地铁作为现代化的城市交通工具,已有一百多年的历史,具有车辆运行速度快、车次多、旅客运送量大、方便舒适等特点。世人皆知地铁造价不菲,但这丝毫不影响地铁在中国的"大跃进"式发展,现在没个地铁都不好意思说自己是现代化城市。
但在地铁高速发展的同时,更要重视地铁的安全性。地铁运营于狭小封闭的地下空间内,狭窄的出入通道、极度密集的人流,使得安全事故带来的影响也会被成倍放大:地铁塌方、地铁出轨、信号故障、隧道漏水、扶梯逆行……任何"事故"在地铁这个封闭环境下都会很容易地被上升为"灾难"。因此,地铁安防应该提升到战略角度去思考、设计,这也对地铁的安防监控系统提出了更高的要求。
地铁安防监控系统的特殊需求分析
地铁视频图像系统不同于其他行业的安防系统,要求有更高的可靠性和稳定性,需要从多个方面进行思考。
·防震防磁防尘:地铁对监控设备的环境要求要远远高于其他行业,因为车辆的运行导致车站内震动得非常严重,所以要求摄像机、存储系统的抗震动能力要非常强。并且由于地铁的强电磁场对监控设备的要求也极其苛刻。而且还要注意到注意防尘,因为列车运行时的粉尘将会影响设备的正常工作
·冗余设计:包括平台冗余设计、网络冗余设计、存储系统的冗余设计等多个方面,确保系统在任何情况下都可能发挥其应有作用。
·可靠性:地铁线路长,车站多,安防子系统也多,不但需要高度集成,对承载网络、设备的可靠性也有着很高的要求。
·扩容性:由于地铁线路大都会有支线延长、线路调整等,所以,需要安防产品做到扩容简单,才能有利于更方便的部署。
针对以上各种需求,华为分布式云监控系统应运而生:
华为视频云监控方案,打造了安全可靠、组网简单、操作便捷、扩容维护方便的视频监控方案。
华为视频云平台解决方案基于IP 网络和视频监控业务特性,推出VCN3000系列视频云节点设备。该设备作为视频云的基本单元,通过云计算、云存储技术应用,将网络中多台节点设备高度紧密组合构成单一、专门用于海量视频监控数据存储的视频云系统,通过云化调度算法实现视频云的三重云化特性,打造业界最高的安全可靠性(99.999%),真正实现监控业务端到端云化管理,为轨道交通行业提供高可靠、高可用性、高伸缩、易扩展的端到端视频云解决方案。
云一:设备之间云化
多个视频云节点之间实现动态负载均衡,任何一台设备出故障,其承载业务将自动并发迁移至其它所有服务正常的视频云节点,保证视频监控全业务不间断(与传统监控平台的N+1集群和N+M备份机制相比核心优势为:无需增加备机,业务迁移为并发机制,效率为N+1集群机制的N倍,云化调度实现了视频业务、计算资源和存储资源的资源池化统一调度,所有业务指令的处理效率都大大提升)。
云二:硬盘RAID组之间云化
单个视频云节点内部多个RAID组之间可以实现动态负载均衡,任何一个RAID组出现故障,其承载业务将自动迁移至其它健康的RAID组,保证视频全业务不间断(传统监控平台无法实现视频业务在RAID组间动态迁移);
云三:RAID组内多块硬盘的云化
通过Safevideo专利实现底层数据管理,每个RAID组内硬盘之间可以实现云化,同时损坏多块硬盘导致RAID组失效后,视频录像仍然可读,最大程度的满足录像数据安全(传统RAID技术,RAID5可以实现1块硬盘损坏后,数据可读,多块硬盘损坏后整个RAID组的硬盘数据全部丢失)。
随着地铁视频监控迈向高清化时代,存储架构也向更加容易维护的分布式云监控模式转变;云监控不仅支持在线扩容,而且基于良好的平台开放性,能够保障系统互联互通,共享视频与图像数据。华为云监控服务于诸如昆明地铁、合肥地铁和长沙地铁等国内多条地铁线路,带给客户全高清的视频监控体验,并且华为独特的视频优化存储技术能够保证数据的可靠性,充分满足客户对数据可靠性的要求。
好文章,需要你的鼓励
Xbox 部门推出了名为 Muse 的生成式 AI 模型,旨在为游戏创造视觉效果和玩法。这一举措反映了微软全面拥抱 AI 技术的战略,尽管游戏开发者对 AI 持谨慎态度。Muse 不仅可能提高游戏开发效率,还有望实现老游戏的现代化改造,但其实际效果和对行业的影响仍有待观察。
Sonar收购AutoCodeRover,旨在通过自主AI代理增强其代码质量工具。这项收购将使Sonar客户能够自动化调试和问题修复等任务,让开发者将更多时间用于改进应用程序而非修复bug。AutoCodeRover的AI代理能够自主修复有问题的代码,将与Sonar的工具集成,提高开发效率并降低成本。
人工智能正在推动数据中心的变革。为满足 AI workload 的需求,数据中心面临前所未有的电力消耗增长、散热压力和设备重量挑战。应对这些挑战需要创新的解决方案,包括 AI 专用硬件、可再生能源、液冷技术等。同时,数据中心还需平衡监管压力和社区关切。未来数据中心的发展将决定 AI 技术能否实现其变革性潜力。