很多车主在收费站排队取卡或缴费的时候,都遇到过车流慢甚至拥堵的情况,而旁边的ETC收费通道却往往畅通无阻,车快速开过还会自动抬杆放行,如今通过高速ETC设备,您也可以轻松享受这种"特权"。今年9月底,全国除海南、西藏之外的29个省份实现高速公路ETC联网,帮助逾千万用户不停车快速通行高速路。在这背后,浪潮AS1000G6光纤存储解决方案功不可没。
用户突破千万,通关急需提速
全国高速公路ETC经过初期发展形成了部分省市区域内联网,但随着高速公路通车里程和入网用户及交易量的超过30%年持续增长,全国高速公路ETC联网运营管理的任务更重、挑战更多,交通运输服务难以满足高并发、低延迟的交易需求,问题逐渐显现。

交通路网压力大,ETC通行现短板
ETC全国联网系统建成后,预计用户数量到2015年底将突破2000万,日均将产生120万笔跨省交易量;三年后,全国ETC用户将发展到3000万用户,日均将产生180万笔跨省交易量;系统将同时为国家交通运输主管部门、各省ETC中心运营管理人员、广大的ETC用户提供运营管理、清分结算、出行信息等服务。服务必须做到7×24小时实时、高效、不间断,系统的安全性及可靠性尤为必要。
ETC跨省业务需求量激增,但由于各省市在ETC建设上存在差异,运营管理水平参差不齐,客户服务水平不一,直接影响省际之间的业务协调及用户感受,制约跨省服务的协调统一和高效运转。为了更加便捷民众出行,需要逐步实现全国范围内的ETC联网。
超10万公里高速路,一张不停车收费网,一卡畅行全国
国家中心系统作为全国高速公路ETC联网运营的核心,进行所有高速公路跨省通行交易的清分结算处理,以及争议交易、退费、投诉等业务的流转和确认,同时提供综合查询和访问服务。
结合ETC全国联网实际需要,浪潮采用AS1000G6光纤存储作为在线ETC核心数据库、应用虚拟化平台等系统的业务磁盘存储,通过基于SAN架构存储技术的有机结合,实现ETC用户数据和交易数据的集中管理和分布处理,推进ETC跨省并网运行。

浪潮AS1000G6光纤存储
基于8Gb架构的AS1000G6可满足高端应用对存储系统的苛刻需求,独立的控制缓存与数据缓存设计充分释放性能,可靠、易用、易维护,保障全国29个联网省市平稳运行,同时建成后的ETC联网系统平台规模可以按照未来需求动态扩展。
由于系统对数据访问和数据安全的实时性要求较高,浪潮为国家中心系统配置了备份存储做实时数据容灾,数据卷镜像,在主存储方式宕机时,可以由备存储接管数据应用,同时通过DP2000虚拟磁带库实现核心数据离线存储备份,保证业务连续性,7×24小时服务不间断。
随着全国29个省份实现ETC系统联网,我国也建成了全世界里程最长的高速公路ETC联网系统。11万多公里高速公路、2100多万用户、跨省交易量累计约1亿辆次,ETC已经被越来越多的用户认可。
节约87%费用,降低20%人力,通关仅需3秒
目前路网中心ETC清分结算系统和各联网省市ETC清分结算系统运行平稳,交易数据日清日结,清分结算正确率为100%,资金划拨及时率、正确率均达100%。同时,6个月来ETC用户跨省投诉量也呈下降趋势,这得益于运营管理和服务水平的不断提升。
和传统的人工收费站相比,ETC在实现全国联网收费后,在提高效率、节约人力成本、绿色节能减排等方面的优势将更加明显。交通运输部路网中心ETC中心负责人表示:ETC可以节约近87%的收费站扩建费用,降低约20%的人工与服务成本。车辆通过收费站的平均时间由14秒降低到3秒。
ETC联网让高速公路有了魂,通过提升高速公路管理水平,缓解高速公路拥堵、提高通行效率,将人、车、路和信息真正结合在一起,未来ETC还将不断拓展功能,例如根据分析交通量合理调节交通流;根据公路网运输状态、流动趋势为经济发展研究提供数据支持;ETC支付卡除了缴路费之外,还可实现加油、购物、停车一卡通……这张看不见的信息大网正在创造着更多的效益。
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。