5G+体育 贵阳电信为亚高原训练基地插上“数字羽翼”

2024-01-12 16:04

本文主要是介绍5G+体育 贵阳电信为亚高原训练基地插上“数字羽翼”,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

2023年是《5G应用“扬帆”行动计划(2021—2023年)》的收官之年,5G融合应用正在从点状示范向规模化发展。截至2023年10月底,我国开通5G基站总数达321.5万个,已经建成了全球规模最大、技术领先的5G网络。目前,在工业、医疗、交通等多个领域,5G已展现了强大的赋能作用。

  近日,贵州省大数据发展管理局、贵州省通信管理局通报了第六届“绽放杯”5G应用征集大赛贵州区域赛决赛获奖情况,由中国电信贵阳分公司牵头的“5GCPE部署,助力国家首个亚高原训练基地数字化转型”在本届区域赛中荣获优秀奖。

  贵州省清镇体育训练基地是贵州省“十三五规划”中重点建设的国家生态体育公园和现代化体育训练基地。同时也是国家首个亚高原综合型训练基地,是中国田径协会、中国射击协会、中国拳击协会、国家攀岩队、国家青少年体操队指定训练基地。

  “5G技术在助力国家首个亚高原训练基地数字化转型过程中更多的是扮演一个服务者的角色。通过5G网络高速、低延迟、广连接等优势,实时收集、传输、处理大量数据;此外,5G网络可稳定承载赛事服务及保障,观众具有更好的的观赛体验。”刘思羽介绍。

  探索5G应用新场景,为训练基地插上“数字羽翼”

  2022年5月,在工业和信息化部信息通信管理局指导下,《“5G+体育赛事”典型场景和应用报告》正式发布,报告总结提炼出十大典型场景和应用案例,并对5G技术在体育赛事中的推广和拓展应用等方面进行了展望。

  “5G CPE部署,助力国家首个亚高原训练基地数字化转型”项目以“5G+体育”为建设思路,以5G技术为媒介,结合清镇训练基地实际情况,探索打造赛事直播与转播、智能化安防监控、智能化设备管理和监控三大应用场景,通过部署5G 实现更稳定、可靠的实时传输和存储视频数据,达到高质量网络覆盖。

  刘思羽介绍,基于5G网络高速传输、大容量连接、灵活部署及安全保障等特点,提供实现稳定、可靠的赛事直播与转播,提升观赛体验;同时,通过5G高速网络承载各类训练数据采集设备,帮助提升运动员竞技能力以及基地训练管理能力。

  “5G+体育”打造智能体育服务新场景

  《“十四五”体育发展规划》提出:“2035年建成社会主义现代化体育强国”目标。数字化转型是体育行业发展的重要趋势。通过引入5G网络和数字化技术,体育可以实现各项设施的智能化管理和用户的个性化体验,提高项目的运营效率和服务质量。

  刘思羽透露“通过部署5G CPE,实现了训练基地的无线网络覆盖,提供了更稳定、可靠的实时传输和存储视频数据。对缺乏安防布控的场馆、楼宇替换的监控进行汇聚,提高安防监控的效率和效果,推动基地安全升级;将原本分散的网络设备、安防设备汇聚于机房统一管理,提高了设备利用率和降低了维护成本;通过5G网络高速传输、大容量连接、灵活部署及安全保障等特点,提升了用户观赛体验。”

  构建“5G”底座,助力智慧体育发展

  日前,工业和信息化部电子信息司司长乔跃山在“2023年智能体育典型案例交流活动”上指出,“新一代信息技术赋能体育事业的成效愈发显著,后续仍需要提升创新发展水平,加快电子信息领域关键核心技术创新和迭代应用。”

  “目前,基地的5G部署可以根据实际需求进行设备的配置和管理,灵活地添加、移除或替换各种设备,无需对整个网络进行大规模的改动,有利于提高运营效率。利用5G网络和数字化技术,实现数据的实时采集、分析和可视化呈现。5G网络的普及和应用将推动体育行业的创新和发展,通过与相关产业的融合,为运营者带来全新的赛事服务。”刘思羽表示,中国电信贵阳分公司将继续做好5G、云网、大数据等信息技术与体育产业的结合,不断满足用户观赛需求、提升用户观赛体验,持续助力体育产业智慧发展。助力体育产业的数字化转型与升级。

这篇关于5G+体育 贵阳电信为亚高原训练基地插上“数字羽翼”的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/598401

相关文章

从去中心化到智能化:Web3如何与AI共同塑造数字生态

在数字时代的演进中,Web3和人工智能(AI)正成为塑造未来互联网的两大核心力量。Web3的去中心化理念与AI的智能化技术,正相互交织,共同推动数字生态的变革。本文将探讨Web3与AI的融合如何改变数字世界,并展望这一新兴组合如何重塑我们的在线体验。 Web3的去中心化愿景 Web3代表了互联网的第三代发展,它基于去中心化的区块链技术,旨在创建一个开放、透明且用户主导的数字生态。不同于传统

usaco 1.2 Name That Number(数字字母转化)

巧妙的利用code[b[0]-'A'] 将字符ABC...Z转换为数字 需要注意的是重新开一个数组 c [ ] 存储字符串 应人为的在末尾附上 ‘ \ 0 ’ 详见代码: /*ID: who jayLANG: C++TASK: namenum*/#include<stdio.h>#include<string.h>int main(){FILE *fin = fopen (

MiniGPT-3D, 首个高效的3D点云大语言模型,仅需一张RTX3090显卡,训练一天时间,已开源

项目主页:https://tangyuan96.github.io/minigpt_3d_project_page/ 代码:https://github.com/TangYuan96/MiniGPT-3D 论文:https://arxiv.org/pdf/2405.01413 MiniGPT-3D在多个任务上取得了SoTA,被ACM MM2024接收,只拥有47.8M的可训练参数,在一张RTX

Spark MLlib模型训练—聚类算法 PIC(Power Iteration Clustering)

Spark MLlib模型训练—聚类算法 PIC(Power Iteration Clustering) Power Iteration Clustering (PIC) 是一种基于图的聚类算法,用于在大规模数据集上进行高效的社区检测。PIC 算法的核心思想是通过迭代图的幂运算来发现数据中的潜在簇。该算法适用于处理大规模图数据,特别是在社交网络分析、推荐系统和生物信息学等领域具有广泛应用。Spa

SigLIP——采用sigmoid损失的图文预训练方式

SigLIP——采用sigmoid损失的图文预训练方式 FesianXu 20240825 at Wechat Search Team 前言 CLIP中的infoNCE损失是一种对比性损失,在SigLIP这个工作中,作者提出采用非对比性的sigmoid损失,能够更高效地进行图文预训练,本文进行介绍。如有谬误请见谅并联系指出,本文遵守CC 4.0 BY-SA版权协议,转载请联系作者并注

Detectorn2预训练模型复现:数据准备、训练命令、日志分析与输出目录

Detectorn2预训练模型复现:数据准备、训练命令、日志分析与输出目录 在深度学习项目中,目标检测是一项重要的任务。本文将详细介绍如何使用Detectron2进行目标检测模型的复现训练,涵盖训练数据准备、训练命令、训练日志分析、训练指标以及训练输出目录的各个文件及其作用。特别地,我们将演示在训练过程中出现中断后,如何使用 resume 功能继续训练,并将我们复现的模型与Model Zoo中的

AIGC6: 走进腾讯数字盛会

图中是一个程序员,去参加一个技术盛会。AI大潮下,五颜六色,各种不确定。 背景 AI对各行各业的冲击越来越大,身处职场的我也能清晰的感受到。 我所在的行业为全球客服外包行业。 业务模式为: 为国际跨境公司提供不同地区不同语言的客服外包解决方案,除了人力,还有软件系统。 软件系统主要是提供了客服跟客人的渠道沟通和工单管理,内部管理跟甲方的合同对接,绩效评估,BI数据透视。 客服跟客人

NC 把数字翻译成字符串

系列文章目录 文章目录 系列文章目录前言 前言 前些天发现了一个巨牛的人工智能学习网站,通俗易懂,风趣幽默,忍不住分享一下给大家。点击跳转到网站,这篇文章男女通用,看懂了就去分享给你的码吧。 描述 有一种将字母编码成数字的方式:‘a’->1, ‘b->2’, … , ‘z->26’。 现在给一串数字,返回有多少种可能的译码结果 import java.u

多云架构下大模型训练的存储稳定性探索

一、多云架构与大模型训练的融合 (一)多云架构的优势与挑战 多云架构为大模型训练带来了诸多优势。首先,资源灵活性显著提高,不同的云平台可以提供不同类型的计算资源和存储服务,满足大模型训练在不同阶段的需求。例如,某些云平台可能在 GPU 计算资源上具有优势,而另一些则在存储成本或性能上表现出色,企业可以根据实际情况进行选择和组合。其次,扩展性得以增强,当大模型的规模不断扩大时,单一云平

34465A-61/2 数字万用表(六位半)

34465A-61/2 数字万用表(六位半) 文章目录 34465A-61/2 数字万用表(六位半)前言一、测DC/AC电压二、测DC/AC电流四、测电阻五、测电容六、测二极管七、保存截图流程 前言 1、6位半数字万用表通常具有200,000个计数器,可以显示最大为199999的数值。相比普通数字万用表,6位半万用表具有更高的测量分辨率和更高的测量准确度,适用于精度比较高的测