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
数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27对数据分析从业者和学生而言,表结构数据是最基础也最核心的分析载体——CRM系统的用户表、门店的销售明细表、仓库的库存表,都 ...
2025-11-27在业务数据可视化中,热力图(Heat Map)是传递“数据密度与分布特征”的核心工具——它通过颜色深浅直观呈现数据值的高低,让“ ...
2025-11-26在企业数字化转型中,业务数据分析师是连接数据与决策的核心纽带。但“数据分析师”并非单一角色,从初级到高级,其职责边界、能 ...
2025-11-26表格结构数据以“行存样本、列储属性”的规范形态,成为CDA数据分析师最核心的工作载体。从零售门店的销售明细表到电商平台的用 ...
2025-11-26在pandas数据处理工作流中,“列标签”(Column Labels)是连接数据与操作的核心桥梁——它不仅是DataFrame数据结构的“索引标识 ...
2025-11-25Anaconda作为数据科学领域的“瑞士军刀”,集成了Python解释器、conda包管理工具及海量科学计算库,是科研人员、开发者的必备工 ...
2025-11-25在CDA(Certified Data Analyst)数据分析师的日常工作中,表格结构数据是最常接触的“数据形态”——从CRM系统导出的用户信息表 ...
2025-11-25在大数据营销从“粗放投放”向“精准运营”转型的过程中,企业常面临“数据维度繁杂,核心影响因素模糊”的困境——动辄上百个用 ...
2025-11-24当流量红利逐渐消退,“精准触达、高效转化、长效留存”成为企业营销的核心命题。大数据技术的突破,让营销从“广撒网”的粗放模 ...
2025-11-24在商业数据分析的全链路中,报告呈现是CDA(Certified Data Analyst)数据分析师传递价值的“最后一公里”,也是最容易被忽视的 ...
2025-11-24在数据可视化实践中,数据系列与数据标签的混淆是导致图表失效的高频问题——将数据标签的样式调整等同于数据系列的维度优化,或 ...
2025-11-21在数据可视化领域,“静态报表无法展现数据的时间变化与维度关联”是长期痛点——当业务人员需要分析“不同年份的区域销售趋势” ...
2025-11-21在企业战略决策的场景中,“PESTEL分析”“波特五力模型”等经典方法常被提及,但很多时候却陷入“定性描述多、数据支撑少”的困 ...
2025-11-21在企业数字化转型过程中,“业务模型”与“数据模型”常被同时提及,却也频繁被混淆——业务团队口中的“用户增长模型”聚焦“如 ...
2025-11-20在游戏行业“高获客成本、低留存率”的痛点下,“提前预测用户流失并精准召回”成为运营核心命题。而用户流失并非突发行为——从 ...
2025-11-20