01 升維影片AI分析 專注異常事件管理

如今我們所處的時代可以說是影片時代。從網路影片，再到隨處可見的影片監控，我們的生活被越來越多的影片元素所影響。城市可以從實體到虛擬，依照場景區分為道路交通、工作學習、生活娛樂、城市環境、網際網路資訊五大空間。影片忠實地記錄下城市空間資訊，從中可以發現城市的態勢與動向。然而現在影片並沒有被有效利用，很多時候，需要人工實時檢視，或在發生異常事件之後作為證據回看，這樣做低效且浪費。

基於這套體系，我們推出星雲全方位異常感知系統，來助力城市空間的全域性掌握。星雲系統，即雲邊一體的城市空間異常管理系統。其中雲是指中心叢集，以強算力、大資料和全域性彈性排程為特徵。星即為邊緣智慧盒，具備高整合和多演算法能力，單臺可支援多路交通影片分析。利用星雲系統的強大能力，我們可利舊端側原有的不具備智慧的裝置或者已經落伍的智慧裝置，賦予全新的智慧能力。

雲邊一體融合的架構是最符合城市空間異常感知的架構，因為影片資料體量巨大且仍在日益增多，統一拉回資料中心集中處理對網路頻寬的壓力極大；同時，像交通訊號配時最佳化等場景以及智慧出行、車路協同等新興領域對於邊緣的響應及時性要求也進一步增高；

因此對於影片資料，最適合的架構必然是雲邊一體的模式。

首先在時間維度上，雲邊可以有機聯動，邊緣負責及時響應，雲負責全時段分析，資料處理上雲邊相輔相成，透過“知現在”和“知過去”達到“知未來”。“知現在”即實時分析，“知過去”即歷史統計，“知未來”即態勢預測。在業務價值閉環上，雲邊一體可實現即時閉環與延時閉環有機統一。即時閉環指的是基於實時告警進行及時處置，延時閉環指的是基於態勢分析進行規劃建議。

而在空間維度上，雲邊也是融合統一，邊緣節點負責就近處理邊緣域資料，雲中心負責全區域分析。邊緣負責就近推送，比如就近執法民警的手持裝置、車載終端等；雲負責全域性排程，比如應急指揮中心的派單。最終，透過雲中心、星邊緣、感知前端的結合，可實現全域覆蓋、全城感知。

有了異常感知後，我們還要進行多維度的異常推送，幫助空間有效“智”理。異常事件採用推送的方式，智慧地把使用者關心的異常資訊和畫面推送給到他，使用者不再需要從茫茫海量影片裡去尋找或盯著影片看，所以我們認為這是一種全新的具備顛覆性的城市物理空間的互動方式。

以交通空間治理為例，我們和交通行業結合得比較好，行業認知比較深，現在落地的城區就有100+，從一線城市的中心區域到小縣市，從城內道路到高速公路，涉及範圍這麼大，場景自然有微妙的差別，所以必須要有靈活的解決方式。

城市攝像頭接入我們的VisionMind平臺後，可以單路裝置設定多種分析模型，根據場景自由組合，提高效能減少了大量浪費。出於客戶們的實際需求，我們開發了大量的交通演算法，按照不同的資料維度進行推送，包括交通引數、事件和態勢等，囊括了交通空間裡的人、車、物和環境。比方說，就交通違法事件識別，我們按違法主體區分為機動車違法和非機動車違法，機動車違法就有二十餘種違法模型，非機動車有近十種。非機動車違法的一大主體是外賣/快遞騎手，透過追蹤交通違法行為，我們可以定位到騎手個人及所屬企業，確保管理效果。透過平臺，可以達成事件預警-處置-統計總結的這樣一個閉環。

但交通管理絕不只包含對違法的查處，所謂“上醫治未病，中醫治欲病，下醫治已病”，我們的目標不是抓違章，而是讓違章不再出現，這才是城市管理的核心思想。所以，閃馬還開發了交通事件感知系統，包含近二十種交通事件，像擁堵、團霧、事故等異常情況就作為交通事件，還有流量、車速等近十種交通引數採集引數採集，做到分車型、車分道的態勢感知，便於管理者迅速發現並解決問題，保障道路通暢。除去機動車，城市道路上還穿梭著渣土車、攪拌車等特種車輛，透過影片自動分析檢查車輛頂篷覆蓋等情況，解決道路揚塵問題，維護城市環境清潔。