
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
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15