选择特殊符号
选择搜索类型
请输入搜索
目录
第一篇 技术篇
第1章 城市——群体行为的智慧载体 1
1.1 城市的溯源 1
1.2 城市研究的理论 3
1.3 群体行为的研究 8
1.4 城市——以人为本 10
1.5 本章小结 14
参考文献 14
第2章 新型智慧城市——群体行为的创新 17
2.1 新型城镇化的起源、特征与内涵 17
2.2 新型智慧城市的起源、定义与内涵 19
2.3 新型智慧城市的建设理念与目标 28
2.4 新型智慧城市的建设目标 29
2.5 新型智慧城市的建设主线 32
2.6 相关标准规范 34
2.7 相关政策 39
参考文献 44
第3章 大数据与人工智能——城市智慧的驱动力 47
3.1 物联网与互联网驱动大数据诞生 47
3.2 大数据的相关定义 49
3.3 大数据思维与方法论 52
3.4 数据驱动的人工智能 55
3.5 大数据驱动的城市智慧 62
3.6 智慧城市的建设目标——可持续发展 68
3.7 相关政策 73
参考文献 74
第4章 视频监控的起源及应用 76
4.1 视频的诞生 76
4.2 模拟视频监控系统 80
4.3 数字视频监控系统 82
4.4 智能网络视频监控 83
智慧城市与视频大数据
4.5 移动式视频监控 84
参考文献 84
第5章 视频大数据与人工智能——助推新型智慧城市 86
5.1 物联网驱动的视频大数据 86
5.2 视频大数据的内涵 88
5.3 视频大数据驱动的人工智能平台 90
5.4 视频大数据中的机器学习人工智能 97
5.5 视频大数据中的深度学习人工智能 102
5.6 人工智能助推新型智慧城市 116
5.7 政策文件 124 参考文献 126
第二篇 理论篇
第6章 群体行为特征研究 130
6.1 人群行为研究 130
6.2 密度、速度与流量的关系 132
6.3 人群行为特征检测 135
6.4 人群异常行为研究 138
参考文献 140
第7章 群体行为研究现状与问题 144
7.1 本章引言 144
7.2 问题的提出 144
7.3 人群宏观系统的研究现状与问题 146
7.4 总结 151
参考文献 153
第8章 群体行为的量度模型 159
8.1 本章引言 159
8.2 人群宏观状态统计物理模型的构建 159
8.3 个体微观状态空间的构建 162
8.4 人群微观状态空间的构建 164
8.5 人群宏观状态的熵模型构建 166
8.6 熵模型及熵变分析 172
8.7 本章小结 174
参考文献 174
第9章 群体突变与微观状态 176
9.1 本章引言 176
9.2 模拟人群宏观状态的物理模型的构建 176
9.3 人群运动行为从无序到有序突变的数值模拟 181
9.4 人群微观状态空间构建的实验验证 184
9.5 实验结果与讨论 188
9.6 本章小结 189
参考文献 189
第10章 群体突变与熵变关系构建 191
10.1 本章引言 191
10.2 序参量模型的改进 191
10.3 模拟实验的熵值与序参量取值结果分析 192
10.4 人群双向有序状态的实验分析 195
10.5 人群运动行为从无序到有序突变分析 197
10.6 人群运动行为从有序到无序突变分析 199
10.7 实验总结与分析 200
10.8 本章小结 203
参考文献 203
第11章 群体运动行为突变识别 205
11.1 本章引言 205
11.2 双向有序行走的视频分析 205
11.3 从无序到有序状态突变的视频分析 211
11.4 高密度人群“浪涌”现象视频分析 216
11.5 “爱的大游行”视频分析 222
11.6 本章小结 229 参考文献 229
第三篇 实践篇
第12章 人群行为视频监控 231
12.1 本章引言 231
12.2 人群行为监控的历史 231
12.3 视频监控在国内外的研究 232
12.4 视频监控在国内外的应用 235
12.5 人群视频监控的问题 239
12.6 本章小结 240
参考文献 241
第13章 视频大数据在智慧交通的应用 243
13.1 智慧交通的概念及特征 243
13.2 智慧交通与智慧城市的关系 244
13.3 交通大数据与视频大数据 245
13.4 “智慧高速”视频大数据 246
13.5 “智慧城市交通”视频大数据 251
13.6 移动端应用 253
13.7 省高速公路案例 253
13.8 本章小结 260
参考文献 261
第14章 视频大数据在公共安全领域的应用 262
14.1 背景与发展趋势 262
14.2 现状与目标分析 264
14.3 业务与应用场景 266
14.4 建设内容与架构 269
14.5 视频图像实战应用 276
参考文献 285
第15章 视频大数据在城市管理中的应用 286
15.1 城管背景 286
15.2 数字城管 287
15.3 智慧城管 288
15.4 大数据城管 291
15.5 视频大数据分析 300
15.6 主要功能 305
15.7 应用实践 308
参考文献 312
第16章 附录 315
16.1 主要符号对照表 315
16.2 人物生平 315
致谢 323
本书围绕新型智慧城市建设需要解决的群体行为突变的智能识别问题,展开对视频大数据人工智能技术问题、群体行为突变科学问题的研究,并通过实践应用验证科学问题解决的合理性。 本书分为技术篇、理论篇和实践篇。技术篇阐述新型智慧城市是一种群体行为的创新,视频大数据与人工智能助推新型智慧城市建设。理论篇将人群运动行为作为研究对象,以香农熵模型为基础,构建评价人群宏观状态的熵模型。实践篇分别阐述视频大数据在国内高速交通、公共安全和城市管理中的应用案例。
智慧城市的体现是借助于互联网工具来实现。智慧城市的展现应该是人们生活的一个产业链,利用互联网工具把整座城市完完整整的搬到网络上,装进每个人的手机里,利用一个软件通过手指点点,足不出户就能满足生活中的所...
新型智慧城市就是在一个城市中将政府职能、城市管理、民生服务、企业经济通过新型智慧城市这个大平台融为一体。采用信息化、物联化、智能化科技,将城市所涉及的社会经济、综合管理与社会服务资源,进行全面整合和充...
你好,据我了解: 1、智慧城市展厅设计的水平个人感觉是挺好的,智慧公共服务:建设智慧公共服务和城市管理系统。通过加强就业、医疗、文化、安居等专业性应用系统建设,通过提升城市建设和管理的规范化、精准化和...
大数据与智慧城市建设-骆超
大数据与智慧城市建设 有人把数据比喻为蕴藏能量的煤矿。 煤炭按照性质有焦煤、 无烟煤、肥煤、贫煤等分类, 而露天煤矿、深山煤矿的挖掘成本又不一样。与此类似,大数据并不在“大” ,而在于“有 用”。价值含量、挖掘成本比数量更为重要。大数据作为云计算、物联网之后 IT 行业又一大 颠覆性的技术革命, 与信息化、 智能化、 数字化以及智慧城市建设息息相关,把握大数据的 背景、特点、趋势,对于更好地推进智慧城市建设具有重要的意义。 据统计,目前我国常住人口城市化率已达到 50%,逐渐形成了以北上广深等特大城市为 中心的, 多层次、 功能互补的城市群。 国际上主流学者认为一个较为理想和稳定的城市人口 占总人口的比例应在 75%左右,所以在未来较长时间内,中国城市化仍处在大规模加速过 程中,据估计未来中国城市化进程还将延续 30 年。这一趋势伴随着城市化进程和城市体系 与空间分布的快速变化, 此外,社
物联网大数据在智慧城市的应用
物联网、大数据在智慧城市的应用 一、 物联网、大数据及智慧城市的概念 (一) 什么是物联网、大数据和智慧城市 1、物联网 物联网是新一代信息技术的高度集成和综合运用。它是
北京建谊投资发展(集团)有限公司总裁 张鸣
张鸣表示,通过研究欧美及亚洲国家建设智慧城市的经验发现,“信息孤岛”现象正成为制约当前国内智慧城市发展的一大瓶颈。开放数据是数据挖掘的重要来源,只有开放数据,才能使智慧城市的数据收集更全面,才能让数据更好地服务于智慧城市建设。没有大数据,智慧城市就是一个空架子。
建谊集团以住建部提出的智慧城市评价标准体系为依托,开创性的提出了BIM大数据的概念,提出利用BIM大数据解决智慧城市中大数据缺失的问题,为大数据的聚合搭起了无限空间。BIM大数据在建筑行业的应用,使智慧城市有了核心资源大数据,构架了智慧城市管理平台,并为参与者和使用者的协同管理提供了基础条件。
BIM大数据不仅推动了建筑业的革命,还可导致整个智慧城市管理产生极大的变革:有助于实现设计施工一体化、信息化,智慧城市运维数据化,形成智能管理体系与Uber管理体系,解决城市地下管网难题,实现社会化运行,智慧城市多规合一、网格化管理和海绵城市,实现智慧城市集约化管理,实现“一户一信息化”管理……
建谊集团提供底层建筑(城市、园区)BIM数字化信息和模型,形成一个以BIM为核心的(包括GIS)城市三维数字化信息平台,可在此基础上做智慧交通、智慧管网等专项应用。建谊BIM大数据云平台是以BIM技术为核心,以大数据和云技术为技术特征的土木工程行业大数据平台。该平台着眼于项目全生命周期和全参与方的信息管理,可容纳不同格式的数据,并通过API与外部发生数据管理,以最大保证数据的一致性和无差异性。
据张鸣介绍,建谊智慧城市整体解决方案完整体系包括三大部分:产业规划、商业模式和技术支撑。产业是前提、商业模式是核心、技术是保障和支撑。建谊集团智慧城市商业模式强调落地性,即:依托智慧城市的大概念,以BIM大数据云平台为基础,以“互联网+”思想为指导,将城市商业体系纳入平台,形成可合并、可拆分的良性体系,保证智慧城市的可持续发展。
建设智慧城市要把新一轮“四化”整合到一起
Q1:构建数字深圳,可不可以看成是现在智慧城市的一个先期尝试?
李德仁:它是智慧城市的基础,是数字城市。目前全世界智慧城市的样板,中国一个都没有。智慧城市的建设是要在数字城市的基础之上,把数字城市,从地上到地下的建筑一体化,再把导航定位,从室外做到室内,能够通过手机、通过各种传感器,把深圳人财物的活动智能地管理起来,服务于绿色可持续发展和低碳生活。
Q2:我国智慧城市在国际上还没有出现一个样板,你认为主要是什么原因?
李德仁:智慧城市是要把新一轮的工业化、信息化、城镇化和农业现代化,四化整合到一起。除了原来的自然环境要放到电脑里去,还要把人、财、物都上网。我们现在有了手机也就能上网了,但是我们家里的电器还没有上网,比如手机就不能开关家里的空调。如果做好智慧城市,那么每个人都可以用手机来管理家里的电器。这样一种智慧家居、智慧安防、智慧医疗、智慧养老、智慧城管等的工作需要由政府的主要领导亲自统一领导。要构建一个在云平台下的智慧城市的管理操作、运营系统,如果这个还没有,那么要看你这个城市的大数据有没有用起来。
我们做了一个武汉市可以查吃劳保的数据库,多少人下岗了吃劳保。第二个数据库是开公司的数据库,多少人开公司,多少人买汽车,把几个数据库融合在一起做一个数据统计,就能找出不合理的事。比如当了公司老板、至少有两部汽车还拿着劳保,这个钱就不该给了。
智慧城市是要花钱的,花在哪,它要用传感器、传感网把人财物都管进来。所以政府要投钱去做这个事,这个要靠政府组织,至于你这个家庭上不上网,要家庭自己作主。智慧城市还有一个安全的问题,都上了网,如果不安全那就很危险了,这是一个有难度的地方。
要把智慧城市搞好,必须把数字城市搞好,把传感网建起来,有视频要用起来,还要使云计算的计算分析控制反馈机制达到智能化。我希望深圳在智慧城市机制上也要做到中国的前头,成为智慧城市的一个样板。
大数据先要统一管起来,再有序地开放
Q3:现在已经进入大数据时代,大数据给您的研究领域——地球空间信息学带来了什么样的影响?
李德仁:我弟弟也是工程院院士,我们带着我们的研究生,从1994年开始研究大数据的问题。当时在计算机界叫做数据挖掘。
国家今年的基础科学研究,大数据处理给了两个启动项目,一个是视频大数据,比如说我们要帮助公安人员从视频大数据里面,把好人坏人区分起来,把正常活动或异常活动区分起来,这个就是是视频大数据。这个已经做了20年,有难度,因为它用计算机全自动在做。中国的清华、交大、武汉大学,美国的MIT、哈佛、斯坦福好多学校都在研究这个。尽管不能说已经完全解决了这个问题,但是我们已经取得了一些成绩。可以从数据中把一个怀疑人物给找出来,把不同正面侧面的这个人给找出来,这就是视频大数据做安防。安防的同时也保护了老百姓的隐私。另一个是医疗大数据,看病治疗病案的大数据,可以看到这个人健康、亚健康、有没有可能变成老年痴呆,这种挖掘也是国家重点要做的。
还有的大数据比如说遥感,从晚上灯光的遥感我们分析出来叙利亚内战的战场在哪?哪里打的厉害,哪不打。文章发到外国后,联合国安理会去年使用了我们成果,全世界叙利亚内战5周年也用了这个成果。我们又用夜光遥感做了一带一路周边60多个国家相关的20年夜光的变化。我们发现了整个一带一路大的地区,夜光的中心20年东移了2000公里,中国、东南亚、印度、蒙古经济起来了,马上灯光就强了,从中找到了一个规律。搞一个小卫星,夜光遥感可以分析城镇化,可以比较客观的估算GDP,可以估算由于战争灾害内乱引起的社会经济的发展。
大数据先要统一管起来,再有序地开放。有的数据比如说夜光大数据,美国人就是开放的,中国的一些数据是不开放的,不开放就用不起来。政府要领头把城市的数据开放,数据一旦开放,数据集成然后搞数据的挖掘,这就会产生价值。整个欧盟国家数据开放以后,政府管理节省几千个亿。但是数据又存在一个安全问题,所以有些数据可以开放,有些数据可以在内部走。有了数据之后,还要鼓励大家做挖掘,找它的规则,各行各业都可以找到规则来推进本行业的工作。所以大数据的问题是一个新的时代、一个经济转型必须关注的一个问题,通过大数据可以拉动新的经济增长点,可以找到社会经济发展的规律。
从基础研究到应用研究是一根链条
Q4:您怎么看待基础学科和应用学科研究的关系?
李德仁:基础科学和应用科学是两个方面,总目标就是要更好的认识自然、认识人力、认识社会、推动社会进步、可持续发展,它们两个本身是相辅相成的。没有基础研究,就没有好的材料。我们现在国家落后的原因就在于我们的技术不够,新器件,新材料出不来,所以往往跟着人家后面走。而应用研究是把科研变成生产力的一个过程,比如说高铁,就是一个应用研究,就是把所有的技术集中在一起。
从基础研究到应用研究是一根链条,不能强调了基础偏应用,或者强调了应用偏基础,应当都要抓起来。国家现在也强大了,基础研究和应用研究都要给予更多的支持。
全球无线网络覆盖是否影响中国网络安全
Q5:目前美国包括谷歌和Facebook都在准备推进全球的无线网络覆盖。您认为这在我国的网络监管和社会形态领域将会产生哪些实际性影响?
李德仁:地面上的有线通讯和无线通讯覆盖着地球的43%,地球上的高山、森林、沙漠、海上57%的地方还没有通讯网,因此这样一个问题全世界都在关心。2014年我牵头在我们工程院写了一个商业卫星遥感的建议,支持民间资本进入航天。美国有500多个卫星,300多个是民间资本的,政府投钱的不到200个,而中国现在的卫星,绝大多数都是政府投钱,现在有白金1号、白金2号。武汉要发一个夜光遥感小卫星,我们正在跟国有的公司,私人的公司策划解决。做这个系统就像打仗一样,中国肯定要做,平时大家共享,要打仗中国可能用中国的。
科研人才的培养不能拔苗助长
Q6:我们如何从整体培养上提高中国科研人才的素质,我们应该从高等教育方面给予哪些支持?
李德仁:所有这些都要人才,人才要解决素质和创新。人才的素质要求所有的年轻人要很好地学习传承古今中外的知识,这个是不可缺少的。这种传承打基础的东西,包括人的品行、学问等基本功。但是也要注意现在是后摩尔定律时代,知识的翻新很快,我们还要注重把年轻人送到第一线,让他们打破框框去创造。现在中国的知名人士,比如马云、马化腾、张小龙、雷军都是能够不受约束、大胆创新的。所以我们在注重打好他们基础的同时,也要鼓励他们创新,所以国家现在强调“大众创业,万众创新”。但是也要注意,创业创新是有难度的,不能盲目。我对我的学生的教育就是:第一要读书,第二要思考,第三要创新,第四要实践。读了书发现问题及时思考,思考之后找到解决这个问题这叫创新,创新以后对不对需要时间检验,周而往复要经过艰苦的奋斗,没有几年的功夫是不行的。现在只看到人家成果出来了,却不知道人家成功之前的艰苦。
中国人才多,这是中国未来的力量。现在国家有很多吸引人才的政策但是要相信一条,有本事的人不会跟人家伸手要,而是要靠自己去创造,所以千万不要拔苗助长。一棵松树在黄山石头缝里可以长成参天大树,说明本质是好的,而不是简单的搞计划。所以我希望创造一个好的条件,形成一个好的机制。不能搞量化评估,非量化评估是辩证唯物主义,量化评估是机械化。考评、评估要改进,不能搞机械的、形而上学的东西,人才培养的政策要到位。
“大数据”无疑是今年最热门的字眼之一。当前,大数据迎来政策红利,以大数据为核心的新兴业态层出不穷,随着相关政策的落地以及大数据在应用领域的突破,2017年大数据将迎来大发展,尤其是在金融和智慧城市领域。
中国人民银行金融研究所互联网金融研究中心副主任伍旭川表示,以大数据和技术为核心驱动力的Fintech,正在改变金融业的生态格局。花旗集团的报告称,Fintech近五年来吸引的投资额累积达到接近500亿美元,从2010年的18亿美元增长到2015年的191亿美元。在增长特别快的领域里,中国特别突出。
在大数据技术运用于技术前,贷款需要很长时间的审核,尤其是线下取证、财务报表、抵押担保、审批流程、领导签批、最后放款等环节。而阿里小贷根据其内在的大数据信用评估和内控技术,能够实现实时计算贷款人的信用额度,在信用额度内实现即时放款。这在传统金融领域是难以想像的。”北京金融工作局局长霍学文向记者表示。
遥感技术是智慧城市、智慧中国建设的核心技术之一。随着商业卫星的增多、遥感行业的发展,越来越多的科技创新公司有意愿进入遥感领域,其创新应用进入爆发期,它与物联网、大数据相结合可以让城市管理更高效。
大数据经济价值会驱动大数据产业链加速形成。从数据采集、数据存储、数据处理,到数据分析、数据交易、数据应用,围绕着这些分工环节将会产生一批大数据生产商、运营商、服务商。
但是,信息孤岛问题始终是大数据发挥作用的主要障碍之一。霍学文认为,为解决这一问题需要数据开放。从数据的开放、共享和交互,到价值提取能力的开放,到基础处理和分析平台的开放,让数据如同血液在数据社会的躯体中长流,滋润数据经济,让开放数据的思维成为常态。