一、引言

国家发展改革委、中央综治办等九部委联合发布了《关于加强公共安全视频监控建设联网应用工作的若干意见》（发改高技〔2015〕996号），提出“到2020年，基本实现‘全域覆盖、全网共享、全时可用、全程可控’的公共安全视频监控建设联网应用，在加强治安防控、优化交通出行、服务城市管理、创新社会治理等方面取得显著成效。”

根据文件要求，全国各地在“十三五”时期集中开展了大规模的公共安全视频监控建设联网应用建设工程，其中，“公共安全视频监控平台”是工程建设的核心，本文分析了公共安全视频监控平台建设之初面临的问题，提出了基于“云架构”的公共安全视频监控平台总体框架。

二、公共安全视频监控平台建设现状分析

在公共安全视频监控平台建设初期，地市、区县、街乡之间仅从视频图像数据共享方面进行了要求，在统筹建设、技术路线等方面，缺乏总体设计，在建设模式上大多采用分级建设，在业务应用部署模式上仍采用传统的物理机部署模式，传统业务应用建设部署模式如图1所示。

图1  传统业务应用建设部署模式示意图

这种模式在公共安全视频监控平台建设之初能够满足基本的业务需求，但是随着前端点位的增加以及后端应用分析需求的不断丰富，传统的部署模式暴露出了硬件资源利用不足、数据资源共享困难、业务应用重复建设以及资源弹性扩展不易等问题，具体如下：

（一）硬件资源利用不足

公共安全视频监控平台建设初期，相关的视频图像接入、转发、解析、应用等服务主要采用物理机模式进行部署，特别是视频图像解析应用，由于正处于AI快速发展阶段，相关解析算法的厂商较多、品牌较多，部分视频图像解析服务采用“一体机”模式进行部署，这种方式能够实现应用服务的快速部署，提升建设效率，但是硬件设备的CPU等资源利用率不高。杨承东等人研究了采用传统架构部署的轨道交通综合监控系统，各资源使用率长期低于10％ [1]；倪光南院士给出的一组数据表明，一般数据中心中，90%的服务器在90%时间里的平均CPU利用率只有5%[2]。

由于传统架构无法实现硬件资源的按需分配、共享应用，造成在部分服务“闲时”，空闲的CPU、内存等硬件资源无法应用于其他服务；在“忙时”，部分服务配置的CPU、内存资源又存在紧缺，影响运算效率，无法实现资源的充分利用。

（二）数据资源共享困难

公共安全视频监控平台建设初期，主要遵循“公共安全视频监控联网系统信息传输、交换、控制技术要求（GB/T 28181）”[3]，能够实现视频资源的统一管理、共享应用。

但是对于“图像数据”和“结构化数据”，尚未出台明确的标准规范。前端视频监控设备直接采集的“图片数据”和“结构化数据”，以及后端平台通过对视频的抽帧、解析等二次分析后形成的“图片数据”和“结构化数据”，大多散落在不同的应用系统中，在数据管理、数据存储、共享应用方面难以统筹，不利于数据资源的共享应用。王红霞等人分析了中国政府部门现有的3000余个数据库，真正能流通利用的不足10%[4]。由此可见，在尚未构建统一标准的情况下，缺乏数据资源的顶层设计，容易形成“数据孤岛”，制约了数据资源的共享应用，也容易造成数据资源的多头采集、重复采集，造成了资源浪费。

（三）业务应用重复建设

公共安全视频监控平台建设初期，大多构建了统一的视频图像应用管理系统，对前端视频监控进行统一管理，能够满足不同权限用户的视频图像查看、调用需求。但是，在视频图像解析、视图数据综合应用方面，大多由各单位根据需求独立建设，基本都包含了基础的视频结构化、轨迹查询、事件检测等功能，容易造成重复建设。由于这些应用授权、资源散落在不同的单位，在突发事件、大型活动时，无法形成合力、集中发挥作用，造成了资源的错配和浪费。

针对以上问题，借鉴云服务的理念，提出基于“云架构”的公共安全视频监控平台总体框架，对各类资源统一进行管理，按需提供服务，提升资源的利用效率，避免重复建设，节约政府投资。

三、云计算架构

云计算是一种融合了多项计算机技术的以数据和处理能力为中心的密集型计算模式,它的发展是虚拟化、分布式系统、分布式并发编程模式、面向对象的体系架构、软件即服务和信息安全等各项技术共同发展的结果[5]。云计算具备可扩展性和高可用性，可扩展性表达了云计算能够无缝地扩展到大规模的集群之上，甚至包含数千个节点同时处理；高可用性代表了云计算能够容忍节点的错误，甚至有很大一部分节点发生失效也不会影响程序的正确运行[6]。

早在2010年，倪光南院士就指出云计算有利于整合信息资源、实现信息共享，促进政务信息化的发展。云计算提供丰富的云端设备，有利于移动办公等新业务的开展。云计算也符合节能减排、绿色IT的要求。

早期云计算提供三种服务形式，主要包括基础设施作为服务(1aaS，Infrastructure as a Service)、平台作为服务(PaaS，PIafform as a Service) 和软件作为服务(SaaS，Software as a serVice)[7]。近年来，随着信息化的快速发展，沉淀了大量的数据资源，在云计算服务中逐渐引入的数据作为服务（DaaS，Data as a service）的形式，DaaS 的基本理念是将数据视为一种资产，对广范围、分布式数据采用云计算和大数据技术进行聚合，并通过数据利用实现全生命周期的管理，实现按需数据服务[8]。

四、基于云计算架构的公共安全视频监控总体框架设计

基于“云架构”的公共安全视频监控平台总体框架——公共安全视频监控云架构，按照“分层解耦”的思路，将硬件资源、数据资源、平台软件、业务应用进行逐层解耦，构建公共安全视频云计算资源池（Public security video cloud Infrastructure as a Service，PSVCIaaS）、公共安全视频云数据资源池（Public security video cloud Data as a Service，PSVCDaaS）、公共安全视频云服务资源池（Public security video cloud Platform as a Service，PSVCPaaS）和公共安全视频云应用资源池（Public security video cloud Software as a Service，PSVCSaaS）。（见图2）

图2  公共安全视频监控云架构总体框架图

（一）公共安全视频云计算资源池（PSVCIaaS）

视频云计算资源池通过虚拟化技术，对X86服务器、GPU服务器、网络设备、存储设备进行统一管理，并面向上层各类应用提供统一的计算资源服务，可以根据业务应用实际需求，实现硬件资源的按需分配、灵活调度，提升各类硬件资源的利用效率，降低能耗，节约政府投资。

（二）公共安全视频云数据资源池（PSVCDaaS）

视频云数据资源池是将采集到的视频、图片、结构化数据进行抽取、转换、集成、分类，形成统一的数据服务，面向各类用户或是业务应用提供统一的数据查询、调用、共享等服务，满足各类数据的快速检索、灵活调用、深度应用等需求。视频云数据资源池主要包括视频数据资源、图像数据资源和结构化数据资源等三大类数据。

1．视频数据资源

视频数据的来源较多，既有以公安部门为主采集的公共安全类视频数据，又有教育、医疗、旅游、交通等政府单位采集的视频数据，同时，还有大量的社会单位采集的视频数据。因此，视频数据的汇聚整合通常涉及多个不同网络。

为实现视频数据整合，需要在不同网络上分别搭建社会资源平台、政务视频平台、共享平台等多个视频管理平台，其中，社会资源平台部署在互联网，主要负责整合接入社会单位采集的视频资源；政务视频平台部署在政务外网，负责整合接入政府各部门已经采集的视频资源；共享平台部署在视频专网，负责整合接入新建的公共安全视频监控，对接社会资源平台和政务视频平台，实现视频数据的有效整合，共享应用。

整合后的视频数据资源，能够按照单位来源、部署位置、所属行业、抓拍对象等多个维度进行分类汇总，便于面向不同用户按需提供服务。

2．图片数据

图片数据主要包括人、车、物、非机动车以及其他图片，图片数据主要来源于两部分，一部分是新建的前端视频监控直接采集的图片数据，另一部分是通过后端平台在视频数据中抽取的关键帧图片。

图片数据资源主要集中在视频专网中，通过搭建视频图像数据库，能够实现对图片数据的有效管理，图片数据能够按照内容、时间、地点、来源进行细分，便于面向不同用户按需提供服务。

3．结构化数据

结构化数据主要包括解析数据、基础数据、业务数据等，其中，解析数据主要是对视频、图片等非结构化数据进行结构化处理后，生成的数据；基础数据主要包括地名、地址、地图、单位、人员等通用数据资源；业务数据主要包括通过大数据分析后形成的轨迹数据、分类数据、比对数据，以及相关业务应用中产生的数据资源。

（三）公共安全视频云服务资源池（PSVCPaaS）

视频云服务资源池是在视频云计算资源池（IaaS）基础上搭建的支持多种类型业务应用快速搭建的支撑平台，能够实现快速、高效的定制化视频图像应用搭建，降低开发周期和成本。

视频云服务资源池主要包括视频图像基础服务、视频图像解析算法、视频数据分析模型等，其中，视频图像基础服务包括视频图像检索、视频图像调看、录像查看等；视频图像解析算法包括车辆、人员、人像等视频图像的实时结构化算法、对比分析算法，以及人员聚集、物品挪动、周边徘徊等事件分析算法；视频数据分析模型包括人像数据分析模型、车辆数据分析模型、人员数据分析模型、案事件数据分析模型等。

（四）公共安全视频云应用资源池（PSVCSaaS）

视频云应用资源池将人员分析应用、车辆分析应用、多维数据应用等基础应用服务封装为标准化的服务模块，面向政府各部门提供统一的应用服务，实现应用软件的最大化的利用，降低应用软件成本，节约政府投资。

五、基于云计算架构的公共安全视频监控平台应用分析

通过对北京市某区县的公共安全视频监控平台建设应用实践分析，相对于“传统架构”，基于云架构的公共安全视频监控平台，在提高硬件资源利用效率、提升软件应用复用程度、提升系统总体安全水平等方面具有显著优势。

（一）提高硬件资源利用效率

采用“云架构”模式，能够利用虚拟化技术对服务器设备进行有效管理，实现资源的按需分配、统一调度，从而提升CPU和内存等硬件的利用率。

以北京市某区县的公共安全视频监控平台为例，该平台原来采用“物理机”部署模式，原有服务器主要包括A、B两种类型，A类服务器采用“Intel Xeon E5 2609”处理器和8G内存；B类服务器采用“Intel Xeon E5 2620”处理器和32G内存。近年来，逐步转化为“云架构”部署模式，采用的服务器配置为“Intel Xeon Gold 5120”处理器和320G内存。具体如表1所示。

采用“物理机”部署模式，A类服务器的CPU平均利用率约为35%，内存平均利用率约为54%；B类服务器的CPU平均利用率约为36%，内存平均利用率约为53%。采用“云架构”部署模式，服务器的CPU平均利用率约为90%，内存平均利用率约为89%，具体如图3所示。

图3  CPU和内存利用率

由此可见，采用“云架构”模式，在服务器的CPU利用率和内存利用率方面均有较大提升。同时，通过对北京市朝阳区、通州区等其他区县的公共安全视频监控平台“上云”前后的硬件资源使用情况对比分析，在“应用系统”没有完全上线的情况下，采用“云架构”部署模式相对于采用传统的物理机部署模式，在CPU利用率方面，均有2倍以上的提升。

（二）提升软件复用程度

采用“云架构”模式，面向各单位提供统一的服务接口，能够提升数据资源的共享应用水平，提升应用资源复用程度，避免重复建设。

以车辆数据分析为例，交通部门需要进行交通起止点调查分析（OD分析），公安部门需要了解涉案车辆、重点车辆的运行轨迹，应急部门需要了解危化品车辆的运行轨迹和运行情况，旅游部门需要了解旅游车辆的运行轨迹和运行情况；以人员数据分析为例，公安部门需要了解涉案人员及其行为轨迹，疾控部门需要确定确诊患者的密接人员及其轨迹，社区（乡镇）需要及时了解特殊人群的日常轨迹。由此可见，各单位虽然需要重点关注的车辆、人员不同，但是在系统功能方面，大致相同，都需要对车辆、人员进行比对分析，了解车辆、人员的运行轨迹、异常情况，并结合视频图像进行确认和分析。

按照传统的架构，每个单位都需要按需部署前端视频监控设备、购置硬件设备、搭建软件平台，如果采用基于“云架构”（云服务）的公共安全视频监控平台，在数据层面充分共享，避免了前端采集设备的重复建设；在硬件方面，能够按需分配，避免了硬件资源的重复建设、过度建设；在应用层面，能够提供基础的数据分析服务，避免了软件层面的重复建设，当基础软件不能够满足应用需求时，能够在此基础上进行二次开发，提升了软件开发效率。

（三）提升总体安全水平

采用“云架构”模式，对数据资源进行统一管理、授权访问，能够避免敏感数据的泄露，也便于对数据资源进行统一备份，防止数据损坏丢失。利用虚拟化技术，能够将正在运行的虚拟机从一台物理服务器移动至另一台物理服务器，从而避免业务中断，提高系统的可靠性，并实现负载均衡。

六、总结

本文分析了现阶段公共安全视频监控平台建设过程中存在的问题，在此基础上，结合云计算技术，提出了基于“云架构”的公共安全视频监控平台总体框架，并在北京市的多个区进行了应用实践，通过对比分析，“云架构”能够有效提升硬件资源使用效率，同时，能够促进信息资源、基础服务的共享利用，避免重复建设，节约政府投资，在公共安全视频监控建设联网应用发挥了重要作用。

参考文献：

[1]杨承东，徐余明. 基于云计算技术的城市轨道交通综合监控系统架构方案[J].城市轨道交通研究，2020, 23(5)：6-9.

[2]倪光南. 新技术发展环境下的电子政务建设[J]. 电子政务， 2010（11）：3-10.

[3]GB/T 28181,公共安全视频监控联网系统信息传输、交换、控制技术要求 [S] . 北京：中华人民共和国国家质量监督检验检疫总局、中国国家标准化管理委员会，2016.

[4]王红霞，刘林源. 云计算环境下电子政务信息资源整合研究[J]. 电子政务，2015（6）：91-98.

[5]武志学. 云计算虚拟化技术的发展与趋势[J]. 计算机应用，2017，37(4)：915-923.

[6]陈康，郑纬民. 云计算：系统实例与研究现状[J]. 软件学报，2009，20（5）：1337-1348.

[7] Vaquero L M, Rodero-Merino L, Caceres J,et al. A Break in theClouds: Towards a Cloud Definition[J]. ACM SIGCOMM Computer Communication Review, 2009, 39(1):50-55.

[8]杨国立，周鑫. “数据即服务”背景下图书情报机构科学数据服务的发展机遇[J]. 情报学报，2017，36(8):772-780.