Видеонаблюдение — сердце умного города

362
4 минуты

Современные города — как живые организмы: они растут, развиваются и становятся все более сложными. Однако проблемы остаются все те же: развитие жилищно-коммунального хозяйства, контроль уровня преступности и многое другое. Вместе с тем сегодня стали доступны аналитические технологии, с помощью которых можно решить множество повседневных городских задач, связанных с обеспечением безопасности, работой в сферах здравоохранения, транспорта, энергетики, а также с экономическим развитием. 

Учитывая, что в мире больше половины населения проживает в городах, потребность в точных аналитических сведениях о повседневной активности горожан чрезвычайно велика. Администрациям городов есть чему поучиться у компаний вроде Cisco, Amazon и Google, которые не только собирают данные, но и постоянно используют их на благо людей и общества. Очевидно, что центральным элементом умного города являются технологии видеонаблюдения — один из основных источников данных для анализа.

Развитие технологий видеонаблюдения и прогнозной аналитики будет способствовать росту экономической и общей эффективности умных городов. Однако постоянное наличие устойчивой связи гарантировать невозможно, а для принятия решений в режиме реального времени данные должны быть доступны вне зависимости от работоспособности сетей. Поэтому рядом с точками, где выполняются вычисления, должны находиться хранилища достаточной вместимости, в которых следует размещать критически важные данные.

Возможность быстрого беспрепятственного доступа к данным приобретает все большее значение, и городам теперь нужны новые типы хранилищ для цифровой информации, которая поступает в режиме реального времени и обрабатывается средствами периферийной аналитики. В отчете Data Age 2025: The Digitization of the World from Edge to Core, опубликованном по результатам проведенного недавно исследования, содержится прогноз о том, что к 2025 году объем данных, генерируемых во всем мире, достигнет 175 зеттабайт. Доступные сегодня средства анализа информации беспрецедентны, и ими нельзя не воспользоваться для развития умных городов. Многие идеи уже стали реальностью: «умные» светофоры оптимизируют маршруты следования автомобилей с учетом ситуации на дорогах, сокращая время прибытия спасательных служб на 20–30%, а благодаря интеллектуальным камерам видеонаблюдения, развернутым в рамках городских систем безопасности, преступность снижается на 30–40%. Однако перспективы применения подобных решений гораздо шире.

В современных умных городах хранение, фильтрация и управление данными должны осуществляться на периферии — ближе к датчикам. А для проведения анализа с целью получения максимального объема информации данные должны долгое время сохраняться как на периферии, так и в облаке. Поиск пропавших людей, предупреждение горожан о чрезвычайных ситуациях и рассылка сообщений о дорожных заторах ― все это требует незамедлительного реагирования в режиме реального времени и выполнения аналитики на периферии, ближе к сетевым видеорегистраторам, при помощи которых собирается информация.  

Возможности анализа данных и улучшения с их помощью городской среды колоссальны, и их нельзя игнорировать. Анализ поведения, тепловизоры, системы искусственного интеллекта для видеорегистраторов и других периферийных устройств и прочие технологии позволят поддерживать постоянную доступность огромной сети. Соотнося сведения из различных систем, можно получать знания о закономерностях использования электричества и воды, систем водоотведения, транспорта, а кроме того, анализировать данные мониторинга окружающей среды и составлять прогноз погоды. 

В качестве примера можно привести деятельность Отделения инноваций Западного Голливуда, которое недавно получило награду Американской ассоциации городского планирования за создание стратегического плана развития умного города. Этот план предусматривает развитие целого ряда направлений: внедрение практики принятия решений во всех отделах городского управления; обеспечение взаимодействия и проведения экспериментов, направленных на оптимизацию работы городских властей; автоматизация процессов по повышению общественной безопасности и улучшению управления городской средой путем внедрения систем интеллектуальных датчиков и умных домов.

Данные, собранные за длительные периоды и обработанные при помощи средств прогнозной аналитики и глубокого обучения, позволят вовремя выявлять тенденции и предупреждать инциденты, оказывающие влияние на различные сегменты городского хозяйства. Например, всякий раз во время ливня река выходит из берегов, что приводит к заторам на скоростной магистрали. При помощи видеонаблюдения можно предвидеть изменение погоды и еще до подъема уровня воды направлять потоки машин по другим маршрутам.

Городам необходимы оперативные данные, доступные повсеместно, а это значит, что к периферии должны предъявляться повышенные требования по подготовке надежных прогнозов в режиме реального времени. Эксперты предсказывают, что благодаря интеграции данных в городские процессы и повседневную жизнь людей, к 2025 году для почти 30% данных, создаваемых, собираемых, воспроизводимых по всему миру, потребуется обработка в режиме реального времени.

Весь этот огромный объем информации, в том числе данные видеонаблюдения требуют защиты путем внедрения интеллектуальной обработки. Чтобы достичь этой цели, сначала необходимо выбрать решения для видеонаблюдения, которые станут сердцем умного города и предоставят возможности записи, долгосрочного хранения данных, прогнозной аналитики и отправки уведомлений в реальном времени. Затем нужно позаботиться о размещении данных на периферии, чтобы ускорить проведение анализа и исследование закономерностей, используемых для обоснования решений. Сегодня в городах как никогда актуальна потребность в интеграции технологий и расширении интеллектуальных возможностей городских сетей, но эту задачу можно решить только при полноценном взаимодействии различных систем города. Фундаментом этой стратегии станут системы хранения данных видеонаблюдения, обеспечивающие оперативное получение информации и ее доступность во всех сетях ― от периферии до облака.