2017年中国人工智能城市展望研究报告.pdf

中国人工智能城市展望 研究报告 2017年 2 2017.12 iResearch Inc iresearch 摘要 来源 ： 艾瑞咨询研究院自主研究绘制 。 艾瑞认为 ： 科技蕴藏无限的 生产创造力 ， 但用户更需要的是通过技术确切改善生活 ，因此 ， 技术落地 才是科学改变生活的实践证明 。 人工智能未来发展 ： 基于安全 、 完善的数据信息库 为人工智能提供机器学习 的条件 ；然而 ， 目前人工智能开发领域还是相对 独立 ， 必须认识到技术上还有 暂时 无法突破的难题 。 中国城市的城区面积十年仅增长 7.7%， 而人口密度增长 15.3%， 大城市病进一步加剧 ； 在有限空间下创造更 高效 、 宜居 的城市环境成为了国内城市管理迫切解决的难题 。 人工智能城市 ： 是指形成以 数据为驱动 的城市决策机制 ， 根据实时数据和各类型信息 ， 综合调配和调控城市的 公共资源 ， 最终实现 自动智能化 ， 达到运作效率的最优化的城市 。 从政策方面解读 ： 国家高度重视发展人工智能技术 ， 指出依托 网络 、 大数据 、 高效能计算 等基础设施的升级 ， 人工智能未来将与城市发展相辅相成 。 4.43 中国 人工智能 城市发展概况 1 人工智能在城市发展的应用及场景 2 中国人工智能城市未来发展 展望 3 4 2017.12 iResearch Inc iresearch 城市类型概念界定 中国的城市建设经历 20世纪 90年代至今的高速发展 ， 逐步进入城市转型发展的新常态 。 城市建设目标从追求规模和经济效益为主开始转向对生态 、 人文 、 社会公平和可持续性等立体的价值追求 ， 尤其强调以人为本发展目标 ， 城市向着“智慧化 ” 建设发展 ； 随着人工智能技术条件越来越成熟条件 ， 城市管理形成以数据为驱动的城市决策机制 ， 从顶层设计着手 ，自上而下的 ”AI 化 ” 使城市功能和产业转型更加显著 ， 为城市创造以技术为驱动的商业价值 ， 最终形成一个多元化的有机生态城市系统 。 来源 ： 艾瑞根据专家访谈 、 公开资料等研究绘制 。 2017年中国城市类型概念界定 智慧城市 “城市 ” 一词最早见于战国史籍中 。 “城市 ” 的提法本身就包含了两方面的含义 ： “城 ” 为行政地区的概念 ， 即人口的集聚地 ； “市 ” 为商业的概念 ，即商品交换的场所 。 人工智能城市 (AI City) 城市 人工智能城市是指形成以数据为驱动的城市决策机制 ， 根据实时数据和各类型信息 ， 综合调配和调控城市的公共资源 ， 最终实现自动智能化 ， 达到运作效率的最优化的城市 。 在有限的城市空间里 ， 打造无限智能化城市效用 智慧城市是以为民服务全程全时 、 城市治理高效有序 、 数据开放共融共享 、经济发展绿色开源 、 网络空间安全清朗为主要目标 ， 通过体系规划 、 信息主导 、 改革创新 ， 推进新一代信息技术与城市现代化深度融合 、 迭代演进 ， 实现国家与城市协调发展的新生态 。 5 2017.12 iResearch Inc iresearch 中国城市发展阶段介绍 以人工智能为首的智联网发展是智慧城市下一阶段的关键 早在 90年代 ， IBM首次提出“智慧城市 ” 概念后 ， 中国 也在 1995年启动数字城市建设 ， 这是中国智慧城市的 1.0版本 ； 随着 2008年“智慧地球 ” 概念的提出 ， 中国智慧城市建设再次进入到 3.0感知智慧城市时代 ； 在 2013年 ， WiFi、 3G/4G 的网络传输与云计算 、 大数据的后端数据存储 、 处理与分析的技术进步下 ， 开启了 4.0认知智慧城市时代 ； 在不久的将来 ， 数据积累以及传输带宽和速度的再次腾飞 ， 使得智慧城市达到整体架构协同管理 ， “人工智能城市 ” 的时代也将到来 。 来源 ： 艾瑞根据专家访谈 、 公开资料等研究绘制 。 2.0 无线城市 3.0 感知智慧城市 4.0 认知智慧城市 1995-2017年中国城市发展阶段 200520092013未来 1.0 数字城市 19955.0人工智能城市中国的地理信息进入数字化时代 ， 但仅限于某一些专业机构和服务对象有限 互联网 、 宽带技术的发展 ， 服务的对象也扩大到政府 、 企业 、 居民等 ， 但信息还是相对孤立 物联网技术重点应用在前端的感知与数据采集 以云计算 、 大数据 、 WiFi、 3G/4G等技术广泛应用 ， 基础设施升级逐步落实 以人工智能 、 量子计算 、 4/5G 通信等技术构建的智联网是智慧城市协同管理优化与趋势判断的基础 6 2017.12 iResearch Inc iresearch 人工智能城市的应用场景概览 2017年是人工智能的应用元年 ， 未来将有更多城市场景落地 来源 ： 艾瑞根据专家访谈 、 公开资料等研究绘制 。 l AI+安防 l AI+能源 l AI+医疗 l AI+政务 l AI+农业 l AI+楼宇 l AI+零售 l AI+生活与娱乐 l AI+教育 l AI+个人移动设备 l AI+服务机器人 l AI+交通 得益于 人脸识别和 视频结构化的技术 进步 ， 在平安城市构建中尤其重要 。 城市大脑优化城市交通网络 ；智能化程度越高 ， 人对车的控制越少 。 分布式能源存储 ， 能源调度中心优化能源供求 。 医疗数据库是辅助诊断和提高准确度的基础 。 计算机视觉与识别是使智能农业有了突破 。 联网和感知是现阶段建筑智能化的发展方向。 服务机器人应用广泛 ，提高服务效率与质量 。 搭建政务云确保信息安全和打破信息孤岛状态 。 获取和分析到店顾客信息 ，实体零售将迎来新的机遇 。 自适应学习 智能化因材施教 ， 使教育资源更加均等 。 增强现实给泛娱乐领域带来更多元化的体验 。 AI+芯片增强前端设备智能计算能力 ， 未来智能手机性能得到大幅提升 。 7 2017.12 iResearch Inc iresearch 人工智能城市发展环境分析 政策 政府鼓励人工智能发展 ， 将大力辅助未来城市建设 政府在近三年时间密集出台鼓励人工智能技术发展的政策 ， 说明十分重视此次技术发展的机遇 ， 从大力促成中国到 2030年成为世界人工智能创新中心的决心可见 ， 希望中国能够“赶得上 ” 这一次的技术革命 ， 而不再仅仅是“不掉队 ” 的要求 。而中国城市的政策方向则回归以人为本的的核心 ， 城市的发展都围绕着“高效 、 惠民 、 可持续发展 ” 理念 ， 让城市建设迎来转型升级的重大机遇 。 来源 ： 艾瑞根据专家访谈 、 公开资料等研究绘制 。 力争到 2030年实现把我国建设成为世界主要 人工智能 创新中心的“新目标” 。 提出大力发展智能制造以及 人工智能 新兴产业 ， 鼓励智能化创新 。 其中第十一个重点发展领域明确提出为 人工智能 领域 。 研发 人工智能 支持智能产业发展 。 2015年 5月 20日 中国制造 2025 2015年 7月 5日 “ 互联网 ” 行动指导意见 2016年 7月 28日 “ 十三五 ” 国家科技创新规划 2017年 7月 20日 新一代人工智能发展规划 2016年 5月 “ 互联网 +” 人工智能三年行动方案 明确了要培育发展 人工智能 新兴产业 、 推进重点领域智能产品创新 、 提升终端产品智能化水平 。 l 截止 2015年全国智慧城市累计试点已达300+ l 2016年国民经济和社会发展第十三个五年规划纲要 再次提出 “ 新型智慧城市 ” 2015年 -2017年中国人工智能鼓励政策 2015-2017年中国人工智能与城市发展 l 国家高度重视发展人工智能技术 ， 指出依托网络 、 大数据 、 高效能计算等基础设施的升级 ， 人工智能未来将与城市发展相辅相成 智慧城市发展情况 人工智能与城市发展关系 8 2017.12 iResearch Inc iresearch 2017.12 iResearch Inc iresearch 人工智能城市 发展环境分析 经济 未来 ， 城市经济结构升级依赖科技创新带来经济动力 中国的 GDP十年来成倍增长 ， 而国家中心城市的整体创新效率提升水平并不显著 。 北京 、 武汉 、 郑州较十年前的创新效率水平有明显提升 ， 其他城市则维持不变甚至有所下滑 。 可见各大城市目前创新投入和产出都未能跟上经济发展的步伐 ， 说明经济结构当中科学技术提升带来的收益占比低 ， 未来应该重视提高创新效率的投入（人才 、 资金 、 技术 ） ， 以及重点考察创新带来的经济效益 。 来源 ： 国家统计局 。 来源 ： 国家中心城市创新效率比较与提升策略 ， 郑国洪 。 注释 ： 1. 创新效率投入指标主要选取普通高等学校在校人数 、 常住人口 、 固定资产投资和研究与试验发展（ R&D） 经费内部支出 。 2. 创新效率产出指标主要选取地区生产总值（ GDP） 和专利申请授权数 。 2016年全国前 10名城市 GDP与 10年前情况比较 2015年国家中心城市的创新效率水平 中心城市 2006年 2015年 变化 均值 1.193 1.199 北京 0.955 1.736 上海 1.084 1.114 广州 2.331 1.596 天津 0.86 0.757 重庆 0.937 0.835 武汉 0.498 1.427 成都 0.708 0.625 郑州 0.427 0.729 12494 9847 7109 6802 5253 4676 3142 3324 4100 3284 26688 24541 20004 19300 17800 17010 11756 11721 11700 10450 上海 北京 广州 深圳 天津 重庆 武汉 成都 杭州 南京 2007年（亿元 ） 2016年（亿元 ） 9 2017.12 iResearch Inc iresearch 2017.12 iResearch Inc iresearch 人工智能城市发展环境分析 社会 中国城镇人口在 2011年首次超过乡村人口 ， 未来区域城镇化将会是国家发展战略的重要部署 ； 2015年全国城市建设与2008年相比 ， 不足十年时间 ， 城市建成区面积增长 43.5%， 道路长度增长 40.4%， 而这一切都发生在城区面积仅增长7.7%， 公共交通系统运营车辆增长了 21.7%的基础上 。 在人口进一步密集（城市人口密度增长 15.3%） 的情况下 ， “大城市病 ” 交通拥堵 、 空气污染 、 基础设施不足等问题日益严峻 ， 如何在有限的空间下创造更高的城市效率 、 更优的城市运作 、 更适合居住的城市环境成为了国内城市管理迫切解决的难题 。 来源 ： 国家统计局 。 来源 ： 国家统计局 。 注释 ： 公共系统车辆包括 ： 公共交通车辆运营数 、 公共汽电车辆运营数 、 出租汽车数量 。 58288 66978 69079 79298 73160 67113 65656 58973 2006年 2010年 2011年 2016年 城镇人口（万人 ） 乡村人口（万人 ） 迫在眉睫 ： 解决有限城市空间的效率最优化问题 2008年 2015年 增长率 城区面积 （万平方公里 ） 17.81 19.18 7.7% 城市建成区面积 （万平方公里 ） 3.63 5.21 43.5% 城市人口密度 （人 /平方公里 ） 2080 2399 15.3% 道路长度 （万公里 ） 26 36.5 40.4% 道路面积 （万平方米 ） 452433 717675 58.6% 公共交通系统运营数 （辆 ） 1707925 2077974 21.7% 2006-2016年中国城镇与乡村人口数量变化 2008-2015年中国城市建设变化情况 10 2017.12 iResearch Inc iresearch 2017.12 iResearch Inc iresearch 全国平均 摄像头密度 - 是英国的 28% - 是美国的 22% 96 75 46.8 30.8 5 2 美国 英国 北上 广深 发达省会 /城市 二线城市 三线城市 摄像头数量 /千人 人工智能城市发展环境分析 城市治安 2017年国家官方数据公布“中国天网 ” 摄像头达 2000万个 ， 但对于将近 20万平方公里的城区面积来说 ， 摄像头的覆盖面与数量是凤毛麟角 ； 从摄像头数量 /千人的维度来看 ， 中国城市摄像头密度平均水平仅达英美的 20%-30%， 而完善的监控系统是保障城市治安的有力手段 ， 因此 ， 监控摄像头建设工程任重道远 ； 未来 ， 尤其是二线及以下城市的监控摄像头布防发展潜力巨大 。 来源 ： 艾瑞根据公开资料研究绘制 。 来源 ： 艾瑞根据公开资料研究绘制 。 中国监控摄像头覆盖面不足 ， 密度远低于英美 城市 摄像头数量 （万台 ） 城市面积 （平方公里 ） 摄像头面积 （个 /平方公里 ） 北京 115 16410 71 上海 100 6340 158 深圳 40 1953 205 杭州 40 3068 130 天津 35 11946 30 成都 31 12390 25 广州 30 7434 40 重庆 29 4403 66 苏州 27 8488 32 长沙 26 11819 22 2016年中国城市监控摄像头数量与覆盖面积 2016年中国城市视频监控摄像头密度 北上广深 摄像头密度 - 是英国的 62% - 是美国的 49% 11 2017.12 iResearch Inc iresearch 人工智能城市发展环境分析 技术历程 人工智能的发展历程 二十世纪五十年代到七十年代初 ， 那时人们以为只要能赋予机器逻辑推理能力 ， 机器就能具有智能 ， 人工智能研究处于“推理期” 。 接着 ， 人们意识到人类之所以能够判断 、 决策 ， 除了推理能力以外 ， 还需要知识 ， 因此人工智能研究在二十世纪七十年代进入了“知识期” ， 大量专家系统在此时诞生 。 随着研究向前进展 ， 专家发现人类知识无穷无尽 ， 并且有些知识本身难以总结再交给计算机 ， 于是一些学者诞生了将知识学习能力赋予计算机本身的想法 。 发展到二十世纪八十年代 ，机器学习真正成为一个独立的学科领域 、 相关技术层出不穷 。 进入 2010年后相继在语音识别 、 计算机视觉领域取得重大进展 。 2016年让人工智能在学术界 、 工业界 、 媒体界等社会各界引起广泛关注的 AlphaGo 的背后 ， 也是深度强化学习和蒙特卡洛树搜索的结合 。 来源 ： 艾瑞根据专家访谈 、 公开资料等研究绘制 。 1956年 1968年 1984年 推理期 知识期 机器学习期 达特茅斯会议 诞生了人工智能学科 将逻辑推理能力 赋予计算机系统 总结人类知识 教授给计算机系统 计算机从数据中学习算法 深度学习在语音 、 图像领域大获成功 2006年 Hinton发表 深度学习的 Nature 文章 2012年 CNN 超第二名十个百分点夺冠 ImageNet 世界上第一例 成功的专家系统的诞生 DENDRAL 1963年 自动定理证明系统 完成数学原理第二章的证明 2016年 AlphaGo 战胜人类顶尖围棋选手 莱斯利提出 概率近似正确模型 人工智能热门技术变迁 ， 60年登上围棋之巅 2014年 港中文实验室 DeepID算法 首次超过人眼识别人脸率 12 2017.12 iResearch Inc iresearch 人工智能城市发展环境分析 技术剖析 热门算法之深度学习 将数据输入计算机 ， 一般算法会利用数据进行计算然后输出结果 ， 机器学习的算法则大为不同 ， 输入的是数据和想要的结果 ， 输出的则为算法模型 ， 即把数据转换成结果的算法模型 。 通过机器学习 ， 计算机能够自己生成模型 ， 进而提供相应的判断 ， 达到某种人工智能的结果的实现 。 工业革命使手工业自动化 ， 而机器学习则使自动化本身自动化 。 近几年掀起人工智能热潮的深度学习 ， 属于机器学习的一个子集 ， 在思想和理论上并未显著超越二十世纪八十年代中后期神经网络学习的研究 ， 但得益于海量数据的出现 、 计算能力的提升 ， 原来复杂度很高的算法得以落地使用 ， 并在边界清晰的领域获得比过去更精细的结果 ， 大大推动了机器学习在工业实践中的应用 。 来源 ： 艾瑞根据专家访谈 、 公开资料等研究绘制 。 人工智能 机器学习深度学习 深度学习机器学习人工智能 传统方法 ， 针对不同类别的物体 ， 一般首先由研究员充分发挥聪明才智 ， 手工定义不同的特征 ， 然后利用不同的机器学习算法（分类器学习） ， 这时的算法一般仅有两到三次非线性变换 ， 学到的参数较少（浅层学习） ； 深度学习则通过机器学习自身来产生特征 ， 因此特征和分类器学习不再有区分 。 如今深度学习的算法已可达上千层 。 样本数据 人工设计特征 分类模型 样本数据 机器学习特征 分类模型 端到端学习 传统方法 深度学习 分类器学习 深度学习与传统方法的区别 13 2017.12 iResearch Inc iresearch 人工智能 VS 人类智能 机智过人还是技不如人 ？ 经过海量数据训练 ， 人工智能可在边界清晰的领域内游刃有余 ， 只是与可在开放环境下对变化中的事物不断学习进而适应的人类智能相比 ， 机器在面对超过固定规则设置的罕见场景时 ， 往往不知所措 ， 鲁棒性有待提高 。 尽管如此 ， 城市发展建设的方方面面都有大量的潜在的可供现有技术能力来升级改造的空间 ， 比如机器的感知 、 认知 、 大数据处理以及运动控制等方面取得的能力突破来融合 。 来源 ： 艾瑞根据专家访谈 、 公开资料等研究绘制 。 感知智能 边界清晰的限定场景 机器识别率已超过常人甚至专家水平 语音识别 98%准确率 普通话于安静环境 视觉感知 2.25%错误率 ImageNet 物体分类 在大规模 、 超复杂性问题处理上 机器可实时快速处理 ， 速度远超人类 城市交通调度 系统故障预测 大数据处理能力 认知智能 涉及常识推理 、 因果逻辑 、 推断猜想 、 动机预测等 与常人相比仍有较大差距 可进行简单对话 运动控制能力 可完成相对模式化的运动控制 自主观察 、 交互 ， 进行连续规划 、 决策的能力较差 辅助驾驶 自动避障 人工智能 VS 人类智能 14 中国 人工智能 城市发展概况 1 人工智能在城市发展的应用及场景 2 中国人工智能城市未来发展展望 3 15 2017.12 iResearch Inc iresearch 人工智能技术在城市的应用场景 单个场景的多维联动 ， 将整合成全应用城市场景 随着城市的迅速发展 ， 智能技术落地和服务越来越先进 ； 在激烈的技术和市场竞争中 ， 智能化城市的开发目标从原来的单个需要 ， 转向对整个生活形态或生态链的“全应用场景 ” 模式 ， 即不再是简单地提供当下的需要 ， 而是更多的创造新的或升级现在的应用场景 ， 使智能化改变现有的城市形态和生活方式 。 城市创新性场景化是通过智能化城市功能的实施而逐步构建起新的“新城市场景” ， 未来将会朝着综合化城市生态系统方向发展 。 来源 ： 艾瑞根据专家访谈 、 公开资料等研究绘制 。 社会管理场景 公共服务场景 产业运作场景 个人应用场景 AI+安防 AI+交通 AI+能源 AI+医疗 AI+政务 AI+农业 AI+楼宇 AI+零售 AI+生活与娱乐 AI+教育 AI+移动设备 AI+服务机器人 2017年中国人工智能技术在城市应用场景分类 艾瑞认为 ： 科技蕴藏无限的生产创造力 ， 但用户更需要的是通过技术确切改善生活 ，因此 ， 技术落地才是科学改变生活的实践证明 。 16 2017.12 iResearch Inc iresearch 2017.12 iResearch Inc iresearch 社会管理场景 AI+安防（一 ） 升级安防场景有助于搭建更高效的城市治安系统 随着技术的革新和发展 ， AI+安防系统取代了传统的安防措施 。 大型安全防范系统结合技术手段 ， 具有探测 、 监控 、 报警 、管理等基本功能 ， 用于预防 、 制止违法犯罪行为和重大治安事件 ， 是维护社会治安稳定的基础设施 。 如商汤科技对于平安城市的架构进行了从基础设施层到应用层的分层设计 ， 目前在安防领域依托其自有的人脸技术 、 人群分析 、 图像识别等先进算法构建的平台 ， 为智慧城市尤其是安防领域 ， 提供体系化的产品和解决方案 。 来源 ： 艾瑞根据专家访谈 、 公开资料等研究绘制 。 来源 ： 艾瑞根据专家访谈 、 公开资料等研究绘制 。 2017年中国 AI+安防细分系统 2017年中国平安城市架构设计 -商汤科技 闭路监控系统 防盗报警系统 楼宇门禁系统 停车场管理系统 一卡通系统 智能门锁 红外周界报警系统 电子围栏 巡更系统 人员轨迹分析 人员身份研判 重点人员布防 1:1人员身份核验 人员区域碰撞 落脚点 、 频次 、 同行分析 漂白人员身份分析 人员库管理 高效消息总线服务 视图接入 、 解析服务 视频半结构化特征检索服务 视频结构化数据检索服务 深度学习在线训练服务 运维监控系统服务 CPU+GPU 异构云计算服务 分布式视图文件云存储服务 数据中心基础设施 网络传输基础设施 数据采集基础设施 应用层 智能视图云服务层 基础设施层 计算基础设施 通讯基础设施 存储基础设施 公安信息网 移动专网 政务网 视频专网 人脸抓拍机 人证采集设备 高清网络摄像机 警务通 执法记录仪 人脸闸机 卡口电警 车载摄像头 其他数据采集源 视频门禁 场景每个细分布系统都在安防领域承担不同功能 ， 为未来“ AI+安防 ” 提供数据 、 基础设施 ， 多维度布控起到补充的作用 。 17 2017.12 iResearch Inc iresearch 传统监控系统 智能监控系统 监测 实时监控 回看录像 识别 车辆识别 动态人脸识别 分析 行人属性分析 密度监测 检测异常情况 社会管理场景 AI+安防（二 ） 上千万的摄像头和庞大的监控网络 ， 瞬间就会产生海量监控视频数据 ， 从海量视频数据中高效提取出有效信息 ， 就成为智能视频监控技术的关键 。 以一个一万路视频规模的城市为例 ， 每月产生 12PB 的视频数据量 ， 在这样量级资源中找到目标人员 、 车辆宛如大海捞针 ， 然而通过人工智能算法 ， 则可自动抓取视频中的目标图片 ， 并提取其语义化的属性数据以及可用来比对检索的特征数据 ， 每月数据大概为仅 15亿条 ， 而存储容量下降到 300TB 左右 ， 即可实现秒级检索 ， 并刻画目标的轨迹 、 进行行为分析 。 来源 ： 艾瑞根据专家访谈 、 公开资料等研究绘制 。 2017年中国 AI+安防智能化视频流程示意图 机器视觉 、 图像处理 、 模式识别 、 深度学习等前沿的人工智能技术 ， 是视频内容理解的基石 。 目标检测 提取视频目标 识别有效和无效目标 运动目标检测 、 人脸检测 、 车辆检测技术 目标跟踪 获得高质量抓拍图片 特定场景中有效持续跟踪 目标特征提取 多目标跟踪 、 目标融合 、 目标评分技术 对目标图片的属性识别 判断可视化的特征属性 深度学习网络结构的特征提取和分类技术 2017年中国智能化视频与传统视频对比 场景计算机视觉 +深度学习技术是智能化视频升级的必要条件 目标检索 在千亿规模数据中定位 对目标人员的特征检索 基于大数据的 GPU 检索技术 18 2017.12 iResearch Inc iresearch 社会管理场景 AI+安防案例 国内的摄像头目前难以实现智能化 ， 因此 ， 改造关键是了解摄像头的主要功能 ， 才能有针对性调整摄像头的高度 、 位置和类别 。 商汤科技协助深圳市的平安城市改造 ， 以升级改造视频专网的方式协助警方打击犯罪和抓捕逃犯 ， 为日后的城市整体安防发展打下良好的基础 ； 而广州市则已经通过商汤科技视图情报研判系统 ， 在短短半年内破获近百宗案件 ， 破案数量显著提升 ， 破案时间有效缩短 ， 为公安机构日后的执法提供强大的支援 。 来源 ： 艾瑞根据专家访谈 、 公开资料等研究绘制 。 城市视觉系统升级改造 平安城市 第三期 由政府牵头建设 视频专网 了解摄像头的 主要功能 ： 人群密度分析 人脸检索 图像识别 车辆识别 路面监控 协助警方 打击犯罪和抓捕逃犯 目前国内的传统摄像头 高达 90% 都无法服务于视频智能化 摄像头 改造维度 ： 高度 定位 摄像头类别 智能化改造的关键深圳 分期分区域 改造 一类 、 二类 、 三类摄像头 -公安局 刑警部门 实际应用 商汤科技视图情报研判系统 ： 2017年来 ， 处理比对 几百人次 ， 比中 三百多人 ， 成功破案 近百宗 显著提升公安人员 情报研判 效率 2017年中国社会管理场景 AI+安防典型城市案例 摄像头升级要根据实际需求 ， 平安城市改造效果显著 案例19 2017.12 iResearch Inc iresearch 社会管理场景 AI+交通 随着交通网络大规模联网 ， 汇集的海量交通信息 ， 需要“城市大脑” ， 实时分析城市交通流量 ， 调整红绿灯间隔 ， 缩短车辆等待时间 ， 提升城市道路的通行效率 ； 实时掌握着城市道路上通行车辆的轨迹信息 ， 停车场的车辆信息 ， 小区的停车信息 ， 提前预测交通流量变化和停车位数量变化 ， 合理调配资源 、 疏导交通 ； 实现机场 、 火车站 、 汽车站 、 商圈的多维度交通联动调度 ， 提升整个城市的运行效率 ， 为居民的出行畅通提供保障 。 来源 ： 艾瑞根据专家访谈 、 公开资料等研究绘制 。 人 -车 -路 -位置的立体智能调度有利于提升交通运作 功能模块应用功能 车辆目标检测与分析 行人目标检测与识别 人群密度分析 前景检测 行人衣着特征 车辆外特征识别 车牌检测 行人识别 人脸检测 路段感知 路口感知 聚焦检测 人脸特征识别 交通事故事件检测 人群密度特征 目标跟踪 人群密度估计 车辆方向 、 速度判断 侧停车感知 监控和管理 识别和分析 调配和控制 2017年中国社会管理场景 AI+交通场景 道路状况检测与分析 场景20 2017.12 iResearch Inc iresearch 社会管理场景 AI+交通案例 智能化交通 大力改善城市出行难题 ， 未来将达到全自动化 智能化交通的升级转型 ， 改造的方式与案例各不相同 ， 但都离不开人工智能算法对交通出行所产生的信息进行分析与预判 ，协助城市交通管理者更好的决策 ； 未来 ， 智能化交通解决方法 ， 人参与的部分将会越来越少 ， 甚至达到自动化运作的水平 。 来源 ： 艾瑞根据专家访谈 、 公开资料等研究绘制 。 2017年中国社会管理场景 AI+交通典型案例 交通信号系统 自动调整 ： 根据道路车辆情况 ， 基于深度学习的交通预测 ， 可在 30秒 内完成大数据可视化分析 ； 2016年青岛市整体路网平均速度提高 9.71%， 通行时间缩短 25%， 高峰持续时间减少 11.08%。 急救车 通过的交通紧急调度 ： 对交通监控的 视频结构