AI 算法识 别 算力 安全帽 区域入侵 摔倒识别 反光衣 越界 烟雾识别 AI 系统架 构 指哪打哪，随意巡检视野内所有地点； 根据需求制定任务，按照固定位置 定点巡航 云端分析，形成分析报告 不同颜色显示安全帽下颏带佩戴状 态 语音提醒，及时消除安全隐患 高识别率，适应各种入场环境 高清像素，高倍变焦（ 44 倍） 超远距离覆盖（ 200 米） 节约与消耗精准记录，分别分析，一表双用 统计分析，细化能耗，绿色管理 定额消耗，超过阈值自动跳闸，确保用电安全 跑冒滴漏，异常信息主动预警 为绿色施工等奖项申报提供水电数据支撑 数据共享，云端同步 智能水电 施工区 无需排队 ，快速通行 语音播报 ，异常及时发现处 理 联动洗车机 ，冲洗时间控制 已冲洗抓拍 ，监管取证 未冲洗抓拍 ，责任追溯 在冲洗台部署系统 拍照自动识别计数，保存记录 高效率：大幅度提升建筑行业钢筋进场材料验收效率和库存材料盘点准确性，解放劳动力，工作效率成倍提升。 可追溯：识别结果实时保存，实现钢筋验收数字化，上传云端可追溯。 结构化：支持钢筋数量识别和材料选择，实现精细化管理。 AI 钢筋盘点系 统 智慧工地云平台 BIM 轻量化模型动态展示工地现场 项 目智慧工地的 各子系统 ( 人员 实 名制、

键性能指标 更多场景 更强性能 全新生态 体验速度更快 4G×100 连接数密度更高 4G×10 5G 不仅考虑人与人也考虑人与物、物与物 增强移动宽带场景：增强 / 虚拟现实、云端机器人 低功耗大连接场景：海量物联网 低时延高可靠场景：车联网 相比于 4G 的“修路”， 5G 则是“造城”，打造跨行业融合生态 通信产业 工业制造 智能车联 增强 / 虚拟现实 物联网 视频感知数据 多业务实战 1 2 3 云端汇聚、视频解析 √ 车型 √ 车牌 √ 时间 √ 位置 √ 手机 √ 基站 √ 物 √ 车 √ 人 √ 场景 √ 品牌 …… 视频规范 车辆识别 视频感知  反恐维稳  治安防控  指挥调度  群防群治  社会管理 • 模式识别与机器学习 • 结构化信息深层挖掘 “ 多维感知前端、视频云端解析、全行业融合应用” - 应用模式从事后向事前主动预防转变

二是完善数据解析体系，面向钢铁企业中的关系 数据、时序数据、文档数据、地理空间数据等海量异构数据， 建立高效的数据解析体系，统一数据格式，实现数据跨领域 流通。 三是建立大数据共享中心，在云端汇聚设备、生产、 供应链等数据资源，根据实际业务需求， 通过跨领域数据的 互相调用，激发数据资产活力， 以数据的全局自由流动带动 资源配置的全局优化。 1.3.2 围绕工艺流程优化，提高机理模型供给能力 原油开采装置、炼化重点装置、运输管道关键节点部署机器 学习和深度学习算法， 在边缘控制器上集成分析引擎， 实现 对装置的自动调整和优化。在设备管理、质量管控、智能巡 检场景下，可以考虑将云端的机器学习模型和深度学习模型， 部署在边缘设备端，在模型、数据、服务三方面实现边云协 同。 2.3.1 梳理炼化工艺知识，研发工业模型 一是面向设备管理，重点研发炼化重点装置的运行状态 器人、智能传输机等设备，利用机器视觉、深度学习等技术 实现无人生产或少人生产，切实提高煤炭安全生产能力。 一 是智能自主生产。企业可依托工业互联网平台，通过“边缘数 据 + 云端分析”实现采煤机、传输带、化煤机等设备的自动识 别、自主判断和自动运行。 二是故障辅助诊断。结合机器视 觉技术对皮带、煤仓、电机等易故障设备进行自动巡检， 帮 助维修人员及时调整设备状态。

统费用高，租用服务降低成本 • 基本的会议、统一通信、呼叫中心等 通信类业务成本高，租用服务降低成 本 • 无需专门的 IT 维护人员， 硬件和应用 系统由运营商在云端集中维护。 • 应用集中在云端，终端功能相对简单， 免维护。 • 无需安装、调测软硬件， 直接申请开 通软件服务。 • 引入行业标杆应用，提供优质服务， 质量稳定，操作方便 • 菜单式服务，根据需要自由选择

变化，都是有一定的随机性。但是复杂多变的影响因素，需 要借助强大的算力寻求最优的运力调度方案，这是人脑所无 18 法企及的，也是传统运力调度中存在的问题。 借助人工智能、大数据分析等技术，利用云端算力平台 进行优化求解，设计可靠高效的调度方案。城市地铁系统涉 及庞大的数据群，借助机器学习等技术，建立运力调度模型， 对客流量进行预测并对运力调度方案的模拟效果预估，择优 执行，从而保证执行的运力调度方案科学有效。结合 维护体系。成都地铁正在建立地铁轨道大数据中心，利用人 工智能、大数据等现代科技的“智慧型”检测设备依托大数据 中心为基础，通过平台整合数据信息，形成地铁“健康系统”， 各种智能检测设备采集上传到云端后，后台系统可进行智能 分析，将地铁轨道的状态通过颜色、形状、数字等多种方式 标注出来，从而进行预警和趋势预判。 三、发展建议 （一）加强顶层制度统筹设计 智慧地铁涉及面广，参与主体多。特别是随着

固定监测站点：在重点区域布设固定监测站，确保长期 的、稳定的数据采集。 o 移动监测设备：结合车载监测设备，可实现对动态地区 的实时监测。 3. 数据传输与处理 o 采用物联网技术，将各监测节点的数据实时上传至云端 平台。 o 开发数据处理与分析软件，实现对监测数据的智能分析 与可视化。 4. 预警与响应机制 o 建立环境风险预警模型，当污染物浓度达到预警阈值 时，自动触发警报。 o 制定应急响应措施，包括政府、企业和公众的协调机 数据编纂：将采集到的数据进行格式化处理，确保数据符合传 输协议的需求。 3. 数据传输： o 如果使用 LoRa：将数据通过 LoRa 模块发送到基站。 o 如果使用 NB-IoT：通过网络运营商发送数据到云端服务 器。 4. 数据接收与处理：在中央处理系统层面，接收传输过来的数 据，进行实时分析和存储。 通过以上方案，数据传输层将在低空环保监测网络中发挥至关 重要的作用，不仅保证了数据的实时性和安全性，同时也为后续的 覆盖范围：利用现有的移动基站，可扩展到城镇及乡 村。 o 延迟：较低的延迟，适合要求实时监控的场景。 o 数据承载量：可支持更大数据量的传输，相比 LoRa 适合 更复杂的数据需求。 NB-IoT 节点同样可与云端平台直接连接，数据通过运营商网 络传输，确保传输的安全性和稳定性。 接下来，我们将比较以上两种技术的优缺点，以帮助选择最合 适的无线传输方案： 技术 优点 缺点 LoRa 远距离、低功耗、成本低

+APP 将建筑工地物联网管理平台的应用从 PC 端延伸到了移动端 ，解决工 作场所不固定的问题。 APP 通过移动互联网，与云平台连接，集成了人员、消费、环 境、工程测量、安全警报等各种数据和消息。云端管理平台接收各终端系统上传的数 据 ，根据监测频率与业务需要，将各类数据定时推送到 APP ，便于管理人员实时查 看并掌握施工现场情况。 • 实现持卡门禁、考勤、 访客、就餐、消费、巡

督”为主动“监控”。 人 环 料 安全管理 质量管理 绿色施工 机 法 目录 目录 系统架构 方案介绍 智慧工地云平 台云端服务器 人员管理 云平台前

灯配时，提高过路车辆和行人通行的安全性和便利性。优化策略主 要包括实时流量监测、信号灯智能控制和交通需求预测等。 在实际应用中，可以通过部署摄像头和传感器实时采集路段车 辆流量和行人过街情况。这些数据将上传至云端进行分析，通过人 工智能算法实时计算最优的信号配时方案。以交通流量为依据，调 整红绿灯的周期和绿灯时间，使得交通流更为顺畅。 例如，一个典型的城市路口，早高峰时段的流量远大于晚高峰 时段。通 这些设备可以包括高清摄像头、地磁传感器和雷达传感器等，能够 实时捕捉和分析过往车辆的数量、速度以及行驶方向。通过视频分 析技术，可实现对实时交通流量的精确计算，并对交通状况进行智 能评估。 其次，这些监测设备应与云端服务器进行无缝连接，利用大数 据分析和机器学习算法处理收集到的数据。通过对历史数据和实时 数据的对比分析，系统能够识别出不同时间段和天气条件下的流量 趋势，从而为交通信号的动态调整提供数据支撑。 套系统可以集成车载传感器、摄像头和其他智能硬件，以实时获取 和记录车辆运行状态和驾驶员行为的数据。数据类型包括但不限 于：车速、加速度、转向角度、刹车力度、油门使用情况以及周围 交通状况等。这些数据可以通过物联网技术传输至云端进行集中处 理和分析。 其次，应用机器学习和深度学习算法对采集的数据进行分析处 理。通过对历史数据的训练，可以建立一套全面的驾驶行为模型。 这些模型可以识别出不同驾驶风格，如温和驾驶、激进驾驶以及疲

可管可控 4. 智能动态展示工地过去、现在、未来，趋势分析、预测、模拟等 · 云化 + 服务化 1. 公共能力平台化服务 2. 节省成本：边云协同架构实现视频安防云化和端侧应用统一管理，实现云端运维，减少边缘节点的运维成本投入 3. 资源弹性，按需取用，全国工地就近接入 · 标准、开放性 1. 平台 + 生态，应用敏捷开发 2. 兼容主流开源生态 3. 工地多样异构系统接入 安全施工