監視技術和預測分析技術將成為智慧城市的核心

　　除了與安全、醫療保健、交通、能源和經濟發展有關的更為復雜的挑戰之外，這些監視技術還將幫助滿足無數的城市日常需求。

　　世界上一半以上的人口居住在城市中，因此對他們的日常工作提供更智能，更準確的見解的需求是不容忽視的。城市管理官員可以從思科，亞馬遜和谷歌等領導者那里學到很多東西。這些公司的業務不僅是收集數據，而且還利用它來改善生計和社區。隨著我們對它們的成功的關注，越來越明顯的是，創建更智慧的城市的答案主要在于捕獲數據分析的監視技術。

　　隨著監視技術和預測分析技術的興起，我們可以使智慧城市更智能，更有效，并提高其效率。但是，現實情況是，連接永遠無法保證。因此，無論連接性如何，都必須提供必要的數據，以確保可以做出實時決策。必須存在令人滿意的本地存儲量，才能將最易感知的數據放置在最接近計算點的位置。這說明了邊緣以及嵌入式存儲的重要性日益提高。

　　通過邊緣分析，實時數據的增長正在導致城市所需的數字存儲類型發生轉變。快速，毫不妥協的數據訪問變得越來越重要。根據最近的一項研究《數據時代2025：從邊緣到核心的世界數字化》，估計到2025年將產生175 ZB的數據，我們觸手可及的洞察力越來越大，而城市必須加強發展永久使用這些數據的方法。從許多方面來看，城市已經在這樣做-從根據交通模式優化路線以將緊急響應時間減少20%到30%的智能路燈，到部署了可增強安全操作能力的先進監控攝像頭，從而減少犯罪率。30%至40%。但是，我們可以做的更多。

　　要成為當今真正的智慧城市，城市將需要一種“邊緣層”方法來存儲，過濾和管理距離傳感器更近的數據。為了獲得更深入的見解，然后在邊緣域以及云或后端中存儲和分析數據更長的時間。在網絡錄像機(NVR)上捕獲和收集數據的邊緣分析使實時操作成為可能。借助該技術，城市可以找到失蹤人員，將附近的緊急情況通知居民并發出交通擁堵警告。

　　數據分析和數據驅動的城市改善所帶來的機遇既令人興奮，也無法忽視。行為分析，熱像儀和NVR等邊緣設備中的AI引擎只是技術的樣本，這些技術使我們能夠在龐大的網絡上保持持續連接。通過水平地關聯各個系統，我們現在可以洞察各種機制。這包括電力，水，衛生，運輸，環境監測和天氣情報的模式。

　　以西好萊塢的創新部門為例，該部門最近因“ WeHo智慧城市”戰略計劃而獲得了美國規劃協會(APA)技術部門的智慧城市獎。它的三部分計劃包括以下策略：

　　合作和實驗旨在使市政廳工作人員能夠更好地合作。

　　通過智能城市傳感器和智能建筑程序實現流程自動化，以改善公共安全和管理建筑環境。

　　在后端(基于某些情況下)使用基于后端深度學習活動的預測分析收集的數據后，我們可以預先確定趨勢，以管理一個部門中直接影響另一個部門的事件。

　　城市在當前和旅途中都需要數據。這對邊緣產生了更大的需求，通常實時地產生所需的預測性和可靠信息。實際上，據報道(Seagate)預測，由于將數據注入到我們的城市工作流程和個人生活流中，將近30%的“全球數據圈”(即在全球范圍內創建，捕獲或復制的數據量)將到2025年實現實時。

　　那是很多實時數據。那么，城市如何實施監視技術以更好地保護城市并實現更智能的分析呢?第一步是確定位于智能城市監控應用程序中心的視頻存儲解決方案。這些解決方案可實現記錄，數據保留，預測分析和實時警報。下一步是將數據定位在邊緣，并為城市提供充足的時間來了解模式。城市將比以往任何時候都更需要團結起來以集成其技術，并最終使他們的網絡變得更智能。這是一項挑戰，需要跨系統的廣泛合作。監控存儲技術是該策略的基礎，可確保從邊緣到云的及時數據訪問和可用性。