独家 | 陆化普:大数据、AI解决交通管理难题的新思路

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:

[导读] 2017年8月24日,以助推“平安交通、和谐交通、便民交通”为导向的研讨会在贵州省公安厅交通管理局成功举办。在会上,清华大学清华-青岛数据科学研究院(以下简称:数据院)、交通研究所和贵州省公安厅交通管理局的达成合作共识,共同挖掘贵州省交通大数据的价值,产生一批落地的科研成果,并应用到交通管理局实际的交通管理工作中。

数据院一直秉承开放包容的理念,积极推进大数据与各领域的跨界交流。此前数据院在交通领域举办了以大数据与新能源为主题的论坛并邀请众多专家出席,同时也支持了清华大学交通研究所在大数据技术与产业应用的充分对接。研讨会后,广西与内蒙等省份的交管部门也纷纷表示愿意就大数据在交通领域的应用与数据院开展全方位合作。

image

陆化普:清华-青岛数据科学研究院交通大数据研究中心主任,清华大学交通研究所所长,土木工程系教授。主要研究方向为交通规划理论、交通管理与控制、智能交通系统规划设计、可持续发展的交通运输系统、交通安全、交通经济学。公安部、建设部、全国畅通工程专家组副组长,四届交通学术委员会的委员,入围中国工程院2017年院士增选候选人名单。

陆教授的演讲围绕新形势下公安交管部门如何利用大数据、云计算、人工智能等科学技术不断探索和创新道路交通管理新模式这一主题展开。

image

1. 交通拥堵日益加剧

交通拥堵已由城市中心向城市周边、由大城市向中小城市、由一线城市向二三线城市迅速蔓延。如北京2011年统计一天中交通拥堵持续时间是3.5个小时,而2016年是6.5小时,按一天主体生产时间8小时算的话,持续6.5小时的拥堵将产生巨大影响。

2. 城市交通安全形势严峻

以万人死亡率为例,我国是2.25左右,英国是0.49,日本是0.5,美国是1.26,如果我们达到美国总体水平,死亡人数会由6.3万人下降到3.5万人,如果我们达到日本的水平,死亡人数将降到1.4万人。要想成为交通强国,交通安全必须上去,交通安全形势十分严峻。

3. 交通违法现象非常普遍

电动自行车违法现象尤其严重,闯红灯、超速、逆行等对交通秩序、交通安全和整个路网交通能力都将产生很大影响,形势严峻。

4. 交通管理面临的新挑战层出不穷

比如,共享单车在带给大家方便的同时,到处乱停乱放、使用不规范问题的影响也很严重;老年代步车的安全设施差、车速慢、驾驶人员没有经过严格训练;电动滑板,电动座椅等新的交通工具的出现等。诸如此类各种各样新的问题,怎么管理将是交通管理部门面临的新挑战。

image

1. 需求分析

无论是交通基础设施建设,还是交通组织管理、交通运营管理都需要交通需求分析,掌握交通需求特点。交通需求特点包括总量特性、强度特性、时间空间分布特性、距离特性、方式构成特性等。知道这些数据,可以更快捷高效地对交通状况进行分析诊断。

比如北京有2173万人口,人均出行次数是2.8次,数字相乘,北京人一天中居民出行次数是6084万人次。其中地铁一天1200万人次,常规公交一天900万人次,加在一起2100万人次,因此北京的公交分担率约为35%。

掌握了这些数据,我们就可以进行综合分析判断。比如,假设某个城市0到2公里的出行比重是25%, 2到4公里出行比重是15%,加在一起是40%。假如步行分担率和自行车分担率两者之和是28%,那么你就可以得出结论,这个城市的交通结构不合理。因为步行和自行车的合理出行距离是4公里,刚才举例说4公里内的比重是40%,而实际上步行和自行车的分担率才28%,我们就可以判断这个城市的交通分担率不合理。显然该骑车的没骑车,该走路的没走路。所以,判断交通结构合理性要依据交通需求特性数据。

还是以北京为例,需要掌握整个城市的出行距离特性、方式构成特性、时间、空间分布特性。比如,6084万人次集中在什么时间出行,集中在哪些地方出行,这些基本的数据反映了整个城市交通需求的全部特性,针对这些特性我们就能够规划好基础设施,制定交通管理方案。

过去上述这些数据都是通过调查来获得,不仅花费大量人力、资金,调查频度也十分有限。现在大数据能在相当程度上为我们提供这些数据。比如滴滴打车平台,可以提供出发地目的地数据。公交智能化可以统计每个站点的上下车人数。手机数据可以提供时间、地点信息等。通过移动数据、浮动车数据、在线平台公司信息以及公安交通自己的卡口数据,可以进一步提取交通量信息和轨迹信息。这些来源于不同数据源的数据经过融合、分析、挖掘,能够获得交通需求的各种特性,包括总量特性、时空分布特性、交通方式构成特性等。

2、供给分析

通过大数据可以进行网络分析,回答路网规划是否合理,哪些地方应该改造,哪些道路应该新建等问题。网络规划方案能否承受预期的交通需求,确定道路基础设施建设的优先顺序以及优化的方法,是拓宽还是修建新的道路等问题的分析,均需要交通需求数据的支撑。

解决这样的问题,就是要在计算机里建立道路网络体系,用需求数据来做网络分析。我们可以采用VC比指标,V是道路上交通量,C是这条道路的通行能力, 比如,VC比是0.5、0.6,则说明交通处于畅通状态。VC比0.9,甚至1,说明道路上的交通量已经分别接近和达到了通行能力,处于交通拥堵状态。

3. 运营状态分析

为实现精准管理,需了解实时交通状态,如交通数量、延误时间、两点间距离、走行时间、占有率等基本指标。比如,清华大学交通研究所,在08年北京奥运会之前,承担了科技奥运十大工程之一的智能交通管理系统研究开发,实现了道路交通流实时分析功能,可以实时给出所需要的道路交通流的所有指标。如某区域内的各条道路的交通量,给定任意两点的走行时间,拥挤程度、占有率等一系列指标。道路交通状况的实时分析对动态交通管理非常需要。

4. 运营态势分析

实际工作既需要有宏观分析也有微观分析,包括交通拥堵态势分析,交通安全态势分析,交通安全隐患预测、交通组织优化评价等。

比如,安全态势分析评价。

宏观分析可以通过道路的流密速的变化状态来判断出现了什么问题,哪儿出了问题。比如道路的交通量,车速,车辆密度,如果发现一条道路突然车速急速下降,就可以判断有可能是发生了交通事故。

微观分析事故预防、事故应急。国外在车内安装传感器,比如对眼球移动状态,对心跳、脉搏等进行实时监测。通过眼球移动状态判断疲劳程度和身体状态,通过脉搏和心脏状态反应身体状况,尤其是防止突然发病。

基于大数据,从宏观微观角度进行分析,交通安全预警、交通安全应急以及事故发生后的快速处理等都会进入一个全新阶段。比如拥堵数据,大屏上可以显示拥堵点数量,拥堵点历史数据,是新出现的拥堵点还是长期以来一直有的拥堵点,拥堵的原因,针对这些数据可以形成解决交通拥堵点的对策方案。

对交通参与者进行态势分析。分析交通违法哪些是主导现象以及变化态势。分析采取措施后行为的改变,是否出现新的情况,解决了哪些原有问题。

深圳在智能化方面在两个方面很有特色,一是执法的智能化水平,二是窗口服务的智能化水平。

执法智能化方面他们建立了三个支撑平台,一是大数据分析研判平台,二是警务实时督导平台,三是融媒体交通信息服务平台。三个平台支撑前端可视的化交通指挥平台,提出建立最强大脑、最快双腿。

在违法现象分析、违法案件处理方面充分运用大数据的特点提高效率。比如利用比对法、冲突法等自动分析研判套牌车。如果说这个车五分钟之前在海关出现,五分钟之后在城市的北部出现,显然从空间上是不可能实现的。这种办法可以迅速发现套牌车。

深圳的智能服务大厅,刷脸服务可以知道人来的频度,6次以上出入被判定为黄牛,系统自动报警,所以他们完全消灭了黄牛现象。自助窗口有6大类100多项服务都可以自助。换证自动化设备在输入身分证号之后后台联动,调动数据库里面的健康情况信息,不再要求体检,调出并核对综合信息,符合条件,驾驶证就打印出来,整个过程20分钟左右,效率非常高。

因此,无论是解决拥堵问题、提高安全水平、还是提高业务效率,大数据都带来了一系列新变化。信息技术的发展直接冲击了我们的传统模式,带来了更高效的流程变化,勤务体制变化,甚至体制机制变化。

5. 决策分析

我国现在高速公路已达13.1万公里,铁路12.4万公里,港口拥有万吨级以上的泊位2317个。从交通的总需求上看,现在到底处在一个什么样的阶段,是基础设施不足,还是基础设施已经基本满足要求,回答这些问题一定要分析供求关系。设施状态,需求特点,供求关系水平的宏观分析非常重要。

以拥堵为例,拥堵点段空间分布,拥堵原因,是基础设施能力不够,还是违法行为降低了使用效率,还是停车设施不足,违法停车占用了通行空间。知道这些才能够科学精准地疏导交通,提高交通安全水平。所以决策分析要借助于大数据。

image

1. 供求关系不平衡

产生交通拥堵的根本原因是交通需求过大,交通供给不足,供求关系不平衡导致了交通拥堵。解决供求关系,要么加大供给能力,要么减少交通需求。所以缓解交通拥堵的思路可以用三个词进行概括,减少需求、加大供给和提高效率。

理论上供给能力、设施的设计能力与实际的通行能力是有差距的。这其中原因很多,比如某个位置就是有人横穿马路,或者自行车挤占机动车道使得车就开不快,所以提高效率也是很重要的举措。

改革开放以来,交通的供求关系在不断演化着。城镇化机动化初期我们以非机动车为主,路上车少,交通供求关系不紧张;随着城镇化机动化迅速发展,道路交通量急剧增加,需求超过了交通供给,而且缺口越来越大,从而形成严重的交通拥堵。改革开放之初,全国机动车总量才138万辆,截止2017年6月底全国机动车总量达到了3.04亿,汽车2.05亿,私人小汽车1.56亿。

2. 解决总体思路

提高通行能力,优化道路设施,包括优化道路网络,消除瓶颈,提高利用率;
提高管理效率,提高设施的利用效率;
规范人的交通行为;
要调整城市结构和用地形态,减少城市的交通需求总量,缩短平均出行距离;
要调整交通结构,减轻道路上的交通负荷,实施交通需求管理。通过提高供给能力,减少交通需求,实现交通供求关系动态平衡。

3. 提高道路通行能力

提高交通的供给能力首先要提高整车道路的通行能力。要改造交叉口,消除畸形路口,打通断头路,提高道路交叉口的通行能力,做好路口的交通组织,优化信号控制,合理组织交通。尽可能的增加路口进口出道数,局部做一些拓宽,车道调窄,使得路段和路口的通行能力相协调。通过优化提高路口的利用率,通过有效的交通组织,明确路口的路权,提高路口的通行效率。

4. 路网结构合理

除了路网密度之外,路网结构合理有三个指标,一是道路的级配结构要合理,二是连通结构要合理,三是功能结构要合理。所谓级配结构,是城市道路有主干路、次干路、支路,它的比例关系要合适。大致上是1:2:4的关系,就是次干路要多,支路更多。连通结构就是次干路和主干路的连接,支路和次干路连接,要尽量避免支路和主路相连。功能结构,就是要分清它是交通功能为主,还是连通功能为主。这两个功能是此消彼涨的关系,交通功能强,连通功能就弱。不同功能的道路,交通工程设施、管理方法、管理方案都不同。交通线主干路要尽量隔离,杜绝路边停车。生活型道路要给大家提供尽可能的方便,方便过马路、停车、到商业街上购物,提高效率,满足需求。

5. 调整交通结构

城市的交通方式,有地铁轻轨、公共汽车、自行车、出租车、还有私家车,这些不同方式的比例关系,称之为一个城市的交通结构。合理的交通结构是,长距离出行要尽量采用公共交通,近距离出行尽量走路骑车。小汽车的运输能力有限,一小时能运输三千人,公共汽车一小时能运输六到八千人,轻轨交通一小时能运输一到三万人,地铁一小时能运输三到六万人。投入同样的通行空间,地铁是小汽车运输效率的10到20倍。我国城市人口密度大,需求强度大,个体交通工具是无法满足通道交通需求的,只有采用轨道交通作为骨干,路面上的交通负荷才能减轻,所以调整交通结构是解决交通拥堵的重要举措。

6. 城市规划

一个城市的结构不同,用地形态不同,产生的交通需求总量和交通需求其他特性均会有很大差异。众所周知,北京有若干个卧城,比如回龙观、天通苑,还有通州,那些地方没有太多就业岗位,大家都要到北京市内来上班。这么大量的通勤交通,什么样的交通系统也难以支撑。回龙观有八达岭高速,还有13号线地铁,交通系统很强大,但是每天拥挤不堪。所以城市结构导致的需求特性对我们交通的影响是根本性的。如果北京不是这样的城市结构,是多中心的城市结构,每个城市组团里既有居住条件,也有就业岗位,生活设施公共设施完善,就会大幅度减少交通需求的总量,减少大家的出行距离。所以,要解决交通拥堵问题,从城市规划的角度,首先要调整城市结构和用地形态。

在这方面,我概括了四个就近。就近上班,就近上学,就近购物,就近活动。四个就近,技术上的实现途径,就是混合土地使用。比如,巴黎的南部新城,荷兰阿姆斯特丹建的新城,北欧的所有新城建设完全是高度混合土地使用的。比如,我考察过的一座新楼,楼里有游泳设施,下了楼就有足球场地,附近就有商业社区,然后幼儿园、小学配备非常完善。日本大致都是300米半径满足你工作以外的全部出行需求。会议场所,学童保育所,综合超市,24小时便利店,邮局,房水电气的支付等所有金融活动和礼尚往来等均可在邮局完成,所以所有的生活活动大都可以在200米以内完成。

实现这种用地模式的一个重要技术手段叫TOD模式。TOD模式简单说就是公交导向的开发模式,要以公交站点为中心,组织用地,靠近公交站点的开发强度大,离开公交站点的开发强度低一些。近距离出行走路骑车,远距离出行乘坐公交。

image

1. 交通发生源对策

第一大对策体系就是交通发生源对策,目的是调整土地利用,改变交通需求特性。推进混合土地使用,推进TOD模式。

2. 绿色交通优先对策

绿色交通优先对策,包括地铁、轻轨、公共汽车,鼓励末端短距离出行走路骑车。道路系统绿色,完善道路结构,提高交通系统使用效率。交通需求管理,它的目的是改变交通需求特性,实现绿色交通主导。

从出行距离上看,出行距离越远,越需要机动化的交通方式。从需求强度上看,强度越大,越需要集约化的交通方式,公共的方式。调整交通结构是改变交通供求关系的强有力的措施,也是缓解交通拥堵的重要举措。

3. 停车对策

很多城市不是因为车多,而是因为停车设施不足导致交通拥堵。停车对策的目的是合理提供停车设施,适当引导交通需求。不是所有的停车需求都要满足,因为停车设施供给过量会刺激小汽车的使用,要分区域供给,分区域收费。

4. 智能交通系统对策

智能交通系统对策,是提高设施的使用效率的关键举措。智能交通可以使有限通行能力发挥最大的作用,规范人的交通行为。宣传教育是长期对策,我们期待借助于大数据、借助智能的办法能够缩短人们走向成熟的进程,促进遵守交通法规,建立良好的交通秩序。

最后是保障体系。保障体系的目的是提高交通系统建设的协调性、权威性、科学性和实用性,包括做好规划,制定好标准,建立好协调机制,增加交通的投入,以及加强交通的研究。

随着大数据的进展,大数据分析研判成为核心,交通警察已经不是大量在路面执法上面,而是着重分析问题、研究问题,提出方案,然后再精准的进行执法管理,进行拥堵管理。

image

贵州大数据平台已经形成了一个非常好的局面。所有的数据全部接入,以开放的心态让大家充分的利用这些数据资源,来共同为解决交通问题出力。这样的思路心态,解决方案的形成速度会迅速的加快,会更加有凝聚力,大家接入的数据也会更多。

1.交通问题的分析研判

如果各个城市能建立很好的分析研判系统,我们可以做到心中有数。首先是主要矛盾是城市拥堵、交通安全和交通秩序,可能有的城市交通拥堵非常严重,有的城市拥堵并不是主要的,秩序混乱才是最大的问题。如果交通拥堵是主要问题,拥堵具有什么样的特征,到底是通行能力不足,还是管理上有问题,还是交通工程设施不完善导致的拥堵?我们什么时候需要控制机动车总量?小汽车管理政策需要采取什么措施,什么时候、什么状态下应该采取措施等等。在城市路网不变的前提下能承载多大规模的小汽车保有?如果改善城市路网状态,改善之后能承受多大的机动车的规模?这里面有很多很多需要我们分析和回答的问题,建立综合分析研判系统,基于大数据分析就应该能够回答了。

2.智能交通控制

提高交通控制的水平,会在很大程度上提高整个路网的通行能力。在北京最常见的令人气愤的例子就是,你开车从这口起车了,本来希望一路绿灯,确眼巴巴的看着下一个路口由绿灯变成了红灯,好不容易有机会起车,刚走几步看着下一个路口又由绿灯变成了红灯。这些问题不但影响通行能力,而且增加了油耗,增大了排放。因此顺畅的道路交通流不但是解决交通拥堵对策,也是节能环保的主要举措。

首先对道路上交通流的整体状态确定控制策略,然后考虑干线如何提高它的整体协调,也就是绿波控制,干线控制的能力。对干线控制实现优化,会比较大的提高通行能力。

科学的交通组织。小到一个区域,大到整个城市都需要进行整体的交通组织优化调整和指挥,这是一个动态的交通组织过程,也需要实时的支持。当然过去我们没有那么多的数据,我们做交通调查的频度小,可能做一次几个月甚至一年都不改变,随着数据的增多,随着通讯的发达,我们完全可以根据当前的形势进行实时的优化控制。

还有货运,总体而言我们的货运组织管理是比较薄弱的,也比较落后。比如说欧洲,全欧洲主要的货物运输基本都是实时可控的,整个欧洲设了若干物流中心,物流中心从入库、出库、装车、车辆在路上行驶运行,指挥中心基本了如指掌,货物状态是实时掌握的。我们这里的危化物品运输,运行中的实时跟踪都可以做到了,那么将来主要的物流体系都应该这样,因为不仅仅是安全的需要,也是降低空驶率,提高物流效率,推动绿色物流,提高城市物流配送率的基本要求。有些城市说工程车、渣土车管理非常困难,经常夜间活动或者渣土抛洒或者损坏交通管理设施,有了智能交通系统这就不是问题了,所有的渣土车的运行时间、运行地点、行驶轨迹,甚至运行状态我们都可以掌握,所以就不会出现渣土车夜间没有人管,非常随意,出了事情也不负责任,无法追究这些问题。

智能交通,安全预警,智能执法,目前看各个城市有自己的特点。深圳的执法、武汉的服务比较突出,贵州建立了良好的大数据平台,借着这样的环境和条件加强这些方面工作,就有可能实现交通管理水平的显著提升和跨越式发展。基于大数据,不但提高了交通组织管理、提高交通基础设施的使用效率、提高安全性,实际上也会大幅度的提高我们的工作效率。

我们正处在智能交通大发展的前夜。我们的城市,不但面临着传统问题,还面临着一系列新问题,绿色交通主导,道路设施的路权向绿色交通倾斜,公交信号优先等都是新的挑战。智能交通运行管理、交通控制与交通诱导的结合,也是当前需要努力的方向。比如路上的车辆,现在时速是60公里,开到路口会遇到红灯,如果你时速调整到50公里的话,开到路口就会遇到绿灯,有了这些信息的及时提供,驾驶员可以调整车速,既又节省汽油又减少排放,另外还能使车辆一路畅通。

3.贵州大数据平台

大数据使我们有了越来越多的信息,越来越接近全感知。我们的环境条件发生了变化,多元的全感知手段,比如传统的线圈,新的地磁检测,微波红外检测,视频检测,浮动车数据、手机数据,公交统计数据等。4G网络使得大量信息的传输障碍越来越小。大数据、云计算,这样就具备了深度分析的基本条件,在大数据的支撑下,我们完全可以让系统更加智能,决策更加科学,管理更加精细。

希望我们大家共同参与,充分利用大数据平台,做出先进实用的系统,来大幅度提高交通管理的效率和安全水平、以及交通秩序水平,开创交通管理的新局面。

原文发布时间为:2017-09-20
本文作者:陆化普
本文来自云栖社区合作伙伴“数据派THU”,了解相关信息可以关注“数据派THU”微信公众号

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
5天前
|
数据采集 机器学习/深度学习 人工智能
面向 MoE 和推理模型时代:阿里云大数据 AI 产品升级发布
2025 AI 势能大会上,阿里云大数据 AI 平台持续创新,贴合 MoE 架构、Reasoning Model 、 Agentic RAG、MCP 等新趋势,带来计算范式变革。多款大数据及 AI 产品重磅升级,助力企业客户高效地构建 AI 模型并落地 AI 应用。
|
11天前
|
人工智能 文字识别 自动驾驶
突破自动驾驶"交规困境":高德&西交发布交规+高精地图基准MapDR,车道级交通规则在线理解,让AI更懂交规!
作为专业领先的出行和位置服务提供商,高德地图以数据准确率高、鲜度高著称。当前自动驾驶技术总是关注到矢量地图的构建,往往忽略了车道级驾驶规则的制作。对应图商而言,车道级的领航不仅需要有正确的车道级矢量表达,还要明确每条路的驾驶规则,保证引导的准确率。
60 2
|
20天前
|
人工智能 分布式计算 大数据
大数据& AI 产品月刊【2025年3月】
大数据& AI 产品技术月刊【2025年3月】,涵盖双月技术速递、产品和功能发布、市场和客户应用实践等内容,帮助您快速了解阿里云大数据& AI 方面最新动态。
|
1月前
|
人工智能 分布式计算 DataWorks
大数据& AI 产品月刊【2025年1、2月】
大数据& AI 产品技术月刊【2025年1、2月】,涵盖双月技术速递、产品和功能发布、市场和客户应用实践等内容,帮助您快速了解阿里云大数据& AI 方面最新动态。
|
2月前
|
存储 人工智能 数据管理
媒体声音|专访阿里云数据库周文超博士:AI就绪的智能数据平台设计思路
媒体声音|专访阿里云数据库周文超博士:AI就绪的智能数据平台设计思路
|
2月前
|
SQL 人工智能 大数据
【4月重点功能发布】阿里云大数据+ AI 一体化平台
【4月重点功能发布】阿里云大数据+ AI 一体化平台
|
2月前
|
SQL 人工智能 分布式计算
【3月重点功能发布】阿里云大数据+ AI 一体化平台
【3月重点功能发布】阿里云大数据+ AI 一体化平台
|
2月前
|
人工智能 DataWorks 大数据
大数据AI一体化开发再加速:DataWorks 支持GPU类型资源
大数据开发治理平台 DataWorks 的Serverless资源组支持GPU资源类型,以免运维、按需付费、弹性伸缩的Serverless架构,将大数据处理与AI开发能力无缝融合。面向大数据&AI协同开发场景,DataWorks提供了交互式开发和分析工具Notebook。开发者在创建个人开发环境时,可以选择GPU类型的资源作为Notebook运行环境,以支持进行高性能的计算工作。本教程将基于开源多模态大模型Qwen2-VL-2B-Instruct,介绍如何使用 DataWorks Notebook及LLaMA Factory训练框架完成文旅领域大模型的构建。
352 24
|
4天前
|
人工智能 搜索推荐 Java
【重磅】JeecgBoot 里程碑 v3.8.0 发布,支持 AI 大模型、应用、AI 流程编排和知识库
JeecgBoot 最新推出了一整套 AI 大模型功能,包括 AI 模型管理、AI 应用、知识库、AI 流程编排和 AI 对话助手。这标志着其转型为 “AI 低代码平台”,旨在帮助开发者快速构建和部署个性化 AI 应用,降低开发门槛,提升效率。
44 12
|
7天前
|
人工智能 开发框架 安全
Serverless MCP 运行时业界首发,函数计算让 AI 应用最后一公里提速
作为云上托管 MCP 服务的最佳运行时,函数计算 FC 为阿里云百炼 MCP 提供弹性调用能力,用户只需提交 npx 命令即可“零改造”将开源 MCP Server 部署到云上,函数计算 FC 会准备好计算资源,并以弹性、可靠的方式运行 MCP 服务,按实际调用时长和次数计费,欢迎你在阿里云百炼和函数计算 FC 上体验 MCP 服务。
110 29

热门文章

最新文章