AI新技术在智慧武汉建设应用中的展望

□文/任少卿

“智慧城市”的提出

2010年，IBM正式提出了“智慧的城市”愿景，希望为世界和中国的城市发展贡献自己的力量。IBM经过研究认为，城市由关系到城市主要功能的不同类型的网络、基础设施和环境六个核心系统组成：组织（人）、业务/政务、交通、通讯、水和能源。这些系统不是零散的，而是以一种协作的方式相互衔接。而城市本身，则是由这些系统所组成的宏观系统。

21世纪的“智慧城市”，能够充分运用信息和通信技术手段感测、分析、整合城市运行核心系统的各项关键信息，从而对于包括民生、环保、公共安全、城市服务、工商业活动在内的各种需求做出智能的响应，为人类创造更美好的城市生活。

武汉“智慧城市”的建设原则和目标

武汉位于中国中部，是湖北省省会和政治、经济及文化中心。世界第三大河长江及其最大的支流汉水在此相汇，市区由隔江鼎立的武昌、汉口、汉阳三部分组成，通称武汉三镇。武汉的可持续发展面临巨大挑战。通过新一代信息技术改变人们交互的方式，提高实时信息处理能力及感应与响应速度，增强业务弹性和连续性，促进社会各项事业的全面和谐发展。

建设原则

建设“智慧武汉”，必须遵循以下原则：

(1) 顶层规划，统筹建设。采用先进适用的信息技术，高标准规划和统筹建设各领域的智慧项目，有计划、分层次地协调推进。。

(2) 需求主导，市场运作。以需求为主导，充分发挥市场机制配置资源的基础性作用，探索低成本、实效好的信息化发展模式。

(3) 基础共建，资源共享。加快信息化基础网络和信息交换共享平台的建设，通过政府的引导作用，推动集约化建设，加快信息资源的有效整合与共享交换。

(4) 立足产业，拓展应用。把培育智慧产业作为建设智慧城市的立足点，以智慧应用带动产业发展，以产业发展促进智慧应用。

(5) 重点突破，示范带动。抓住国家赋予我市创新试点的机遇，找准突破口，先行先试，着力推进智慧产业和重点领域智慧应用建设，以示范和试点带动“智慧武汉”建设整体工作。

(6) 开放合作，安全高效。加强对外交与合作，汇聚全球智慧和资源，更好地为“智慧武汉”建设服务。要高度重视信息安全，以安全保发展，在发展中求安全。

建设目标

经过努力，进一步提升完善“三类基础设施”（网络基础设施、云平台和公共数据中心、信息安全），发展壮大“三大支撑体系”（应用、产业、运行），建设实施“五领域智慧应用体系”（基础设施服务、资源环境服务、社会民生服务、产业经济服务和城市管理服务），加快提升城市综合竞争力，保民生、保稳定同时要保增长，具体将达到如下几个方面的主要目标：

一是提升城市运行效率。智慧城市应进一步推进物联网等先进信息技术应用与全新城市运营理念的融合，以更快、更好地实现城市政府从管理到服务，从治理到运营，从零碎分割的局部应用到协同一体的平台服务的三大跨越，提供无处不在的公共服务，让城市更聪明、更快捷。

二是催生大规模新兴产业。智慧城市建设离不开物联网、云计算等技术的支持，而物联网涉及的技术是一个大集成，通过智慧城市建设，要带动包括物联网设备与终端制造业、基础设施服务业、网络服务业、软件开发与应用集成服务业，以及信息应用服务业等大规模产业链的形成。

三是推动新一轮科技创新。智慧城市建设在产生新兴产业聚集效应的同时，应加强人才要素、技术要素、资金要素聚集，推动新一轮科技创新浪潮，以智慧技术带动工业化发展的升级、改造信息产业的内部结构、提升服务业的效率和速度，为城市提供可持续发展的动力。

四是创造更美好的城市生活。智慧城市建设应改变人与物之间、物与物之间的联系方式，改善人民的生存环境，深刻地影响人们的生活、娱乐、工作、社交等几乎一切行为方式，通过一系列智慧工程，构建和谐稳定、经济良性发展，安全、环保、宜居的城市，营造更加美好的城市生活。

武汉“智慧城市”建设的主要内容

武汉“智慧城市”是以网络组合为基础，通过深入推进基础性建设和各类信息资源及其应用型信息系统的开发利用，全面灵活地实现物与物、物与人、人与人的相互感知和互联互通，从而实现对社会生产生活各领域的精细化、动态化管理，是以智慧技术、智慧产业、智慧人文、智慧服务、智慧管理、智慧生活等为重要内容的城市发展新模式。

武汉“智慧城市”概念设计中包括公共服务、社会管理、市政设施、产业发展四大类。

智慧公共服务：建设智慧公共服务和城市管理系统。

智慧社会管理：完善面向公众的公共服务平台建设。

加快推进面向企业的公共服务平台建设。

智慧安居服务。使居民生活“智能化发展”。

智慧教育文化服务：积极推进智慧教育文化体系建设。

智慧服务应用。组织实施部分智慧服务业试点项目，通过示范带动，推进传统服务企业经营、管理和服务模式创新，加快向现代智慧服务产业转型。

智慧健康保障体系建设。重点推进“数字卫生”系统建设。

智慧交通。建设“数字交通”工程，通过监控、监测、交通流量分布优化等技术，完善公安、城管、公路等监控体系和信息网络系统。

积极推进智慧安全防控系统建设。充分利用信息技术，完善和深化“平安城市”工程，深化对社会治安监控动态视频系统的智能化建设和数据的挖掘利用，整合公安监控和社会监控资源，建立基层社会治安综合治理管理信息平台；积极推进市级应急指挥系统、突发公共事件预警信息发布系统、自然灾害和防汛指挥系统、安全生产重点领域防控体系等智慧安防系统建设；完善公共安全应急处置机制，实现多个部门协同应对的综合指挥调度，提高对各类事故、灾害、疫情、案件和突发事件防范和应急处理能力。

建设信息综合管理平台建设。提升政府综合管理信息化水平。

天地伟业助力智慧武汉建设

天地伟业精于产品、专注行业，以做“技术领先型”企业为定位，坚持高清化、智能化、行业化、集成化的发展方向，利用自身强大的技术实力和多年的行业经验，针对不同行业的特点进行深入调研和重点研发投入，提供能满足智慧城市、智能交通、政法、电力、教育、金融、森林防火、环保等近二十个行业独有需求的整体系统解决方案，以“术业有专攻”的姿态引领起新一轮安防发展浪潮。为“武汉智慧城市”的建设打下良好的基础。

东湖新技术开发区平安城市和智能交通二期成为天地伟业新技术在智慧城市建设中的优秀成果展示。

天地伟业视频监控、治安卡口系统设计全系采用全球首创的专业超级星光级产品设计，不选用增加曝光时间，降帧的传统方法提高亮度。在参数上优化，采用动态补偿技术保证运动目标不拖尾、周边细节不丢失。通过深度学习算法，全新TVP技术，优化画面效果。有效避免光污染、降低系统功耗、减少交通事故，进一步促进城市节能、环保，保障人身安全。前端监控设计采用星光级产品：根据不同的应用场景，设计选用星光枪机、星光球机、星光级激光夜视，系统组成无需补光灯，可在为微光下为用户呈现高清彩色图像，丰富的展现监控目标的特征，为公安视频侦查打下基础。

AI新技术应用

经过十多年的平安城市建设，中国已经成为全世界最大的安防市场。2016年，我国安防行业市场规模已经达到总产值5400亿元，同比增加9%，预计2020年将增至8759亿元。其中视频监控作为安防系统中不可或缺的重要组成，正日益发挥更加重要的作用，在平安城市、雪亮工程等重点建设项目的背景下，安防已成为人工智能最为重要的落地场景之一。比如“图像侦查”已经成为刑侦、技侦、网侦之外的公安部门第四大技防手段。随着平安城市建设的推进和深化，目前新建监控项目已基本实现高清化，传统的模拟监控正逐步更新换代，随着建设规模的逐步扩大，将带来存储成本的大幅增长。同时，各地的视频监控联网共享等相关项目已开展多年，随着人工智能、云计算、大数据技术的兴起，平安城市应用正逐步向警务云、大数据应用等方向转变。而高清监控视频信息作为公安最重要的数据资源之一，目前还仅停留在事后查看的层面，没有被充分利用起来。遍布城市大街小巷的摄像头，每天都会产生大量视频资料数据，不仅为社会治安稳定发挥作用，也为智慧城市和物联感知提供信息支撑，但这些图像资料如何能够被用户快速消化使用，成为更有价值的情报数据呢？让用户从这些数据中自行寻找线索，不亚于大海捞针。人工的数据回溯，不仅占用了大量的人力、物力和时间，同时由于个人能力的差异也会导致针对视频的认知偏差。例如道路监控仅针对卡口实现了主干道的车辆识别，覆盖面有限，其他活动目标及特征无法获取,大多依靠人工进行收集和处理，难以结合多种时空交叉数据进行快速检索和研判比对。

如何解决海量视频监控数据与人力分析瓶颈之间的矛盾是产业技术升级的主要方向。而智能化早已经成为行业发展的共识，10年前安防行业就开始向智能化发展，目的是自动把视频图像里面的内容和目标变成结构化数据，但一直没有令人满意的重大突破，主要反映在识别准确率低、场景适应性差、识别种类少。而深度学习是通过大量数据训练来建立输入数据和输出数据之间的映射，解决了之前的技术瓶颈，使得由人工智能来自动处理海量监控视频数据成为可能。以平安城市为例，针对道路监控视频特别是微卡口等相对标准的视频进行实时结构化分析和特征信息提取，转化为公安实战所需的情报，是“十三五”平安中国建设规划的重要手段。

目前，安防行业中基于深度学习的人工智能产品，主要识别方向包括：车辆分析、人员分析、行为分析和图像分析，产品形态包括前端和后端两类。而深度学习的迅猛发展，其背后是快速发展的 GPU芯片技术，随着人们逐渐认识到专用计算芯片对人工智能的重要作用，围绕 AI 任务进行专有加速的芯片越来越多，但无论是 AlphaGo 背后的谷歌 TPU还是加入了全新 Tensor Core 结构的英伟达 Tesla V100，这些芯片都是为服务器端进行设计的，芯片面积较大大（英伟达 Volta 的 Tensor Core 面积有800 平方毫米），而针对前端/移动端设计的芯片在功耗和性能上的不足，以及信息安全风险和缺乏统一标准等问题，使得具备智能应用的前端产品和后端产品各有擅长且长期共存。

后端产品主要是超融合NVR和视频结构化服务器，前者是在集中存储图像的基础上，通过集成深度学习算法实现了针对视频内容的智能分析和信息提取，比如人脸/车辆/行为等，适合中小型项目使用。后者通过集成高性能GPU芯片和智能算法，专门对机非人等海量特征进行快速提取和准确识别比对，比如人脸识别、车辆分析等。此外，后端产品能根据需求灵活配置硬件资源，能够运行复杂，业务响应置后的算法，且升级维护比较方便。

前端产品主要是AI摄像机，主要为后端提供初步结构化的图像数据，可以减少后端分析处理的计算资源压力和网络带宽等系统造价，还可以提高一部分实时智能分析的应用价值。缺点是前端设备空间有限、功耗成本较高，会导致有限的硬件资源只能运行相对简单、对实时性要求高的算法。

因此，前端智能和后端智能并不冲突，随着智能的需求无所不在，未来更多数据的采集和计算都将在前端产品进行边缘计算、前端处理分析后选择性上传到后端，二者结合起来，实现更智能的分布式管理，根据客户的具体需求提供差异化的智能解决方案。