人工智能与大数据

2018-10-11丁兆威

中国公共安全 2018年8期

关键词：交通监控人工智能

□ 文/本刊记者丁兆威

如果说大数据是水，云存储就是蓄水池，而人工智能就是一只捞鱼的网。如果我们跳到水池中去抓鱼，犹如大海捞针，累个半死也抓不到几条。有了人工智能这张网，不费吹灰之力就能把鱼从水池中捉出来。

人工智能和大数据是近两年安防行业最热门的技术，大数据的成功应用早于人工智能。

几年前，大数据和云存储几乎是同时出现，并很快成为安防行业的热点，因此它们的结合应用最为密切。

大数据与云存储

随着科技的发展尤其是通讯技术的发展，世界开始进入大数据时代，每天产生的海量数据，在过去是无法想象的。

在每天产生的海量数据中，视频数据约占了76%，也就是说是主要数据源。据相关机构预测，到2025年，全球数据规模将扩展至163ZB，相当于2016年我们所创造数据的十倍，安防监控图像将是主要视频数据增长源之一。

过去，存储视频数据靠硬盘（本地存储），后来出现了集中式存储技术，再后来出现了云存储，数据中心模式逐渐成为安防监控行业的主流形态。

平安城市、物联网、智慧城市建设促使云存储技术应用不断成熟，智慧城市要求视频存储数据相互之间必须进行联动和共享，而这种共享具备了云存储的特性，传统的存储技术已经无法满足行业发展的需要，云存储成为大数据时代安防监控行业发展的必然。

云存储，让越来越多的IT行业的技术与理念引入到安防行业，百度推出了百度云、阿里巴巴推出了阿里云、华为推出了华为云、腾讯推出了腾讯云。甚至一度有人士预测，安防行业将会逐渐被IT化。

视频大数据的价值

随着物联网的发展，传统视频监控生态发生了根本性变化，原本用于安防监控的视频图像，扩展应用到诸多领域，安防监控产业链也随之延伸，从而形成新业态——视频物联。有了云计算、人工智能技术，大数据的生产者——安防监控厂商，逐渐升级为“视频服务商”。

过去，监控摄像机的作用就是动态社会治安监控。在现代信息社会，视频，是最丰富的传感器。大数据的获取、分析和深度挖掘应用，都离不开传感器。在所有的传感器中，视频所采集的信息最丰富、最直观，也最有价值。随着应用领域的扩展和延伸，监控图像的价值逐渐凸显出来。视频在治安监控、抗震救灾、交通管理、应急指挥、医疗、城管、消防、防汛等许多领域，都展现出广阔的应用前景。

视频大数据已经成为珍贵的数据资源，在许多应用场景中，视频监控完全突破了安全监控的界线和范畴，视频的价值得到不断挖掘和应用。

视频大数据的挖掘应用前提是怎么获取大数据。过去，监控摄像机主要是用于安防，现在监控摄像机主要是做抓取，抓取视频里的人、车、物，甚至一切。一台IP摄像机，一年可产生的视频数据大概在1.3个TB，流量1.6个TB。那么2000万台IP摄像机，一年大概可以产生8个EB的存量和96个EB的数据流量，这是一个非常庞大的数字。这些数据资源通过云存储，形成极具应用价值的数据池。

无论是百度云、阿里云，还是华为云、腾讯云，都离不开大数据，没有大数据，再强大的“云”平台，也就是一个空水池。

除了安防以外，视频真有那么大价值吗？让我们来看几个场景应用。

随着旅游业的发展，一些先进的技术也开始应用到景区管理中，大大提高了景区管理和服务水平，许多景区实现了可视化、智能化管理，包括安全监控、客流分析统计、报警联动、停车场、出入口、在线巡查、门禁等。

为助力工厂可视化、智能化生产，海康威视、大华股份等都相继推出了工厂可视化管理系统。近日，佳能凭借其先进的影像技术也隆重发布了佳能工业影像平台，助力用户打造可视化智能工厂，全力促进“中国制造”走向“中国智造”。

当大数据遇上AI

大数据是人工智能的基石，机器视觉和深度学习主要是建立在大数据的基础上，即对大数据进行训练，并从中归纳出可以被计算机运用在类似数据上的知识或规律。大数据生态里面包含了众多AI内容，数据科学、机器学习、人工智能，成为大数据发挥价值的关键。

近两年，AI技术在安防领域的落地应用不断加速。在AI的加持下，视频物联和视频大数据的发展如虎添翼。

大数据与人工智能如同两个充满巨大能量的球，碰撞到一起，激起璀璨的火花！海量的视频大数据，充分满足了人工智能对于算法模型训练的要求。大数据与人工智能结合，能够解决安防监控应用的痛点，比如利用人工智能技术，帮助分析人流密度分布、变化趋势、活动的动态监测，从而实现大型活动和重要区域的风险管理；帮助进行道路状态及变化监测，分析车流密度分布、变化趋势，预测道路拥堵指数，实现交通信号的调节和优化；根据车辆轨迹，实现以号搜车、以图搜车、以特征搜车等，从而实现对人、车辆轨迹的跟踪等。

这些痛点都是目前在安防行业普遍面临和存在的，而单一的人工智能技术在某种程度上还很难彻底解决上述问题。当大数据加入后，一切都变得易如反掌。

目前，视频大数据的主要产生源集中在社会治安动态监控和道路交通安全监控两大领域。人工智能在安防和智能交通领域的应用，也主要集中在这两个领域。目前全国各地社会治安动态监控系统已经超过2000万个，每天产生产数据量几乎是一个天文数字；以电子眼为主的道路交通安全监控系统，每天产生的数据量也相当惊人。这些庞大的数据，可以说95%是冗余的甚至是没用的，经过人工智能的分析和处理，这些数据就变成了宝贵的资源。

人工智能和大数据的结合，赋予了大数据全新的价值。大数据已经不再是传统的视频数据的简单累积，而是具有无限扩展应用价值的珍贵数据资源，比如人脸数据库等。

大数据驱动下，全球对人工智能视频监控硬盘和云数据中心硬盘的需求急剧上升，这为安防和AI行业带来了前所未有的机遇。

安防大数据与人工智能

AI安防是利用人工智能对视频、图像进行检索、分析，从中识别安全隐患并对其进行处理的“黑科技”。AI安防与传统安防的最大区别在于智能化，传统安防对人的依赖性比较强，非常耗费人力，而AI安防能够通过机器视觉对传感图像进行智能研判，从而实现真正意义上的安全监控和事前预防。

随着安防监控市场的不断发展，安防视频数据量日益激增，未来不可能将所有数据都放到云端处理，尤其是在实时性要求高的安防监控领域，因此前端智能的实时性显得尤为重要，AI技术“前移”、前端智能化成为安防监控系统的未来发展趋势。前端图像采集设备加载AI技术后，大大减轻了后端存储和智能分析的压力，让视频采集、数据分析、视频应用等融为一体，从而为用户提供更强大、更有价值的视频服务。

AI技术不断成熟，但落地应用远低于预期。AI安防，已经成为AI落地应用的巨大风口。

安防监控行业以视频技术为核心，每天产生海量的数据资源，可以充分满足人工智能对于算法模型训练的要求；安防行业中事前预防、事中响应、事后追查的诉求与人工智能的技术逻辑完全吻合。

此外，安防整个产业链的人工智能布局已经成型，正在步入加速落地应用的佳境。视频监控、生物识别等安防龙头企业纷纷布局人工智能生态链，AI龙头企业纷纷进军安防监控市场，AI安防已经成为AI落地应用的热点行业，目前， AI安防生态圈参与方分别包括上游的视频算法提供商、芯片制造商、图像传感器、镜头模组等其他核心零部件制造商，中游的硬件供应商、软件服务商、系统集成商、运营服务商，下游的视频存储服务商等。

2017年，希捷发布全球首款人工智能视频监控硬盘——酷鹰人工智能硬盘。该硬盘具备高吞吐量和优化的缓存，能够提供低延迟和极佳随机读取性能，实现对视频图像的迅速定位与传送并进行影像分析，是解决随着人工智能工作流产生的密集计算工作负载的理想方案。

随着人工智能硬盘的问世，前端AI、后端AI，甚至AI存储等，都已经成熟，已经具备市场爆发的条件。

交通大数据与人工智能

城市交通大脑和“会思考”的信号灯

人工智能在交通大数据的应用，主要分为三大场景：交通拥堵、智慧出行和交通管控。

治理交通拥堵，是城市发展的第一难题。目前，我国交通电子眼的数量居全球之首，但许多视频数据得不到有效利用，如果不借助人工智能，每天摄像头摄录的数据是看不完的，同时由于信息孤岛效应，许多有价值的视频数据往往被忽略和浪费了。阿里巴巴集团技术委员会主席王坚在2016年云栖大会上表示，世界上最遥远的距离却是红绿灯和交通监控摄像头之间的距离。“它们都在一根杆子上，却从来没有通过数据被连接过。”

因此，杭州市政府在2016年云栖大会上公布，将为杭州安装一个人工智能中枢——杭州城市数据大脑。这个项目由阿里云、富士康、海康威视、大华股份等13家企业的顶尖人工智能科学家联合完成。“城市数据大脑”交通应用场景的初期主要目标是通过分析车辆视频数据，来实时调整路口的红绿灯时长。简单来说，城市大脑的工程师们首先需要将视频信息转变为数据，并统一这些数据的格式，从而用数字化的结构重现实际的交通环境。之后，在这个虚拟的“数字城市”里，模拟不同交通状况进行数字建模，通过大量运算得出红绿灯时长的优化方案，最终同步到真实的路口，也就是说，人工智能通过视频结构化分析和应用，让信号机有了一双“慧眼”，自动优化配时方案，提升交通运行效率。

城市数据大脑的内核采用阿里云ET人工智能技术，它可以让数据帮助城市来做思考和决策，从而将杭州打造成一座能够自我调节、与人类良性互动的城市。在此后进行的杭州萧山区部分路段的初步试验中，城市大脑通过智能调节红绿灯，车辆通行速度最高提升了11%。

近年，各地交警充分利用人工智能和大数据，治理交通拥堵，收到显著效果。

深圳交警在管理思路创新的同时，不断加大科技信息化在交通管理中的创新应用，先后与BAT、华为等企业合作，通过科技手段，不断提升交通管理水平。。2016年，深圳成为“年度治堵典范之城”。济南交警支队与互联网公司合作，试点开发计算机控制下具有深度学习能力的交通信号控制模式，也就是专业界所说的“会思考的信号灯”，逐步实现交通信号配时智能化和区域信号多点联动自适应化。目前，济南市区已有交通信号灯控路口1000余处，信号平峰绿波带77条，高峰红波带39条，纳入区域自适应协调控制的道路42条，收到显著的效果。

交通出行大数据

交通出行大数据，是交通大数据的重要组成部分。目前，许多科技企业与地方政府展开深度合作，进一步打通数据瓶颈，深入挖掘数据价值。高德与杭州合作“交通大脑”项目，利用大数据迅速发现城市异常拥堵位置，将其反馈给交警部门，加快出警速度。能够将事故造成的异常拥堵时长缩短20%，平均车速提高35%。

大数据是推动智能交通发展的基础，人、车、行为识别都是获取数据的工具，是感知智能的提升。

整个交通数据生态的组成因素有人、车、路、场站枢纽四大因素。当前已经可以通过固定式检测设备感知车号牌、车流量、车特征等信息。通过场站枢纽的视频监控、出入口车辆识别、车位检测设备获取车辆进出数据。随着车路协同、辅助驾驶、无人驾驶技术的提升，可通过车载智能终端感知车辆相关移动数据，包括位置、行为等。我们也可以通过互联网技术，以移动终端手机感知出行者信息。未来、随着技术的发展和成熟，以及政策的支持，这四类信息将被全面感知，形成人车路场协同，提高整体交通通行效率。

高德目前拥有7亿用户，覆盖全国超过331个城市，每月覆盖的移动终端数超过11亿；滴滴每日新增轨迹原始数据超70TB，处理数据4500TB，路径规划请求200亿次以上。

百度地图基于百度地图海量的车辆轨迹、定位、POI、百度搜索等数据，发布中国城市交通研究报告；高德地图利用交通大数据，发布城市交通拥堵报告。综合分析我国城市交通状况，为公众、行业研究机构以及政府管理部门提供有效的参考。