CNET科技資訊網(wǎng) 12月12日 北京消息:進入冬季后,北方多地迎來降雪過程。今日,滴滴出行發(fā)布《北方城市雪天出行數(shù)據(jù)分析報告》(以下簡稱《報告》),對全國緯度最高的四個省會城市哈爾濱、長春、沈陽、烏魯木齊的降雪日交通大數(shù)據(jù)進行了研究。研究發(fā)現(xiàn),降雪當天北方四城的道路平均通行速度均有較大幅度下滑,出現(xiàn)不同程度的擁堵狀況。其中,沈陽最擁堵,烏魯木齊位列第二。這兩個城市同時也是雪天中最難打到車、通勤時間增加最多的兩個城市。
《報告》還給市民提供了一些雪天出行建議。例如,參照當?shù)爻鞘性缤砀叻宓木唧w時間,盡量錯峰出行;早晚高峰打車時,避開需求旺盛的區(qū)域;注意繞開易擁堵路段。另外,根據(jù)當?shù)馗叻鍝矶卵訒r指數(shù),要注意預留擁堵時間,如居住在沈陽的乘客雪天早晚高峰出行時要比暢通時段多預留出80%的時間。
沈陽最擁堵,長春最通暢
《報告》選取了烏魯木齊10月19日(雨夾雪)、長春11月8日(中雪)、哈爾濱11月11日(中雪)、沈陽12月08日(大雪)的訂單數(shù)據(jù),以評估和量化雪天給北方城市出行方面帶來的影響。
《報告》發(fā)現(xiàn),雪天會導致城市車速較平時出現(xiàn)不同程度下降,降幅較顯著。其中,沈陽全天平均車速下降幅度最大,達10.8%,烏魯木齊位居第二,降幅達10.1%。盡管車速較正常天氣降幅較大,下雪后,烏魯木齊的全天平均車速仍然最高,達19.6KM/H,長春和哈爾濱次之,沈陽全天平均車速最低,只有15.7KM/H,大約只相當于一輛中速行進的自行車的速度。
下雪天,最擁堵的城市是沈陽,擁堵延時指數(shù)達1.8,意味著在早晚高峰期時段單位里程通行時間是暢通時段的1.8倍。烏魯木齊擁堵延時指數(shù)達1.7,位列第二;哈爾濱為1.6,位居第三;而長春只有1.3,是最暢通的城市。
在上述城市中,沈陽最擁堵的地段是南京北街、十三維路、昆山中路;烏魯木齊最擁堵的地段是北京南路、河灘北路、人民路;哈爾濱最擁堵的地段是河潤街、宣化街、友誼路;長春最擁堵的地段是亞泰大街、繁榮路、南環(huán)城路。
烏魯木齊雪天打車最難
《報告》顯示,因為雪天市民打車需求量大幅上升,會導致打車比平日更難的現(xiàn)象產(chǎn)生。其中,烏魯木齊打車成功率降幅最大,同比下降21.1%,沈陽下降14.8%,是打車明顯比平日更困難的兩個城市。而雪天對哈爾濱和長春的打車成功率影響較小,兩地打車成功率只分別下降3.6%和1.2%。
在下雪天,烏魯木齊打車需求最旺盛的區(qū)域是烏魯木齊國際博覽中心附近,沈陽是沈陽北站到金融中心一帶,哈爾濱是哈爾濱火車站附近,長春則在長春開發(fā)區(qū)國稅局附近。
雪天還導致了乘客的通勤時間增加。《報告》發(fā)現(xiàn),沈陽通勤時間增加最多,平均增加16.4分鐘,烏魯木齊增加15.6分鐘,哈爾濱增加了14.4分鐘,長春增加最少,只有11.2分鐘。
《報告》還公布了一個在雪天出行的有趣訂單:一位80后男性房地產(chǎn)/建筑從業(yè)者,從長春龍嘉國際機場到吉林市中心醫(yī)院打車,跋涉距離長達84.1公里,堪稱雪天出行之最。
好文章,需要你的鼓勵
浙江大學團隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學、編程等任務上顯著提升推理準確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓練策略,成功解決了大型推理模型"話多且準確率低"的問題。實驗顯示,該方法在數(shù)學競賽題上將模型準確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓練提供了新思路。
南洋理工大學與騰訊聯(lián)合研究團隊開發(fā)出Rolling Forcing技術,實現(xiàn)AI視頻實時流式生成的重大突破。該技術通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學研究團隊發(fā)現(xiàn),通過讓AI模型學習解決幾何問題,能夠顯著提升其空間理解能力。他們構建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強化學習方法訓練多個AI模型。實驗結果顯示,幾何訓練在四個空間智能測試基準上都帶來顯著提升,其中最佳模型達到49.6%準確率,超越此前最好成績。這項研究揭示了基礎幾何知識對培養(yǎng)AI空間智能的重要價值。