城市大脑平台应用与运维（高级）

本教材内容设计以《城市大脑平台应用与运维职业技能等级要求（高级）》为根据，重点讲述了城市大脑平台在智慧交通、智慧旅游及城市管理等真实场景的应用，帮助读者了解城市大脑的概况并学习城市大脑平台应用的知识与技能。并配有教学PPT、学习视频、电子实验手册、课后练习题答案，方便老师教学、学生学习使用。

本书从阿里云城市大脑智能引擎的核心能力出发，分别使用“代码实现”和“非代码实现”两种不同的项目实现方式模拟了“智慧交通”“城市管理”两个背景下的多个不同应用场景，并以项目任务的方式分别设计了不同的项目和任务模块，介绍了智能语音应用开发、自然语言处理应用开发及智能视觉应用开发的方法。项目1设计了面向交通场景的大巴车调度功能、道路状况反馈评价系统；项目2设计了高速路绿色通道卡口模型；项目3在“非代码实现”的两个应用场景下，从数据预处理到二分类算法搭建，讲述了机器学习平台PAI中PAI-Studio可视化建模工具的使用；项目4设计了违章车牌识别和区域车流预测两个不同的场景化任务；项目5面向城市管理设计了违章建筑识别场景化任务，讲解了视觉应用中不同算法的应用和实现。其中，项目5是拓展项目，读者可以选学。 本书可作为高校计算机相关专业、人工智能相关专业学生的教材，也可供相关科研人员、人工智能爱好者参考。

阿里云计算有限公司,阿里云（www.alibabacloud.com）创立于2009年，为阿里巴巴集团的数字技术与智能骨干业务，向全球客户提供全方位云服务，包括弹性计算、数据库、存储、网络虚拟化服务、大规模计算、安全、管理和应用服务、大数据分析、机器学习平台以及物联网服务。IDC的资料显示，按2019年收入计算，阿里云是中国领先的公有云服务（包括PaaS和IaaS服务）提供商。而根据Gartner于2020年4月的报告提供的数据，按2019年收入计算，阿里巴巴集团是世界排名第三、亚太地区排名第一的基础设施即服务提供商。

目 录 Contents 项目1.智能语音及自然语言处理应用的开发—— 以交通行业场景为例 任务1-1.调用语音识别API实现大巴车调度功能…………………………………………3 任务1-1-1.大巴车调度项目数据准备……………………………………………………6 任务1-1-2.进入阿里云智能语音交互平台………………………………………………6 任务1-1-3.调用实时语音识别API并记录结果…………………………………………7 任务1-2.利用阿里云PAI-DSW建模平台构建道路状况反馈评价系统…………………9 任务1-2-1.道路状况反馈评价系统数据准备……………………………………………12 任务1-2-2.为道路状况反馈评价系统准备PAI-DSW平台环境……………………………13 任务1-2-3.编写道路状况反馈评价系统Python代码……………………………………16 任务1-2-4.运行实验代码及记录结果……………………………………………………19 项目总结……………………………………………………………………………………21 练习题………………………………………………………………………………………21 项目2.智能视觉应用的开发—— 以高速路绿色通道卡口场景为例 任务2-1.了解阿里云视觉智能开放平台…………………………………………………25 任务2-1-1.了解阿里云视觉智能开放平台的能力………………………………………29 任务2-1-2.了解视觉智能开放平台中的应用算法………………………………………31 任务2-2.为卡口项目准备数据和PAI-DSW平台环境…………………………………33 任务2-2-1.准备卡口项目数据……………………………………………………………35 任务2-2-2.为卡口项目创建OSS实例………………………………………………………37 任务2-2-3.创建并启动PAI-DSW实例………………………………………………………37 任务2-3.高速路绿色通道卡口模型项目实现……………………………………………41 任务2-3-1.编写Python代码导入包………………………………………………………44 任务2-3-2.编写Python代码定义项目变量………………………………………………45 任务2-3-3.编写Python代码上传图片至OSS并获取URL………………………………46 任务2-3-4.编写Python代码识别驾驶员信息是否和车辆信息一致……………………47 任务2-3-5.识别车辆信息并判断是否为绿色通道可通行车辆……………………………48 项目总结……………………………………………………………………………………51 练习题………………………………………………………………………………………51 项目3.人工智能应用算法模型开发——以城市管理场景为例 任务3-1.登录并使用阿里机器学习PAI平台……………………………………………54 任务3-2.使用PAI-Studio可视化建模工具进行数据预处理……………………………57 任务3-2-1.在PAI-Studio平台上创建新项目……………………………………………58 任务3-2-2.在PAI-Studio平台创建数据源………………………………………………59 任务3-2-3.用PAI-Studio进行数据预处理………………………………………………62 任务3-2-4.用PAI-Studio进行数据分析及可视化………………………………………66 任务3-3.使用PAI-Studio可视化建模工具进行模型训练………………………………68 任务3-3-1.二分类模型数据源建立及类型转换……………………………………………69 任务3-3-2.二分类模型类型转换后数据统计及可视化……………………………………70 任务3-3-3.搭建二分类模型训练部分………………………………………………………72 任务3-3-4.搭建二分类模型预测部分……………………………………………………74 任务3-3-5.搭建二分类模型评估部分………………………………………………………75 任务3-4.使用PAI-DSW建模工具进行火情检测算法模型开发…………………………………76 任务3-4-1.准备数据集并搭建实验环境……………………………………………………80 任务3-4-2.PAI-DSW交互式建模实现ResNet+Softmax分类………………………………83 任务3-4-3.代码实现及重难点分析………………………………………………………89 任务3-4-4.调整参数优化识别结果………………………………………………………96 项目总结……………………………………………………………………………………97 练习题………………………………………………………………………………………98 项目4.深度学习算法的应用——以城市交通场景为例 任务4-1.利用Pycharm平台实现违章车牌识别算法…………………………………101 任务4-1-1.U-Net和CNN网络的数据集处理……………………………………………104 任务4-1-2.模型训练前的准备…………………………………………………………108 任务4-1-3.模型搭建及训练实现………………………………………………………111 任务4-1-4.模型预测及预测结果………………………………………………………118 任务4-2.利用Pycharm平台实现区域车流预测算法…………………………………124 任务4-2-1.车流数据准备及预处理………………………………………………………127 任务4-2-2.算法模型搭建及训练…………………………………………………………129 任务4-2-3.车流预测算法模型预测及应用………………………………………………136 项目总结…………………………………………………………………………………145 练习题……………………………………………………………………………………146 项目5.深度学习算法模型设计及应用——以城市管理场景为例 任务5-1.违章建筑检测项目数据准备……………………………………………………149 任务5-1-1.违章建筑数据集预处理……………………………………………………150 任务5-1-2.违章建筑数据集标注………………………………………………………151 任务5-2.违章建筑检测深度学习算法模型的实现………………………………………153 任务5-2-1.预权重载入目标识别网络……………………………………………………156 任务5-2-2.模型训练准备…………………………………………………………………163 任务5-2-3.模型搭建及训练………………………………………………………………168 任务5-2-4.模型预测及预测结果…………………………………………………………171 项目总结…………………………………………………………………………………176 练习题……………………………………………………………………………………177 附录1.子账户的创建及登录……………………………………………………………… 178 附录2.登录OSS管理控制台………………………………………………………………183 附录3.DSW对访问实例的管理……………………………………………………………184 参考文献…………………………………………………………………………………………186