公路隧道多建设于山岭区域,所处环境复杂,且内部空间狭窄、近似封闭,当车辆驶入时,光照的变化、环境空气的变化、危险驾驶行为等极易引发安全事故。同时,由于隧道信息化建设不足,导致隧道安全风险感知薄弱、应急救援效率低下,易酿成严重后果。因此,加强隧道安全风险感知、构建智能化隧道监管非常关键。
目前,多个省市的《交通强国建设纲要》和《十四五交通运输规划》中,也明确提到了隧道的相关发展建设内容,主要包括交通感知网络覆盖,全要素、全周期数字化,运行情况实时监测,安全风险预警和管控等。

世纪高通数字孪生隧道解决方案,依托公司高精度地图、三维模型、国产自研二三维一体化GIS引擎等核心能力,并联合行业领先的终端感知技术,构建隧道数字孪生系统,实现隧道全要素感知、全流程监管,为隧道安全预警、应急指挥、分析决策及管理养护提供基础支撑。
1、隧道实时运行监测
通过对接隧道视频系统、智能感知设备等,实时监测隧道内的交通、车辆、环境状况,精准识别隧道交通事故、交通违章、火灾、隧道病害等事件,及温湿度、风速、照明、烟雾等异常指标,并及时发布预警。

2、应急联动指挥
当隧道发生应急事件,平台将自动匹配预先设置的应急预案,经过人工对事件类型、级别审核确认后,启动应急联动,实现设施设备“一键”联动控制,提升应急事件处置效率及通行安全。同时,平台可记录事件处置流程进展,模拟呈现设备联动状态,实现应急联动全流程可视化监管。

3、辅助决策分析
交通运行分析
基于隧道历史交通流量、交通指数,分析流量高峰期、拥堵常发路段,进行重点监管;对隧道历史事故、车速进行分析,辅助制定合理限速值。
历史事故分析
分析隧道历史事故数据,通过结合隧道高精度地图数据,对隧道所在路段的坡度、曲率、隧道环境、天气、光照等因素进行关联分析,为隧道事故预防策略的制定作参考。
隧道环境分析
根据隧道内环境监测数据,计算相关指标的变化规率、分布规律,并结合交通流量、事件等信息,为隧道内风机、照明的动态工作提供决策参考。
隧道安全风险判别
综合隧道交通运行、事故、环境、养护等因素,构建隧道安全风险评估模型,为隧道应急救援预案、隧道交通诱导规划、巡检养护规划等提供决策支撑。

4、智能养护管理
设施设备可视化管控
对隧道内所有机电设施、智能感知设备进行可视化监管,实时监测设备运行状态,并根据隧道内通风、照明需求远程控制设备状态。同时,基于设备运行监测数据进行节能管控。
智能巡检养护
通过隧道智能巡检设备,对隧道内路面异物、隧道内墙壁、顶部渗漏水等异常情况进行检测并预警。同时,基于每日巡检数据,生成统计分析和预警报告,实现隧道病害趋势预测,为指定科学的隧道养护计划、巡检计划提供重要支撑。

5、公众出行服务
基于动态交通信息、隧道监管平台信息、第三方服务信息等,通过诱导屏、情报板、广播、移动端app等渠道,为公众提供全面、精准、及时的隧道安全服务。

世纪高通充分发挥高精度地图及二三维一体化GIS引擎优势,通过隧道高精度场景还原、宏观微观业务一体化,实现从感知、监测到决策、控制的全流程隧道安全监管。同时,为车路协同场景下的智慧隧道、智慧高速提供基础支撑。
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。