京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 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 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 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。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 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 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21