Skip to main content

为什么视频是智能城市的基础

如果说数据是智慧城市的基础,那么视频就是智慧城市的基石。对视频的使用已经遍及各个领域,并且通过智能视频系统,城市可以完成从交通管理到发现机会的各项事宜来改善其业务。但是,视频在与物联网 (IoT) 传感器等其它数据源集成并通过它们进行分析时,才能发挥最大价值。例如,通过将交通摄像头与污染传感器相结合,城市可以制定出管理空气质量的新策略。更广泛地说,数据集成可以帮助自动化工作流程、协助执法,并改善城市服务的交付。在其它信息之上对视频进行分层可以帮助专家、管理者和官员更好地理解系统互相影响的整体状况和动态变化。添加人工智能,并且可以使用组合数据来识别不同的模式和触发针对可能不被注意的情景的警报。

视频面临的挑战

虽然视频拥有巨大潜力,但某些部署却由于三个原因而失败。就视频的潜力而言,人类处理起来十分繁琐。为了充分理解视频内容,人们必须观看它,这样就导致这一过程既昂贵又耗时。视频通常在事件发生后用于提供证据和被动反应,而不是主动反应。第二个挑战是数据大小。视频文件和流十分庞大。大多数城市缺乏专为视频传输、存储和检索而设计的 IT 基础设施。通过现有网络访问和处理视频可能是一个缓慢的过程,不仅占用网络资源、干扰所有其它操作,有时甚至会导致数据丢失。第三个问题是数据的孤立性。城市通常包含大量物联网和其它数据生成系统,而且每个系统都设计为独立运行。这些系统很少共享数据格式或接口,因此很难组合它们的信息。结果是,对于所有可用的视频,直到现在几乎都没有任何视频被使用过,更不用说发挥它的全部潜力。日立智能空间和视频智能 (Hitachi Smart Spaces and Video Intelligence) 以及日立可视化套件 (Hitachi Visualization Suite, HVS) 等新型解决方案集成并智能管理大部分城市数据。它们可以挖掘视频获取重要信息,将其转化为洞察和警报,与其它类型的孤立数据整合,并提供整体描述来帮助改善操作和安全性。

与不同的数据源集成

HVS 使用英特尔® 技术生成、分析多种类型的数据(视频、环境传感器、社交媒体、地理信息系统 (GIS)、天气馈送、交通报告等),并将其汇集到单个屏幕上(图 1)。此外,它还可以采用智能方式连接到城市的现有软件基础设施,以支持一系列新的应用程序。

图 1. 日立可视化套件集成了许多类型的数据来提高效能与效率。

比如驾驶汽车。在路上行驶时,您用眼睛和耳朵寻找线索,从而判断其它驾驶员接下来要做的事情。除了前后挡风玻璃的视觉信息外,侧视镜和后视镜还提供了补充信息。仪表会告诉您速度、时间和各种类型的机械状态。GPS 或智能手机提供方向信息,而收音机可以提醒您交通状况。想象一下,开车的时候还要登录和检查这些不同的系统,并决定在哪里加速、停车或转弯。同样,如果能够使用单一视图中的许多数据类型,则有助于市政官员作出更明智的决策。历史趋势和分析有助于制定更智能的策略。视频与地图和其它类型的数据相结合,可以在包括公共安全、执法、运输以及供水、排污和其它公用事业的运营等领域提供情景和地理空间感知。数据功能较为复杂,而人员使用起来也同样如此。HVS 采用可在任何地方使用的基于浏览器的软件,以及功能强大而又无需过多培训的直观用户界面(图 2)

图 2. HVS 用户可以访问不限数量的数据层。(来源:Hitachi Vantara)

在用户拥有所有这些功能后,城市仍然可以保持中央控制,并建立控制权强制分离的负责任治理。多租户系统提供用户特定的视图和权限。这样可以提高生产力,从而推动财政和运营的改善。一般情况下,公共安全程度比目前提高两倍,而道路交通改善的速度比现在高出 20%。服务水平的提高有可能使我们的城市变得更安全、更高效和更宜居。例如,直观的调查工具和简单的搜索功能、时间表视图以及数字证据管理 (DEM) 可以帮助应对城市管理的方方面面。无论是执法还是风险管理,它们都能更有效地开展工作。基于规则的工作流程自动化基于事件采取行动并向相应人员发送警报,这不仅使响应更加积极主动,而且带来了更高的效率。

分析转换视频数据

计算机视觉和机器学习将视频转化为丰富的洞察和警报。人工智能可以自动化视频分析的许多方面,而不用等待人工查看视频。HVS 可以执行各种任务,其中包括计算自行车、汽车、卡车和公共交通工具的数量;观察行人流量;检测遗留物体;应用面部识别或识别特定类型的事件并向相应的官员发送警报。这种视频分析与预测性分析相结合,从而帮助在潜在问题发生之前发现问题。基于英特尔技术的机器学习和计算机视觉的实施减少了中央数据管理和分析的负担。必要时可以使用实时视频,但借助边缘智能,摄像头可以发送洞察或警报,从而缓解数据传输网络的压力,降低了脆弱性和成本。专门配备的摄像头或现有摄像头与边缘网关相结合,可以应用分析功能将视觉信息转换为更小且更易于管理的元数据。摄像头可能会分析流量,对不同类型的车辆进行计数并发送计数,而不是将视频流式传输回中央服务器进行查看或分析。此外,还可以将面部识别整合到机场和主要港口,以在识别出嫌疑人或失踪人员时发送警报。

拉斯维加斯

例如,拉斯维加斯正在被指定为创新区的街区使用 HVS 试验性应用程序。该市正在分析交通量,以计算自行车、汽车、卡车和公共汽车的数量、交通站点的人流量,以及停车占用情况。综合数据分析仪表板可以向运营人员和城市规划人员显示交通站点最繁忙的时段、司机对停车位的全天使用情况,以及行人和自行车的交通模式 — 所有这些因素对企业都很重要。令人惊讶的是,自行车交通在一条道路上的流量比预想的繁重得多。这一数据导致该城市与当地企业进行对话。商家报告说,有大量人员骑自行车接送餐馆订单。这种洞察有助于说明需要修建更多的自行车道来确保安全,从而实现更好的整体交通管制和商业改善。

奥斯汀

奥斯汀是将 HVS 应用于其公共安全职能的又一城市典范。过去,执法机构的孤立数据使之无法在事故发生时了解情况。现在,城市可以通过屏幕上的视频监控、计算机辅助调度系统、车牌和面部识别、枪击传感器、放射性同位素检测和其它技术来更好地告知市政官员。HVS 使城市能够扩大数据驱动犯罪控制的使用范围。该系统已经将数据全部调出并提交给奥斯汀市,以便官员可以对犯罪行为进行实时监控,并提供更好的应急响应。借助预测性分析,警察部门可以在犯罪更可能发生的地区部署警员。派往处理事故的警员也有更多的信息来帮助他们确定策略,并在抵达之前针对相关情况制定适当的响应措施。这给奥斯汀市带来的好处之一是能够将愿意共享数据的企业的第三方摄像头进行集成。这种能力可以节省纳税人的资金,同时扩大了监控范围,并与当地社区建立更牢固的关系。通过向运营人员和规划人员提供视频及许多其它类型和层级的数据,HVS 和许多其它类似的技术为城市提供了重要的工具。现在,市政当局可以重新利用已经收集到的数据并扩大它们的用途,而无需对现有系统进行重大改造。

作者简介

Erik Sherman is a journalist, analyst, and consultant with a background in engineering, technology, and business management. He's written about such topics as semiconductors, enterprise software, logistics, software development, advertising technology, scientific instruments, biotechnology, economics, finance, marketing, and public policy.

Profile Photo of Erik Sherman