信用服务 交通运输 安全监管 交通运输 行政执法 桥隧边 坡 传感器 网络 气象环 境 传感器 安全 IOT WIFI6 储存 5G F5G IP 计算 智能中枢 称重传 感器 充电桩 GIS 融合通信 BIM 视频 RSU OBU 卡口 雷达 视频 大数据 AI 车载 GPS 执法 终端 线圈 IOT 地 磁 智慧应用 智 能 方 案 事件升级 13 业务场景 业务价值 客户痛点 运行监测预警 基于城市交通全量数据融合分析 ，交通全要素的动态精准感知 ，多维度实时监测城市路网、 公共交通、交通安全、交通执法、基础设施、重点场所、交通枢纽运行态势 ，量化分析评 估交通运行变化趋势 ，实现交通安全风险的智能研判预警 ，突发或异常预测预警事件分拨 和高效协同处置 ，事件处理过程跟踪监督评估 ，实现交通运行一图全面感知、一键全局掌 2- 关联决策分析场 景 图 3- 应急协同指挥场 景 14 全面覆盖 实时侦测 静态交通运行监测 重点区域运行监测 交通运输运行监测 交通设施运行监测 路网运行监测 公共交通运行监测 交通执法监测 交通运输安全监测 运行监测预警 态势感知 指标量化 Q 15 交 通 拥 堵 亟 需 改 善 信 息 感 知 能 力 不 足 监 管 压 力 巨 路 大 网 线 长 面 广

六条、第三十八条规定的网络安全保护义务的，由有关主管部门责令改正，给 予警告；拒不改正或者导致危害网络安全等后果的，处十万元以上一百万元以 下罚款，对直接负责的主管人员处一万元以上十万元以下罚款。 19 《网络安全法》执法案例 案例一：重庆永川某私立医院服务器突然陷入瘫痪，医院业务全面“停摆 重庆永川某医院未履行等级保护义务，被罚款 10000 元，医院业务全 面“停摆”，重庆永川公安接警后立即按照“净网 任人海某给予罚款 5000 元的行政处罚；并建议依法依规追究相 关人员责任。 1 月 13 日，封丘县文化广电旅游局经研究决定， 给予负责网络安全工作的直接责任人海某行政警告处分。 《网络安全法》执法案例 21 案例三：山西忻州市某省直事业单位网站不履行网络安全保护义务被处罚 2017 年 6 月至 7 月间，山西忻州市某省直事业单位网站存在 SQL 注入漏洞， 严重威胁网站 忻州市、县两级公安机关网安部门对该单位进行了现场执法检查，依法给予行 政警告处罚并责令其改正。 执法机构：山西忻州市、县两级公安机关网安部门 处罚行为：未按照网络安全等级保护制度的要求，采取防范计算机病毒和网络 攻击、网络侵入等危害网络安全行为的技术措施 处罚措施：警告并责令其改正 法律依据：《网络安全法》第 21 条、第 59 条 《网络安全法》执法案例 22 案例四：安徽网警

农资生产厂商 农业科技企业 应用场景七：支撑区域公用品牌建设  以全程数据和管控为抓手确保区域品 牌不被“滥用”：平台对产业链各环节数 据进行交叉验证，保证数据真实，政 府为产品提供认证和监管执法，共同 构建具有公信力的产品质量追溯体系 和信用体系，为农产品区域公用品牌 建设提供数据、认证、监管、信用支 撑；  联盟生态品牌共建：一二三产业涉农 主体共同建设和维护区域公用品牌， 法人数据 企业数据 产业数据 环境数据 位置信息 其他 数据源 委办局系统数据 农业局数据 产业互联网数据 填报数据 其他数据 产业管理 产业服务 产业运营 农业项目管理平台 涉农政务审批和 综合执法平台 农业农村信息资源目录 数据共享交换平台 动物疫病防控模型 智能交易推荐模型 信贷信用评价模型 农业人居环境质量模型 农产品市场交易 大数据应用 农业保险大数据应用 公众大数据应用 畜牧大数据应用 业务接入 农业数据中台 产业互联网 生产 生产 赋能业 务 赋能业 务 种植 / 畜牧 / 渔 业 / 农资 / 农机 / 物 联网 数据 汇聚 管 理 管 理 政务 / 执法 / 土 地 / 粮食 / 环境 / 质 量安全 经 营 经 营 产业扶持 / 品牌建 设 / 电商 服务 服务 贫困帮扶、补贴、金融、科 教、新农村建设、金融、能 源、公众 作物种植方案模型

送报警信息，快速实现路面警力的调度与指挥，提升交通疏导效率。 2）违法处罚 传统的违法处罚都是交通警察现场执法，对存在违法行为的机动 车辆进行拦截并处罚。但是，现场执法不仅效率差，还可能造成交通 堵塞。系统可以抓拍取证压线、变道、加塞等各类违法事件，实现远 人工智能在交通领域业务应用白皮书 48 程交通执法，减少人工工作量，保证道路顺畅。 目前可识别并抓拍的违法事件可分为单车违法事件和关联违法 来源：海康威视数字技术股份有限公司 图 11 电子警察抓拍闯红灯应用效果图-闯红灯违章 同时，针对大货车闯红灯乱象，考虑到大货车易出现车牌前后不 一致、污损等情况，结合反向卡口对其违法行为进行抓拍，也已投入 非现场执法工作中。在安装该系统的 20 个路口，对比 2019 年 10 月 至 12 月与 2018 年同期的数据，大货车闯禁令下降了 51%，闯红灯下 人工智能在交通领域业务应用白皮书 50 万辆，占服务车辆的 41%。 根据爱泊车提供的北京市七个区（东城、西城、通州、朝阳、海 淀、丰台、石景山）的停车数据23，2019 年 8 月，违停执法数量共计 52.55 万，同比增幅 26.02%，违停执法方式包括拖车、现场处罚、贴 条、科技执法，其中科技执法占比达到 36.31%。2019 年 8 月至 9 月， 对 108 条道路（近 9000 个停车位）停车入位情况进行抽查，统计 6000

关的禁止 行为。禁止这些行为是为了确保个人的权利和安全，防止不道德和有害地使用 人工智能系统。欧盟将禁止被认为具有不可接受风险的人工智能系统，包括操 纵人类行为的人工智能、社交评分系统以及用于执法目的在公共场所使用“实 时 ”远程生物识别系统。 ○ 基于风险的方法（第 9 条）：EIAA第9条引入了基于风险的方法监 管欧盟内的人工智能系统，并平衡监管与创新，确保人工智能系统安全可信， 统在欧盟的应用。它规定了人工智能系统投放市场、投入使用和使用的统一规 则，以及对高风险人工智能系统的特定要求和义务。它还包括某些人工智能的 禁止行为，并为某些人工智能系统制定了透明度规则。 此外，它还涉及市场监管、市场监督治理和执法。 高风险人工智能系统提供者的义务：确保高风险人工智能系统符合概述的 要求。 ● 风险管理（第9条）：提供者必须对高风险的人工智能系统执行全面的 风险评估，考虑对安全性、基本权利和系统预期用途的潜在风险，必须为高风 对某些人工智能系统的具体要求（第53和55条）：该条例确定了对特定 类型的高风险人工智能系统的特定要求，如生物特征识别系统、关键基础设施 中使用的系统、教育和职业培训中使用的系统、用于就业目的的系统以及执法 机关使用的系统。 ○ 在高风险人工智能系统应在其包装/文件上注明其名称、注册商号或 注册商标以及联系地址。 ○ 建立质量管理系统，确保符合法规要求。 ○ 保存文档，包括技术文件、质量管理体系文件、由认证机构批准的

门、救援队伍等应急业务对象的主题数据库，以及 监测预警、安全生产、监管执法、指挥救援、社会动 员等重点业务的专题数据库。包括结构化数据、半 结构化数据和非结构化数据。 知识库层：为应急管理业务应用智能化提供知 识服务，主要存储管理法律法规、典型案例、应急预 案、方法和模型等应急知识。 业务应用层：覆盖应急管理全过程，包括监测预 警、社会动员、监管执法、救援处置等应急管理全场 景应用。 决策指挥层：为所有应急管理业务辅助决策。 的整合、优化和利用，实现系统智能化发展的突破。 概念模型如图5所示，由以下4个部分组成：应急知识 库系统，感知系统，思维系统和人机交互系统。知识 流将这4个部分有机整合在一起，形成智慧应急的内 核，支撑包括监测预警、社会动员、监管执法、救援 处置、决策指挥等应急管理全过程业务系统。 图5 基于大语言模型应急大脑概念模型 Fig. 5 The conceptual model of An EM brain based on large 助决策能力，能快速响应复杂外部环境带来的新挑 战。面对世界变局加速期间新兴风险、复杂风险的加 剧，新发展理念下对高水平安全的要求，应急大脑以 协同创新能力、全域感知能力、决策支持能力为依托， 支撑监测预警、社会动员、监管执法、救援处置、辅 助决策等各项应急管理业务系统效能的进一步提高。 4 结论 本文在研究大语言模型的知识获取与创新的原 理之上，针对当前智慧应急中面临的困境以及业务 系统智能化水平的局限，基于大语言模型技术重构

 由 β 射线法颗粒物在线监测仪、声级计、视频拍照系统及气象设备等组成。  β 射线法监测颗粒物浓度，为国家标准方法，数据准确，可直接用于执法；  声级计可靠性高、稳定性好、动态范围宽、无需量程转换；准确监测现场噪声情况； 数据可用于执法；  实时录像，采集现场图片、视频；  细节拍摄、跟踪拍摄，再现污染画面；  结合气象参数，准确分析污染原因；  IP66 防水级别； 位采集和传输，基于完整的数据图谱 分析而不是单一、零散的数据源。 提供新的数据处理方法，提高应急处置能力  利用大数据技术，对相关数据进行采集、整 合、处理、加工，为火灾预防、研判分析、 移动执法、辅助决策等提供服务，充分发挥 数据潜在价值。 提供有效的预测手段，掌握消防的主动权  对园区的消防安全水平进行更加科学合理 的评估，对可能发生的火灾、产生的后果、 处置方案的有效性进行模拟和优化。

传输延 迟，提高处理速度。 与此同时，系统要实现与其他安全监控和响应平台的无缝集 成，配合智能警务调度系统，以便于快速响应紧急情况。通过 API 接口或消息队列机制，确保信息能即时传达给现场执法人员。 最后，必须考虑系统的稳定性和可靠性。在处理高流量实时数 据时，系统需要具备故障自恢复能力，确保在网络不稳定或设备故 障的情况下仍然能保持基本功能。这可以通过冗余设计和数据备份 机制来 程符 合当地法律法规，设定明确的权限管理和数据使用流程。同时，应 实施数据匿名化和去识别化措施，避免在分析过程中泄露个人信 息。 在操作层面，人员培训和系统集成同样是不可忽视的挑战。对 于执法人员和相关工作人员，开展定期的培训，提升他们对 AI 技 术的理解以及对智能系统的操作能力极为重要。此外，AI 系统的集 成需考虑与现有公共安全体系的兼容性，以确保新系统能够顺利融 入现有的工作流程。 对更大范围内的活动 进行实时监控。 再者，视频智能挖掘的能力可以为事件的调查提供深入分析， 帮助检察机关、司法机关和执法部门更快、更准确地还原事件经 过。此时，AI 技术应用于资料的整理与比对，将减少因人为失误而 导致的证据缺失。此外，结合人工智能的信息推理能力，执法部门 能够更全面地分析事件发生的原因，进而强化对同类事件的预防。 然而，在应用过程中也需注意数据隐私与伦理问题。实施 AI

迟，提高处理速度。 与此同时，系统要实现与其他安全监控和响应平台的无缝集 成，配合智能警务调度系统，以便于快速响应紧急情况。通过 API 接 口或消息队列机制，确保信息能即时传达给现场执法人 员。 最后，必须考虑系统的稳定性和可靠性。在处理高流量实时数 据时，系统需要具备故障自恢复能力，确保在网络不稳定或设备故 障的情况下仍然能保持基本功能。这可以通过冗余设计和数据备份 合当地法律法规，设定明确的权限管理和数据使用流程。同 时，应 实施数据匿名化和去识别化措施，避免在分析过程中泄露 个人信 息。 在操作层面，人员培训和系统集成同样是不可忽视的挑战。对 于执法人员和相关工作人员，开展定期的培训，提升他们对 AI 技 术的理解以及对智能系统的操作能力极为重要。此外，AI 系统的集 成需考虑与现有公共安全体系的兼容性，以确保新系统能够顺利融 入现有的工作流程。 范围内的活动 进行实时监控。 再者，视频智能挖掘的能力可以为事件的调查提供深入分析， 帮助检察机关、司法机关和执法部门更快、更准确地还原事件经 过。此时，AI 技术应用于资料的整理与比对，将减少因人为失误 而 导致的证据缺失。此外，结合人工智能的信息推理能力，执法 部门 能够更全面地分析事件发生的原因，进而强化对同类事件的预 防。 然而，在应用过程中也需注意数据隐私与伦理问题。实施

全球视⻆与解决⽅案 2024年12⽉ 图29。 无人机总量预测 150 企业⽆⼈机 消费者⽆⼈机 120 90 60 30 0 来源: 花旗全球洞察 请注意，我们没有将分析扩展到军事、执法或在诸如消防等安全领域中使⽤⽆⼈机 。这表明此期间使⽤的⽆⼈机总数可能更⾼。不过，这些领域在本报告的第8章中有 所讨论。 © 2024 花旗集团 35 花旗：全球视⻆与解决⽅案 2024年12⽉ ）正 在美国各地巡逻，结合了⾃主、机器⼈、⼈⼯智能和电动汽⻋技术，帮助执法⼈员 和警卫提供前所未有的情况感知，更好地保护⼈们居住、⼯作、学习和参观的地⽅ 。此外，ASR提供了⼀种物理威慑，有助于在负⾯⾏为开始之前缓解。我们相信， ⻓远来看，有机会建⽴⼀家类似于国防承包商的公司，但专注于美国司法部、国⼟ 安全部、19000家执法机构和8000家私⼈保安公司，提供各种尖端技术。 威廉·桑塔纳·李， 主席兼首席执行官， 全球视⻆与解决⽅案 2024年12⽉ 机器⼈通过使部队参与作战，同时最⼤限度地减少对⼈类⼠兵的⻛险，提供了显著的优势 。 结论 安全与安保⾏业涵盖了⼴泛的领域，包括国防承包、⽹络安全、物理安全和执法。 这些部⻔在维护国家主权、公共安全和保护私⼈实体⽅⾯发挥着⾄关重要的作⽤。 它们也预算庞⼤。例如，2020年全球军事⽀出达到将近2万亿美元。 全球范围内，这些部⻔雇佣了数百万⼈员，涉及各种职位。例如，全球范围内，约