股票代码:833024 | 投资者关系

关注我们
行业资讯
边缘计算驱动智慧城市公共安全建设
时间:2020-08-05 13:45来源:安防知识网

 

  城市公共安全的三大转变

  我们国家提出智慧城市的概念,到现在已经十多年。智慧城市这个名词近几年频频出现在政府工作报告、学术会议和行业论坛上。众所周知,智慧城市是一个非常宏大的主题,影响到城市建设方方面面,通过各方的不懈努力探索和实践,智慧城市已经被赋予了一个具有中国特色的内涵,不同角色、不同领域的人,对这个名词的解释也有所不同。

  我们认为,智慧城市主要是运用物联网、边缘计算、云计算等新一代的信息技术,实现城市规划和建设的智慧化。这里说到的城市智慧化,最终目的是要创造一个更安全、更舒适、更方便的生活,促进城市和谐、可持续成长。这里有两个层面的意思:一是,它体现了一个新时代的信息技术的引领;另外,更为深层次的,是它具有一定的社会含义,体现出我们和信息社会所对应的一种面向服务的、以人为本的协同和创新的理念,要让世界更美好。

物联网

  说到以人为本,我们可以想像,人在社会中最直接或最卑微的一个诉求,就是安全。公共安全是社会中人最为直接的一个需求,影响着城市建设方方面面。比如社区安全、小区安全、交通安全、平安校园、道路安全,这些都是公共安全的一部分。

  我们欣喜地看到,经过几年发展,公共安全建设正逐渐从人工转向自动,从分时分区的局部防御到全时全境的周密监控,从被动的事后分析转到事前预警、实时响应。城市公共安全建设,正在发生这三大明显转变。

  这样的转变,如果还依靠传统的,集中式的处理方式,把所有信息汇聚到集中节点,已经力不从心了,我们需要引入新的信息处理模式,并将多种模式融合起来。近年来,一种新的计算范式,即边缘计算,正日益受到人们的关注。边缘计算的概念,并不是说被边缘化的计算,而是一种从集中式向分布式、从中心化到去中心化、从集中单一式到协同的计算,是相对于云端计算的另一个概念,边缘计算和云计算的有机融合,正成为现代公共安全系统的主要建设模式。

  边缘计算驱动公共安全建设

  边缘计算如何驱动公共安全建设发展?我们来看边缘计算的几个最重要的特点:

  1.它是实时、低延时的计算。这一点非常重要,公共安全中,常常很多事情都是突发的,需要非常快速的响应,如果把信息回传到某个中心节点、再等它传回来,事情可能已经过去了,所以实时、低延时是边缘计算很重要的一个优点。

  2.可以处理海量数据。边缘设备是数以亿万计的,具有计算能力的边缘设备如果同时进行信息处理,可以处理海量数据,远远优于把大量数据传输到中心节点,通过拥塞的网络等待网络返回来得更为实时、快速,不会产生由于网络拥塞而引起数据处理瓶颈。

  3.精确位置感知。有很多公共事件,特别是公共安全事件,跟位置密切相关。比如防疫、对人轨迹的追踪、自动驾驶的导航,这些都要跟边缘侧设备位置发生密切关系。这些边缘侧的信息最好是在边缘侧跟边缘设备其他信息能融合在一起,就地解决,而不需要再回传到中心节点。

  4.本地化的数据保护。公共安全数据跟每个人的生活工作密切相关,每个人都不希望把自己的隐私随意地在网络上分发,如果信息能就近在本地边缘节点上得到处理、消化,就不需要再把这些数据回传到网络其他节点上,从而就避免了信息泄露。前几年,欧洲、北美对数据保护做了非常多的法律法规的建设,这两年我们国家也开始非常重视这方面政策的制定。边缘计算应该是解决本地化数据保护的一个非常有用的武器。

  边缘计算赋能智能摄像机

  边缘计算在公共安全上的主要载体,我们认为是智能摄像机。为什么这么说呢?首先,人对外界信息感知,靠的就是视觉,有80%都是来自视觉。比如,现在我面对的是摄像机,这样的直播都是通过视频进行分享。因此,视频是智慧城市中采集数据最为重要的数据形式。其次,不同形态的摄像机,是采集数据的主要来源,目前,全球城市摄像头数量还以每年20%的增长率不断扩大规模,视频摄像头在生活中是随处可见,各种新形态的视频采集设备也越来越多,这些摄像机每天无时无刻不在采集视频数据,产生出大量的视频信息。最重要的是,视频数据本身是非常庞大的数据信息源。举例来说,一个小时的视频数据,不压缩,可能需要300GB,如果压缩,也要一两个GB。所以,我们需要使用智能摄像机,在边缘侧把视频数据就地进行处理,通过智能算法,提取出视频中对我们公共安全起到关键的分析作用的信息,可以说,智能摄像机是快速获取视频中有价值信息的最佳工具。

  那么边缘计算如何赋能智能摄像机的呢?我们认为有三个方面:首先,边缘计算能完成高清的图像处理。对现代摄像机来说,分辨率已经从标清、高清到超高清,摄像机内部需要实现非常复杂的图像处理,才能实现高清的画质,这必须要依赖于强大的边缘计算。第二,高效的视频压缩,视频数据量是海量的,如果我们用比较先进的边缘侧图像压缩算法,可以将视频数据轻松压缩100倍甚至200倍,大大缩减传输带宽。第三,它能提供高级的人工智能功能。基于深度学习的现代的人工智能算法,在摄像机边缘侧就可以完成,进行自动检测,识别人、车、物,可以非常有效地浓缩视频里的冗余信息。

  边缘计算的创新应用

  基于边缘计算,目前行业已经推出了不少创新应用,例如科达的AI超微光摄像机便是其中之一。为什么科达要去推出这样一个摄像机呢?首先,公共安全对摄像机的要求中,低照成像是核心诉求,这很显然,治安事件90%发生在夜间;第二,城市中存在众多不便外加光源的低照度环境,比如小区里,加一个很强的灯,马上就会遭到投诉,在医院或监狱里,也不方便添加光源,但这些地方又常常需要用摄像机采集视频图像。而传统摄像机做不到良好的低照成像,因为传感器有灵敏度的限制,感光能力是受限的,低信噪比的设备使得图像信号被湮没在噪声中,根本无法提供有效的信息。所以基于以上关键问题,我们设计了AI超微光摄像机。这个摄像机的最大特点就是,基于深度学习AI算法,充分运用了边缘计算来实现图像增强,为低照环境下的摄像机输出提供质量保障。

物联网.jpg

  当前苏州科达已经推出了一系列基于AI超微光技术的摄像机,如AI超微光车辆卡口摄像机,AI超微光电警摄像机,AI超微光人员卡口摄像机,AI超微光4G布控球等等。 这些新型的摄像机不仅具有原有摄像机的基本功能,可以有效的保障社会公共安全,而且充分考虑到城市人生活的舒适度,减小人工补光甚至摒弃补光,避免制造光污染,体现出人文关怀,我们认为只有像这样的产品,才是一个智慧城市应该配备的设备,在应用价值方面,通过技术赋能产品,为了人而服务,以人为本,给人创造各方面更舒适、更理想的一个生活。

  展望未来

  最后简单总结一下,对边缘计算在公共安全建设方面的展望:

  第一,边缘计算会得到更强大算力的支撑。AI算力现在有个新的摩尔定律,每18个月算力会翻一番。但实际现在速度已经超过了摩尔定律,速度在不断的提升中。这意味着我们可以把更多更先进的算法,包括AI算法、压缩算法、图像处理算法,放到边缘设备中。这必将推动更多的公共安全的相关功能在边缘侧实现。

  第二,多IoT的数据融合。AIOT的设备现在越来越多。根据国际数据公司的数据,2025年全球大概有1500亿的IOT设备,这些设备无时不刻在地球上的各个角落产生各种各样的视频或非视频数据,我们必须把这些视频、非视频数据有机融合在一起。现在常见的,比如烟雾光警器,有对烟雾的敏感性,但如果再加视频,双管齐下,在某个设备失灵的情况下,就可以用另外一个设备来继续保证公共安全。再比如WiFi探针,各种不同传感器产生的数据,都可以有机地融合起来,为公共安全起到保障作用。

  第三,5G+边缘计算。边缘计算本身就是5G的一个核心功能,国际电联(ITU)定义的三个典型的5G应用场景,其中一个就是超可靠低时延(uRLLC),即极低延迟、超可靠的场景,这个场景就是用于边缘计算在公共安全方面的应用。因此可以预见,边缘计算在5G中的应用,将来也会越来越普遍和常见。

  总的来看,我相信边缘计算在公共安全中大有可为,也是大有作为的。我也相信,在智慧城市中,边缘计算一定会发挥更大的效应,成为非常重要的一个武器。