最后一步：关于摄像头与红绿灯的那点事

　　我讲的案例是肯定站不到王博士治理社会那个高度来看数据问题，我讲的事例其实是想说明一个实时计算的应用场景问题。关于应用场景，这是我近年说的比较多的一个话题。最近习主席提出建国家大数据中心的思路，我就发表了一句似乎有点不应景评论：没有搞清楚应用场景的国家级大数据中心建设注定将是一场盲目的狂欢。其实何止是国家级的规划，具体到基层的项目，亦是如此。下面就是我在这次云栖大会上发言摘录：

　　“我们为什么要搞实时计算？因为现在的计算模式和方式不能满足警务实战应用。王坚博士前天在演讲中说到，要用摄像头来感知拥堵，从而去指挥红绿灯，这是一个非常典型的实时计算的模式，按照传统的数据抽取汇聚比对统计再发出指令的模式，这个事情根本就办不成，当然，王博士讲的这个应用不单单就是实时计算这么简单，它还涉及到算法、机器学习等一大堆后台支撑的东西。非常荣幸也非常巧合的是，我今天带给大家实时计算的这个事例也是关于摄像头和红绿灯的，我们公安有一个最基本但一直用的不太好的应用——嫌疑车辆布控查缉，老百姓110电话打过来，我的车子刚刚失踪了，被盗了！公安机关怎么办？大家都会说，立即布控查缉啊，在座的都是行家，知道第一时间的重要性，如果不在最短的时间内把这个事情搞定，二十分钟后可能车子就出城了，一个小时后可能假牌就换好或者干脆摘牌了，按照传统IT架构怎么做？车辆路口、卡口抓拍数据抽取、汇聚、整合到一个地方，布控数据录入后就开始比对，必中结果发到路面警察的手机上，警务通上，然后路面的兄弟就要睁大眼睛看着，看到嫌疑车辆拦下来。这个应用场景是不是这样，看起来也不错是吧！但事实上呢？有多少成功的案例，反正我到现在也没有看到。几万的摄像头的数据，抽取汇聚怎么也有三五分钟吧，我说的是事实上，不是理论上，在基层干活的兄弟的可能知道，实际时间可能还会长更多，再等你比对一把，再下发指令，我可以说，六十迈的车子在路上不知跑哪里去了，只要多通过一个路口，就是三个方向的选择！在计算能力上又是几何级数的上升。所以，我们要缩短时间，怎么来缩短呢？用实时计算的框架，比如你要把阿里的ADS啊，还有什么STORM啊，KAFKA用上，就可以最大限度解决时间问题，具体技术细节我不说了，下面一堆大咖比我强多了，我今天说这个就是班门弄斧了。那从报警丢车到比中下发指令的时间缩短到什么程度呢？你可能要说了，那当然是越快越好啊！你说的对，的确是越短越好，但是我今天要讲的是，我其实可以给出一个时间的要求，这就是跟红绿灯有关了，为什么这么说？因为，我只要在这辆嫌疑车辆被识别出的路口的下一个路口红绿灯变绿前完成计算就可以了，为什么这么说？因为，我要让下一个路口的红绿灯变红！下一个路口的红绿灯变红！就是这么简单，如果需要，如果这个车子足够重要，还可以让这一小片地区的红绿灯全部变红，这样车子就停下来了，我们的警察就具备了查缉它的条件，你可以想象警察能够拦住呼啸而过的嫌疑车吗？即使发现了，看到了，你也没法去拦截，唯一的可行性套路就是让它前面的交通停下来，也就是让红灯多亮个几分钟吧！这就是应用场景！我打个比方，如果把我刚才说的示例比如为一个一百步的跑步的话，我们目前可以说，前面九十九步现在都可以很快实现，你看杭州的城市大脑就能很容易做这个事，这个九十九步包括源头数据标化，实时计算框架，计算能力等等，但是，大家一定要记住，还有最后一步，这一步叫你得想明白到底是什么应用场景！这个应用场景中最关键的东西是什么？比如让红灯亮起来就是刚才这个应用场景中最关键的一步！”

　　以上就是昨天在云栖大会公安专场上演讲的一段，之所以今天抽点时间把它整理了记录下来，一个是真的感到与王坚博士前后一天但用了同一类的例子感到非常荣幸，非常的有缘，另一个也非常感谢昨天来捧场的各位老朋友、新朋友。特别是有一位第一次认识的基层小兄弟，第一次给我的微信留言让我非常感动，正是大家的鼓励支持我去独立思考，去不断往前走。