
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
Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23