
大数据助平安城市智慧转型
随着物联网技术的发展,平安城市正从传统安防到平安城市大安防体系、数字城市、智慧城市方向发展。安防视频及相关数据量正以惊人的速度增长。如能对这些海量数据进行全面分析和挖掘,将有可能解决城镇化建设中的诸多问题。
中国的城镇化建设进程正在不断推进。到2020年,将有60%的人口居住在城镇,相当于每年约有1—2千万的人口进入城镇。作为地方政府推进这一进程的重要途径,平安城市建设近年来备受瞩目。平安城市正从传统安防到平安城市大安防体系、数字城市、智慧城市方向发展。展望未来,平安城市将与城市应急、数字城管、智能建筑、工业与自动化控制等各个方面融合,全面服务居民生活。
应该说,平安城市是现代城市信息化建设的第一步,随着物联网技术的发展,平安城市将会在此基础上进一步向数字城市、智慧城市发展。
随着物联网技术的发展,平安城市建设从传统安防转向智慧城市建设,将使安防市场涌现巨大商机和广阔发展空间,高清摄像机和智能化监控设备需求持续升温,尤其智能交通成为新时期政府投资的重点领域,未来几年视频监控行业都将保持高景气度。
“在此过程中,以视频监控为核心的安防产业已从原先较为单一的视频采集和存储向更标准化的端到端系统解决方案转型,从芯片技术到集成软件的创新也在推动着安防产业向智能化、数字化、高清化和网络化的方向加速发展。”英特尔公司智能系统事业部行业市场总监
Todd
Matsler说。安防视频及相关数据量正以惊人的速度增长。仅以国内一线城市的交通监控为例,每天平均产生0.3PB至6.7PB的视频数据。
面对这些海量数据,如不对其进行智能分析,将是非常笨重的。此外,目前的监控摄像设备用途单一,但如果它们可以和其它传感器的数据融合,将有可能解决城镇化建设中的诸多问题。比如,将摄像设备中有关车流的数据和空气质量传感器中的数据进行相关性分析,我们也许可以通过调整信号灯的时间,优化车辆在路口等待的时间,从而减少排放和污染。
Todd Matsler表示,英特尔的理念是在端到端的安防行业,全面实现数据价值的挖掘。所谓“端到端”,包括前端视频采集、分析,存储以及后端数据中心处理。
今年3月,长春市一辆丰田轿车被盗,随车被盗的还有一名两个多月大的婴儿,案发第二天,失窃车辆才被发现,而被人广泛关注的婴儿已被凶犯杀害。
而事实上,在街道两旁已装有数千个安防摄像设备,但是它们并没能帮助警务人员及时发现被盗车辆及其行进轨迹,最终造成惨案的发生。为什么?因为我们缺少一个端到端的计算架构,使不同摄像设备的关键信息被快速关联起来,从而进行分析。如果在前端,我们可以将目标车辆的特征作为输入参数、作为前端摄像设备的检测特征,并通过智能前端的过滤,从所有的监控点中抽取相应的元数据,然后快速导入大数据系统进行检索和分析,我们极有可能在短时内发现被盗车辆,从而阻止犯罪行为的恶化。同时,这一架构还可节约存储产生的系统成本。
目前,数据分析往往在数据中心执行。Todd Matsler表示,未来将有很大一部分数据的分析转移到前端,以提高实时性和后端处理效率,而最终的数据分析将在端到端的架构中灵活迁徙,使我们同时获得全局的智能以及局部的实时有效性。
以智能交通为例,基于英特尔高性能硬件平台及其软件支持,可将部分预处理类型的数据分析任务放在前端完成,有效地缓解了后端数据挖掘、分析的压力,同时减少了网络传输中的带宽压力。体量大、价值低的非结构化信息在前端分析处理后,形成体量小、价值高的半结构化或结构化信息,进而向后端传输。在数据由前端向后端传输的同时,数据分析和挖掘工作也在进行,得以获取更加客观、全面的交通信息。
通过视频的智能分析,可以对监测区域的所有目标进行智能感知,实现诸如抓拍逆行、闯红灯、车牌识别、车流统计的功能,还能对特定目标进行智能报警,对具有一定行为特征的事件进行预先报警,以及提供事后的查证。视频智能分析并不高深,难点在于如何把它与嵌入式设备整合,从而进行编写、编译、调优,而这正是X86架构的优势所在。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29CDA 数据分析与量化策略分析流程:协同落地数据驱动价值 在数据驱动决策的实践中,“流程” 是确保价值落地的核心骨架 ——CDA ...
2025-08-29CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-28CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-08-28