安防技术在智慧交通领域中关键技术解析

边缘计算

边缘计算是指靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台。在智慧交通中，通过边缘计算，实现道路卡口、电子警察、道路监控等采集设备数据的实时分析，实时提取车辆、行人、非机动车等道路交通关键要素的特征信息，实现现场交通状态的全域感知，同时减轻中心端计算压力，为交管指挥中心决策提供数据支撑。

基于深度学习的视图智能分析技术

大数据时代，深度学习相较于传统人工智能有极大的优势，深度学习成为主流图像识别方法。深度学习构建具有很多隐层的机器学习模型，每个层都提取一定的特征和信息，这一层的输出作为下一层的输入。通过海量的训练数据对输入信息进行分级表达来学习更有用的特征，从而最终提升分类或预测的准确性。目前基于深度学习，东方网力车辆识别已支持16种车型、8000+以上车辆年款，同时支持车头场景、车尾场景、混合场景的识别。

多维异构数据接入治理

采用微服务架构，基于中间件、组件进程隔离技术，实现交通道路中视频、图片、物联感知等结构化、非结构化数据，和各交管业务平台中各类业务数据的统一接入、清洗、数据分类入库及数据质量管理，打破单一对象烟囱式存储模式。在数据质量管理方面，基于定义好的数据定义与模型，实现对数据质量进行管理和监控，包括数据规则检测、统一数据语义、数据项检测、数据质量报告等，实现数据资源目录管理和服务管理。

大数据分析挖掘技术

大数据分析挖掘是一个闭环且反复循环的过程，通过对多维异构数据资源抽取出有意义的、潜在有价值的信息和知识，并进行提炼，可以基于交管业务应用，对未来做出一个较为完整、合理、准确的分析和预测。通过大数据分析挖掘技术，实现对交管业务中生产的海量数据的统一管理和挖掘，实现对城市交通车辆、交通行为、交通环境、交通规模等各个维度信息的实时分析，并可通过可视化图表的方式进行直观展示，为交通业务的精准管理提供技术支撑，理论指导。