【中國安防展覽網(wǎng) 視點(diǎn)跟蹤】隨著我國城市化進(jìn)程的提速、汽車數(shù)量的爆炸式增長，城市擁堵問題日益嚴(yán)重。與此相伴的是頻繁的交通事故、噪聲和空氣污染，使城市承載能力與社會運(yùn)行效率受到了嚴(yán)峻挑戰(zhàn)。在物聯(lián)網(wǎng)、大數(shù)據(jù)、電子支付等創(chuàng)新科技的帶動下，中國各大城市正掀起了一場智慧交通革命。
9月21日，由中國智能交通協(xié)會支持，湖南省智能交通行業(yè)協(xié)會、深圳市智慧交通產(chǎn)業(yè)促進(jìn)會、上海智能交通系統(tǒng)產(chǎn)業(yè)聯(lián)盟、南京市智能交通產(chǎn)業(yè)協(xié)會、安徽省智能交通協(xié)會等地方行業(yè)組織聯(lián)合主辦的“2017年中國城市智能交通管理暨科技創(chuàng)新論壇”在長沙楓林賓館舉辦。杭州?？低曄到y(tǒng)技術(shù)有限公司智能交通行業(yè)總監(jiān)王啟東分享了《云圖交通，構(gòu)建以“邊緣計算—數(shù)據(jù)中心”為雙核心的城市智能交通新生態(tài)》的主旨演講。本文為現(xiàn)場演講速記整理，未經(jīng)演講者本人審核。
王啟東：大家下午好！今天跟大家分享的是主要內(nèi)容--云圖交通，代表著?？低曋悄芙煌I(lǐng)域整體解決方案的定位，后面是方案的核心框架——云平臺邊緣計算，或者是邊緣計算+數(shù)據(jù)中心雙模式。
在大家的傳統(tǒng)印象中，認(rèn)為海康威視只是賣監(jiān)控等設(shè)備的，但實(shí)際上我們的業(yè)務(wù)范圍遠(yuǎn)不止這些。不知道在座各位有沒有買?？倒善保绻?，從年初到現(xiàn)在，至少小賺了一點(diǎn)。給大家分享一下?？低暯衲甑墓善睗q勢原因，主要是因為國外一家專業(yè)的人工智能評估團(tuán)隊評估了中國市場上諸多人工智能公司，認(rèn)為海康威視不是賣噱頭，而是實(shí)實(shí)在在做研發(fā)的單位之一。
人工智能到底是什么？人工智能的前提和基礎(chǔ)是什么？我認(rèn)為是海量數(shù)據(jù)的積累，這也是海康威視為什么在人工智能領(lǐng)域能有一定的儲備和積累的原因。阿爾法狗為什么可以戰(zhàn)勝人，因為他的棋譜訓(xùn)練量達(dá)到令人發(fā)指的地步。?？低曉趫D象數(shù)據(jù)應(yīng)用方面有非常多的儲備，截止目前，智能交通領(lǐng)域項目數(shù)已經(jīng)超過了4萬個，我們已經(jīng)覆蓋了接近90%以上的城市交警支隊，80%的省總隊和70%的交警大隊，這是?？低暷壳暗男袠I(yè)成績。從產(chǎn)品供應(yīng)角度，我們是大的交通監(jiān)控產(chǎn)品供應(yīng)商。
?？低暤娜斯ぶ悄軋F(tuán)隊超過1000人，其中做人工智能數(shù)據(jù)清洗團(tuán)隊超過250人，這250人的工作內(nèi)容就是做數(shù)據(jù)清洗，高質(zhì)量的數(shù)據(jù)分析。所以，有算法有團(tuán)隊有基礎(chǔ)，加上?？低晫τ谌斯ぶ悄艿男判暮脱酃?，這就是為什么?？低暯衲旯善弊邉葺^好的原因，?？低曇彩巧罱惶幹行“迳鲜衅髽I(yè)中市值高的國內(nèi)上市公司。
在進(jìn)入正式的匯報之前，和大家分享三個典型的案例。個案例：今天長沙交警支隊的姚大隊提到了失駕的查處，傳統(tǒng)的失駕是什么呢？在人臉應(yīng)用沒有被炒得火熱的前提下，交警是基于失駕信息庫，通過緝查布控系統(tǒng)所掌握的車輛軌跡進(jìn)行研判分析，比對，攔截。今年一些新的應(yīng)用提到了人車關(guān)聯(lián)分析，那么基于人車比對、人車關(guān)聯(lián)的分析，意味著我們在交通管理數(shù)據(jù)分析維度上做得越來越精細(xì)、越來越全面了。也就是說組成交通管理的數(shù)據(jù)非常廣泛，而且需要全新的感知方式。
第二個案例：個圖片顯示的是杭州城市大腦的實(shí)際界面，第二個圖片顯示的是DB信號燈。
我想表達(dá)一個觀點(diǎn)，互聯(lián)網(wǎng)對于傳統(tǒng)交通數(shù)據(jù)的融合和應(yīng)用其實(shí)是一個潮流，交互性融合的應(yīng)用，是我們必須要去擁抱的。?？低暩蔚我灿羞^一些初步的溝通和想法，包括我們針對他的專項數(shù)據(jù)分析，類似于酒駕數(shù)據(jù)分析與傳統(tǒng)專項整治行動是否可以融合起來，當(dāng)然這個業(yè)務(wù)融合前提是先實(shí)現(xiàn)數(shù)據(jù)融合。
第三個案例：高德地圖互聯(lián)網(wǎng)大數(shù)據(jù)的分析系統(tǒng)。
左下角這張圖片，演唱會周邊擁堵監(jiān)測，大家猜周杰倫和張惠妹哪個影響力大一些，目前來看還是周杰倫影響比較大。在杭州，張惠妹和周杰倫去開演唱會，對交通影響較大的，一個是西湖，一個是華農(nóng)周邊，通過交通擁堵率分析可以得出明星的影響力。同樣通過這個交通數(shù)據(jù)的熱力監(jiān)測，可以看出高德對業(yè)務(wù)和需求的分析很超前，這是傳統(tǒng)的廠商需要去學(xué)習(xí)互聯(lián)網(wǎng)企業(yè)的地方。
通過這三個案例，我跟大家分享一下?？低暤脑茍D交通大解決方案的本質(zhì)，主要包含以下三點(diǎn)：，全面的交通數(shù)據(jù)采集。第二，以數(shù)據(jù)為本質(zhì)為核心的融合和應(yīng)用體系。第三，基于深度運(yùn)用的數(shù)據(jù)業(yè)務(wù)運(yùn)用體系。
我們定義?？低曉茍D交通整體解決方案是這樣一句話：以AI、大數(shù)據(jù)、云計算、物聯(lián)網(wǎng)等科技手段構(gòu)筑和夯實(shí)交通系統(tǒng)的云化能力，并基于圖像應(yīng)用提供智能交通管理新生態(tài)，這就是云圖交通的核心。?？低暿且患一趫D像應(yīng)用提供智能交通管理的公司，這是智能交通管理的新生態(tài)。
一、深度智能，追求交通數(shù)據(jù)采集的
1、交通數(shù)據(jù)的經(jīng)典來源
以交通數(shù)據(jù)采集為例，傳統(tǒng)數(shù)據(jù)采集包括交通運(yùn)輸數(shù)據(jù)，交通參與者行為數(shù)據(jù)(公交刷卡、地鐵)，地磁、微波以及浮動車數(shù)據(jù)，互聯(lián)網(wǎng)數(shù)據(jù)，以及今年非常熱門的車路協(xié)同、車聯(lián)網(wǎng)數(shù)據(jù)。其實(shí)，對于整個交通管理生態(tài)來說，哪些數(shù)據(jù)容易獲取，哪些數(shù)據(jù)相對來講應(yīng)用生態(tài)、業(yè)務(wù)價值更高？是圖像數(shù)據(jù)。
2、提升圖像數(shù)據(jù)的采集效率
圖象數(shù)據(jù)涵蓋整個智能交通管理各個方面的多個場景。?？低晫τ趫D像應(yīng)用是老本行，我們對于整個圖像數(shù)據(jù)應(yīng)用在智能交通各個場景都有完整的先進(jìn)的解決方案，比如超高清城市制高點(diǎn)監(jiān)控解決方案?；趫D像數(shù)據(jù)圖象處理的前提，可以保障數(shù)據(jù)采集的高質(zhì)量，比如說超低照度，今年?？低曅卵邪l(fā)的黑光級攝像機(jī)，可以做到在完全無光環(huán)境下還原正常圖像。
3、擴(kuò)展圖像采集的顆粒度
擴(kuò)展圖像采集應(yīng)用，包括透霧對比、防抖等功能分析，都是做交通圖像數(shù)據(jù)采集分析很重要的前提?；谌斯ぶ悄茉谛袠I(yè)內(nèi)的迅速發(fā)展，交通基礎(chǔ)的數(shù)據(jù)采集——車輛采集，在采集的顆粒度上又提升到了一個新的高度。無論是車輛檢索的顆粒度，還是特征分析和行為分析的顆粒，有了這兩個我們就可以做輪數(shù)據(jù)的清洗，進(jìn)而將我們的解決方案形態(tài)，全面切換于人工智能和高性能GPU芯片的解決方案上。這也是目前?？低曊麄€行業(yè)的主流解決方案之一。
4、提升圖像數(shù)據(jù)的智能化水平
在這之后，海康還將利用深度智能技術(shù)運(yùn)用到各種道路場景，進(jìn)行行為數(shù)據(jù)的分析，比如車輛違停等。在這方面，我們的監(jiān)測準(zhǔn)確率高達(dá)90%以上。此外，海康威視還有一個專門研究車路協(xié)同的子公司，主要業(yè)務(wù)范圍是探索基于圖像分析的人車關(guān)聯(lián)，這其中包括行車記錄儀和信號燈數(shù)據(jù)聯(lián)合聯(lián)動，這是一種很典型的應(yīng)用。一些智能傳感器能實(shí)現(xiàn)多輛車數(shù)據(jù)的互聯(lián)互通，通過海康威視的行車記錄儀可大大降低傳統(tǒng)車輛的道路傳感器的監(jiān)測成本，讓整個城市交通參與者一起成為交通數(shù)據(jù)采集者和貢獻(xiàn)者。百度地圖負(fù)責(zé)人說，互聯(lián)網(wǎng)數(shù)據(jù)里，十輛車中如果有一輛是百度地圖手機(jī)客戶端的車，這對他們來說就是非常高質(zhì)量的數(shù)據(jù)采集源，如果把這些數(shù)據(jù)再繼續(xù)延伸，那么我們的數(shù)據(jù)質(zhì)量到底有多高，難以想象。
未來，我們會將感知維度、感知效能再進(jìn)行更加深入的提升，比如通過路口視頻分析，判斷碰撞、事故的發(fā)生幾率，或者是道路事件，及時通過車載智能終端(如通過行車記錄儀進(jìn)行發(fā)布)，對道路交通參數(shù)、車輛類型的感知，也逐步作為宏觀交通管理的重要依據(jù)。
二、“云-邊”計算，構(gòu)建智能交通應(yīng)用新系統(tǒng)
有了數(shù)據(jù)之后，下一步工作是搭框架。這個框架的本質(zhì)是什么？需求驅(qū)動是什么？其實(shí)就是更符合實(shí)戰(zhàn)場景的一個合理應(yīng)用需求。
阿里集團(tuán)在智能交通領(lǐng)域一直致力城市大腦的研究，而?？低曉谂c成千上百位用戶、合作伙伴溝通之后，提出自己的城市大腦的想法，其核心和本質(zhì)就是云邊計算的核心框架。
什么是云邊計算？不管是傳統(tǒng)智能交通企業(yè)，還是智能交通的需求方，都會提到交通數(shù)據(jù)中心框架的設(shè)計，海康威視也不例外。海康威視的智能交通數(shù)據(jù)中心設(shè)計，包括視頻圖像、云存儲系統(tǒng)、GPU深度智能分析資源池，商用的大數(shù)據(jù)核心架構(gòu)，業(yè)務(wù)模型庫，數(shù)據(jù)總線，交通運(yùn)維體系等都是?？低暦浅３墒斓南到y(tǒng)和產(chǎn)品。
這些系統(tǒng)和產(chǎn)品在組合邏輯上非常簡單，實(shí)際上包含很多的細(xì)節(jié)，比如對GPU資源怎么定位？這就是一個超算中心的概念。比如說鄭州支隊陳常青所長提到了?？低暤囊詧D搜圖，當(dāng)某輛無牌車輛逃匿的時候，系統(tǒng)將直接鎖定所有卡口，并自動將所有卡口過車圖片做結(jié)構(gòu)化分析，通過調(diào)動所有GPU資源做結(jié)構(gòu)化的處理，然后再用大數(shù)據(jù)的檢索能力實(shí)現(xiàn)秒級的以圖搜圖。這些流程從邏輯上看起來簡單，但從海量存儲圖片的讀寫和分析，還有超高速的數(shù)據(jù)檢索要求來說，都要依托于數(shù)據(jù)中心的核心架構(gòu)去實(shí)現(xiàn)的。目前針對圖片、圖像級以及人臉專項的分析也有相應(yīng)的儲備。
云-邊計算其實(shí)就是一個非常典型的業(yè)務(wù)驅(qū)動的架構(gòu)設(shè)置過程。傳統(tǒng)的數(shù)據(jù)中心以大數(shù)據(jù)、云分析、云存儲為核心架構(gòu)，有專門的模型庫，海量業(yè)務(wù)模型作為數(shù)據(jù)中心的決策依據(jù)，但在特定場景時，比如單個路口或區(qū)域監(jiān)控時，為了更好地適應(yīng)不同場景下的智能交通應(yīng)用，滿足復(fù)雜場景下對于輕型系統(tǒng)的要求。?？低晫?shù)據(jù)中心的模型進(jìn)行前置，包括算法的前置、計算能力的前置以及業(yè)務(wù)模型庫的前置，這就是“云-邊”計算的終目標(biāo)——輕系統(tǒng)，大智慧！
舉例而言，還是以信控為例，云平臺匯聚全城路網(wǎng)、過車、信控配時數(shù)據(jù)，提供全局的交通數(shù)據(jù)“超腦”計算中心。但是同樣的，在路口終端，邊緣計算系統(tǒng)則自主學(xué)習(xí)路口的交通流模態(tài)，通過場景適配自主生成路況管理預(yù)案庫，自動調(diào)節(jié)路口的交通秩序管理手段。因此形成了智能交通中心大腦+神經(jīng)元末梢的新型智能交通生態(tài)系統(tǒng)。目前，我們已經(jīng)在宜春、?？凇⒙尻柕瘸鞘凶鲞^試點(diǎn)。
基于這樣的探索，?？低暯衲晖瞥隽撕芏囝愃频南到y(tǒng)，包括面向交通秩序管理的“行人闖紅燈檢測和比對系統(tǒng)”、“失駕人員分析系統(tǒng)”、“涉牌車輛違法”分析系統(tǒng)等，每個系統(tǒng)都有超過上百家的實(shí)際應(yīng)用案例。
三、用戶思維，描繪智能交通應(yīng)用新藍(lán)圖
因此，有了上述的新型架構(gòu)下，?？低暯酉聛碜龅木褪?，站在交管實(shí)戰(zhàn)的立場，以用戶思維，描繪智能交通應(yīng)用新藍(lán)圖。
傳統(tǒng)的交通大數(shù)據(jù)經(jīng)典應(yīng)用，例如4個V的問題，主要聚焦的全文檢索、車輛分析以及態(tài)勢研判等等，?？低曈兄^300個實(shí)際項目的使用案例，有著非常成熟且先進(jìn)的實(shí)戰(zhàn)成果。以車輛的全文檢索為例，?？低暱梢暂p松地做到1000億條數(shù)據(jù)規(guī)模下，每一輛車在不同的監(jiān)控設(shè)備/卡口設(shè)備/電警/事件檢測分析等圖像系統(tǒng)中，70ms內(nèi)返回檢索和分析結(jié)果；針對車輛技戰(zhàn)法，涉牌的車輛，?？低暱梢宰龅酵惠v車的兩張照片，在10億張圖片的規(guī)模下，10秒內(nèi)就能找出來。
交通態(tài)勢研判，實(shí)時流量分析，擁堵統(tǒng)計，流量預(yù)測，這是交通監(jiān)控三板斧里面經(jīng)常提到的，海康威視的圖像分析設(shè)備可以實(shí)現(xiàn)單個斷面流量監(jiān)測的準(zhǔn)確率90%以上，基本上跟百度地圖、高德地圖利用浮動數(shù)據(jù)在城市主干道的監(jiān)測率差不多。當(dāng)然?？低暤闹悄芙煌ㄏ到y(tǒng)產(chǎn)品有差不多1000人的研發(fā)團(tuán)隊，做到這個也不稀奇。
但是交通大數(shù)據(jù)的本質(zhì)，并不簡單的只是數(shù)據(jù)的體量有多大，檢索有多快，或者說典型的因果分析能夠提升到怎樣的程度。交通大數(shù)據(jù)的本質(zhì)需求，更關(guān)注的是這四個方面：
1、高質(zhì)量數(shù)據(jù)
很多同仁都提出高質(zhì)量數(shù)據(jù)是數(shù)據(jù)應(yīng)用的基礎(chǔ)，毫無疑問。舉個例子，車牌識別。事實(shí)上同一個車牌不同車身顏色的規(guī)則非常簡單，但前幾年套牌車為什么誤報率這么高，因為抓拍機(jī)器不可能識別車輛顏色，準(zhǔn)確率自然也不高。以“謊言議論謊言得到的一定還是謊言”，所以高質(zhì)量數(shù)據(jù)非常重要。?？低曌ヅ臋C(jī)可以做到100%嗎？單口抓拍機(jī)肯定做不到，因為受限于各種場景，光照、過車實(shí)際情況等，那么要怎么做到？靠數(shù)據(jù)清洗，這個就是對數(shù)據(jù)本質(zhì)的需求，高質(zhì)量。
2、可視化
阿里的城市大腦做的件事是可視化分析，如何保證數(shù)據(jù)的呈現(xiàn)方式，做到業(yè)務(wù)展示和數(shù)據(jù)展示一目了然；第二才是瞄準(zhǔn)電警和信號的相互關(guān)系。
3、高價值
怎么做到高價值，我認(rèn)為主要的是相關(guān)性分析，在不設(shè)定不預(yù)置模型的情況下，進(jìn)行自主分析。如果是可預(yù)見的交通擁堵，從某種意義上來說是系統(tǒng)因果分析，對于不可預(yù)見的交通擁堵或流量突發(fā)預(yù)警，在不預(yù)設(shè)模型下進(jìn)行自主研判的相關(guān)性分析，這個才是數(shù)據(jù)高價值的真正體現(xiàn)。
4、實(shí)戰(zhàn)性
怎么讓數(shù)據(jù)將業(yè)務(wù)結(jié)合起來，以業(yè)務(wù)驅(qū)動數(shù)據(jù)價值，這個是主要的核心的智能交通運(yùn)用模式。
舉一個例子，數(shù)據(jù)清洗邏輯怎么做的。簡單來說，首先傳統(tǒng)模式的車牌識別相機(jī)，客觀的講大概有90%的識別率，這是目前整個智能交通生態(tài)里很客觀的數(shù)據(jù)。利用人工智能算法、深度學(xué)習(xí)算法和GPU的高性能圖像分析等，可以將這種識別率從90%提升到95%。接下來再用二次識別進(jìn)行后端的圖像處理分析，再提升到2.5%，即97.5%。那么，從97.5%到99.9%到99.999%怎么做到，這就是算法的邏輯。
我們舉一個進(jìn)京號牌的反向邏輯，如何通過數(shù)據(jù)分析和相關(guān)性判斷，提升每一輛車(即交通小數(shù)據(jù))的屬性信息。
以這樣一種車牌舉例京QT9A17，在現(xiàn)有的卡口系統(tǒng)中，由于前端的識別率做不到100%，因此錯誤情況往往分為兩種：1、未識別；2、誤識別(如京279A17).
而在大數(shù)據(jù)的邏輯下，單個點(diǎn)的誤識別/未識別，都可以通過其他的屬性信息進(jìn)行反向推算，比如說一共5個卡口，京QT9A17的大眾途觀2013年款白色車輛出現(xiàn)了4次，京279A17出現(xiàn)了1次，那么做數(shù)據(jù)分析的時候，京279A17就可以作為敏感數(shù)據(jù)篩選出來，可以利用以圖搜車、時空對比、軌跡分析等多種手段確定其是否為真實(shí)號牌，亦或者是系統(tǒng)誤識別的號牌。當(dāng)然其他的屬性分析也可以通過這個邏輯去實(shí)現(xiàn)。這個就是非常典型的交通數(shù)據(jù)清洗實(shí)戰(zhàn)應(yīng)用。
所以，我們這么認(rèn)為，基于人工智能的深度學(xué)習(xí)算法，將抓拍機(jī)的號牌識別率提升到了95%，二次識別和結(jié)構(gòu)化分析系統(tǒng)，再將識別率提升2.5%；那么剩下的乃至無限靠近99.9%等，就是后一公里路，就是大數(shù)據(jù)做反向數(shù)據(jù)清洗的重要的一條路。這也是交通大數(shù)據(jù)，追求高質(zhì)量數(shù)據(jù)的一個縮影。
海康今年比較典型的一種業(yè)務(wù)是怎么區(qū)別定義數(shù)據(jù)應(yīng)用的新型實(shí)戰(zhàn)性。有了數(shù)據(jù)的分析前提之后，接下來交通大數(shù)據(jù)應(yīng)用，關(guān)注的是數(shù)據(jù)在業(yè)務(wù)系統(tǒng)的可視化展示。比如海康威視今年重點(diǎn)推出的云圖立體管控方案，就是以立體云防控系統(tǒng)作為交通秩序管理系統(tǒng)的載體；同時也將業(yè)務(wù)信息將作為數(shù)據(jù)標(biāo)簽融入到可視化的指揮調(diào)度模式中去，實(shí)現(xiàn)數(shù)據(jù)可視化的目的。
還是以失駕為例：失駕管控系統(tǒng)從海量的卡口數(shù)據(jù)和駕駛?cè)藬?shù)據(jù)中篩選出與目標(biāo)*相似度極高的基礎(chǔ)后，我們可以直接在AR系統(tǒng)中，看到人車的軌跡，實(shí)現(xiàn)多個場景的“高高聯(lián)動”和“高低聯(lián)動”等。因此將傳統(tǒng)的緝查布控、涉牌攔截等業(yè)務(wù)，可以真正地與大數(shù)據(jù)和可視化系統(tǒng)進(jìn)行深度地融合。
有了這些這些基礎(chǔ)的實(shí)戰(zhàn)數(shù)據(jù)之后，我們反向去分析事件數(shù)據(jù)的來源和分布情況，可以進(jìn)一步在AR立體云防控系統(tǒng)上做高頻事故的熱力圖、出現(xiàn)時空分布圖等，實(shí)現(xiàn)事故行為的源頭監(jiān)管和分析。這就是數(shù)據(jù)實(shí)戰(zhàn)化非常好的一種應(yīng)用理念。
后，目前針對交通大數(shù)據(jù)的應(yīng)用，是否現(xiàn)有的數(shù)據(jù)挖掘手段就已經(jīng)到了這個階段的了呢。我看未必如此。以交通違法數(shù)據(jù)為例，傳統(tǒng)的業(yè)務(wù)基本以非現(xiàn)場執(zhí)法流程作為閉環(huán)，而忽視了本身違法數(shù)據(jù)在業(yè)務(wù)系統(tǒng)中的價值。?？低暯衲昃椭攸c(diǎn)去做這些已經(jīng)獲取到的數(shù)據(jù)價值的深層次應(yīng)用，推出了數(shù)據(jù)可視化輔助決策分析系統(tǒng)。以違法數(shù)據(jù)剖析為例：
我們可以分析這5個維度：1、違法行為解析；2、違法車輛類型解析；3、違法趨勢分析、違法根因透視；5、違法占比分析等。
而這些數(shù)據(jù)又恰恰是交管部門作為輔助決策的重要依據(jù)，包括科學(xué)布建、道路管控(限行)、勤務(wù)警力資源投放以及專項整治行動的數(shù)據(jù)輔助決策。而這就是大數(shù)據(jù)在可視化和實(shí)戰(zhàn)化方面的深度融合。
以上就是海康威視對于新一代的智能交通新生態(tài)的探索和分析。所謂?？翟茍D，就是以數(shù)據(jù)全感知為基礎(chǔ)，以系統(tǒng)泛融合下的云邊計算框架為核心，以用戶的需求來實(shí)現(xiàn)、新的交通大數(shù)據(jù)的四大應(yīng)用方向作為提升的新的行業(yè)解決方案，即“全感知、泛融合、深應(yīng)用”的核心主題。以上就是我對于整個云圖交通系統(tǒng)的詳細(xì)闡釋。演講就到這里，謝謝大家！
原標(biāo)題 王啟東：云圖交通，構(gòu)建以“邊緣計算—數(shù)據(jù)中心”為雙核心的城市智能交通新生態(tài)
智慧城市網(wǎng)APP
智慧城市網(wǎng)小程序
微信公眾號
移動版
