5G 静态广播波束采用窄波束轮询扫描覆盖整个小区的机制,选择合适的时频资源发送窄波束,可以根据不同场景配置不同的广播波束,以匹配多种多样的覆盖场景,这里就涉及到如何根据不同的场景规划合适波束的问题;业务波束采用动态波束赋形不支持波束定制。
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。
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。
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。
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。
车路协同当前依然处于发展初期,具体实现的技术、商业模式、建设模式都还在探索尝试。正是这种不确定性,带来了车路协同产业发展的丰富性和多样性。面对多样性,必然会带来的很多困惑和质疑。笔者试图基于第一性原理来讨论几个车路协同产业发展的痛点问题:
5G智能网联广泛应用于自动驾驶、智慧交通和智慧城市领域,高速公路是交通的典型场景之一,探索了5G智能网联在高速公路场景下的技术、方案和应用。通过构建“感知、通信、计算”3方面技术能力,提出了高速公路5G智能网联方案。最后介绍了典型的5G智能网联应用:高速公路物流应用和高速公路治堵。
软件定义广域网是将软件定义网络技术应用于广域网,以实现高效、特色连接服务的技术。研究分析政府、企业新型云化业务部署快速发展后,针对网络传输承载的需求,结合软件定义网络和网络功能虚拟化等技术的发展,提出了一种较为精简的、内生安全的软件定义广域网网络架构,并给出了其典型的应用场景。该网络架构主要包括软件定义安全接入路由器、虚拟化安全路由器、动态编排与智能控制设备等关键设备,并给出了实现上述关键设备的初步原理框架,具有较好的可实现性。
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