智能安全社区系统

产品概述:

智能安防社区系统针对城市，地区和研究所三个级别的用户，以实现对辖区内的实际人口，实际房屋和实际设备等基本数据的收集和汇总. 集成了社区访问控制管理系统，人脸系统，多系统数据（如社区微系统，WIFI探针系统等），以实现社区注册，人口管理，流动人口管理智能安全防护系统，关键人员管理，人员和车辆轨迹研究，异常人员分析和其他公共安全业务应用程序周围的战斗，预防，管理和控制服务.

主要功能:

1. 基于物联网系统，它解决了不同制造商，不同传感设备终端以及多源传感数据访问的问题，并提供了聚合智能安全防护系统，清理，存储和共享大量数据的功能；

2. 突破大数据检索的性能瓶颈，提供具有多个维度和复杂条件的多种查询检索应用程序，并快速找到目标信息；

3. 挖掘海量数据中的潜在规则和线索，提供人，汽车，房屋，事件等多因素关系分析应用程序，并构建“一个人，一个文件”，“一个汽车，一个文件”和“一个”房子，一个文件”的数据关联模型.

4. 整合社区感知数据信息，“一标准六真实”业务数据信息，进行数据冲突和信息挖掘，并根据公共安全，建立“相关人员分析”和“异常行为警告”等多种数据模型业务需求.

5. 使用视频AI技术和大数据技术实现人脸采集，人脸识别，关键人员部署控制，使用大数据技术实现人群聚类分析，社区陌生人感知发现，注册人员感知休假等应用.

主要用途:

1. 智能安全社区系统以公共安全为导向: 一方面，针对社区警务应用，该系统实现了基本的社区数据采集，数据分析，关键人员管理和控制，实现房屋管理，并通过智能视频分析和大数据生成. 数据分析各种警告和事件. 另一方面，政府的微信APP应用程序形成了一个闭环的“推送-接收-处理-反馈-反馈”警察局. 按照“智能”警务流程再造的要求，试行警情处理流程和系统，探索社区警情处理的新模式.

2. 智能安全社区系统以街道为导向: 市政府建立层层精细化管理水平，形成街道，居委会，社区三级管理模式，深化管理水平，强化管理水平. 街道管理部门通过建立数据模型和数据规则来筛选感知数据，并生成感知事件. 该系统会自动组织感知到的事件，并根据事件的性质和紧急程度将其推送到不同的处理系统，并输入相关的处理链接以进行流通和处理.

3. 智能安全社区系统面向网格中心: 由系统的聚合前端设备和系统数据分析生成的各种警报事件都以事件的形式推送到网格系统. 对事件进行分类，生成工作单，并将其推送给网格成员，居委会干部等，从而形成事件处理的闭环.

4. 智能安全社区系统以政府中心为导向: 政府服务中心基于各种感知数据的汇总和统计，实现政府中心智能社区系统建设有效性的统一显示，并显示总的实时获取社区感知数据的数量和增量. 人员\车辆的交通状况，人员对外界的感知数量，事件处理的数量等信息.

5. 智能安全社区系统面向人口办公室: 人口办公室将基于人员的感知发现和感知离开数据以及处置验证数据实时更新人口数据. 该机制目前正在试用中.

6. 智能安全社区系统面向其他单位: 其他单位可以根据需要通过开放的服务接口获取实时的社区意识数据，警报数据，数据分析结论数据等.

关键技术指标:

1）准确查询车牌的平均响应时间

在100亿个社区微型购物车过境记录数据中，有50个用户是同时存在的，确切的车牌号可用于查询任何一年的车辆行驶记录. 平均响应时间≤3s.

2）车牌模糊查询的平均响应时间

在100亿个社区微型墨盒通过记录数据的情况下，有50个用户并发，并且使用模糊车牌号查询任何一年的车辆通过记录，平均响应时间≤3s.

3）车辆轨迹分析的平均响应时间

对于100亿辆微型卡口式车辆通过记录数据的情况，将执行任意一年的车辆轨迹分析，平均响应时间≤3s.

4）管理社区总数

系统支持100,000个单元的创建和管理.

5）系统单节点结构化数据管理功能

a. 系统的单个数据节点支持10亿个数据的存储和管理，并且数据的多线程并发插入容量不低于每秒30,000；

b. 系统的单个数据节点支持查询和检索功能，十亿个数据查询的响应时间小于1秒；

6）系统单节点数据收集功能

在千兆局域网的条件下，系统的单个采集节点支持采集性能不低于100,000项/秒，文件采集性能不低于200MB / s；

7）系统单节点非结构化数据管理功能

单节点非结构化图片和视频剪辑的云存储管理能力不少于64TB.

产品创新:

1. 优化的并行加速查询引擎-OPAQ

OPAQ（优化的并行加速查询引擎）是一种基于分布式实现的中间件技术. OPAQ可以在分布式中实现高效的查询，尤其是在海量数据（超过1亿条记录）的查询和检索中.

OPAQ自动识别查询语句，并将查询语句分解为多个子查询语句，然后将它们分配给每个节点以进行查询. 每个节点返回查询结果，这些查询结果由OPAQ和输出进行融合和排序. OPAQ可以自动识别数据所在的节点，并可以准确地将子查询任务分派给该节点，从而使分布式的查询效率随节点数的增加而线性增加.

OPAQ是为海量数据应用程序开发的查询引擎. 它结合了Hadoop和传统的优点，按照一定的规则并行存储结构化数据并分发到n个节点组，并实现Hadoop数据存储和查询. 检索的并行处理保留了快速结构化数据查询的特征，大大提高了数据存储和查询的效率.

2. 基于计算机深度学习人脸识别技术的人脸聚类

随着深度学习技术的不断深入培养以及各种数据的收集和分类，逐渐形成了一套完整的行业领先的技术系统. 基于社区基础数据收集和动态感知数据收集，深度学习方法用于不断训练算法的准确性和多角度适应性，并通过半监督学习对算法进行自我改进. 另一方面，大数据分析技术与人脸识别技术的融合实现了社区人脸感知数据的聚类分析，并在应用层实现了陌生人的感知发现和感知偏离.

3. 基于图计算技术的关系图

图形计算是基于“图形理论”和该数据结构的计算模式的现实世界中“图形”结构的抽象表示. 通常，在图计算中，基本数据结构表达式为: G =（V，E，D），即V =顶点（顶点或节点）E =边（边缘）D =数据（权重）. 在社区大数据中，将对象“人，房子，汽车”作为节点，对象之间的关系为边，而对象之间的关系为权重. 使用Spark技术计算不同对象之间的关系，建立不同对象之间的关系，使用静态关系数据和动态感知数据计算对象之间的关系，并为不同的关系分配值以建立相关对象之间的关系，例如人，汽车和房屋地图集.

市场推广:

智能安全社区系统在上海徐汇智能安全社区系统项目中，访问了超过100亿张图片和结构化数据，系统查询和检索响应时间不到3秒. 该系统检测到发现了500多个局外人，这些人被证实是准确有效的. 在黄埔智能安全社区，松江智能安全社区，山东，台试点项目建设，淮安示范点项目等方面都有很好的应用效果.

该项目依托东方网力自主研发的大数据技术和深度学习技术，并通过了国家安全防范报警系统产品质量监督检验中心（北京）和部的测试. 安防和警察电子产品质量测试中心.

其他项目应用程序: 上海徐汇区智能安全社区系统，上海黄浦区泛外滩智能建筑项目，上海闵行区“一标六实”系统，上海奉贤区智能社区系统，上海黄浦区半松园智能社区项目...

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/ruanjian/article-171587-1.html