平安城市建设经过十多年的发展,现已经成为智慧城市建设领域当中最为成熟的部分之一。视频监控系统是平安城市的重要组成部分,可以说,视频监控在推动城市管理、社会治安和社会公共安全,实现平安、和谐、幸福的城市生活目标中发挥着重要作用。随着物联网、云计算、大数据等技术的不断发展,平安城市的建设,又将迎来新一轮的发展机遇与挑战。
从1080P到4K,高清化带来数据量快速增长
对于平安城市中的视频监控应用来说,增加视频监控设备、提升视频清晰度几乎是永恒的主题,特别是随着城市智慧化程度的不断提高,高清乃至超清视频监控已经成为一个必然的趋势。这在便于城市管理部门感知城市交通、社会治安等各种动态的同时,也给后端的存储系统带来了巨大的挑战,因为,随着分辨率的提升,相同数量的监控点,产生的数据量却是成数倍增长的。比如从720P到1080P的提升,数据量接近翻一番,而从1080P到4K的分辨率,存储容量需求则是4倍左右的增长。
规模化,数据量和系统复杂度提升
同时,随着视频监控系统规模越来越大,以及高清视频监控系统、高清卡口系统及卡口型电子警察系统的大规模应用,需要存储的数据量和应用的复杂程度在不断提高,在未来的交警监控系统中,视频监控点和电警卡口车道数会达到几千路的规模。比如某一线城市,2006年时,全市共建成各类摄像头大约130万个,其中公安一类监控点约3万个,为实现"重点公共区域视频监控覆盖率达到100%"的目标,大幅新增高清视频监控点,到2020年计划实现约6万个一类监控点。
智能化,数据快速检索能力愈加重要
智能化的发展,也将会极大驱动后端存储平台需求的增长。将视频监控、消防报警、短信报警、GPS卫星定位等技术集合起来协同工作,进行信息交换和通信,完成智能化识别、定位、跟踪和监控的安防管理,成为新一代智能高清视频监控系统的发展方向并逐渐落地。这意味着,如何全面实现有效数据的获取、传输、存储、分析是十分重要的。因此,存储平台不仅要具有简易管理、存储灵活资源分配的特点,还要具有高可靠性和高性能,以提供海量数据快速存储及检索能力、保障业务连续性。
浪潮存储产品经理刘敏表示:"高清化、规模化、智能化"的发展趋势下,存储系统的容量、性能、架构等面临挑战,传统的SAN或NAS在容量和性能的扩展上存在显著瓶颈。容量及性能能够无限线性扩展,满足业务需求的前提下升级成本最低、经济效益最优化,数据快速检索、设备操作简易,拥有以上特点的存储解决方案成为所追捧的对象。"
基于AS13000 浪潮提供视频云存储方案
浪潮提供了基于软件定义存储AS13000的视频云存储解决方案,可以有效应对平安城市发展过程中的各种挑战。由AS13000提供海量数据存储支撑,中心集中存储与前端存储通过视频专网连接,满足视频图片侦查、人员卡口、车辆卡口等应用对海量存储的要求。
浪潮AS13000视频云存储解决方案整体架构
那么,浪潮AS13000视频云存储方案具有哪些优势呢?
首先是大容量、高扩展能力。基于浪潮AS13000的视频云存储方案,可以实现近EB的存储容量,单套可支持50万个监控终端,高效管理上百亿个文件,轻松应对平安城市中海量文件的存储与处理需求。支持存储系统对横向无限扩展,可在不影响前端业务应用的情况,对现有存储池添加存储节点,进行无缝的扩容,避免了视频监控系统的停机维护,同时规避了超前建设所带来的存储资源浪费,有效减少了平安城市建设的成本投入,让城市更平安、更高效。
其次是一体化,简易管理、降低成本。AS13000实现了计算与存储的融合,集流媒体服务器、存储设备于一体,且提供负载均衡,大大提高了资源利用率,简化了管理维护复杂度。
浪潮软件定义存储AS13000
第三是安全可靠。任意节点故障都不会导致业务中断,AS13000融合了传统RAID、多副本、纠删码三种冗余保护机制,提供高冗余、高可靠的冗余保护模式,在系统出现故障时不影响数据的可用性,可以确保交通管理等平安城市内重要应用7×24小时持续运行,避免视频监控遗漏任何重要事态。
最后是迅捷高效,针对监控卡扣小文件检索进行性能优化,实现秒级检索。智能数据分析算法将消耗大量的计算资源,因此,平台的性能将是影响检索速度的重要因素。浪潮AS13000通过IO并发多队列、磁盘直通读写等技术优化,单节点可实现2.5GB/s、千万级IOPS,系统在进行数据检索、比对分析时,大幅提高了处理效率,能够保证数据分析结果的及时输出,满足交通指挥、公共安全事件处置等应用需求。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。