大數據應用到交通領域，已有五六年時間，現階段已經進入深水區，除用于常規的交通誘導、出行服務、交通仿真等之外，在交通管理、涉車治安管理等領域，有了更多的實戰積累，并在不斷挖掘新的方法，以圖搜圖、相關性分析等應用得也越來越非常多。

在這個過程中，大數據的可視化變得很重要，不論算法如何先進，數據如何龐大，深度學習如何牛掰，最后呈獻給決策人的，一定要直觀明了科學合理的可視化圖表，也就是通常所說的，操作界面傻瓜化，后臺結構化。

在大數據深入應用的浪潮中，有很多創企脫穎而出。在大數據技術的不同環節，有專門做底層系統基礎架構的，也有做中間件的，更有海云數據這樣做可視化和可視分析的，將復雜的計算過程隱去，展示明了的計算結果。

據稱，截至目前，全球500強中，有80家采用了海云數據的產品和服務，比爾蓋茨曾實地探訪海云數據并稱贊其對待數據的創造力，交通領域的國際巨頭法國泰雷茲也登門拜訪并意欲共同合作開發。

也許我們的智能交通行業已經有一些ITS集成商在采用海云數據的產品，集成到自己的交通管控平臺中，海云數據這幾年也較多地參加公安、交通管控等領域的行業活動，已經在業內有一定的知名度。我們帶著幾個簡單的問題，采訪了海云數據創始人、CEO馮一村，讓我們加深一下對數據可視化的理解，即便是像高新興的立體云防和海康威視的云圖交通，也需要數據可視化，視頻可視化可見只是數據可視化的一個部分。

ITS114：智警大數據指揮決策平臺的功能與特點。

海云數據：智警大腦是針對公共安全、城市智慧交通等領域，推出的一款AI語音調度可視指揮決策平臺，致力于重塑公安以及交通領域的大數據業務應用。

該產品利用大數據可視分析、融合通信及語音識別、機器學習等人工智能技術，將人的視覺能力與機器的自動分析能力有機結合，并聯系公安、交通現有業務系統，從指揮中心數據化業務實戰角度，輔助洞悉警務大數據背后價值。

基于深度神經網絡算法，智警大腦可以及時、準確地獲取交通數據并根據用戶需求自主構建智能交通數據處理模型，對警力分布、交通路況、人口流量、案情、重點人員軌跡等多個層面的數據作出深度交叉關聯分析。

除充分利用公安內部數據外，智警大腦還可通過圖易數據銀行將第三方數據源引入分析模型，從而極大增強數據分析的科學性和準確性。目前，該產品能夠提供面向治安、交通、消防的綜合指揮分析與面向特定主題的專業分析和智能研判。

 ITS114：數據可視化的基礎是否是數據的完備和結構化？海云智警目前已經應用在哪些城市？

海云數據：的確，數據對于可視化和可視分析來說是非常重要的，首先可視化、可視分析必須要有數據，第二對數據的質量要求也很高，所以在做數據可視化之前，必須對數據進行清洗。

一般情況下，數據分為3大類：非結構化數據文件、半結構化數據文件、結構化數據，對于非結構化數據和半結構化數據，要經過處理形成結構化數據，這是非常復雜的一個過程，但現在已經可以做到了。

數據可視化、可視分析必須與用戶的業務聯系起來，如果不熟悉用戶的業務，就不會做出有效的可視化產品，這是一個極大的難點。所以，海云數據在這一點上一直在推動我們的技術研發人員熟悉用戶的業務和需求，他們大多時候會與用戶吃住在一起，駐場辦公。

目前，智警大數據指揮決策平臺已經在重慶、天津、江蘇、內蒙古、湖北、河北、山東、貴州等省區市的公安部門或交通部門得到應用，占據了超過三分之一的公安市場。

 ITS114：數據可視化與視頻可視化（類似:云圖交通）之間是否可以結合，貴司是否有做類似探索？

海云數據：視頻屬于非結構化的數據，從本質上來講也是數據，所以數據可視化是涵蓋視頻的。

我們的智警大腦面向多種數據類型，無論結構化、半結構化還是非結構化數據，無論用戶自有還是外界數據，都能采用相應的處理手段，提取其中對業務功能的有用信息，并按照實際的業務模型將信息進行融合，產生數據間的交叉分析效果，從而幫助用戶發現數據中的規律。

數據可視化或者更高層次的數據可視分析，今后肯定會顛覆現有的交通集成管控平臺使用方式。現在，公安系統的管控平臺大部分是視頻畫面形式，就是實時場景的錄像，這種方式的管控的局限在于無法掌控全局，也無法實現即時調度。數據可視化和數據可視分析，將這些實時畫面進行數據處理后，會給人宏觀的認識，比如某個時刻的車流量是多少，發生交通事故后哪些資源可以調動等等，都可以第一時間顯示出來，并給出最佳的輔助決策方案。現在，這些功能基本還是在靠人去實現，未來將是數據起作用。

ITS114：數據可視化對視頻數據結構化實時處理提出了挑戰，您認為怎樣的數據處理機房配置，能夠滿足視頻可視化指揮、調度。

海云數據：為應對海量視頻數據的實施處理，許多用戶搭建了實時視頻數據結構化分析平臺，該平臺可以實現對流視頻媒體數據進行自動結構化，自動提取流視頻中的關鍵信息，并形成標準結構化的數據存儲格式，為實時數據分析提供源數據基礎。

同時，還配備大數據實施分析平臺，并結合業務模型將結構化的視頻數據流直接動態生成數據分析結果。分析結果可以直接借助指揮調度平臺，實現自動的指揮調度融合。

在數據實時處理上，可根據視頻處理規模采取終端壓縮加云端處理機制，云端配置Gpu集群，提高計算速度。而根據摩爾定律，我們的硬件產品在性能上不斷得到提升，價格卻在下降，所以在機房配置可以不用太過擔心。

ITS114：如何看待人工智能在大數據應用、交通集成指揮平臺方面的應用？

海云數據：人工智能技術能解決大量需要人手解決的問題，大大提升數據決策效率，同時推動用戶能力的自我進化。當然，人工智能現在還沒有辦法去解決復雜場景里的問題，沒有辦法去解決復雜的態勢問題、感知問題，所以我們需要用數據可視分析技術去感知這樣的事情。

依靠人工智能解決精細化識別過于耗費人力的問題，依靠可視分析解決復雜的態勢感知問題，再把兩者之間進行有效結合，就會為我們的交通集成指揮平臺帶來巨大的改變。