• [其他] 大数据环境下机器学习的研究现状
        大数据的价值体现主要集中在数据的转向以及数据的信息处理能力等等。在产业发展的今天,大数据时代的到来,对数据的转换,数据的处理数据的存储等带来了更好的技术支持,产业升级和新产业诞生形成了一种推动力量,让大数据能够针对可发现事物的程序进行自动规划,实现人类用户以计算机信息之间的协调。另外现有的许多机器学习方法是建立在内存理论基础上的。大数据还无法装载进计算机内存的情况下,是无法进行诸多算法的处理的,因此应提出新的机器学习算法,以适应大数据处理的需要。大数据环境下的机器学习算法,依据一定的性能标准,对学习结果的重要程度可以予以忽视。采用分布式和并行计算的方式进行分治策略的实施,可以规避掉噪音数据和冗余带来的干扰,降低存储耗费,同时提高学习算法的运行效率。     随着大数据时代各行业对数据分析需求的持续增加,通过机器学习高效地获取知识,已逐渐成为当今机器学习技术发展的主要推动力。大数据时代的机器学习更强调“学习本身是手段"机器学习成为一种支持和服务技术。如何基于机器学习对复杂多样的数据进行深层次的分析,更高效地利用信息成为当前大数据环境下机器学习研究的主要方向。所以,机器学习越来越朝着智能数据分析的方向发展,并已成为智能数据分析技术的一个重要源泉。另外,在大数据时代,随着数据产生速度的持续加快,数据的体量有了前所未有的增长,而需要分析的新的数据种类也在不断涌现,如文本的理解、文本情感的分析、图像的检索和理解、图形和网络数据的分析等。使得大数据机器学习和数据挖掘等智能计算技术在大数据智能化分析处理应用中具有极其重要的作用。在2014年12月中国计算机学会(CCF)大数据专家委员会上通过数百位大数据相关领域学者和技术专家投票推选出的“2015年大数据十大热点技术与发展趋势”中,结合机器学习等智能计算技术的大数据分析技术被推选为大数据领域第一大研究热点和发展趋势。 
  • [行业资讯] 物联网行业产业链全景梳理及区域热力地图
    本文核心数据:物联网行业产业链、物联网行业产业链全景图物联网行业产业链全景梳理:传感器芯片严重依赖进口感知识别层可以对物理世界进行感知、识别和信息数据采集,涉及芯片、传感器、感知设备的研发及制造;网络传输层能对感知识别层的数据进行高效率、低消耗地传送,主要包括通信组模、通信网络及基础通信设施;平台管理层是连接感知层和应用层的桥梁,其中物联网平台包括连接管理平台 CMP、设备管理平台 DMP、应用使能平台 AEP和业务分析平台  BAP,系统和软件则可以让物联网设备有效的运行;应用服务层主要指各类智能终端硬件,以及系统集成应用服务。用户根据平台层汇集处理完的数据,对终端进行远程监控、控制和管理,实现物联网的价值。自2018年中美贸易摩擦以来,美国加大了对中国高新技术出口的限制,不断扩大实体清单,影响了中国一些科技主导型企业的发展,这从侧面警示了中国在全球供应链中地位的脆弱性。物联网通过传感器把物理世界与数字世界联系起来,实现物与物、物与人的泛在连接,实现对物品和过程的智能化感知、识别和管理。其中传感器作为数据采集的源头,已经成为各种应用能力所需的数据来源所在。目前中国国内也涌现出了一些传感器芯片重点生产企业,如:高德红外、西人马、士兰微、敏芯微电子、博通、全志科技、大唐微电子、复旦微电子等。物联网行业产业链区域热力地图:北京和广东物联网企业最密集从物联网产业链代表性企业的区域分布情况来看,中国物联网产业链重点企业集中于广东、山东、江苏、浙江等发达地区。其中,广东依托其强大的经济实力在物联网领域发展较快,物联网代表性企业最密集。从物联网产业链代表性企业的区域分布情况来看,中国物联网产业链重点企业集中于广东、北京、上海、浙江、江苏等发达地区。其中,北京和广东依托其强大的经济实力在物联网领域发展较快,物联网代表性企业最密集。物联网行业代表企业收入规模从我国物联网行业代表企业2020年收入规模来看,三大运营商中国移动、中国联通和中国电信物联网业务收入规模较大,处于行业领先地位。除此之外,日海智能物联网业务收入也排名在行业前列。物联网行业代表企业最新投资动向2020年以来,物联网产业代表性企业的投资动向主要包括拓展业务、通过对子公司增资的方式、与其他公司签订合作协议等方式投资物联网项目。物联网产业代表性企业最新投资动向如下:以上数据参考前瞻产业研究院《中国物联网行业细分市场需求与投资机会分析报告》,同时前瞻产业研究院还提供产业大数据、产业研究、产业链咨询、产业图谱、产业规划、园区规划、产业招商引资、IPO募投可研、招股说明书撰写等解决方案。
  • [行业动态] 清华大学携手华为云FusionInsight探索软件创新体系之路
    9月23日至25日,华为全联接2021以“深耕数字化”为主题,各行业领军人物分享最新成果与实践。其中在“华为云Stack,使能政企从业务上云到云上创新”专题演讲中,清华大学软件学院院长、大数据系统软件国家工程实验室执行主任王建民教授,发表“清华大学携手华为云FusionInsight共筑软件创新体系”演讲。       大数据作为一种新型战略资源,在今年来随着其逐步进入生产系统,已改变人们传统认知。同时,大数据的创新模式则离不开开源,近几年人们已不再满足于简单地修改开源大数据软件,在中国,已陆续诞生一批优秀的开源大数据软件项目和商用大数据解决方案,我国已不仅是全球开源软件生态的重要参与方,众多软件创新者在向引领者转变,并成为全球开源生态所不可或缺的贡献力量。       清华大学软件团队在大数据软件技术和应用方面持续创新,积极在开源软件持续贡献;同时,清华大学携手华为云FusionInsight智能数据湖团队,持续探索商业化的软件创新模式。       首先在开源方面,王建民教授认为对高校大数据研究和创新有着三大好处:1)开源是高校对外进行技术输出的一种有效手段。开源可以让新一代软件人接触到来自现实应用中的真实需求,能培养他们在学校里难以学到的大数据软件开发技能。开源也是一种对世界、对人类的一种无私的回馈,也是对高校师生奉献精神的重要培养渠道。2)开源是一个重要的软件工程培训环境。在清华大学软件学院,鼓励学生和教授为开源软件做出贡献。自2018年起,清华大学软件学院在学生奖学金的评定标准当中,不仅强调论文发表,还考察学生对开源项目的贡献。 3)开源是将科研成果溢价的有效手段。在实践方面,清华大学软件学院从2011年开始筹备,2015年正式启动工业物联网时序数据库开发项目。至2019年,该项目正式成为Apache的顶级项目,即IoTDB。今年,在最新的ASF年报上,IoTDB的代码提交活跃度,在Apache基金会351个项目中排名第七。近年来,清华大学和华为云FusionInsight团队以Apache IoTDB开源组件为基础,开始一种新型的、基于开源社区的产、学、研合作模式,正是这种开源与开源的合作、开源和商业的碰撞,以及对工业时序数据库软件的期待,双方最终成功在华为云FusionInsight 8.1.0版本的MRS云原生数据湖服务中完成IoTDB商用版本开发和集成,进一步完善了MRS三湖一集市能力,为工业海量时序数据分析提供企业级的时序数据库。IoTDB时序数据库聚焦海量时序数据的处理,具有“专、快、稳、省、易”五大特点,轻松应对海量时间序列数据的处理,一套引擎打通云边端时序数据分析。专:IoTDB总结了过去十年来在工业应用中遇到的典型需求,解决了传统数据库和列式数据库在超大规模复杂时序场景存在功能短板和性能瓶颈的问题,适用于如千万级超大规模测点处理、乱序处理、多序列对齐、序列分割、子序列匹配、旋转门压缩、降采样存储等专业场景。而且针对工业物联网时序分析场景,设计了TsFile专业时序存储格式和tLSM时序处理算法,弥补了传统方案的功能短板和性能瓶颈;快:时序数据库面临数据采集频率高,每秒上万次采集,数据存储周期长,时间跨度大的现状,IoTDB可实现单台服务器千万级数据秒级写入,十亿量级数据毫秒级聚合检索;稳:工业级的时序数据库,需要具备高可用特征,才能达到商用要求,IoTDB通过创新算法研究,采用对等分布式架构、双层多Raft协议、边云节点同步双活等机制实现高可用,保障工业物联网7*24小时的零故障运行;省:工业海量时序数据库的存储成本往往随数据量指数级增长,IoTDB提供了高压缩比算法,包括有损压缩和无损压缩,针对不同场景可以自动识别,降低海量时序数据的存储成本;易:易用性是成熟的商用软件产品基础特征,IoTDB采用类SQL,降低客户使用门槛,为客户打造集查询、存储、分析为一体的工业时序数据解决方案。目前,IoTDB已在交通、制造等众多工业级时序数据分析应用中落地。在IoTDB商用过程中,清华大学软件学院持续与华为云FusionInsight团队,通过组织与企业,人员与人员,代码和代码的丝丝相扣,实现IoTDB时序数据库在FusionInsight8.1.0新版本中正式商用。正是这种企业和高校,在代码开发中面对面,开发者和研究者深入交流,才会形成软件创新的一个正向循环;通过形成的开源项目,将技术与产品贡献给客户使用,不仅实现技术的应用落地,而且从客户那里不断打磨产品,这将又形成一个正向循环。“独行快,众行远”,正是这种环环相扣的正向循环,促使企业、客户、高校多方共同受益,进一步让清华大学和华为云FusionInsight团队,在中国大数据软件创新之路上越走越远。未来,清华大学大数据软件团队携手华为云FusionInsight,持续聚焦工业大数据软件,在国家特色化、示范性软件学院旗帜的引领下,加强建设中国高校大数据人才高地,让大数据人才“学以致其道”,让华为云大数据“算以致其用”,通过持续技术创新,为大数据软件产业蓬勃发展,贡献源源不断的能量,最终服务于国家大数据战略。更多精彩文章:https://bbs.huaweicloud.com/forum/thread-66105-1-1.html 
  • [活动分享] 【不容错过】2021 南京智博会AIOTE 12月8日即将隆重开幕!
    2021 南京智博会AIOTE第十四届南京智慧城市、物联网、大数据博览会The 14th Nanjing Smart City Internet of Things Big Data Expo主   题:  智汇中国  万物互联一、展会概况主办单位:南京大数据产业协会           北京铭世博国际展览有限公司协办单位:南京垠坤投资实业有限公司承办单位:北京铭世博国际展览有限公司时    间:2021年12月08日-10日          地    点:中国·南京国际展览中心二、展品范围【AI人工智能】智慧城市|智能家居|智能医疗|智慧农业|智能安全|智慧教育|智能照明|智能建设|智慧工地|智能交通|智慧停车|智慧化物业|智能应用|智能机器人|工业机器人|商用机器人|智能硬件|目标识别;【物联网】  物联网|传感器技术及设备|RFID射频识别设备及技术|NB-IOT/LoRa技术|芯片|半导体|通讯技术|区块链|互联网+|电子支付|车联网技术|互联网创新应用;【大数据】  云计算|大数据|农业大数据|大数据金融|大数据软件及服务|大数据智能制造及设备|5G新时代技术成果创新|5G新技术与新产品|5G智慧制造|公共安全视频监控|银行系统|金融类|电子商务|电子产品|移动应用|移动设备开发|软件系统等。三、参展费用1、标准展位(3㎡×3㎡=9㎡)普 通 标 展:¥9800元/个;双面开口标展:¥10800元/个;国际展商:¥18000元/个;注:标准展位包括地毯、三面围板、公司名称楣板、咨询桌一张、椅子两把、射灯两盏、电源插座一个(特殊用电请事先说明,展馆另行收费)。2、室内空地(36㎡起租)国内展商:¥1000元/㎡;国际展商:¥1800元/㎡。注:空地不带任何展架及设施,参展商可自行安排搭建商或者委托主办单位推荐搭建公司。3、会刊广告       ◇封面¥25000元     ◇封二¥18000元      ◇扉页¥18000元       ◇封底¥20000元     ◇封三¥15000元      ◇彩色内页¥6000元4、技术交流会/论坛技术交流会企业代表演讲发言,收费人民币1万元/场次,每场次限定1个小时,不足1小时按一场次计算。5、观众入场劵广告人民币1万元/家20000张(独家人民币8万元,200000张)6、参展证、参观证广告独家人民币6万元,印制赞助企业LOGO、文字及图片宣传。如需馆内及场馆户外墙体、场馆正门口广告位,(注:广告位有限)敬请咨询展会主办方。四、展会简介由南京大数据产业协会、北京铭世博国际展览有限公司联合主办、南京垠坤投资实业有限公司协办的2021南京智博会AIOTE暨第十四届南京智慧城市、物联网、大数据博览会将于2021年12月8日-10日在南京国际展览中心举办。博览会以“推动国际合作、打造优秀品牌、展示企业形象、促进行业交流”为宗旨,通过搭建多位一体的国际化、专业化交流平台,加快科技成果转化,助力企业实现跨越式发展,助力中国AI人工智能、物联网、大数据等产业问鼎世界第一梯队。智博会至今已连续开展十三届。2020年第十三届南京国际智慧城市、物联网、大数据博览会”共吸引华为、浪潮、小视科技、简管家、河姆渡、捷通华声、南京众仓等300多家知名企业参展,展会三天累计接待108个国家和地区专业参观人士6.5万人次,共同分享此次年度科技饕餮盛宴。2020智博会有江苏电视台、南京电视台、新华日报、 南京日报、 扬子晚报、南京晨报、人民网、中新网、中江网、龙虎网等国内外上百家媒体报道。大鹏一日同风起,扶摇直上九万里。历经多年发展积淀,南京智博会AIOTE正以其专业、高效的贴心服务获得大批展商的信任,在业内也享有了较高的影响力。未来,展会主办方将继续以展会实效为依据,以诚信为基石,为广大参展商和合作伙伴提供专业、高效的服务!五、展会特色展会主办方办展经验丰富,与政府部门、行业专家、协会团体等机构保持良好合作关系;南京智博会AIOTE展会规模逐年增长,影响力不断扩大,累计参展企业超2000余家,累计参展观众达80万人次,是国内目前规模宏大、专业度高的智慧城市、物联网、大数据行业展之一,可助力参展企业站在顶层洞悉行业全景。专业化程度高聚焦物联网上下游产业,拒绝“大杂烩”式的无主题展,参展企业专业化程度高。覆盖完整产业链涵盖物联网感知层、传输层、平台层、应用层完整产业链,包括智慧城市、智慧工地、智慧农业、工业物联网、区块链、大数据等相关细分产业,乃业内顶尖交流盛会。广泛邀请专业买家力邀全国各地物联网行业代理商、各地工信局、城建局、发改委、产业园区、中小企业联合观摩团等专业买家团队,助力展商现场达成合作。六、同期活动(暂定)2021大数据与绿色制造融合发展创新发展论坛RFID应用创新大会2021亚洲区块链高峰论坛2021智能家居世界大会暨全球智能门锁企业家峰会2021物联网与智能硬件新品发布会2021高精度定位技术与应用创新高峰论坛智慧新零售智能创新应用大会2021中国国际5G与车联网创新技术高峰论坛2021中国国际NB-IoT技术与应用高峰论坛2021中国国际LoRa物联网高峰论坛    行业评选与博览会评选颁奖典礼、大型项目推介会、产品发布会等;    论坛:大会活动论坛特设企业冠名协办、协办方案费用另询。七、展馆地址南京国际展览中心    地址:南京市玄武区龙蟠路88号机场至展馆:乘坐南京地铁S1号线到南京南站下,转乘地铁3号线,新庄站2号口出南京火车站至展馆:乘坐南京地铁3号线新庄站2号口出南京火车南站至展馆:乘坐南京地铁3号线新庄站2号口出公交乘坐2路 10路 17路 22路 24路 28路 36路 40路 44路 45路 50路 58路 59路 64路 69路 70路 71路 73路 74路 93路 97路 114路 125路 130路 140路 143路 173路 190路 203路 205路 308路 309路 311路 318路 D8路到锁金村或新庄广场下即到八、联系我们 北京铭世博国际展览有限公司地 址:北京市房山区良乡虹西路翠柳东街1号电  话:010-86393617   010-86393179联系人:鸿宇 13051077858邮  箱:feilong-li@qq.com网  址:www.njzbh.com
  • [行业动态] 东华博泰携手华为云FusionInsight发布能源大数据的解决方案
    9月23日至25日,华为全联接2021以“深耕数字化”为主题,各行业领军人物分享最新成果与实践。在“华为云FusionInsight智能数据湖打造千行百业数据底座”专题演讲中,北京东华博泰科技有限公司(以下简称“东华博泰”)副总经理任东岩,发表“东华博泰携手华为云FusionInsight打造能源大数据解决方案”演讲。随着我国提出“2030年前碳达峰,2060年前实现碳中和”的国家级战略目标,到2030年,中国单位国内生产总值(GDP)二氧化碳排放将比2005年下降65%以上,非化石能源占一次能源消费比重将达到25%左右。这意味我国未来非化石能源发电量占全部发电量的比重将大幅增加,非化石能源的装机量要大幅提升。电力作为我国高碳排放的行业,在产业供给侧的优化势在必行,未来能源是数字技术驱动的、以可再生能源为主体的智慧能源系统。在这种大趋势下,东华博泰携手华为云FusionInsight在华为全联接2021上宣布共同打造能源大数据解决方案。本次东华携手华为云FusionInsight发布的能源大数据联合解决方案,其核心目标是建设新型电力工业互联网能源大数据体系。任东岩副总经理表示,未来的能源生产将从现有电力系统自顶向下的发电-输电-配电-用电的结构,走向扁平化、分布式的能源自治、单元对等的互联结构。这种能源互联结构,将实现可再生能源的分层接入与消纳,并且能源大数据平台将成为以可再生能源为主体的新型电力系统核心平台。从能源大数据平台的技术作用看,通过物联、数采,联接各种与发电、用电相关的设备,通过对设备数据的采集、清洗、治理、建模、分析等环节,综合运用电力行业知识沉淀、大数据分析、AI等技术手段,以数据贯穿业务、用数据驱动业务,激发数据要素价值,实现能源产业链的协同与延伸,实现纵向专业领域的贯穿,为能源行业用户、为用能端用户提供技术服务。从平台的技术结构看,数据底座+业务知识沉淀,支撑以设备为核心的能源大数据平台。以华为云FusionInsight强大的智能数据湖解决方案研发团队与技术实力为支撑,东华博泰阿凡达平台实现海量能源数据的编码,设备对象的构建,丰富能源算子算法库,加强海量能源数据探索能力。能源大数据联合解决方案构建能源大数据平台、生态运营管理、智慧能源生态圈三层结构,已在电力领域多次应用,通过大数据应用实现电、热、冷等形式互联互通,风光水火储多能互补。       2021年,东华博泰将携手华为云FusionInsight,实现以数据为源力核,平台为运力核,应用为创力核,体系为内力核,生态为汇力核,打造“五核聚一”的数字化运营架构,为能源行业提供大数据创新解决方案,共建智慧能源生态圈。更多精彩文章:https://bbs.huaweicloud.com/forum/thread-66105-1-1.html  
  • [热门活动] 工商银行携手华为云FusionInsight共建大数据体系
    9月23日至25日,华为全联接2021以“深耕数字化”为主题,各行业领军人物分享最新成果与实践。在“华为云FusionInsight智能数据湖打造千行百业数据底座”专题演讲中,中国工商银行(以下简称“工行”)大数据平台产品经理袁一,发表“工商银行携手华为云FusionInsight共建大数据体系”演讲。随着金融业的快速发展和大数据技术生态的不断完善,近年来工行与华为持续联合创新,通过引入FusionInsight智能数据湖,工行大数据技术从仅对大数据批量加工,已延展到大数据实时计算、联机查询、数据可视化、安全管控等金融应用场景,不断提升工行服务实体经济的能力,倾力打造服务于经济高质量发展的数字工行。目前工行已建成同业最大的单集群,已部署上线的FusionInsight MRS云原生数据湖和DWS云数据仓库集群规模达2000+节点,支撑了300+总行应用、分行及集团子公司的平台化大数据应用开发,日均承载批量计算作业数达20万+,强力支撑了行内、行外的金融数据服务。传统的大数据平台主要以支撑增值类业务为主,但随着大数据技术的发展,诸如像风险控制、损益预查询、监管报送、交互查询(如交易明细查询)等关键业务也开始接入到大数据平台:在风险控制场景,工行通过FusionInsight MRS构建实时数据湖的能力,结合工行专家规则的风险防控系统能力,实现毫秒级交易风险控制,让风控从事后处理,向事中控制快速转变,已为工行客户挽回资金损失数10亿元;在损益预查询场景,传统方案采用批量作业,不仅存在业务时效性差的问题,同时也需消耗大量的主机资源,为此工行基于FusionInsight MRS和DWS开展了架构转型,通过准实时数据复制技术,将主机上产生的数据,准实时地同步到大数据平台,使原先每天只能跑10轮的批量作业,提升到每天30轮,让之前每轮批量作业耗时30分钟耗时缩减了2倍,不仅大幅提升分析时效性,同时也减少了主机的资源开销;在监管报送场景,伴随工行业务的不断增长,数据的体量也越来越大,传统一体机架构的建设成本越来越高,报送时效性也越来越难以满足业务发展现状。在新一轮IT架构转型中,工行携手FusionInsight构建监管报送系统,实现从数据加工、脱敏、校验,到最终的报送环节,充分利用了大数据平台分布式数据处理的能力,使报送频度从季度提升到月度;在交互查询场景,工行通过MRS HetuEngine数据虚拟化引擎,使得耗时从小时级降至秒级,提效50倍,提升工行13000名分析师即时BI体验,面向全行推广。以上仅是工行联合FusionInsight团队在金融大数据技术创新及应用落地的冰山一角,未来双方还将从以下几个方面持续创新:大集群跨机房部署:随着金融机构业务量的极速增长,底层的大数据基础设施也越来越庞大,如何对物理分散的基础设施进行有效管理,成为各金融机构最为关注问题之一。工行将通过FusionInsight MRS联邦集群管理能力,将同一个数据中心内多个机房的集群进行联合管控,形成一个资源可统一调度的大集群,为用户提供服务。大数据云原生:工行将建设具备固定资源池和弹性资源池混合部署的大集群,通过高性能固定资源池,满足日常相对固定的资源需求;通过存算分离的弹性资源池,灵活扩缩容,轻松应对特殊时间节点上的资源需求高峰。高可用能力提升:随着越来越多的关键业务逐步接入到大数据平台,业务对平台的可靠性和服务连续性,提出了更高要求。为此工行在同城两个数据中心内,建设了主备双活集群,提升关键业务场景的可靠性和服务连续性。数据入湖时效性提升:传统的数据交换时效一般为T+1,即使通过CDC等技术实现流式数据入湖,但最快也只能达到15-30分钟才能完成一个批次,造成业务感知慢。随着大数据生态中诸如Hudi实时增量更新技术的成熟,有望将数据入湖时效控制在5分钟以内,进一步提升数据处理时效性。      工行将不断加强与FusionInsight团队的合作,通过云计算、数据湖、人工智能、IoT等创新技术,更好地利用数据生产要素,从社会的痛点、难点入手,做好金融大数据平台的建设工作,提升工行服务实体经济的能力。更多精彩文章:https://bbs.huaweicloud.com/forum/thread-66105-1-1.html  
  • [云计算周刊] “亚洲最大”这里起步:大数据、云计算、人工智能齐上阵,打造智慧物流产业链
     戴着安全帽走在济南新旧动能转换起步区,目之所及都是工人忙碌的身影、正在运行的大型设备,耳边不断传来叮叮当当的敲击声。  “这边是一期工程,已经运行5年了。那边是正在建设的二期,是亚洲单体面积最大的自动化分拨中心!”中通山东结算中心项目负责人指着一栋白色的框架建筑,已经完成主体建设的它在一片工地中格外显眼。  物流有“智慧”180多个人的工作25人完成  “这栋建筑是二期的一号转运中心,总建筑面积达18.79万平方米。”  该负责人介绍,项目一共有四层,一、二层为分拣区域,三层为卸车平台,四层为云仓。运输车辆可以直接开往三层进行卸车,之后快递将通过螺旋滑道进到分拣区域,包裹由上而下经过各个环节后在一层装车、运往各地,分拣效率大大提高。  也许走在平地上看不出它的壮观,但在航拍镜头中,18.79万平方米的体量具象起来,庞大的建筑让人震撼。  “这个分拨中心会用上中通自主研发的全自动分拣系统,大数据、云计算、人工智能等技术都会服务于智慧物流发展。”项目负责人说,全自动分拣系统分为单层和双层,单层自动化分拣系统每小时可分拣快递2.3万件,双层自动化分拣系统每小时可分拣快递4.6万件,且分拣准确率高达99.99%,“按每天工作8小时计算,一天可分拣18万件以上。若按正常一人一个班操作1000件计算,需要180多个人,而使用自动化分拣流水线只需要25人。为了保障远期操作量需求,未来将在这里安装24套自动化分拣设备,全部投入使用后,预计峰值操作量将达到每天1000万件,为未来派送高峰预留足够的空间。”  在济南市政府公布的2021年市级重点建设项目名单中,中通山东结算中心项目榜上有名。项目建成投入使用后,将与园区多家物流企业一道,助力起步区快速形成智慧物流产业链条,带动上下游产业云集于此,进一步拉动起步区物流经济飞速发展。  办事、用电专人协调享受“保姆式”服务  中通山东结算中心项目并不只是这一栋分拨中心,还包含用于大件包裹分拣的二号运转中心,以及一栋能供1500人休息的倒班楼,总建筑面积超过23万平方米。  与项目相隔几十米,便是中通一期,2016年便已落成投产,正常情况下每小时可分拣3万件快递。“那时候就感觉到济南营商环境很好,因为快递行业普遍被认为占地大、利润低,济南是最欢迎我们、最照顾我们的。”该项目负责人说,中通快递山东总部落户崔寨后,电商业务飞速发展,包裹数量剧增,中通快递也成了当地的纳税大户,一期项目已不能满足日益增加的快递处理量。  2019年,中通决定追加7.1亿元二期投资,并将山东结算中心落地崔寨。如今,这里成为了济南新旧动能转换起步区的一部分,对企业而言机遇千载难逢,人人都说“赶上了”。  “我们享受到的服务也更好了!办理相关手续的时候,管委会投促部派出专人,一项项陪我们去办,不用自己查流程、整材料;拆迁过程也很快,而且是无声无息的,从立项到拿地非常顺利;建设过程中赶上疫情,不得不停工一段时间,相关部门也帮我们做疫情防控、协调工人,每周都会到工地来征询意见……”  该项目负责人说起这样一件“小事”。“我们在建设过程中最离不开的就是电,市政建设过程中遇到停电就只能干着急。管委会工作人员为了不误工期,多次协调各部门,保障建设用电。”他感慨:“在建项目这么多,他们还能照顾得这么细,真不容易!”  重点项目建设如火如荼“店小二”紧盯“全生命周期”  中通山东结算中心项目将在10月底实现部分投产,已经有部分自动化分拣设备安装完成。宛如巨龙般盘踞在货舱内的履带,很快就将载满快件。“投产后的第一个‘双11’,一期工程就能松口气了!”  环顾该项目四周,几家头部物流企业建设同样如火如荼。项目负责人说,虽然将来在招工方面会有竞争,但行业内各个层面的良性竞争同样有利于企业成长。  公开数据显示,起步区获批4个月以来,先后集中开工两批重点项目建设,涉及生态环境、安居保障、产业发展、公共服务、基础设施等领域。两批集中开工共计49个项目,总投资约443亿元。这样的成绩,激发着起步区工作人员的动力。  在济南新旧动能转换起步区管委会投资促进三室副主任孔杰的办公室里,有一块字迹密密麻麻的黑板,涉及6个重点项目推进的待办事项、十余项日常工作填满忙碌的一天。孔杰说,他们秉承全流程化、全生命周期的服务原则,从企业的招引谈判,到土地的拆迁供给、项目的建设运营,全程派遣专人跟踪服务,及时协调省市区多部门解决企业发展落地的困难。项目建设中、落成后,还会提供多维度、定制化的服务,不仅在企业经营、增加地方财政收入等经济维度进行帮扶,在企业人才引进、疫情防控等管理维度也要进行服务。  “投资促进部门就像穿珠子的线,串联起与企业落地、发展相关的各个部门形成合力。今后,我们将继续发挥‘店小二’精神,帮助企业解决建设、经营中的各种问题。”孔杰表示,管委会所有人跟企业一样,对起步区未来的发展前景信心满满,也将跟企业一起,为希望之城建设贡献力量。来源:舜网-济南日报
  • [热门活动] 大赛报名 | 年度最值得参与的国际大数据与AI赛事之一——CCF BDCI,角逐五万奖金!
    2021年大数据与AI领域年度盛事——第九届CCF大数据与计算智能大赛(CCF Big Data & Computing Intelligence Contest,简称CCF BDCI)正式开赛!大赛以“数引创新,竞促汇智”为主题,立足余杭、面向全球,于9月至12月举办。大赛将致力于解决来自政府、企业真实场景中的痛点、难点问题,邀请全球优秀团队参与数据资源开发利用,广泛征集信息技术应用解决方案。目前AI零售商品识别技术被广泛运用于货架排面管理、以图搜图、无人超市/货架等。  以货架排面管理为例,当前零售商品市场竞争激烈,为了在庞大的线下终端赢得消费者的选择,争夺产品在货架上的露出位置和比例,并通过货架陈列,使产品的视觉呈现更能吸引消费者购买,目前成为快消企业终端执行的重中之重。然而在门店实际执行过程中经常会出现的情况:生动化陈列执行不到位,如缺少必销品,重点商品、新品陈列没有占据醒目位置,排面靠后或被竞品压制,摆放不整齐、生动化物料没有展示出来等情况屡见不鲜。当货架缺货的情况发生时,品牌商可能会失去 46% 的购买者,而零售商可能会失去 30% 的购买者。  因此,在高效管控货架排面的场景下,利用 AI 零售商品识别技术辅助人工完成陈列审查可以在时间、精准度、数据化程度等多方面得到提升,助力企业赢得消费者的选择。本赛题中,参赛团队将设计算法对零售商品进行识别和分类,选手需要通过分析训练集中标注数据的特点,构建AI模型,对测试集中测试数据进行识别和分类。参赛者在规定时间内须使用MindSpore AI计算框架进行模型的设计、训练和预测,不得使用任何其他框架参赛。对于预训练模型,大赛只允许:   (1)使用MindSpore官方开源的预训练模型   (2)通过监督/自监督/无监督方法对比赛训练集(不允许用比赛测试集和外部数据集)训练得到的模型作为预训练模型,这里要求获取预训练模型的方法可复现算力获取   本赛道由MindSpore社区提供免费昇腾算力支持,报名成功后,联系MindSpore小助手申请。大赛正式赛共计4个月,采用初赛、决赛、总决赛“三级赛制”,具体赛程安排如下:2021/09/16-2021/11/22,大赛初赛(线上)  (1)2021/09/22,发布大赛数据,测评启动;2021/11/23-2021/12/05,大赛决赛(线上):  (1)2021/11/23-2021/12/03,对作品代码、反作弊情况审核,复现成绩  (2)2021/12/04-2021/12/05,决赛答辩评审2021/12中旬,大赛总决赛(线下)  (1)2021/12/中旬,举办大赛总决赛评审、颁奖典礼等系列活动权威证书单赛题奖一二三等奖,及CCF特别奖获奖团队,都可以获得由教育部计算机类教学指导委员会、中国计算机学会颁发的权威纸质证书。参赛者在初赛中成功提交作品,在初赛结束后均可获得电子证书,同时也将同步获得MindSpore社区的开发者等级证书。1、参赛人群:大赛面向全球征集参赛团队,不限年龄、国籍,高校、科研院所、企业从业人员等均可登录官网报名参赛。2、报名要求:参赛选手可报名不同赛道多个赛题,但在同一赛题中仅能报名参加一支团队。报名时所有团队成员需提供个人基本信息,并进行实名认证;参赛选手应当保证身份信息的真实性。大赛组委会承诺其中涉及个人隐私的内容予以保密。3、组队要求:所有参赛选手应在截止日期前自行完成组队,并以团队身份提交各阶段的作品材料,一旦进入团队,不可退出队伍。为保证每支参赛团队享有相对平等的提交机会,各赛题组队需满足组队成员在赛题中的提交总次数≤开赛天数*2次。4、队长责任制:各团队队长作为团队的负责人,需自行进行团队内部分工和协调,并承担与大赛组委会对接沟通(包括但不限于晋级入围、团队信息收集、作品审核、线下活动、奖金发放等)的责任。5、回避原则:大赛出题的人员及所在部门人员禁止参与所出具的赛题(可参与其他赛题),直接参与大赛策划、组织、技术服务的工作人员等相关人士禁止参赛,禁止委托他人参赛或违规指导参赛团队。1、作品原创:参赛作品必须保证原创性,不违反任何中华人民共和国有关法律法规,不侵犯任何第三方知识产权或其他权利,一经发现或经权利人提出并查证,大赛组委会将取消其比赛资格和成绩并进行严肃处理。2、作品知识产权:参赛作品(包含但不限于算法、模型、方案等)知识产权归出题单位、参赛者、官方竞赛平台三方共享,大赛组织单位拥有对参赛作品组织投资对接和产品孵化服务的优先权利;大赛组织方及竞赛平台均有权利将参赛作品、比赛信息、参赛团队信息用于宣传品、相关出版物、制定及授权媒体发布、官方网站浏览及下载、展览(含巡展)等活动项目;3、竞赛数据说明:组委会授权参赛人员使用提供的数据进行指定比赛的模型训练工作,参赛人员不得将数据用于任何商业用途。若做科研使用,请注明数据来源于相关数据提供单位。4、作品合规性:参赛团队需保证提交作品的合规性,若出现下列或其他重大违规的情况,经大赛组委会合议后,取消参赛团队的参赛资格和成绩,获奖团队名单依次顺延。重大违规情况如下:  a.使用小号、串通、剽窃他人代码等涉嫌违规、作弊行为;  b.不经允许使用外部数据;  c.团队提交的材料内容不完整,或提交任何虚假信息;  d.参赛团队无法就作品疑议进行足够信服的解释说明;  e.提交的作品包含不健康、淫秽、**或诽谤任何第三方的内容等其他重大违规行为。1、评审条件:所有符合资格的参赛团队在初赛截止日期前所提交的作品均会纳入评审。大赛组委会不对任何因电脑、互联网、移动网络故障而造成的参赛作品损坏、缺失、提交延时等后果承担责任。2、公平竞技:参赛团队禁止在指定考核技术能力的范围外,利用规则漏洞或技术漏洞等不良途径提高成绩与排名,禁止在比赛中抄袭他人作品、交换答案、使用多个小号,一经发现将取消比赛成绩并严肃处理。3、评审方向:大赛组委会将组织评审专家对作品进行评审,包括但不限于作品的成熟度、先进性、创新性、实用性、普适性、社会效益、商业价值等因素。4、作品复现及验证:参赛选手需要配合大赛组委会对比赛作品的有效性与真实性进行验证,同时自行检查提交作品的正确性,确认无误后再进行提交,大赛组委会不负责对比赛作品进行更改和调整。5、评审结果确认:大赛专家委员会对作品的评审结果一旦给出则为最终结果,不另对评审结果给出反馈意见。1、初赛期间,参赛团队每日最多在竞赛平台提交2次作品,各队作品由队长进行统一提交,如作品文件较多,请放置在同一个文件夹中压缩上传,上传文件大小需低于300MB,最终成绩以初赛阶段最高一次提交成绩为准。2、作品包括说明文档、代码两部分,提交打包,可照说明执行复现,复现完整运行时间不超过72小时(参考昇腾910 * 1配置)。3、参赛团队需保证最终提交预测结果可复现,允许代码复现成绩可以在不影响排名的前提下具有适量波动,如果出现复现成绩排名下降的情况,则以复现成绩为准。4、通过代码审核,精度排名的前10支参赛团队将受邀参加决赛。5、入围决赛团队需在12月05日前交参赛项目答辩PPT,内容包括团队简介、算法实现详情、技术架构等内容。6、决赛答辩中,评审专家将根据答辩作品的创新性、可用性等进行打分;最终成绩将综合考虑初赛成绩、创新性、可用性等方面确定最终排名,最终成绩 = 初赛成绩 * 80% + 决赛成绩 * 20%。添加小助手微信(mindspore0328)申请免费算力,进入赛事交流群
  • [云计算周刊] 云计算入门:10个基本知识
    云计算的概念出现之后受到众多热捧和追逐,经怡海软件针对多个平台调研发现大家普遍对这些问题较关注或存在疑惑:1、什么是云计算?如今天天都能听到媒体说云计算,国内的什么阿里云、百度云、腾讯云等,到底什么是云计算呢?针对这个问题,怡海软件曾整理文章从云计算概念、服务模式、关键技术、主要优势、面临的问题、发展应用及其展望等多方面进行阐释,这里就不再赘述。(浅谈云计算的服务模式、关键技术、优势及面临问题:另外分享知乎网友李嫣的解释,可能更加通俗易懂:云计算其实就像家里自来水一样。为了喝上干净的自来水,我们家里有没有必要建一个自来水厂?显然不需要。只需要把水龙头打开就可以获得要喝的水。云计算给大家提供了一种模式,其实就类似自来水一样。未来你想获得什么东西,不需要有很大的硬盘,也不需要你的电脑有非常强的处理能力,只要需要,随时随地可以获得。这种新型计算,在无所不在的网络环境下给大家带来了一种新的信息获得方式或者是信息使用模式就是云计算模式!2、全球云计算市场概览根据美国调研机构Gartner发布的云计算市场份额报告,2016年全球云计算市场规模为2196亿美金,2017年达到2602亿美金,同比增长18.49%。在未来几年全球云计算服务市场仍将保持在15%左右的增长率平稳增长。预计在2019年将达到3556亿美元,行业市场规模广阔。另据Gartner调查数据显示,截止2018年底,亚马逊、微软、阿里巴巴、**占据全球市场份额前四位。排在前10位的还有: IBM、Salesforce、Oracle、Adobe、SAP、Cisco。当前,虽然世界云计算正在蓬勃发展,但是比如安全问题等关键技术还在不断完善,产品和服务还在持续创新。3、云计算在国内的市场据中国信通院数据统计,2016年中国云计算整体市场规模达到514.9亿元,整体增速为35.9%。在2017年达到691.6亿元。预计未来几年复合增长率仍将超过20%。到2019年市场规模将达到1163.2亿元。在我国2018年云计算企业排行榜中,在云计算市场领跑的企业有阿里巴巴(阿里云)、中国电信(天翼云)和腾讯(腾讯云),并且领先优势还在不断扩大。根据阿里巴巴2018年第三季度财报数据显示,阿里云计算业务在该季度营收56.67亿元,占据阿里总营收的15.2%,也就是说,阿里依靠云计算业务月收入达到了18多亿。另外前进入前10的企业分别有:中国联通(沃云)、华为(华为云)、中国移动(移动云)、百度(百度云)、华云(华云)、浪潮(浪潮云)、新华三(华三云)。在互联网时代,市场从落地到成熟的时间会越来越短,中国的云计算市场份额的增速也会越来越快。但在公有云市场,中国与美国相比至少有 5 年的差距,当中国云服务刚落地的时候,美国已经实现了从企业到公众的成熟应用阶段,公有云应用的市场规模更是天壤之别。应该不难感觉到,全球云计算市场已经越来越往亚太地区倾斜,欧洲是较排斥云计算的地区,美国的大型科技企业又自信到不屑用云计算,唯独亚洲这个新兴市场,对云计算有强烈的需求。可以不客气的说,中国的云计算市场已经成为全球更具潜力、更具活力、更富价值的市场。4、云计算和大数据的区别云计算是基于互联网的相关服务的增加,使用和交付模式,通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源。云计算特征:超大规模(能赋予用户前所未有的计算能力)、虚拟化、高可靠性(比使用本地计算机可靠)、通用性(不针对特定的应用)、高可扩展性(规模可以动态伸缩)、按需服务(按需购买)大数据,是指无法在一定时间范围内用常规软件工具进行捕捉,管理和处理的数据集合,是需要新处理模式才能具有更强的决策力和洞察力以及发现力和流程优化能力的海量,高增长率和多样化的信息资产。大数据特征:容量(数据的大小决定所考虑的数据的价值和潜在的信息)、种类(数据类型多样性)、速度(获得数据的速度)、可变性(妨碍了处理和有效地管理数据的过程)、真实性(数据的质量 )、复杂性(数据量巨大,来源多渠道)、价值(合理运用大数据,以低成本创造高价值)总的来说:云计算注重资源分配,是硬件资源的虚拟化,可以说是一种互联网的虚拟资源存贮;而大数据是海量数据的高效处理,可以说是一种信息资产。大数据与云计算之间并非独立概念,而是关系非比寻常,无论在资源的需求上还是在资源的再处理上,二者共同运用能发挥1+1>2的效果。5、SaaS、IaaS、PaaS的区别云计算的服务模式分为软件即服务(SaaS)、平台即服务(PaaS)、基础设施即服务(IaaS)这三种形式。SaaS:这一模式主要是为客户提供应用软件类的服务。有关供应商将其应用软件全部共享在其“云端”服务器上,在互联网作用下,使用户享受其服务,并依据需求进行订购,费用计算以时间、数量为主,用户只要通过Web浏览器就可以获取服务。SaaS与PaaS的区别在于,使用SaaS的不是软件的开发人员,而是软件的最终用户。CRM客户关系管理(怡海软件主营业务),ERP企业资源计划以及其它一些常见的业务软件等都是SaaS服务,还有面向互联网用户的社交网络,Twitter等,再有就是工具型的软件,比如邮件、杀毒、OA、中小型企业的财务软件等,未触及大型企业IT核心业务。目前,SaaS的应用较为广泛,也较为人们所熟知。IaaS:在互联网的作用下,供应商将不同服务器集群后所形成的“云端”等基础设施作为基本量来为客户提供服务,其服务种类包括服务的虚拟化以及资源存储等,该服务类型属于硬件托管式,用户对供应商提供的硬件采取服务使用的方式进行。像国际上的亚马逊AWS,还有国内的阿里云,都在提供IaaS服务,是实际部署较多的一种服务模式。IaaS因为提供的差异性服务不多,价格上拼得比较狠,这也使得IaaS领域竞争异常激烈。PaaS:这种方式主要是为用户提供开发软件平台以及相关研发环境为主,通过其提供的开发平台,客户能自行研发各种程序,并在互联网的作用下得到使用。用户使用PasS的模式与SaaS具有相同之处,不同之处在于前者是开发软件的平台,而后者是应用软件的平台。比较典型的PaaS服务提供商有Force.com、Google Apps Engine、Heroku和微软Azure等。在国内,一般大型的政务网和私有云中可以实现区域教育平台,区域医疗服务中心,区域公共服务等。目前,在三种云服务模式中,PaaS是较不成熟的一种。6、公有云、私有云和混合云的区别公有云:通常指第三方提供商用户能够使使用的云,公有云一般可通过 Internet 使用。优点是能够以低廉的价格,提供有吸引力的服务给终端用户,创造新的业务价值。能够整合上游的服务(如增值业务,广告)提供者和下游终端用户,打造新的价值链和生态系统。它使客户能够访问和共享基本的计算机基础设施,其中包括硬件、存储和带宽等资源。缺点与安全有关。公共云通常不能满足许多安全法规遵从性要求,因为不同的服务器驻留在多个国家,并具有各种安全法规。而且,网络问题可能发生在在线流量峰值期间。虽然公共云模型通过提供按需付费的定价方式通常具有成本效益,但在移动大量数据时,其费用会迅速增加。私有云:是为一个客户单独使用而构建的。对于企业来说,私有云具有更高的安全性和隐私性,可以定制解决方案,更充分地利用计算资源,减少能源消耗。同时,私有云的可靠性、云空间爆发和速度优势也被企业所看重。但私有云价格较高此外,企业仅限于合同中规定的云计算基础设施资源。私有云的高度安全性可能会使得从远程位置访问也变得很困难。混合云:是公有云和私有云两种服务方式的结合,允许用户利用公共云和私有云的优势。还为应用程序在多云环境中的移动提供了极大的灵活性。此外,混合云模式具有成本效益,因为企业可以根据需要决定使用成本更昂贵的云计算资源。缺点是因为设置更加复杂而难以维护和保护。此外,由于混合云是不同的云平台、数据和应用程序的组合,因此整合可能是一项挑战。在开发混合云时,基础设施之间也会出现主要的兼容性问题。7、如何评判一个系统是否有必要迁移到云平台?在决定某个企业级应用是否迁移到云时,要评估和权衡几个因素:(1)将应用移入云计算将增加多少业务价值?(2)技术上是否可行?(3)有哪些风险要承担,风险有多大?如果在权衡利弊之后可以接受,在正式实施前还要通过小范围模拟(或试点项目)来验证先前评估的结果。不要就事论事地谈某某应用或系统如何能迁移到云平台上,即便是同样或类似的应用和系统,在不同的企业环境下或不同的云实施阶段中都会有不同的结论。分享雷万云博士在《云计算》一书中的建议:“在合适的领域使用云:比如研发、软件开发、测试以及数据密集的职位;比如数据清洗、数据挖掘、风险建模、优化与仿真。”8、如何评价云服务提供商的服务质量?对云服务提供商的考核和评价标准,与传统的服务商并没有太大的区别,考核评价指标、体系都应该是平等的。安全、开放和标准化、服务质量和价格,是CIO评价云服务提供商要考虑的三条首要标准。另外,云服务商的服务交付标准也很重要。Salesforce的7条交付标准也值得大家参考,这7条标准分别为:世安全性、信任与透明、真正多租用、可靠的规模、高性能、完整的灾难恢复、高可用性。9、2019云计算的发展趋势是什么?来自于研究机构Forrester的报告指出,云计算已经走过了“以自我为中心的青少年时期”,进入了“年轻成人时代”。成为“推动全球数字转型的引擎”,为企业应用程序带来创新的开发服务,而不仅仅是提供更便宜的临时服务器和存储。下面怡海软件简单介绍Forrester在2019年对云计算的五个预测。(来源:机房360)趋势一:企业支出将增加;趋势二: 容器、Kubernetes(K8s)和无服务器将重塑核心应用;趋势三:私有云的新途径;趋势四:平台即服务(PaaS)战略将考虑长期经验;趋势五: 基于软件即服务(SaaS)的行业系统将越来越受欢迎。10:云服务供应商将要面临什么问题?价格战:Gartner预测,公有云服务市场的总体份额将从2017年的2468亿美元增长到2020年的3830亿美元,增长伴随着竞争,为了与其他云服务提供商竞争打价格战,云服务提供商需要提供增值服务(VAS)来维持利润,并通过利基服务或垂直平台提供明确的市场差异化。多云战略:单一的云计算模式并不能适应所有的用户需求,多云的方式正在不断发展。云服务提供商需要探索混合云模式和云代理服务,以满足这一需求,为用户提供更多选择。边缘计算:随着智能设备和传感器的直接对等传播的发展,5G和IoT的兴起,正在推动边缘计算(雾计算)的发展。例如,无人驾驶骑车每秒产生将近1千兆字节的数据,这将需要在低延迟的边缘进行处理和预先分析。安全性:云服务的安全性是云计算领域永恒的话题,云计算安全的核心诉求就是对隐私性、完整性、可用性的保护,云服务如果不安全,那么一切都是空谈。原文链接:https://blog.csdn.net/qq_38566254/article/details/88873176
  • [云计算周刊] 工信部:1-8月通信业运行态势总体良好云计算和大数据等新兴业务收入亮眼
    央广网北京9月19日消息(记者 万玉航)工业和信息化部运行监测协调局消息,1-8月份,通信业运行态势总体良好。电信业务收入稳步增长,电信业务总量快速增长;5G用户数快速扩大,网络建设和应用不断推进;固定宽带接入用户数稳步增加,蜂窝物联网、IPTV用户数较快增长,新兴业务对电信业务拉动作用持续显现。特别是新兴业务收入持续加快增长,云计算和大数据收入同比增速分别达98%和34.8%。2020-2021年1-8月份电信业务收入和电信业务总量累计增速(图源工信部网站)1-8月份,电信业务收入累计完成9919亿元,同比增长8.4%,增速同比提升5.3个百分点。按照上年不变价计算的电信业务总量为10932亿元,同比增长27.5%。分类来看:数据及互联网业务收入平稳增长。1-8月份,三家基础电信企业完成固定数据及互联网业务收入为1708亿元,同比增长11.3%,在电信业务收入中占比为17.2%,占比同比提升0.5个百分点,拉动电信业务收入增长1.9个百分点。完成移动数据及互联网业务收入4392亿元,同比增长4.3%,在电信业务收入中占比为44.3%,拉动电信业务收入增长2个百分点。语音业务持续下降。1-8月份,三家基础电信企业完成固定语音和移动语音业务收入156亿元和797亿元,同比分别下降6.8%和5.9%,合计在电信业务收入中占比9.6%,占比同比回落1.5个百分点。新兴业务收入持续加快增长。1-8月份,三家基础电信企业积极发展IPTV、互联网数据中心、大数据、云计算等新兴业务,共完成新兴业务收入1491亿元,同比增长28.1%,增速较1-7月份提高0.6个百分点,在电信业务收入中占比为15%,拉动电信业务收入增长3.6个百分点。其中云计算和大数据收入同比增速分别达98%和34.8%。2020-2021年1-8月份电信业务收入分类增长情况(图源工信部网站)从用户发展情况来看,移动电话用户规模稳中有增,5G用户规模快速扩大。截至8月末,三家基础电信企业的移动电话用户达16.26亿户,比上年末净增3205万户。其中,5G手机终端连接数达4.19亿户,比上年末净增2.2亿户。固定宽带接入用户规模稳步增长,千兆用户发展加快。截至8月末,三家基础电信企业的固定互联网宽带接入用户达5.19亿户,比上年末净增3510万户。其中,100Mbps及以上接入速率的固定互联网宽带接入用户达4.77亿户,占总用户数的92%,占比较上年末提升2.1个百分点;1000Mbps及以上接入速率的固定互联网宽带接入用户达1864万户,比上年末净增1224万户。蜂窝物联网用户增长较快,IPTV用户稳步增加。截至8月末,三家基础电信企业发展蜂窝物联网终端用户13.3亿户,比上年末净增1.9亿户,其中应用于智能制造、智慧交通、智慧公共事业的终端用户占比分别达17.6%、16.8%、22.4%,智慧公共事业终端用户同比增长24.6%,增势最为突出。IPTV(网络电视)总用户数达3.4亿户,比上年末净增2469万户。1-8月份,移动互联网累计流量达1420亿GB,同比增长36.7%。其中,通过手机上网的流量达到1359亿GB,同比增长35.5%,占移动互联网总流量的95.7%。8月份,当月户均移动互联网接入流量(DOU)达到13.73GB/户·月,同比增长22%,比上年底提高1.81GB/户·月。【来源:央广网】
  • [其他] DPR一种高效的开放域问答检索技术
    https://arxiv.org/pdf/2004.04906.pdfnlp-paper:https://github.com/DengBoCong/nlp-papernlp-dialogue:https://github.com/DengBoCong/nlp-dialoguetext-similarity:https://github.com/DengBoCong/text-similarity说明:阅读原文时进行相关思想、结构、优缺点,内容进行提炼和记录,原文和相关引用会标明出处,引用之处如有侵权,烦请告知删除。在开放域的问答系统中,我们需要从大量的文本数据中搜索匹配我们想要的答案(或者学习文档的“信息知识”用于生成答案),而对每个问题都进行全文的数据“学习”是不现实的,因此往往依赖于高效的文本检索来选择候选段落,进而缩小目标范围。做法往往是将模型分为两大块,首先有一个 Document Retriever,对给定的问题 question,从所有文档中检索,检索到文档后切分成段落,然后用一个称之为 Document Reader 的模块在段落中预测答案位置并给出分数,或者是进行模型的学习生成。而本文的重点就在于Retriever,如何在Retriever阶段提高检索的效率。传统的检索模型用的较多的有TF-IDF 或 BM25算法,它们通过高效匹配关键词将问题和context表示成一个稀疏的高维度空间向量,这些算法很高效,但是不足之处在于仅仅是在词的匹配上进行检索,并未考虑语义的相关性,有很大的局限性。所以文中从一个很直观的思路,即通过稠密且能够包含语义信息的空间向量进行表示,那么问题来了,我们怎么样在不进行额外的预训练的前提下,只是用question和passage(或answer)对来训练一个足够好的embedding model呢?论文提出了的方案非常简单,通过优化question和相关passage向量的最大化内积,目的是比较batch中所有的question和passage,这种看似简单的方法,在 top-20 文章检索准确率上却比 Lucene-BM25 系统高出 9%-19%。
  • [行业动态] HC2021揭秘华为云FusionInsight智能数据湖 8.1.0 版本新能力
    9月23日至25日,华为全联接2021以“深耕数字化”为主题,各行业领军人物分享最新成果与实践。其中在“华为云FusionInsight智能数据湖打造千行百业数据底座”专题演讲中,华为云FusionInsight技术专家陈祥,发表“华为云FusionInsight智能数据湖版本新能力解读”演讲。进入智能数据时代,业界建设数据湖的十大共识       经过数十年的快速发展,大数据处理技术已日渐成熟,围绕数据湖衍生技术多如繁星,业界在多年的探索之中,也对未来数据湖形态有了十个重要共识,如充分利用云技术实现云原生的数据分析,支持混合云及多云部署,各种类型的数据、支持更多的数据用户类型,提供不同的数据引擎、不同的数据处理能力等,这些需求对大数据技术创新提出了诸多挑战。面对这些挑战,华为云FusionInsight发布智能数据湖最新版本8.1.0去应对新时代对大数据的这些技术诉求。华为云FusionInsight提供湖仓一体的解决方案,兼顾历史与未来华为云FusionInisght智能数据湖为企业客户提供完整的大数据云服务产品组合,有单集群最大支持5W节点的云原生数据湖MRS服务和全球最大的商用部署的云数据仓库DWS服务,MRS和DWS既可以灵活按需部署,也可以融合演进到湖仓一体的架构;同时面向不断增长的数据探索分析、新型的图分析、可信计算等诉求,提供了完全托管式的DLI数据湖探索服务,完全自研的高性能一体化的GES图计算服务、创新的可信智能计算服务TICS,并提供源自华为自身数字化转型经验沉淀的DGC数据湖治理中心服务,用于海量数据的数据治理、离线分析、实时分析、数仓集市、多模分析等场景,帮助客户构建一站式的大数据分析平台,释放企业数据价值。MRS云原生数据湖提供三湖一集市能力,让数据分析更敏捷MRS云原生数据湖作为FusionInsight主打的云服务,是一款Lakehouse架构的云原生数据湖服务,解决传统大数据平台零散式建设、供数链路长、人工搬迁慢等问题,一个架构实现离线、实时、逻辑三种数据湖:离线数据湖:提供交互式、BI、AI等多个计算引擎,基于云原生存储实现存算分离架构,使得云原生数据湖的架构更灵活,业务更敏捷。同时还支持单集群5万(通过集群联邦,支持10万+规模)节点的超大规模,支持集群滚动升级,保障关键业务升级不中断。实时数据湖:提供生成数据CDL实时捕获入湖、Hudi数据湖存储引擎、ClickHouse毫秒级OLAP分析等构建实时更新处理能力,使得供数时效从T+1到T+0。逻辑数据湖:HetuEngine提供跨湖、跨仓、跨云的协同分析,实现湖仓一体,减少80%数据搬迁,协同分析提效50倍。MRS云原生数据湖实现数据全链路实时分析,价值兑现从T+1走向T+0在华为云FusionInsight 8.1.0 新版本中,MRS云原生数据湖实现了数据全链路实时分析,让价值兑现从T+1走向T+0。传统方案从数据接入、数据入湖到数据入湖,不支持增量数据更新,数据处理采用离线批处理方式,数据分析则需提前制定各种CUBE,预聚合的方式费时费力,导致数据分析时效性T+1,无法满足新时代的业务诉求。为解决上述问题,MRS云原生数据湖通过创新的CDL组件支持直接读取Binlog日志实时入湖,结合Flink/Spark实现数据实时合并、实时加工,打通信息生产到分析平台的最后一公里;通过引入Hudi,支持数据更新、数据删除,还有ACID能力,保证数据实时入湖更新操作;通过引入ClickHouse,可以把数据拉到一个大宽表内去做分析,只需要对接后端的BI工具,就可以自助式的完成报表开发。同时,ClickHouse支持实时OLAP,可实现毫秒级实时分析,且ClickHouse不需要建Cube,只要对接BI工具就能轻松完成新业务的开发。MRS云原生数据湖通过CDL+Hudi+Clickhouse的新方案,实现全链路实时分析,快速构筑实时数据湖能力。IoTDB工业物联网时序数据库,云边端协同轻松构建时序数据集市MRS云原生数据湖提供一架构三湖能力的同时,还支持构建多模态数据集市,在新版本中引入了MRS IoTDB工业物联网时序数据库,实现云边端协同轻松构建时序数据集市。MRS IoTDB是由华为云FusionInsight团队与是清华大学共同开发,聚焦工业物联网领域的工业复杂时序数据的处理,如千万级超大规模测点处理、乱序处理、多序列对齐、序列分割、子序列匹配、旋转门压缩、降采样存储等专业时序需求,解决通用数据库在超大规模复杂时序场景的功能短板和性能瓶颈,高效管理海量工业物联网数据,形成跨越端、边、云的工业物联网大数据的利器,在海量时序数据处理场景发挥其“专、快、稳、省、易”能力。在实际应用落地中,一台IoTDB实例就能替代13台传统时序数据库,性能优势明显。灾备:两地三中心高可用,确保业务连续性,SLA 99.999%在增强数据湖平台全链路实时分析与工业物联网数据库能力的基础上,MRS云原生数据湖在数据可靠性上再次进行增强,提供了三个容灾方案:提供原有的数据备份能力,支持将关键数据备份到异地中,一旦出现集群故障导致数据丢失,则可以将备份数据恢复回来。新增了单集群跨AZ高可用方案:支持将一个集群部署在多个机房中,通过副本放置策略确保数据副本存放在不同的机房,通过YARN的任务调度机制的优化确保任务优先访问任务所在机房的数据副本,当一个机房出现故障后,任务会自动切换到其他机房的机器上,从而确保单AZ故障时数据不丢失,关键业务不中断。同时,还新增了异地主备容灾方案:也就是分别建设主、备两个MRS集群,主集群数据会周期或实时自动同步到备集群上。当主集群故障时,将业务倒换到备集群上,确保业务快速恢复。通过以上三种方案,MRS云原生数据湖可以实现从简单的数据备份到跨AZ高可用,到异地容灾的完整场景覆盖,业务可以根据自身业务特点以及需要应对的故障场景,灵活选择适合自己的方案。DWS:新一代全场景云数据仓库    华为云FusionInsight智能数据湖另一主打云服务为DWS云数据仓库,它是一款具备分析及混合负载能力的云数据仓库服务,具有高性能、高扩展、高可用等特点,广泛应用于汽车、制造、零售、互联网、金融、政府、电信等行业的核心分析决策系统。它不仅仅是把数仓搬上云这么简单,而是真正面向未来的云原生架构的数仓服务。作为全球最大的金融数仓,DWS通过了信通院单集群2048节点的规模认证,当前已经商用的最大集群有480个节点。DWS通过一套内核一套架构同时支持标准数仓、实时数仓和云数仓,匹配了用户全场景需求。DGC:一站式数据开发与治理,让开发者轻松驾驭数据华为云FusionInsight智能数据湖不仅为政企客户提供湖仓一体的架构,还有DGC数据湖治理中心服务,提供一站式数据开发集成管理平台,提供统一的数据治理工具,加速数据资产沉淀。DGC的特性主要集中在平台能力和生态两个方面:在平台能力方面:DGC提供一站式数据开发集成管理平台,支持40多种异构数据源、全拖拽式开发、多维实时搜索、0代码API开发等能力;并提供基于华为10多年数据治理经验沉淀出的数据架构、标准规范、数据开发、数据质量等数据治理能力;在生态建设方面:DGC通过开放API,使能行业 ISV 快速集成开发;通过合作伙伴提供数据标准、模型、指标、接口等行业数据模型,帮助企业快速构筑数据治理能力。华为云FusionInsight深耕大数据10年+,持续创新引领大数据技术发展华为云FusionInsight持续投入10年+,坚持开放路线,在扎根社区的同时,也积极回馈社区,为行业新技术发展贡献力量;同时,华为云FusionInsight智能数据湖将持续贯彻“平台+生态”战略,携手800+合作伙伴,服务于全球60+国家和地区3000+政企客户,已广泛应用于政府、金融、运营商、大企业等行业。更多精彩文章:https://bbs.huaweicloud.com/forum/thread-66105-1-1.html  
  • [技术干货] 为什么说算法不是万能的?
    导语:或许随着技术快速发展很多领域都会逐渐被算法和人工智能替代但算法终究不能替代人的作用人能够创造意义能够解释意义技术只能改变一些事情而人所特有的素养和能力使我们能够更好地了解由人构成的环境和文化通过数据只能得到抽象的正确通过人的能力才能得到真实的意义一、算法不是万能的在快速变化的环境中,心神不宁的人们想摆脱现实的不确定性,于是向科学的力量求助,并认为AI、大数据分析、算法新技术一定能够更好地解释一切复杂和快速变革的全局。很多人对于技术的倚重不仅来自技术带来的效率提升,而且更加来自“技术崇拜”——用近乎虔诚的态度对待技术。甚至有一种激进的思维希望用算法理解世界的方方面面,并且认为科学知识优于其他类型知识。此思维代表的是“唯科学主义”意识形态(scientism)——对算法技术的痴迷。持有此意识形态的人认为,算法是智慧与经验的替代品。在他们看来,无论是在医疗、教育、政府,还是在我们个人生活领域,人工智能与大数据分析技术都可以给出最优答案。但是,算法并非全知全能,如果太过信赖技术,人的判断力还会被削弱。就像是我们专心盯着GPS,听从它发出的每一条指令,反而失去了对头上闪耀的星星的感知力。对于组织的决策者来说,只有具体的数据分析结果,依然无法胸有成竹;只有抽象的数据,而没有对现实的感知,就难以从数据中获得还原真实全貌的能力。数据没有了具体的语境背景和色彩,所呈现的只是这个世界的抽象表征,而不是世界本身。如果管理者、决策者总是被一层层抽取到的数据所包围,他们的想象力和直觉就会枯竭。就像是只吃各种维生素和工业提纯后的营养液,导致味觉退化。人的独特能力是不能够被机器和技术替代的。算法技术本身不能给出有关真实性的全部答案。因为大数据背后的假设关注的是相关性,而不是因果关系,所以大数据可以提供信息,但是无法给出解释;大数据可以构建事物在统计上的显著关系,却不能解释为何会出现这样的现象。经济学家蒂姆·哈福德说:“大数据并没有解决困扰了统计学家和科学家几百年的问题——关于洞察力的问题,也就是如何推断到底发生了什么,并找出如何干预或优化一个系统的方式。”谷歌的“流感趋势检索”案例呈现出了以上问题。2008年,谷歌的研究人员提出了一个用搜索词条预测疾病大规模暴发的想法。经过筛选与流感相关的检索,并对这些检索进行追踪,研究人员想当然地认为他们可以比美国疾病控制与预防中心(CDC)更早预测出流感的暴发。他们所采用的技术被命名为“临近预报”(now-casting)。这似乎是一次算法技术上的成功——谷歌的检索可以比美国疾病控制与预防中心提早两周预测出流感暴发。然而之后不久,谷歌的流感趋势预测就不灵验了——它并没有预测出2009年的H1N1流感大暴发,而且高估了2012~2013年的流感疫情。问题在于,谷歌的算法对于任何与流感季节相关的检索都会产生反应,但这些检索的背后不一定与真正的流感暴发有关。比如,像“高中篮球”和“鸡汤”这样的检索都会引发谷歌算法的流感警报。这是因为大数据并不关注解释,而只是反映经验主义者的思维。大数据想要从等式中去除偏见,充分采用演绎思维,摒弃归纳的探究方式。它的逻辑是,在数据充分的情况下,数字就可以指向结论,根本不需要理论。但是,就如同谷歌流感趋势的例子所展示的,我们还需要进行更深入的分析,以探讨数据的相关性,并确定因果关系。大数据无法摆脱对传统研究方法的依赖,因为数据的意义仍然来自人对数据的解读。如果像谷歌这样处理数据的话,大数据永远不能做到保持中立,不偏不倚。类似的,我们经常用所谓的“技术”手段来了解真实情况,但是却如隔靴搔痒。比如,公司管理者想要通过客户的“痛点”或“未被满足的需求”来帮助客户、消费者或员工。这些说法背后是一种居高临下的态度,拿着技术工具的放大镜俯视别人,将他人的经历抽象化、将人流动的想法和细微的个性差异解剖、放大分析,本质上是一种简化。科学知识不断发展,但是来自科学技术的信息却导致我们对其他形式的信息与求知方式置若罔闻。而往往是那些能够接受各种形式的信息的人最终胜出。如果一个人只是相信科学知识和技术,那ta就会都被限制在了自己构建的“技术牢笼”:有的人被困在桌上堆满了数字表格的会议室里,还有的人被困在充斥着空洞的缩略语的战略会议中。无论是被困于哪种“技术牢笼”,ta都难以在复杂的环境下领会真正真实的生活。比如,在一家制药公司,ERP系统可以告诉管理者有多少销售人员完成了季度目标,但是不能让管理者明白究竟是什么塑造了一位成功的销售人员;在一家时装公司,最新的市场细分模型能展示出不同的奢侈品消费者是怎样消费的,但是不能揭示出他们在消费时追求的是一种什么样的体验和心情;一家销售养老保险的公司要理解变老的感受,才能够走进老年人消费者的心里,赢得他们的好感和信任。而一个人变老的感受,是算法量化模型可以描述清楚的吗?二、人的独特认知能力所以,要寻找因果关系和现象形成的过程机制,依然需要人的投入、思考和归纳。只有人们自己可以从对具体经验和复杂现实的体察中总结提炼出捕捉整体真实性的理论框架。要把握这个VUCA时代的机会,企业高管不能迷信技术算法,更要随时掌握政治、科技、文化社会领域的新知识,并且理解不同方面信息是如何相互交织、共同塑造的。比如,食品生产业务不仅是由定制市场进入战略、资本投入、产品市场定位构成。做好这个生意,还需要管理者理解人与食物的关系:如何消费和分享食物、美食聚餐对于人们的文化意义等。企业的发展战略也不仅是不同周期的计划目标和财务报表,也是与文化、人、情感相关。要真正了解生活在社会和组织环境中的人,学习者需要平视人,做人所做,见人所见,才能思人所想,获得同样的人的视角与思维方式。此外,要了解一种文化和人行为的社会背景,你还要去了解这样文化的历史、传承和习俗,从而获得人行为背后的复杂动机与经历的影响。所有这些,都不是技术崇拜者和唯科学主义者迷信的统计学“大数据”和算法能够领悟的,而是需要真实场景的“厚数据”(thickdata)。对于“厚数据”的关注,体现在金融大鳄索罗斯的投资方法论中。因在童年时期经历了世界范围的战争,看到了人类的不理智,索罗斯对历史的非线性发展异常敏感。他意识到,宏大的政治事件,往往是由那些看似微不足道的人物事件引发的。理性的货币政策与条约的表象之下,是人们的愤怒、受伤的自我和地盘之争。索罗斯基金管理公司所具有的人文思维文化要求投资人必须探寻数据背后的文化。索罗斯的投资伙伴罗伯特·约翰逊所遵循的独特流程是:“多数时候,数据并不是数字,它们无法在表格中量化。数据是经历,是报纸上的文章,是人们的反应,是对话,是描述性数据。”索罗斯和同事们的决策过程并不是在办公室中反复摆弄各种模型分析数据,而是来到真实的“田野”进行调研,是从与真实的不同的人进行的互动中获得了真实的感受,而不是通过机械的经济学基础理论和大数据分析去感知市场动向。投资和商业决策都需要数据来支持,但如果只是把数据理解为单纯的数字,你可能就会错过更本质的信息。像索罗斯这些投资者的天赋,就是能够在如海洋般浩瀚的数据、印象、事实、经验、观点和观测中找出规律,并把这些规律整合成一种洞察力。这需要与相关数据进行直接、几乎是感官上的接触,需要对什么与什么相匹配,什么源于什么,什么导致什么有一种敏锐的感知能力和整体思维能力。类似的,英国历史学家哲学家以赛亚·伯林发现,就如同索罗斯这样的大金融家能够同时整合多种复杂要素一样,伟大的政治领袖也具有一套可以被称为“完全平凡、经验主义和准美学式”的个人技能。这些技能的特点,是以经验、对他人的理解和对环境的敏感为基础的现实参与。“整合那些千变万化、多姿多彩、稍纵即逝的,像一只只蝴蝶一样难以捕捉、分类的信息”。这是一种了不起的能力,是算法和人工智能不能够替代人类的原因,因为人类有洞见。温斯顿·丘吉尔说:“真正的才华,体现在人们对未知、危险和矛盾的信息的判断之中。”所以,那些认为只要数据够多,算法够先进,就可以无所不能的判断是站不住脚的。这和“唯科学论”和“拜科学教”的迷信一样,本质上是一种认知惰性和对未知领域的恐惧。三、结语社会学家马克斯·韦伯总结了社会“现代性”的三个特征:量化可计算的(calculative)、程序化(procedure)、反思性(reflexivity)。进入工业社会后,人们发现自己被束缚在“理性的牢笼(IronCage)”中,就像是如今被束缚在各种“技术牢笼”中一样,其中重要原因就是人们总是关注现代性的前两个特征,却总是忘记了反思——对整体的反思能力。人们对世界全局的整体性把握,正是人所特有的能力,这是算法无法替代的。算法也因此不能主宰人类社会。现实中,当人们视算法及其提供的解决方法超过其他一切时,我们就难以看到人类智慧所表现出的机敏与精细。当人们将技术凌驾于人类之上时,就不再把数据与其他资源整合在一起,那么就会失去可持续发展的效率,因为它源自整体的思维,而不是优化的方式。在商业竞争的快速变化环境中,管理决策者需要跳出“技术崇拜”和“唯科学主义”的限制,需要灵活自如地综合运用所有四种知识:客观知识、主观知识、共享知识、感官知识。有点类似管理学者明茨伯格提出的对管理的定义——管理既是科学,也是艺术,更是门手艺,这四种知识没有孰优孰劣。客观知识:是自然科学的基础,例如“2+2=4”、“这块砖重3磅”、“水是由两个氧原子和一个氢原子构成的”。但这种类型的知识没有真正的视角,这就是哲学家托马斯·内格尔将其描述为“无源之见”的原因。客观知识可以被反复检验,并得到相同的结果。细胞、原子和小行星都可以用客观知识进行观察、测量,因为其结果是可复制的、普遍成立的,并与现实观测相一致。主观知识:即个人的观点与感受。主观知识反映的是我们内在的世界。人们会把自己确信无疑的事情看作是知识。当我们说“我脖子疼”或“我饿了”时,大家就会尊重我们对自己身体的判断。当某个人正经历某种感官体验时,这种感受就是他的最真实的知识。共享知识:与客观知识不同,这种知识是无法像原子和距离那样被测量的。同时,与主观知识不同,这类知识具有公共性和文化性。换言之,第三种知识是共享的人类经历。感官知识:这种知识让我们利用一种关于世界的浅层次意识来决定如何行动。经验丰富的消防员通过“第六感”感受火焰的移动;专业救护人员在没有看到心脏骤停迹象前,已经伸手去拿除颤器。这些都是“技艺”层面的感官知识在发挥作用。同时掌握四种知识,而不是仅仅盯着技术算法等客观知识,可以帮助人从特定的情境中抽取更多的关键信息,回归世界的真实。所以,我们既需要顶尖的电脑工程师和软件开发人员来推动算法进步,也需要才华横溢的诗人、艺术家、哲学家和人类学家来帮助我们获得整体洞见和灵感。我们需要综合方方面面的精彩见解,而不是试图作为单个的个体或文化达到最优状态。演算法可以提供最优路径,但是只有人——艺术家、思考者、数学家、企业家、政治家——具有洞察力和同理心的人,才能构建和解释意义、定义人类社会的目的。算法时代,人的力量就体现于此,让我们看到它,使用它。本文来自微信公众号:清华管理评论(ID:tbr2013),作者:刘书博(中央财经大学商学院副教授),编辑:刘永选,本文刊登于《清华管理评论》2021年4月刊,原文标题:《算法不是万能的:在算法时代,看见人的力量》来源 | 本文来源于网络,本着学习交流的目的进行转载,已标注原始作者和出处 新工业网作者 | 刘书博文章链接 | http://test.jbryun.com:8029/cms/Artificial_Intelligence/462.html
  • [云计算周刊] 北京5G基站达4.57万个,居全国第一 云计算和大数据业务增势突出
    原标题:北京5G基站达4.57万个,居全国第一 云计算和大数据业务增势突出 来源:青瞳视角北京市通信管理局16日在2021(第十八届)北京互联网大会上发布的数据显示,截至8月底,北京5G基站达4.57万个,每万人5G基站数约20个,平均上传速率达42Mbps,均居全国第一;5G终端用户1215.5万户,占移动电话用户近三成。记者在大会上了解到,北京已经实现了首都功能核心区、北京城市副中心、CBD、奥林匹克中心区等重点功能区的5G网络覆盖。数据中心、云计算、大数据等新兴业务成为固定增值业务主要增长点,其中云计算和大数据业务增势突出,增速达72.4%和28.3%。北京市通信管理局党组书记、局长苏少林说:“5G是推动数字经济高质量发展的重要支撑。目前及今后一段时间,5G发展处于导入期,面临着产业链不成熟、融合应用不深、经营模式不清晰、投资需求大等考验,需要保持定力,稳扎稳打,需要全社会共同参与。这不是一个行业的‘独角戏’,也不是关联行业的‘双簧戏’,而是全社会共同参与的‘大合唱’。”(新华财经记者 张超)
  • [行业资讯] 大数据物联网应用,防汛精准高效 无锡应急排涝能力5年提升超10倍
    连日来,台风“灿都”给我市带来中到大雨,市防汛抗旱指挥部办公室未接到反映积水情况、要求支援的电话。“往年汛期遇强降雨时,这类电话响个不停,4个人接都很紧张,今年汛期年景偏恶劣,至目前遭遇2次台风雨、2次极端短时强降雨,但只需2个人接电话。”昨日,市防办负责人表示,排涝能力大大增强是主因。  “除涝,首先要让主要河道在降雨时水位不过高,其他小河及雨水管里的水才能尽快排出。”市防办人士说。近几年来,我市对500多个圩区不断增设泵、闸或通过改造提升排涝能力,并加大力度储备应急排涝泵车等大功率排涝设备,应急排涝能力较5年前提升了10倍以上,满足正常偏恶劣年景的防汛需求。在城市防洪运东大包围,近10年来降雨期间最多开机18台,约占排涝总能力的66%。  近几年来,随着城市开发强度加大,以及台风雨、1小时降雨量超50毫米的短时强降雨频率增强,老旧小区、道路低洼点等易积水问题较突出。业内人士说,内涝是系统性问题,仅靠河道闸、泵难以迅速解决,雨水管网通畅也很重要。我市雨水管网面广量大,因历史原因建设标准偏低,近年来随着排水达标区建设深入推进,正在不断改善。  在梁溪区上马墩街道上马墩三村,比外部道路低四五十厘米的小区内部是易涝地。但今年汛期,即使遇到1小时降雨量超60毫米的超强降雨,这里也没积水。“原因是我们建了提升泵,将小区涝水通过动力打到人民路等主要道路雨水管中,同时将雨水管由原先的水泥管改成了波纹管,使雨水外排更通畅。”街道建设局负责人说。据悉,5年来我市通过增设泵站、管网改造等,使汛期内涝易积水点下降近四成。  监测预警、部门联动、防御关口前移,亦使防汛能力增强。“大雨来临前预降水位是有效举措,以前都凭经验,如今通过大数据、物联网推演,更精准高效。”市防办人士说。市防办今年还将全市道路易积水点路况接入指挥系统,提前制定应急排涝方案,遇到突发情况迅速调剂排涝设施和应急队伍,提高了效率。而经开区等板块则对重点低洼地段的雨水监测关口前移,由以前巡查路面有无涝水改为雨前检查雨水井液位,超过管道直径50厘米时就“预降”管网水位,增强了排涝保障。  业内人士说,1991年我市梅雨量为新中国成立以来最大,1个多月才将涝水全部排出。而2020年我市梅雨期历时42天、降雨量仅次于1991年,百姓却未感受到“洪涝灾害”,河道水位数天内就恢复正常。这不仅基于排涝设施的加强,也是城市精细化管理水平提升所致。(朱雪霞)
总条数:546 到第
上滑加载中