物联网 (IoT) 的最大市场领域是工业、消费者和智慧城市。在这三者中，智慧城市在扩展方面面临最大的挑战。为什么？简而言之，在建筑物、校园或家庭的已定义范围内以及存在明确定义的所有权层次结构时，连接设备和传输数据更加容易。
城市则不同。市政当局需要在广泛的应用场景中连接节点和 传感器 ，其中大部分是公共通行权。这为集成商带来了许多 “灰色领域”和问题：
• 谁拥有此电线杆，我是否需要许可证才能在其上安装设备？
• 我可以在该位置使用硬连线的通信基础设施来回传数据，还是需要无线解决方案？
• 如果依靠运营商提供的无线连接，哪个运营商提供最佳的覆盖范围和可负担的数据计划？该计划是否可以提供足够的速度和吞吐量来满足该城市所有传感器和应用的需求？
• 可以利用谁的预算来支付所有这一切？
智慧城市有可能像企业在一些极端应用的部署一样增长。首席信息官可能不是在看成百上千个连接的端点，而是在看成千上万的设备。这些设备中有许多将是高分辨率的 IP 摄像机，可将数据有效地分发到整个城市的操作系统。这不是为改善公共安全而专门提供的常规城市监视部署；相反，这些城市使用 IP 摄像机作为最终传感器，将数据传输到地方政府的所有分支机构，以协助实现众多目标，包括：
预防犯罪和事件调查；流量优化和信号控制；有关天气，环境条件以及对社区的其他直接威胁的紧急通知；停车管理；以及更多。
市政物联网的前景广阔，但挑战在于如何在不损害视频完整性，不占用过多带宽，存储和预算资源的情况下管理海量数据。
有三项发展使智慧城市的管理者对他们可以克服这些挑战感到乐观：压缩技术的创新；新的无线通信策略；以及新兴的基于边缘的处理。
这些试金石代表了一些创新，可以帮助市政当局提高其使用技术来改善其社区生活质量的效率，因为传感器和平台制造商、集成商和服务提供商正变得越来越有动力提供满足以下要求的解决方案：市场的独特需求。
压缩技术：较小的数据包
从历史上看，安全行业使用广播行业开发的视频压缩格式。但是，这些格式并不能解决监视摄像机所面临的独特挑战，即每天 24 小时在不断变化的天气和光照条件下捕获高质量质量视频的需求。
2015 年，视频制造商开始使用专门为监控摄像机开发的压缩方法来调整广播行业的 H.264 压缩格式。他们处理诸如动态条件、长时间不活动以及光线不足的场景中生成的颗粒视频之类的问题。这些压缩技术是由摄像机制造商专门开发的，其性能结果差异很大。最广泛接受的格式大大降低了视频流的比特率，同时保留了图像的可用性和取证细节。同样重要的是，它们与集中式服务器和视频管理软件中的 H.264 标准解码资源保持了兼容性。
同时，安防行业还提高了摄像机的低光灵敏度，从而降低了低照度条件下的视频噪声，这是比特率峰值的常见原因。
近年来，视频数据压缩和低感光度这两个方面的改进并没有放缓。相反，他们已经加速到如今的摄像技术超越了十年前的梦想。
超越了传统的使用监控摄像头来实现物理安全，而将 IP 摄像头用作智慧城市中的终极传感器，其好处变得更加明显。有效地，行业在提供更多可操作的信息 ( 取证详细信息和元数据 ) 和更少的数据 ( 较小的数据包大小，较低的流式比特率 ) 方面变得越来越好。
但是创新远未结束。现在可以将智能算法分层放在 H.265 上，以进一步降低比特率。但是，在捕获具有大量活动的复杂场景时仍会出现尖峰。这使得解决方案架构师或工程师很难准确地预测任何摄像机将生成多少数据并将其跨数据通信基础设施进行流传输。当他们不知道需要多少数据或何时需要数据时，如何设计网络或估计集中的处理和存储需求？答案在于一种新的视频数据管理技术：在每个摄像机开发的基准上以平均格式交付视频。
这是如何运作的？当比特率达到峰值时，摄像机将暂时降低帧速率或分辨率，并将整个视频保留在缓存中一段时间，直到峰值下降。然后，摄像头会将保留的数据推送到中央存储库，在该存储库中，该数据与最初流式传输的视频相关联。
无论设备是通过有线网络，专用无线网络还是运营商提供的无线数据路径进行传输，这都是管理智慧城市海量数据流量的有效方法。重要的是要注意，该技术不会减少流式传输的总数据，它只是在任何给定时间使数据流的数量均匀，以确保基础设施不会沦陷。
无线网络：元数据和视频点播
随着城市在其公共通行权中部署其监控摄像头和 IoT 设备，建立基础设施以采购电源并保持与远程位置的连接成为一个问题。代替在任何地方都开挖光纤，城市可能会考虑依靠蜂窝网络从传感器传输数据。但是，当您尝试将解决方案扩展到全市范围时，该解决方案的成本将变得过高，因为数据计划通常是针对消费者用户市场而设计的。
运营商需要在公共通行权中部署高密度的 IoT ，以证明构建新一代无线通信所必需的小型蜂窝网络基础设施是合理的。
在新的业务模式中，无线运营商正在开始制定更适合智慧城市部署中典型的高传输流量的数据计划。然而，即使具有更稳定的蜂窝管线，连续流式传输实时视频也将消耗大量带宽。
新策略是将系统配置为实时使用摄像机中的元数据，并且仅按需流式传输视频。例如，当操作员收到检测到的事件的警报时，他们可以通过从摄像机提取快照或短视频剪辑来确认情况。当对带宽的其他需求较低时，摄像机可以存储完整的视频记录并将其上传到中央数据中心。
基于边缘的处理
过去，视频分析只能在服务器级别进行，这通常会延迟对关键事件的响应时间。现在，监视摄像机具有更强大的处理器和人工智能功能，可以在边缘进行复杂的分析。
边缘处理具有多个优点：它允许摄像机选择要传输的相关视频，这有助于操作员立即专注于关键细节。减少视频流可减少带宽消耗和存储需求。
仅仅因为摄像机没有 24/7 全天候流式传输视频，并不意味着它不适用于城市利益相关者。带有深度学习的边缘处理功能使摄像机能够生成丰富的元数据，以对场景中的对象进行分类，例如行人、骑自行车的人、乘用车、大型卡车等。此数据可帮助规划人员和土木工程师了解人员和产品如何在环境中移动。有了这些洞察力，利益相关者可以做出基本决策，例如在哪里添加自行车道或在哪里重新设计十字路口，以提高社区安全性、效率和城市服务的公平分配。
使用尖端的计算机科学来聚合丰富的数据集，可以使智慧城市的利益相关者做出明智的决策，更有可能得出积极的结果，从而丰富居住、工作、学习和娱乐社区的人们的生活。边缘处理对于使智慧城市解决方案更具可扩展性和弹性，同时降低总体拥有成本至关重要，因此可以将智慧城市的愿景传递给社区。
