云用同一套工业物联网平台加数字孪生平台,把这两类现场做成了可以被“看懂、算清、考核”的对象。本文以已投运的钻修井现场为实测样本,说明平台在野外作业领域的典型应用,并给出向压裂井场复制的路径。
持续改进与升级是配电室智慧整体解决方案成功的关键,通过定期评估和更新硬件设备、引入智能控制系统、加强数据分析和优化、提升人员培训和技能水平以及建立反馈机制等措施,可以不断提高系统的运行效率和可靠性,满足不断变化的市场需求和技 术进步。
扫码咨询
或
客服咨询
用手机扫二维码
复制当前地址
方案库赚钱指南