城市管理重点问题智能发现和处置系统方案.docx

《城市管理重点问题智能发现和处置系统方案.docx》由会员分享，可在线阅读，更多相关《城市管理重点问题智能发现和处置系统方案.docx（34页珍藏版）》请在悟道方案网上搜索。

1、三 、 城市管理重点问题智能发现和处置 系统  3.1 项目背景  今年，翁书记对新区城运绩效工作提出了“两个 90%”的工作目 标，即：智能化发现率和市民满意率分别达到 90%。  根据 金桥镇政府提出 的 在城市管理 中 遇到的 乱摆卖 、 机动车乱停 放 、 非机动车 乱停放、 乱晾晒 、 乱 堆放、 乱占道 、超门店 经营等 问题 ， 运用人工智能视频分析技术，对重点区域智能监控，实现全天 24 小 时对重点区域 违法违章 行为进行智能化发现、智能化 派单 、智能化 处 置和智能化研判 ，大大 提升城市管理效率。 同时 ，在试点基础上 总结 经验，形成 一

2、套 可复制 、 可推广的 技术规范 和运行模式， 为 提高区域 城市管理水平添砖加瓦。  3.2 需求 分析  3.2.1 业务 需求  针对 在城市管理 中经常 遇到各类的违法违章 现象 ， 其 发现和处置 过程中 存在 诸多问题，如：  城管 执法取证难： 一些 违法违章分子，看到城管队员到场，立即 隐匿 ，造成执法取证难度大；  人手 不够： 目前 的 问题 发现主要依靠线下巡查人员人工巡查 为主 ， 人力资源毕竟有限，难以 保证 区域内及时发现和及时处置；  夜间 执法难度大： 夜间大部分巡查 和执法人员下班以后， 难以及 时

3、发现、 处置和取证；  处置 效率不 高： 案件发现 -派单 -处置 -结果 上报 -人工现场复核等 流程 全部由 人工完成， 中间 环节较多，效率 有待 提高 。  因此 ，急需通过先进的 智能化 技术手段， 提供 全天 24 小时 的案 件 主动 发现能力， 降低 执法取证难度， 减少 中间 环节 ，大大提升 处置 效率。  3.2.2 业务 流程分析   图 ：智能发现 派单 和处置流程  如 智能发现派单和处置流程 图 中所示， 整个主体 流程分两 类 角色 和 六 大流程 节点， 试运行 阶段增加两个人工 辅助 流程。  两

4、 类角色： 分别 是机器智能和 处置职能 部门 。  机器 智能 负责 智能 发现、智能 预判 、 智能 派单并上报城运平台 和 智能核查 四个 环节。  职能 部门 相关处置人员负责 移动 端接单并处置、 移动 端处置完成 并上报 两个 环节。  六 大流程节点：  1、 智能发现 ： 通过 AI 视频 智能分析算法， 发现 各类违法违章 现 象 ， 并开始 根据事件类型 进入 预判倒计时；  2、智能预 判 ： 进行 事件类型 属性 和其对应的预判条件，进行事 件立案预判，比如 ：发现在 目标区域内出现 乱 摆摊行为 ， 持续 时间 超 过

5、 10 分钟 ，则判定为事件 成立 ，进行立案 ；  3、 智能派单并上报城运平台 ： 完成 立案后， 系统根据后台区域 化划分，各事项的分管职责，按区域就近自动派单、处置，并在第一 时间报备城运中心，实现事项的全面监督 ；  4、移动 端接单并处置 ： 就近 的 处置人员在智能终端上收到报警 信息后，根据现场视频截图和地理位置信息，一键判定现场情况，快 速 接单并 到达现场进行 处置 ；  5、移动 端处置完成并上报 ： 处置完成后， 只需 通过移动终端 一 键上报 处置 完成信息 ， 供 AI 系统 进行智能核查比对 ；  6、 智能核查 ： 后台

6、AI 系统 在接到处置人员 一上 上报核查的信息 后， 根据 视频对象二次比对，判断案件是否处置完成，如果处置完成， 则 结案 并上报城运平台，如果 判断 为未处置完成，则进行二次 派单 ， 让处置人员继续处置。  试运行 阶段 两 个人工辅助 流程 ： 人工 智能技术和算法的完善需要 大量实际样本的 积累 训练和算法的不断调优 ， 经过 持续性的 优化 ，可 达到稳定 的 高准确率和低误报漏报率 ； 同时， 结合 金桥镇城运管理体 系的 创新 ，设计 的 新 派单 和处置流程， 操作 和处置人员需要有一个适 应过渡期 。 因此 在 试运行阶段， 加 入了两个人工辅助复核流程，确保

7、派单和 审核 的准确率 ；同时 ，在 此 过程中记录和累计下 图像 数据， 也 为进一步优化算法模型提供更多的样本素材。  1、派单 前复核： 在 试运行阶段， AI 预判定 立案后， 先由 人工对 案件情况进行复核， 如果 案件确实存在，则由人工确认立案，系统自 动派单 ； 如果 案件 为误报，则 由 人工判定为误报，取消立案，流程终 止。  2、智能 核 查 后 二次 派单前复核： 在 试运行阶段， AI 核查 完 判定 为 未结案，需二次派单， 则 由人工进行复核， 如果人工 复核判定为案 件已完结，则 确认 为结案并上报城运平台；如果人工复核为案件仍然 存在，需继续

8、处理，则下发给处置 人员 继续 处置 。  3.3 建设 目标  3.3.1 总体 目标  针对城市管理中遇到的 各类 违法违章现象，通过建立 AI 视 频智能分析平台，将现有监控资源全面盘活，使其真正成为城市 精细化管理的重要助手。平台利用视频图像智能分析技术，对重 点区域内各类违法违章行为进行动态识别、智能预警，运用基于 神经网络的深度学习算法不断优化预警模型，形成可复用、可配 置、可自我升级的智慧化视频智能分析能力。职能部门可第一时 间在指挥中心掌握全面情况，根据各事项的分管职责，实现自动 派单，现场处置人员在智能终端上收到报警信息后，根据现场视 频截图和地

9、理位置信息，查看现场情况，快速到场处置，真正做 到主动发现、快速处置、结果及时上报， 减少中间环节，大大提 升效率。同时，对全过程进行大数据可视化分析，进一步发挥指 挥中心“城市大脑”的作用。  3.3.2 一期 重点区域  根据 城管 巡查 和执法过程中积累的经验，结合 镇 城运中心已建视 频资源，选择 11 路摄像机 进行视频分析试点，具体信息如下 表 ：  序号 摄像机 位置 分析 监测行为 备注  1 南张家浜路中间 乱晾晒、违章搭建、超门店经营  2 永业路佳林路 机动车乱占道  3 永宁路佳林路 乱晾晒、 乱 摆摊 &nb

10、sp;4 苔圣园酒店向东 垃圾乱堆放 +乱设摊  5 三桥路 路口 跨门店经营、 机动车乱占道  6 唐陆路 乱设摊  7 金藏路浙桥路口 2 向东 乱占道、超门店经营  8 红枫路金桥 妇幼保健院 非机动车乱停放  9 东陆茶城 2 乱堆放  10 金桥路 2690 弄世纪联华门口 东 乱摆摊、乱晾晒、 乱设广告牌  11 三桥村龚家门 10 号 乱堆放、 乱晾晒  以下 为城运中心摄像机 图像 截取 ：  3.3.2.1 南张家浜路中间，乱晾晒 +违章搭建 +超门店经营   3.3.2.2

11、永业路佳林路，机动车乱占道 （没 划线的位置 ）   3.3.2.3 永宁路佳林路，乱晾晒 +乱 摆 摊   3.3.2.4 苔圣园酒店向东，建筑 垃圾 乱 堆放 +乱设摊     3.3.2.5 三桥 路 路口 ，跨门店经营 +非机动车占道   3.3.2.6 唐陆路，乱设摊     3.3.2.7 金藏路浙桥路口 2 向东，乱占道 +超门店经营   3.3.2.8 红枫路金桥 妇幼保健院，非机动车乱停放   3.3.2.9 东陆茶城 2， 乱堆放   3.3.2.10 金桥路 2690 弄世

12、纪联华门口东 ， 乱摆摊 +乱晾晒 +乱设 广告牌   3.3.2.11 三桥村龚家门 10 号， 乱晾晒 +乱倒堆放   3.4 技术 框架  3.4.1 系统拓扑图   图：系统拓扑图  根据系统拓扑图，我们看到金桥镇智能化平台项目是由城运中心 开始，利用分布在金桥镇各地的高清摄像机和高空鹰眼设备捕捉和采 集到各类图像信息，通过网络传输至数据存储服务器，将筛选和判定 的数据信息呈现到城运中心大屏，又经过应用系统的深度学习，将判 定的案件，诸如非法营运，人群密集，倾倒垃圾等事件自动派单推送 给相关职能部门执法人员的移动 APP 上，执法人员根

13、据 APP 事件导 航到事件位置，进行现场处置，处置完毕后，又运用高清摄像机或高 空鹰眼设备采集和拍摄，由机器进行研判处置结果，全部业务过程实 现智能化，便捷化，制度化，无需人力 过多干预。  3.4.2 智能 识别  使用深度学习对图像进行分析，识别图像中特定类别的物体 并通过行为分析算法检测出是否存在违规行为，根据逻辑触发条 件对这些行为进行预警触发。   通过目标检测、物体识别算法，分析图像中物体的类别， 如行人、车辆、摩托车、自行车等。   通过物体跟踪算法，确定物体是否始终在监控区域内，物 体是否有移动。   通过行为分析算法，检测识

14、别图像中的摆摊行为。   图： 车辆识别   3.4.3 技术 路线  视频智能 分析系统 强调了模型结构的深度，需要建立有 6 层以上 的隐含层节点；  通过逐层特征变换，将样本在原空间的特征表示变换到一个新特 征空间，从而使分类或预测更加容易。与人工规则构造特征的方法相 比，利用大数据来学习特征，更能够刻画数据的丰富内在信息。构建 深度学习网络需要设定的参数较多，相同的参数，对于不同的识别系 统，其识别效果会大相径庭，通过参数调优，可以进一步提高识别的 准确度。相关的参数包括初始学习率、训练动量、权重衰减因子、反 馈因子等。  通过深度学习

15、算法，不断对其改进，发展出更准确、更高效的学 习系统 。 本 方案 所使用的网络构建及调优选用了深信度网络及卷积神 经网络。  深度学习具体涉及以 下处理过程：  （ a）准备数据集及预处理工作，如设定标签、均值处理等。  （ b）通过 GPU 对图像进行归一化并行处理。  （ c）设计网络结构，这也是最有挑战性的一步。  （ d）设定网络迭代次数、动量、权重衰减因子等。  （ e）设计及实现基于 GPU 的深度学习网络，能够进行训练及学 习。  基于 GPU 实现大规模并行计算 ， 充分的利用 GPU 提供的并行计 算环境

16、，极大缩短了数据训练时间，并且，在实时检测过程，利用 GPU， 可以极大的提高在线实时处理能力。在设计 GPU 程序中，除了需要 充分考虑如何利用 GPU 资源外，需要充分考虑 GPU 与 CPU 之间、 GPU 与 GPU 之间数据存取与通信。  3.4.4 模型优化  模型性能优化主要从以下两个方面入手，相辅相成，互为犄角， 将最终结果朝理想方向最大化推进。  1） 算法本身  目前的算法有很大优化空间，未来我们将从以下角度入手在算法 层面对目前的产品体系进行优化。算法损失函数决定了模型训练过程 中对于数据的数学理解，我们将根据具体问题针对性调整的损

17、失函数， 以期更好的反应问题的本质特征，从而使算法对于问题本质的抽象更 近一步。训练过程中组合使用 tricks，从而保证模型对于数 据的拟合， 使得模型可以准确反应数据集对于问题的刻画。模型推理流程整合精 简，降低推理阶段时间复杂度，维持较高性能的同时提升推理速度， 在性能与速度之间求得更加的平衡点，使得模型的实际使用效能优化 提升。多模型融合方向探索尝试，我们试图通过模型蒸馏压缩技术减 少单模型的算力消耗，为多模型融合、推理结果互补、共同决策提供 可能性。多模型融合的目标是在可接受的算力代价增长下，集成多种 优秀的单独模型的优势提供可观的模型性能提升。  图 ：线性尺度规则对比

18、 2） 利用数据再优化  第一步，针对前端不同渠道进行数据采集，然后根据不同渠道的 采集多维数据。 第二步，基于采集回来的多维度数据，采用 ETL 对 其各类数据进行结构化处理及加载。然后第三步，对于 ETL 处理后的 标准化结构数据，建立数据存储管理子系统，归集到底层数据仓库。 基于数据仓库，对其内部数据分解成基础的同类数据集市， 然后基 于归集分解的不同数据集市，利用各类 R 函数包对其数据集进行数据 建模和各类算法设计。最后根据建立的各类数据模型及算法，结合前 端不同渠道不同业务特征，根据渠道触点自动匹配后端模型自动展现 用户个性化产品和服务。建立系统性 数据采集指标

19、体系建立数据采集 分析指标体系是形成应用产品的基础，也是覆盖用户需求数据广度和 深度的前提，数据采集分析体系要包含全事件类型数据，用户结构化 相关数据及非结构化相关数据，根据数据分析指标体系才能归类汇总 形成筛选条件的属性和属性值。在初期可视化报表成果基础上，将统 计出来的不同规模数据，细分定位到每个事件类型，使每个数据都有 一个类型归属。将分散无序的统计数据，在依据具体事件来衔接起来。  3.5 应用 层设计  3.5.1 视频识别预警展示平台  1）预警提醒  在城运中心大屏上实时预警视频识别系统识别到的违章信息， 信息包括事 件相关图片、事件对应位

20、置（监控点位）、发生时间、 事件状态。  图：大屏平台预警   2）监控视频实时调用  通过事件调用对应的监控视频流进行播放，并在视频中进行 人、车、物等信息的实时分析图像。   图：实时调用监控视频  3） 处置 结果研判  处置 人员到达现场， 确认 案件，处置完毕后， 一键 确认，待 AI 后台 研判处置结果。   图：处置结果研判  4） 研判 完成  通过 后台 AI 研判 ，发现案件 已经 处置完成，则可 自动 结案。   图：处置研判完成  5）历史预警轮播  

21、显示最新的报警记录信息进行滚动播放，信息包括事件相关 图片、事件对应位置（监控点位）、发生时间、事件状态。   图：历史预警轮播  6）集成城运中心展示平台  与现有城运中心信息综合展示平台进行集成整合。   3.5.2 移动处置 app 1）预警提醒  将视频识别系统识别到的违章事件实时的推送给片区负责城 管，城管队员可以点击事件 图片确认 案件 是否发生，如果发生则 迅速赶往现场处置 。   图： APP预警提醒  2）事件处置  执法人员 到达现场，确认案件是否 属实 并仍然存在 。   图： AP

22、P事件处置  3） 结果 上报  如果案件还存在，则依法进行处置， 处置 完毕后， 点击 “提交 处置 ”按钮，待 AI 后台 审核 。   图： APP处置结果提交  4） AI 研判 结果返回  通过 AI 研判 案件是否处置完成，如果处置完成，则推送信息， 告知案件已成功结案。   图： APP处置研判结果返回   5）我的信息  个人信息展示，包括姓名、所属单位、负责区域、上次登陆 时间等信息，同时可以进行密码修改等操作。  6）提醒信息  查看历史推送提醒记录。  3.5.3

23、 AI 视频 智能分析综合管控 后台管理系统  3.5.3.1 操作员管理   图：操作员管理界面  此功能是对综合管控台的操作用户进行管理。包括操作员的列表 展示、新增、编辑、删除功能，以及为平台操作员进行角色分配。同 时可以通过操作员的用户名进行模糊搜索。  3.5.3.2 角色管理   图：角色管理界面  角色是对管控平台的功能菜单进行操作权限的分组，分配给操作 员。此功能是对角色的管理，包括角色的列表展示、新增、编辑、删 除功能。可以根据角色的名称进行模糊搜索。  3.5.3.3 AI 算法模块管理  本平

24、台可以支持多个 AI 算法模块同时对接，并可以为每个模块 分配对应的 AI 算法。  此功能是对 AI 算法模块的管理，包括模块的列表查看、新增、 修改、删除功能。同时支持算法模块名称的模糊搜索。  3.5.3.4 事件管理   图：事件管理界面  此功能是对城运管理中发生的事件类型进行管理，包括事件类型 的列表展示、新增、修改、删除功能。  在配置事件类型的时候，需要设置该事件类型对应的处置部门和 处置的超时时间。配置完成后系统自动将事件类型信息同步到处置模 块，此功能会显示同步的状态，并支持手工同步操作。  此功能支持事件类型 I

25、D 搜索和名称的模糊搜索。  3.5.3.5 算法管理  此功能是对 AI 算法的管理，包括 AI 算法的列 表显示、新增、修 改、删除功能。  每个 AI 算法对对应一个城运管理中的事件类型。  在新增算法的时候，需要设置该算法的智能预判时间和执行算法 分析的时间段。  每个算法编辑后系统会将信息同步给支持该算法的 AI 模块。此 功能可以展示同步的状态，并支持手工同步。  此功能支持算法 ID 搜索、算法名称的模糊搜索 和 算法的增删改 查  3.5.3.6 摄像头管理   图：摄像头管理界面  此功

26、能是对需要进行智能视频分析的摄像头进行管理，包括摄像 头的列表显示、地图展示、新增、修改、删除的功能。  对摄像头操作的时候，系统支持在 GIS 地图上操作，也支持列表 形式的操作。  此处可以查看摄像头的实时监控视频，并可以进行监控视频的截 图并自动保存。  在编辑摄像头的时候需要进行 AI 算法的配置，具体步骤如下：  1、 打开监控画面的截图  2、 在图片中进行区域选择  3、 设置该区域需要智能分析的算法  4、 （可选）设置该算法的智能预判时间和执行算法分析的时间段  每个区域可以设置多个算法，每个摄像

27、头可以设置多个区域。  摄像头的算法信息变动的时候，系统会自动同步到对应的 AI 模 块，此处可以显示同步状态，并可以进行手工同步。  此功能支持摄像头 ID 的搜索、摄像头名称的模糊搜索、摄像头 地址的模糊搜索、支持算法的模糊搜索。  3.5.3.7 处置部门管理   图：处置部门管理界面  此功能是对城运管理中处置部门的管理，包括部门的列表展示、 新增、修改、删除功能。  支持对部门名称的模糊搜索。  3.5.3.8 处置人员管理   图：处置人员管理界面  系统为处置人员提供专用的处置 APP。 &

28、nbsp;此功能是对处置人员在 APP 上使用的用户进行管理，包括列表显 示、新增、修改、删除功能。  在设置处置人员的时候需要配置人员所属的处置部门和个人负 责的摄像头。  在为处置人员配置摄像头时， 系统将摄像头显示在 GIS 地图上， 通过点选、框选等操作选中摄像头。  处置人员新增后系统自动将信息同步给处置模块，此处可显示同 步的状态，并支持手工同步。  此功能支持用户名搜索、用户姓名模糊搜索、部门名字模糊搜索。  3.5.3.9 事件查询   处置中  此功能显示所有处置中的事件信息。支持列表显示和缩略图显示。 &

29、nbsp;主要显示事件的类型、发生的地址、发生的时间、处置的人员等 信息， 并可以在地图上详细显示事件发生的位置、处置人员的位置以 及事件相关的照片 ， 同时还可以回放事件发现过程的视频。  此功能支持日期范围的搜索。   待审核  此功能显示所有待审核的事件信息。支持列表显示和缩略图显示。  主要显示事件的类型、发生的地址、发生的时间、处置的人员等 信息， 并可以在地图上详细显示事件发生的位置以及显示发现事件相 关的照片。同时还可以回放事件发现过程的视频。  此功能支持日期范围的搜索。   审核完成  此功能显示所有审核完

30、成的事件信息。支持列表显示和缩略图显 示。  主要显示事件的类型、发生的地址、发生的时间、审核 的时间等 信息， 并可以在地图上详细显示事件发生的位置以及显示事件发现相 关的照片、事件审核相关的照片 ， 同时还可以回放事件发现过程的视 频。  此功能支 持日期范围的搜索。   多次派单  此功能显示所有多次派单的事件信息。支持列表显示和缩略图显 示。  主要显示事件的类型、发生的地址、发生的时间、派单的次数 等 信息， 并可以在 地图上详细显示事件发生的位置、处置人员的位置以 及事件相关的照片， 同时还可以回放事件发现过程的视频。  

31、此功能可以显示单个事件每次派单的详细情况 ,包括派单情况、 处置情况、审核情况等。  同时支持日期范围的搜索。   超时处置中  此功能显示所有超时处置中的事件信息。支持列表显示和缩略图 显示。  主要显示事件的类型、发生的地址、发生的时间、已超时的时间、 处置的人员 等信息， 并可以在地图上详细显示事件发生的位置、处置 人员的位置以及事件相关的照片。同时还可以回放事件发现过程的视 频。  此功能支持日期范围的搜索。   超时待审核  此功能显示所有超时待审核的事件信息。支持列表显示和缩略图 显示。  主要显示事件

32、 的类型、发生的地址、发生的时间、已超时的时间、 处置的人员等信息，并可以在地图上详细显示事件发生的位置以及显 示发现事件相关的照片， 同时还可以回放事件发现过程的视频。  此功能支持日期范围的搜索。   超时审核完成  此功能显示所有超时审核完成的事件信息。支持列表显示和缩略 图显示。  主要显示事件的类型、发生的地址、发生的时间、已超时的时间、 审核的时间等信息， 并可以在地图上详细显示事件发生的位置以及显 示事件发现相关的照片、事件审核相关的照片。同时还可以回放事件 发现过程的视频。  此功能支持日期范围的搜索。   误报 &n

33、bsp;此功能显示所有误报的事件信息。支持列表显示和缩略图显示。  主要显示事件的类型、发生的地址、发生的时间等信息，并可以 在地图上详细显示事件发生的位置以及事件相关的照片， 同时还可以 回放事件发现过程的视频。  此功能支持日期范围的搜索。  3.5.3.10 事件搜索  此功能为搜索功能，支持事件 ID、事件类型、日期、摄像头名称、 地址、事件状态、处置状态、多次派单、处置部门、处置人员等维度 的搜索。  搜索结果可以以列表和缩略图的形式展示。  3.5.3.11 人工复核  发现事件和完成审核不通过的事件，需要人工复

34、合。同时收集误 报情况。   AI 发现复核  此功能是对智能发现的事件进行人工复核。  可以查看事件的地址、事件类型、发现时间等信息。并可以在地 图上查看位置信息以及查看事件的相关照片。  确实事件成立点击“确认并派单”，确认为误报点击“误报”。  确认误报后，系统将自动通知 AI 模块该事件为误报。   AI 审核不通过 复核  处置完成的事件需要经过 AI 审核， AI 审核结果为未处置完成的 事件需要进行人工复核后才进行再次派单。  此功能就是对 AI 审核的复核。可以查看事件的相关信息以及发 现的照片和审

35、核的照片。系统提供“确认并再次派单”和“误报”两 种操作。确认误报后，系统将自动通知 AI 模块该审核为误报。  3.5.3.12 数据统计分析   事件统计   图：事件统计界面   按事件状态  展示一段日期内所有事件的处置率和及时率  及时处置、未及时处置、未处置   按事件类型（按日选）   按时间周期（天、周、月）   按视频资源   误报统计   统计误报数量   按事件类型  统计各事件类型的误报数量   按视频资源  统计各视频资源的误报数量   处置用时统计   按事件类型   按发现时间（小时）   按处置人员   超时事件统计   按处置人员   按事件类型   按发现时间  3.5.3.13 数据字典   事件状态  发现 未明确的状态  误报  确认    处置状态  处置中 需要记录该事件是第几次处置  处置超时  处置完成待审核  审核完成