中国智能城市信息环境建设与大数据战略研究
上QQ阅读APP看书,第一时间看更新

三、对智能城市传感技术的思考

智能城市建设过程中,从物理世界感知是相对容易的,如何把来源不同的感知数据融合汇总起来,根据需要提供给不同的业务部门使用,以及提取视频、图像等非结构化数据的信息是智能城市建设中的关键技术难点。城市的管理者只有提升了数据资产的管理与处理技术能力,才能从数据融合中创造出更多的社会价值和经济价值。本课题组建议从国家总体的战略层面,在智能城市感知的技术方向上重点开展如下两个方面的研究和产业化工作。

(1)重视历史数据处理和融合技术的研究与产业化,从技术上支撑智能城市从试点转向大面积推广,在全国范围内通过促进数据融合创造更大的经济价值和社会效益。

(2)重视对视频、图像等由监控摄像头等传感器拍摄的非结构化数据语义信息理解技术的研究和产业化,推动智能城市从浅层感知到深层感知的发展,让智能城市的智能化变得更加强大。

(一)数据融合是智能城市中传感系统建设的重点

通过对部分已经开始实施智能城市试点工作城市的调研,我们观察到,智能城市的建设和管理部门通常无须为智能城市的建设专门拨款部署传感器,即使未来出现部署专门传感器的需求,在整个智能城市的感知系统中也只会占比较小的部分。就我国国情而言,智能城市建设和管理通常相关市镇的政府及其下属的专门机构管理,因此智能城市的建设不会明显增加政府的财政支出,但是可以明显提升城市的功能、效用,提高城市的管理效率。

以本课题组参与调研的北京市房山区长阳镇的智能城市建设为例,长阳镇2013年入选国家智慧城市试点,提出了“无线城市智慧长阳”的发展战略。镇领导班子研究制定了《2013—2020智慧长阳建设总体规划》,希望以智慧城市的建设为牵引,提升城市的魅力、层次和管理效率,实现长阳新城的平稳、健康、可持续发展。长阳镇在智慧城市的建设过程中,充分整合城市原有各职能部门的数据(如出租车数据、公交数据、城市遥感数据、城市监控数据、移动通信数据等),建立数据感知中心,将来自各方面的数据整合、融合在一起。这里的数据来源基本没有专门新建:出租车数据来自出租车管理公司以及城市的交通管理部门,公交数据来自公交公司、地铁公司等交通相关企业,城市遥感数据来自国家遥感中心和研究所,城市监控数据来自公安部门和其他机构,移动通信数据来自移动通信运营商。传感装置也不是相关部门(如公安部门或移动通信运营商)专门部署的,而是各部门或企业为了本身业务开展的需要而部署的,因此装置布置和数据来源接近零成本。当然,有了智能城市以后,数据变得更加有价值,不同部门之间的协调以及商业机构或普通个人产生的数据未来也会变得有价值,从而让数据形成市场定价。但单从智能城市建设的角度来说,传感器的部署成本是非常低的,政府主导的智能城市建设可以充分利用城市中各部门和商业机构已有的感知系统来构建,但政府部门需要从中进行大量的协调和整合工作。

通过调研我们发现,目前智能城市建设的主要应用需求有指导城市规划、有效管理交通并为市民提供交通服务、促进居民消费与经济发展、监测城市水源与空气状态并提供公共服务、感知公共安全与公共卫生事件并予以应急处理等。利用已有的传感器就已经能提供足够的数据,满足这些应用需求。

(1)卫星遥感数据可以提供全局的城市建设状态,帮助城市规划专家和城市管理者从宏观的角度高效地审视城市建设的状况,并为未来的建设和发展规划提供数据支撑。

(2)安装在出租车上的浮动车信息由出租车公司掌握,如果能与智能城市其他感知数据相配合,能在很大程度上让智能城市管理者了解整个城市动态、实时的交通信息;也可以通过网络服务将这些交通数据提供给市民,为市民出行提供建议服务,引导城市交通良性运转。

(3)城市公交公司的乘客刷卡信息、地铁刷卡信息,高速公路的车牌识别、公路状态监测、卡车重量监测等都是非常有价值的城市交通数据,通过对这些数据的分析和归纳,可以为城市管理者和参与交通的市民提供很好的数据支撑服务。

(4)绝大部分城市市民都拥有手机。通过手机基站对通信记录的分析,可以感知城市人口之间的关系,还可以用于发现异常情况。通过手机基站可以对手机进行定位,通过与手机厂商、APP厂商、导航软件厂商的协调,可以获得更加精准的手机位置信息。而手机位置信息也基本上可以代表市民的出行状态信息,因此这些感知信息可以实时、动态地感知到城市中人口的流动情况,从而为城市建设与规划、人口密集事件的应急响应、城市商业的发展和经济活动提供非常有价值的数据支撑服务。

(5)城市中的各商业机构(如商场、商店、饭店、银行、小商品交易市场、汽车4S店、理发店、移动通信营业厅等)每天都在发生着大量的消费行为。其中,通过刷卡消费的信息最容易被感知到,现在大部分现金交易也被电子化记录了,相关商家通过打折卡、会员卡等形式也记录了海量的数据。如果这些数据通过银行和工商的渠道可以融入智能城市的数据库,无疑也可以对智能城市的建设起到重要的推动作用。

(6)城市的汽车站、火车站、机场、学校、医院,每天也都通过各机构的内部信息管理系统记录了大量的数据,比如学校的食堂餐卡消费记录、校园网上网登录记录、机场的免费Wi-Fi数据访问记录、医院的市民就医用药情况记录等等,都可以是智能城市感知的重要数据来源。

(7)城市的供电局、供水公司、供气公司、环境监测部门通过计量设备或收费渠道,也在实时感知着城市运转的脉搏,通过监测城市的用电、用水、用气和空气质量等信息,可以反映出城市运转的各种状态。城市用水的质量监测、城市空气质量的监测等对城市的形象和市民的健康也具有非常重要的意义。

智能城市建设中的数据感知来源已经非常丰富,但是在现阶段,这些数据还未能在智能城市的总体目标下汇聚和融合在一起,还未能很好地集成到智能城市的统筹管理之下,大量城市感知数据还有待逐步融入。因此,虽然智能城市建设无须投入巨大的资金来部署传感器,但是政府的有效协调和统筹非常重要。在这方面,国内还没有非常完善和成熟的智能城市感知数据汇聚融合的运作经验,未来这方面的建设途径还有赖于政府部门的不断摸索和创造性的尝试。

本课题组认为,智能城市感知数据的融合主要有如下三点工作需要推动:①数据融合的规范需要制定;②应该逐步建立数据的有偿定价机制;③政府主管部门应该自上而下统筹协调感知数据的融合。

(二)图像、视频大数据智能分析是主要技术难点

在本课题调研过程中,我们发现智能城市中大部分数据都是结构化的数据,即数据的语义信息明确且便于检索和处理,比如公交刷卡数据、GPS数据、金融消费数据等等。这些数据的使用技术一般没有太大的困难,但是智能城市中众多监控摄像头拍摄下来的图像和视频数据却让智能城市的管理者和应用开发部门面临很大的技术困难。这些图像和视频数据具有以下特点:数据本身很宝贵,包含了大量信息,且非常直观,但是数据量巨大,无法获得语义信息,难以使用。因此,管理者对这些监控摄像头拍摄的图像和视频数据又爱又恨,爱的是数据本身很有价值,恨的是现有的技术手段还无法有效利用这些数据,且这些数据所占用的带宽、存储、计算、能耗、管理等成本远远高于其他结构化的数据。

在摄像头数据的分析技术研究方面,学术界在长期研究,并且在过去的20多年取得了长足的进展,即计算机视觉研究。计算机视觉研究现在已经在车牌识别、人脸检测两个重要的技术领域达到了基本产业应用的水平。其中,车牌识别技术在近两年已经开始逐渐应用在停车场、道路违章监测等应用中,并且达到了较为理想的应用效果。人脸检测技术也已经可以在一些特定场景的应用中达到实用水平,比如机场、办公室、超市等场景中的人脸检测,同时,基于人脸检测的人脸识别应用也有小范围的示范应用。在学术领域,通过国际上计算机视觉领域研究的发展和视觉领域相关赛(如Pascal VOC等)推动,计算机视觉在应用方面也在不断进步,比如更多种类的目标识别、事件检测、视频语义理解等。这方面的研究成果也在逐步渗透或应用到智能城市的建设发展中。

如果能够从整体的高度协调智能城市建设发展与计算机视觉研究的关系,通过一系列措施促进计算机视觉研究为智能城市建设服务,那么这将是一个对两方面都有极大促进作用的战略决策。对智能城市而言,可以更加有效地分析海量的视频和图像数据,直接服务于某些特定的应用,提升我国制造业水平,促进产业升级,促进高科技就业,在世界取得领先地位;对于学术研究而言,可以有效推动研究的深入开展和落地应用,为学术界提供真实的数据和指明研究方向,活跃学术界的研究热度,提高学术研究水平。

本课题组建议的具体措施包括如下四项。

(1)建立一个国家层面的智能城市媒体数据分析应用领导小组,由国家智能城市的中央职能管理部门、主要智能城市建设的地方政府负责人、计算机视觉领域的知名专家组成,从全局的高度统筹规划和协调学术研究和产业应用的协调发展,包括制定发展规划,总结和预测智能城市对技术的需求和应用时间表,设立研究课题和确定研究目标,协调产学研结合与研究成果的落地应用等。

(2)总结归纳智能城市中视频数据分析的技术需求,根据专家的评估与决策,组织力量将智能城市中的应用需求梳理出来,并整理相关的实验数据集合,通过赞助国际知名学术会议等形式组织技术挑战赛,推动学术研究向智能城市应用的方向优先发展,促进面向智能城市应用的计算机视觉研究尽快取得进步。

(3)通过设立产业化为导向的项目,推动企业与学术界的合作,促使企业把学术研究成果转化为实际的产品和系统,打造智能城市视频数据分析新兴产业链,提升制造业附加值和科技含量,为国民经济在高科技领域的发展再加一把力。

(4)制定智能城市中视频数据处理技术规范,使得全国智能城市的建设更加标准化和互通,降低产业壁垒,通过产业竞争促进产业发展,使得具有技术优势和产业实力的企业可以脱颖而出、做大做强,同时也创造一个公平竞争的环境,让不同企业在同样的技术标准和框架要求下进行竞争,降低智能城市中视频数据分析智能化的门槛。