京公网安备 11010802034615号
经营许可证编号:京B2-20210330
风来了:贵州大数据产业空间巨大 安防乘势
大数据开启了一次重大的时代转型,一个大规模生产、分享和应用数据的时代正在改变我们的思维模式、认知体系和生活方式。6月17日,习总到贵阳市大数据广场考察,见证了贵州大数据产业的发展成果。
贵州,一个以省为单位的庞大的大数据产业正在形成。当其他城市还在以城市或小区域范围为视频监控系统联网单位时,贵州已实现了城市与城市之间的互联互通。而其中,贵州全省大联网电子监察系统中的视频监控系统的建立也成为安防另一个先锋典范。
2009年,作为贵州省大数据战略的计划之一,贵州省电子监察系统视频监控项目开始启动。它涉及的面非常之广,涉及9个地级市、88个区县,2014年该项目启动联网视频,2014年年底全部投入使用。这种以省为单位构建的视频监察系统在全国来说是极为少有的。很难想象,这样一个跨地域、跨部门、跨系统的大型复杂电子监察视频监控系统究竟是怎样炼成的?
NO.1:为什么是贵州?
传统观点认为,互联网等高新行业适合在发达地区建设,但大数据产业并非如此,视频监控系统的大联网建立尤为如此。负责贵州全省电子监察系统的集成商深圳太极软件巩总对表示,贵州能建起这样庞大的视频监控联网系统有几大原因。
一是,这几年,贵州省大力推广大数据战略,并且把这种大数据当作产业来建设,首先政府带头开放数据,提高老百姓办事的效率;另一个原因,发达地区的视频监控系统是陆陆续续在建设,作为信息口来说,是条条块块的,它们要全部联网,技术上比较难实现,成本也很大。原来虽然相对落后一点,但重新建设反而更容易;此外,贵州省各级主管部门领导重视,这是其诞生的基础。
NO.2:系统建设难度有多大?
在巩总看来,这个跨地域、跨部门、跨系统的大型复杂的电子监察系统在系统构建上有相当大的难度,除了全省近百个地级市、区县的视频监控点建设,每个地区的每个点都有很多窗口,建设规模巨大。最主要的难度是,跨系统得建立相应的接口标准,还有行业各个主管部门的协调,全省整个系统的联网非常不容易。
NO.3:什么样的安防产品和平台担此大任?
据了解,贵州省整个电子监察系统视频监控项目最终选用了华安泰公司VIKOR品牌的视频监控产品和平台,主要考虑到VIKOR监控及安防综合管理平台的兼容性和稳定性非常好,能承载大型联网系统的高要求。经历了近5年时间的建设,VIKOR监控平台将贵州省所有的服务中心、资源中心进行了无缝对接,实现了整个省所有行政点的互联互通大联网。
在整个系统建设中,VIKOR品牌以“智能应用”的定位非常好的诠释在该项目上,全景高清摄像机和高清云存储综合管理平台得到了极致的应用。VIKOR高清云存储综合管理平台可集成千兆网络接口、24个SATA硬盘接口,每个硬盘容量可达4000GB,适合存储时长要求非常高的场合,以实现海量存储。另外,多台NVR可组成多个监控中心进行级联构建大规模的网络视频监控系统,系统可分级管理,也可以按地理位置组成物理域或按业务划分组成逻辑域进行管理。
贵州全省视频监控平台将原有监控系统也纳入其中,为全省行政服务中心提供服务,是市、州、县、省视频联网的三级联网结构,VIKOR平台从网络、硬件、软件三个方面解决现有统一管理难题,对无法提供二次开发包和硬件系统老旧的中心,统一采用编解码的方式,进行统一管理,为管理者提供统一管理服务。
NO.4:大数据改变了什么?
依托监察局和政务服务中心的行政审批及电子监察系统,实现了省、市、县三级系统的数据交换和监察数据的全省汇总。这是贵州省建设完成的第一个覆盖全省3级(部分地区延伸到乡镇)政府全业务部门并纳入监察的庞大系统。
视频监控系统主要是在全省各级政府办事大厅和审批部门办事窗口等审批现场设置相关网络及视频监控点,在各级行政许可电子监控中心进行远程视频图像的监控,通过VIKOR监控平台和系统可实现对相关审批人员作风、服务态度和办事效率的有效监督和服务,并及时处理行政审批现场可能发生的问题,提高电子监察的整体效果,真正做到“看得见,管得住”。同时对现场办公情况进行录像和录音,为行政监管部门提供后期的事实依据。
据悉,到2017年,贵州将实现数据服务产业集群化发展,提供较为全面和专业的大数据存储、分析、挖掘、组织和管理等服务,建设成为全国领先的大数据资源中心和大数据应用服务示范基地。大数据产业将会对政府治理模式,对企业的决策、组织、业务流程和商业模式,对个人生活方式等都将产生巨大的影响。
以贵州为样板,大数据产业将产生巨大的市场空间,这也意味着,安防也正迎来新的风口。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13