成为智慧城市
历史上，城市居民人数首次超过农村地区。在中国和印度，这一趋势正以惊人的速度加速发展。联合国预测，到2050年，世界三分之二的人口将生活在城市地区。这总计增加了将近70亿的人口——仅比今天居住在整个地球上的人口少10亿。
为了使今天的城市中心适应这种空前的增长，必然会在公民服务管理方面发生重大变化。这些变化部分是由于移动性的变化以及物联网（IoT）越来越多地用于监视建筑环境的驱动。数字信息流可能会淹没现有的信息网络。
为了使公众及时响应，时间范围必须从几个月的度量转换为几天，最终变为几秒钟。城市将不得不利用诸如云、人工智能、5G、自动驾驶汽车、数字孪生、机器人、无人机甚至区块链之类的数字技术。这样做可以将它们转变为具有弹性的智能城市，这些城市可以实时高效运行，并以经济高效的方式支持其居民的健康、安全和生计。
几乎所有Smart City移动应用程序都将基于动态、及时的街道数据。锁定在GIS中的静态二维地图层仅有少数高级技术人员才能访问，将由提供态势感知信息的动态3D移动应用程序代替。然后，这些信息可以通过街道级分析近乎实时地支持智能出租车、基础设施、无人机包裹交付等的智能管理。
一切都与数据有关
自GIS诞生之初，对数据进行管理并将其尽快转换为可操作的可靠信息一直是主要挑战。与生态过程相比，建筑环境中的事物转变得很快，当今大多数城市中发现的信息系统并不是针对他们突然面临的城市交通挑战而设计的。Allvision通过将机器人技术引入当今的世界，为使用移动设备在街道上行走的人们手动记录电话杆、路牌和停车区等事物。通过数字化我们所居住的城市，就可以实现路边空间的优化。
3D映射技术的发展现在包括将移动激光雷达传感器和更高分辨率的摄像头融合在一起，这些摄像头安装在各种车辆和平台上。借助这些技术，可以在很短的时间内收集大量的原始3D现实数据。及时提取所需的3D资产信息需要使用结合了云计算的机器学习AI平台，该平台可以将地理空间数据智能地转换为可操作的信息。该信息最终支持更及时、明智的决策。
Allvision机器学习平台能够接受培训，以极大的灵活性支持这种高速数据处理。凭借利用不同市场中的基础数据的愿景，该软件可以从最初创建的3D数字孪生模型中识别出变化的领域。
因此，可以挖掘此3D模型来跟踪城市想要监视的任意数量的街道级资产。资产可以包括标牌、公共汽车候车亭、街道家具、照明设备、消火栓和最新的停车规定。该平台还可以应用于公交、铁路和公用事业走廊。
路边空间管理
具有前瞻性的城市开始意识到，其路边空间太宝贵了，无法仅用于停放车辆。在城市中心，路边是行动发生的地方。如果城市能够有效地管理路缘空间，那么它们可以控制城市核心区的人员、车辆和服务的流量，同时优化因路缘使用而产生的收入。
智能出租车、踏板车等随需应变服务的迅速兴起，推动了对实时路边使用信息的需求。这样可以动态调整宝贵城市资源的管理，并改善整体用户体验。
Allvision预测自动驾驶汽车在完成其主要任务时，将有许多收集街道水平数据的机会。收集垃圾或清洁街道的公共工程车辆也可以免费获取数据并将其传输回数据中心。支持按需经济的公共汽车、出租车和自动驾驶汽车也可以负责数据收集。
为了使路边管理应用程序有效，需要尽快提供映射信息。这就是Allvision机器学习技术发挥作用的地方。它经过设计和培训，可以尽可能近乎实时地识别感兴趣的对象和所需状态的变化，从而促进系统的动态变化。
专用的路缘空间管理程序还可大大改善ADA法规遵从性的管理。提供最新的街道数据可能会改变残疾人的生活，并确保城市符合ADA法规。
市政府不是唯一获得此信息的客户。私营部门将受益于许多工作流程，包括建筑、乘车共享、生命安全、保险、广告、安全和物流。接近实时的街道分析也将极大地改变城市的公共工程和公用事业。通过映射潜在的天线位置，它也有可能对5G网络产生积极影响。
验证业务模型
为了向未来的客户和潜在的业务合作伙伴展示他们的完整解决方案，Allvision计划在全国范围内进行一系列移动数据收集。Allvision将利用其内部开发的、独特的移动数据收集系统来瞄准中型城市地区，该系统利用了Allvision硬件合作伙伴提供的一些突破性组件。
GIS级（+/-英尺）的3D移动数据收集系统具有高度的便携性、独立性，并且在落地后的几分钟内即可启动并运行。由于系统使用SLAM算法得出扫描仪的位置，因此它不需要全时GNSS网络支持，因此可以在缺乏GPS的城市峡谷中使用，而无需昂贵的IMU。Allvision开发用于处理来自其移动制图系统的原始数据的软件堆栈，是经过专门设计的、用于处理未来激光雷达的融合激光雷达和图像数据的类型。这些车辆将需要类似的真实数据来训练基于AI的驾驶模拟器，而该模拟器将为建立行业安全标准提供必要的条件。
一旦证明了完整的模型，Allvision并不打算从事移动数据收集业务。Allvision计划将其业务重点放在订阅模型上，该模型将利用其专有的机器学习和云平台为各种客户提供街道级别的地理空间数据分析。该订阅以简单的每英里价格成本结构提供。
访问人数：