AI和智慧城市标准化与新技术

□ 文/本刊记者 何遥

在智慧城市建设中，除了一般的AI智能芯片、算法和产品等，存储方案、机器听觉等新技术也不容忽视；同时，对运营的重视也必须提高到智慧城市的整体层面上来。

在智慧城市建设中，除了一般的AI智能芯片、算法和产品等，存储方案、机器听觉等新技术也不容忽视；同时，对运营的重视也必须提高到智慧城市的整体层面上来。

怎样按照国际标准进行运营？

目前，全球大多数的智慧城市项目仍处于初级阶段，地方政府缺少对智慧城市具体建设运营的过程参照，建设和运营单位缺少规范的商务过程和最佳实践参考，亟需一套商业运营和管理流程规范指导智慧城市建设和运营。而现有国际标准组织关注智慧城市标准体系框架和底层技术层面，未涉及商业过程，中国智慧城市标准体系覆盖智慧城市规划、建设、评价，但未涉及智慧城市运营过程。为完善国际智慧城市标准体系，浪潮集团结合智慧城市实践，以电信管理论坛eTOM成熟框架为基础，提出建立全球首个智慧城市运营领域国际标准——SCOM。

8月31日，2019中国500强企业高峰论坛 -- 大数据与新一代信息技术产业平行论坛在济南隆重开幕。论坛举行了全球首个智慧城市运营领域国际标准 ——《智慧城市运营框架》（Smart City Operations Map——SCOM）启动仪式。

历经十几年发展，智慧城市正从以建设为主转向长效运营。浪潮集团2017年首次提出“智慧城市运营商”理念，以”云+数+AI”为基础，通过市场化运营体制机制创新，聚合价值生态，赋智整合城市资源，面向公众、企业、政府，提供综合化、集约化、智能化的管理服务，实现数字产业化和产业数字化，拉动数字经济发展。

该框架是浪潮基于多年来智慧城市的运营实践，参考TMF定义的eTOM最新19版本，扩展描述适用于智慧城市运营的商业流程规范。电信管理论坛（简称TM Forum 或 TMF）是一个非营利的全球著名数字经济协会和标准化组织，成员来自180多个国家超过850个会员单位，全球注册专家超过95000名。TM Forum 提出的一系列标准框架，特别是eTOM商务过程框架已经被国际主流电信运营商、IT设备商和软件厂商广泛接受，成为商业运营管理领域事实上的国际标准。

《智慧城市运营框架》国际标准主要包括：定义体系化的智慧城市运营全景视图和智慧城市运营项目全生命周期过程；提出服务运营过程模型，面向公众、企业、政府等相关方，明确主要端到端商业处理过程；描述智慧城市业务相关的全生态合作伙伴和供应链管理，初步打通全生态价值链的商务过程。该标准将有助于政府和智慧城市运营方规范运营管理体系和商务过程，整合数字化城市资源，建立智慧城市合作生态体系，致力于向公众、企业和政府提供有质量保障的产品和服务。该标准对规范智慧城市运营流程，建立智慧城市运营生态体系起到关键支撑作用，为智慧城市、数字经济的发展注入新动能。

该国际标准已加入单位还包括中国信息通信研究院、中国移动研究院、北京邮电大学、中国城市科学研究会智慧城市联合实验室等。经过TMF、ISO/IEC等国际专家评审，2019年7月23日SCOM立项获得TMF正式确认，将于2019年底起发布第一个版本。

为智慧城市寻找最合适的存储方案

摄像头本身已成为智能计算设备，提供视频分析和与不同系统和设备集成的能力。智能交通就是智慧城市应用中将监控和其他数据组合使用的潜在应用之一。通过部署带有目标监测和识别分析功能的监控摄像头，交警可以自动检测停滞的汽车、错误行驶和其他可能影响安全和行驶时间的事件。利用这种洞察力，城市管理部门可以利用交通管理或数字显示系统提醒驾驶员注意潜在的事件，并引导他们绕路避开这些地点。

智慧城市更大的目标是提升效率、提高可持续性、推动经济发展，提高在城市生活和工作的人们的整体生活质量。例如，政府相关部门可以使用在较长时间内收集的交通数据来识别和缓解日常的出行瓶颈，减少拥堵时间和降低出对生活质量的负面影响。而这些系统的核心是用于存储所有这些数据的解决方案。

研究公司IDC预测，到2025年，全球累计的数据量将从2018年的33 ZB（33万亿千兆字节）增长到175 ZB。如上面的IHS Markit数据所示，这些数据很大部分将来自用于安全和商业智能目的IP监控摄像机。因此，在很多情况下，视频监控系统提供了将所有这些信息集成在一起的理想解决方案。由于人工智能强化了这项功能，如今的监控解决方案能够提供智慧城市所需的可行性见解和情报。

智慧城市应用的核心是监控存储解决方案，这些解决方案能够将所有这些数据整合到边缘，以便进行即时分析和提供实时情报，并在后端环境中进行长期分析、总体趋势和深度学习分析，使系统随着时间的推移更加智能。这些强大的存储解决方案旨在满足智慧城市应用的严苛要求，并提供许多其他有益于市政的功能。

在物联网和人工智能时代，设备生成比以往更多的数据，决策如何正确存储所有这些数据至关重要。根据城市的需求，可用的存储方式有不同的种类，例如边缘存储（靠近视频或数据获取的位置）、云（大型集中式后端存储服务器或服务器），甚至两者的组合，一些专家将最后这种方式称为IT4.0。

对于拥有成百上千个摄像头和物联网传感器的智慧城市，城市应采用具有边缘和云存储双重优势的多层存储架构。

这样做的主要原因是，将大量视频和数据不断传输到云端成本高昂，并且可能会面临严重的延迟问题。智慧城市的解决方案是在终端和边缘部署整合、筛选和分析数据的技术，然后将相关警报发送到前端的视频管理系统，以便进行审核和响应。通过这种方式，数据可以快速处理、通知可以更及时地传递，从而提高公共安全水平。

例如，当市政摄像头使用视频分析或AI功能监测到事件时，它可以向监控或指挥中心发送警报，使警察能够快速响应。采用监控优化硬盘构建的NVR设备允许指挥中心的调度员或操作员访问事件视频，以进一步评估状况，并在警方前往该地点的途中，向其提供该事件的实时情报及可采取的行动信息。

对于提供更深入趋势的存档和分析，可以将视频和数据上传到云端，在那里云服务商利用高质量的企业级和固态硬盘，确保来自城市物联网设备的视频和数据得到最完整的保护。例如，在集中式存储环境中，通过分析从交通摄像头收集的数周或数月的视频和数据，可以识别整个城市的交通高峰时段和交通模式，使官员能够做出能够改善人们通勤状况的决策，例如在某些交叉路口同步信号灯。

虽然这种多层的存储方式很理想，但在某些情况下，它对于一个城市来说并不可行。网络速度以及摄像机或传感器与服务器之间的距离可能是阻碍云存储的因素之一。网速慢和遥远的距离可能会导致上传或流化文件需要很长时间。此外，对于某些城市，月费也可能是阻碍采用云存储的因素。因此，城市最终选择的存储模式不仅取决于应用的目标，还取决于基础设施和预算。

智慧城市应用是全天候的，因此存储解决方案必须始终以最佳方式运行。而且，硬盘确实会不时出现故障，因此城市必须做好应对准备。嵌入式健康管理软件可随时监测和分析硬盘运行状况。这些解决方案应用高级算法来监测温度、振动等异常，以限制性能降低情况并防止硬盘故障。通过部署这些解决方案，市政当局可以最大限度提升其硬盘的健康状况和工作负载性能，以创建更高效的存储解决方案，为改善城市运营提供更好的数据洞察。

即使拥有最可靠的健康监测软件解决方案，有时仍有意外事件可能导致硬盘故障。为做好应对此类事件的准备，市政当局应确保其系统存在冗余，并通过订阅最多可以恢复2年数据的数据救援或恢复服务来扩大冗余。这些服务对于需要长时间存储数据的执法人员或其他相关人员尤其重要。

机器听觉为智慧城市装上“耳朵”

一直以来我们都在强调视觉系统在智慧城市中发挥的重要功能，如今，智能听觉系统也将逐渐展开应用。

智慧城市的感知神经中，绝大部份来自于基于视频监控的视觉系统，声音信息仅次于视觉信息量，将在智慧城市运营及管理的持续演进过程中承担起不可或缺的角色。

相关政府职能部门对异声检测、城市噪音治理等方面的应用有明显的需求。比如交管部门对车辆鸣笛、改装车噪音管控；城管部门对于城市噪音管理；住建部对建筑施工噪音的管理以及公安部门对于特殊人群聚集等这些都有很强的诉求。这些诉求将驱动声学技术在实际应用场景中作用方向，也蕴含着智慧城市、安防领域声学技术应用的发展潜力。

音频虽然不是目前最主要的需求，但作为仅次于视频的信息量最大的补充信息，智能音频有望在未来3-5年内成为第二大感知系统。

目前声学技术在安防领域的应用仍然处于初步尝试阶段，市场上能够提供相关技术方案的厂家并不多。深圳市微纳感知计算技术有限公司（以下简称“微纳感知”）是这方面的领先者。

现阶段该公司主要先从交通领域的鸣笛管控着手，鸣笛抓拍系统可以通过专业声学雷达，滤除环境干扰噪声（车辆引擎声、刹车声、电动车鸣笛声、建筑噪声等），精准锁定目标噪声源位置，准确定位到违章鸣笛车辆，并将声音可视化，为后台智能管理系统提供直观准确的车辆鸣笛执法证据。

从成本角度来看，随着安防整体解决方案日趋成熟，现在前端设备的成本已经下降了很多。微纳感知也在不断尝试，在保障产品和系统性能的基础之上，实现TCO(拥有成本)的最优化，即便是新建部署，也能让用户承受得起而不会成为负担。

作为一家提供智能语音解决方案的企业，经过六年左右的核心技术探索和积累，2018年微纳感知正式进军安防市场，目前已经和部分安防厂家达成了合作，推出了包括公安监所、交通管控、远程教育、会议系统等细分领域的音视频联动产品和方案。

复杂场景下的声音处理之所以此前一直没有大规模应用主要是因为技术实现上存在很大困难，首先要将声音从复杂环境中清晰的采集下来，其次要分析声音包含的信息，这些其实都非常困难。不过微纳感知从2013年便一直专注于机器听觉技术的研究，这其中的技术核心就包括麦克风阵列信号处理和基于AI技术的声音内容识别分析。

麦克风阵列信号处理技术主要包括回声消除、噪声&混响抑制等，将声音清晰采集下来后传送到后端人工智能引擎，然后基于AI技术展开声音类型识别分析的应用，比如识别枪声、鸣笛声、建筑工地施工噪音以及人声声纹检测、连续语音识别等等。

现阶段微纳感知积累的技术已经能够实现商用化，并在一些行业领域正在展开相关应用。

声音不同于视频图像信息，它是动态的且无形的，但是它跟视频图像的采集是类似方式，只不过视频以帧为单位，而声音是连续的。计算机视觉有典型的ImageNet数据集，声纹数据集现在还比较少，主要是由像微纳感知这样的企业自主建设子集数据集，相信未来随着业内机器听觉技术应用的爆发，产业将会逐渐成熟。

而公安声纹库现阶段也在逐步建设，还是会像视频监控人脸库建设一样分期进行，比如一期主要采集特殊人群的声纹信息，二期才会建大量的常规声纹信息库，未来公民身份信息将会包含人像、指纹以及声纹等。

声学技术在智慧城市领域的应用中，政府部门的需求引导和产业推动意义很大。目前相关落地应用仍然依赖着产品技术和应用企业的推进，作为声学技术方案提供商，微纳感知已经完成了技术研究的基础工作，进入到应用阶段。人工智能和感知计算是我们国家的未来战略产业，声学技术在智慧城市、安防、教育、金融等领域将可能获得大面积应用，并以应用促进产业和技术的更为良性的发展。

视频能够完成城市监控、特征识别、视觉获取等方方面面的信息，而在眼睛看不到的地方，“听觉”系统的补充将进一步丰富和完善城市感知系统的维度。从视听交互、声纹识别、听觉判断到语言学习，通过音视频联动，可以构建起城市实时感知的“眼睛”“耳朵”，由此来进一步提升城市精细化管理水平。