
大华大数据技术助力平安城市新常态建设
在当今城市不断发展,城市化水平不断提高的过程中,我国城市人流、信息流高速增长,社会结构更是复杂多样,城市安全问题越来越成为人们关心和关注的问题。社会公共安全管理也要推陈出新,需要大力推进社会治安防控体系建设,使用更智慧的科技和信息化手段提升防控效能,维护社会稳定和安全。
“平安城市”是一个特大型、综合性非常强的管理系统,不仅需要满足治安管理、城市管理、交通管理、应急指挥等需求,而且还要兼顾灾难事故预警、安全生产监控等方面对图像监控的需求,同时还要考虑报警、门禁等配套系统的集成以及与广播系统的联动。从而运用科学、先进的技防手段,构建一个强大的安防系统来保证整个城市更加安全,建设平安城市和谐社会。
我国平安城市建设从“科技强警”战略和“3111”试点工程两大项目开始,历经十年的平安城市建设,全国基本实现了视频监控联网覆盖,然而随着监控数量的暴增,各种以前预想不到的问题也随之而来,平安城市建设已不再是单纯的视频监控点位建设,开始由数量向质量、向更全面、更贴近实际应用转变。
视频技术在平安城市建设中的应用方向
视频技术是平安城市的核心技术,也是安防企业的行业立足之本,从平安城市未来的发展趋势来看,视频技术将有如下应用变化:
1:从传统的安防应用向业务应用拓展
随着平安城市的深入建设,视频监控已经进入了“综合应用、深度应用、应急应用、社会应用”四大应用新阶段。其中,综合应用就是治安、刑侦、巡察等全警种的应用;社会应用就是服务社会管理,视频监控的数字资源为政府的社会管理创新服务,行政服务上提供重要支撑。深度应用主要在于数据深度挖掘,通过数字的分析数据了解一些社会新动态。应急应用,主要体现在突发事件的应急处理,大型的安全保卫工作当中,如大型足球赛演唱会奥运会等大型活动当中结合通讯保障的应用。
智能化分析应用推动视频监控从安防设备逐渐转变为视觉传感器。视频作为“高效、无源、非接触”的优质感知技术,可以在安防应用之外深入城市各行业的智慧业务成为全面感知的信息源头,从而提升平安城市综合信息的实时性、多样性和交互性,并可为平安城市实时业务开展和历史大数据挖掘形成有效支撑。目前视频技术从原先成熟的安防应用向平安城市业务应用的发展趋势已非常明显。
2:单一视频信息向多源信息融合发展
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。
国民经济与城市化建设快速发展,人口流动不断加快,城市人口迅猛增长,随之而来引发的城市管理中如公共卫生、公共交通、公共治安等相关问题。其中,公共治安问题更是重中之重,关系到城市居民的安居乐业以及和谐社会建设的成败,平安城市因势而生。平安城市建设项目作为一个特大型、综合性非常强的管理信息系统,不仅需要满足治安管理、城市管理、交通管理、应急指挥等诸多需求,而且还要兼顾灾难事故预警、安全生产监控等方面对图像监控的多方需求,同时还要考虑报警、门禁等配套系统的集成以及与广播系统的联动。它就像一张大网,全面网罗了城乡的各个角落,通过“事前自动预防”、“事中全面监控”、“事后快速突破”的方式来达到安全的目的。
3:视频监控向“可视化”方向发展
即实现报警定位可视化、警力分布可视化、警情现场可视化、出警过程可视化,通过四个可视化,实现对街面警力点对点、扁平化指挥调度,同时监督执法过程,做好取证工作。
依托现有的视频应用平台系统,实现警情与视频同步,对有监控条件的区域,实现警力未到、视频先到,进行现场监控、抓拍和取证。此外,还合理划分防区,确保首批处警力量以最快速度到达现场。
新常态下平安城市建设技术应用
新常态下以平安城市建设为核心的城市感知系统是社会治安防控体系建设的重要组成部分,公安机关针对重点区域、重要出入口,通过交通、治安卡口等前端感知单元,开展对“人、车、物”感知防控的集成应用,这对智能算法提出了更高的要求;“十三五”期间,公安机关将进一步开展公共安全视频图像报警系统建设,监控数据的也会随之增长,必须充分运用大数据与云计算技术,将海量视频信息的分布式存储和计算、视频结构化、视音频资源快速检索、大数据比对碰撞等现代信息技术广泛应用于实战。
大数据技术的应用
1:充分挖掘视频智能分析在平安城市中的应用价值
目前,大部分一二线城市已完成平安城市基础设施建设,接下来将进入到大联网整合阶段,然后在联网整合的基础上,实现视频资源的统一管理、智能分析和应用,实现基于视频大数据的智能分析和预测能力,进而实现真正意义上的“智慧安防”。
在智慧安防阶段,一方面需要高性能,高准确度的智能视频分析算法,另一面还需要能够支撑这些分析算法大规模应用的系统架构,比如云计算、大数据等。
目前,国外市场已大量应用智能视频监控系统,在国内市场也有较多的应用,如智能交通领域的车牌识别技术、交通违章事件检测(闯红灯)、平安城市智能运维系统的视频图像质量诊断、刑侦方面的视频快速检索和视频浓缩技术等,在当前平安城市建设中得到快速发展。但是,单纯的智能分析无法直接带来价值,其必须和整合业务系统紧密配合形成一个完整的业务流程。
2:充分发挥大数据在平安城市中的作用
IDC研究报告显示:2012年全球数据总量为2.84ZB;到2020年,这个数字将上升到40ZB。全球数据总量中约有一半是监控视频数据,其中2015年约占63%左右, 2020年则有可能约占44%。也正是因为洞察到随着前端布点的数量增加,视频数据量将不断增大和变得复杂,对大数据技术的需求日益迫切。现在有很多安防厂商推出了面向大数据的平安城市解决方案。
海量视频 & 图像数据
视频监控业务是典型的数据依赖型业务,依靠数据说话。尤其是高清、超高清监控时代的到来,将产生海量视频数据。这些海量数据,多数是冗余无用的,如何剔除这些无用数据,一直是人们研究的重点。
在大数据技术支撑下,网络视频监控数据存储模型可转向分布式的数据存储体系,提供高效、安全、廉价的存储方式。通过大数据技术,可实现视频图像模糊查询、快速检索、精准定位,并能够进一步挖掘海量视频监控数据背后的价值信息,快速反馈内涵知识辅助决策判断,从而将视频监控用善、用好。
大数据带来的解决海量数据难题的新技术和方法,对我国的平安城市建设再攀新高度至关重要。大数据在平安城市领域应用的关键,在于“IT”与“经营”的结合,即高效运用大数据技术,开发应用并落地转化为商业模式,提升平安城市的建设、运维、管理能力。越来越多IT新兴技术的融入,将打开大数据技术在视频监控领域的广阔发展路径,不少企业也想夺得这把金钥匙,开启大数据下新型业务战略布局之门。
对于安防行业来说,目前大量安防视频数据仍然是独立、零散的,且大量视频数据主要用于治安刑侦领域,以人工搜索为主,政府之间跨警种、跨部门、跨区域的联网共享应用仍然较少,能够为老百姓、为社会所用的应用更少有启动,所以安防企业需要做的,是积极加强内功修炼,提高研发能力,加强技术储备,向大安防集成平台转变,专注于业务整合和数据分析处理,应对更大数据量带来的冲击。
结束语
目前,随着公安部发布《关于进一步加强社会治安防控体系建设指导意见》、广东省公安厅启动“慧眼工程”建设。新一轮平安城市建设正呈风起云涌之势。此轮平安城市投入资金更大,参与建设的城市也更多,中国平安城市建设正显示出巨大的发展前景。
新常态下平安城市建设应立足公安“治安防控、刑事侦查”的业务需求,完成各个支撑系统和应用的建设、互溶,实现“事前防控、事中调度、事后研判”的建设目标,真正做到“建为用、用为战”建设理念。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03