本书以阿里云城市大脑智能引擎为基础，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，模拟了智慧交通智慧旅游城市管理3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。项目 1介绍的是城市大脑和城市大脑平台的基础知识。项目 2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，讲述了阿里云机器学习平台 PAI中 PAI-Studio可视化建模平台的使用。项目 3和项目 4通过火车站进站闸机项目和旅游景点人流车流检测项目的设计，讲述了城市卡口、闸机、人流车流类的人工智能应用实现。项目 5和项目 6通过公共区域行人密度检测和禁停区域车辆车流模型的设计及应用两个算法项目，讲述了人工智能算法模型搭建、训练和应用的完整过程。 本书可作为大中专院校计算机科学与技术专业、人工智能相关专业的教材，也可作为相关科研人员、人工智能爱好者的参考用书。

本书内容设计以《城市大脑平台应用与运维职业技能等级要求（中级）》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模拟场景的应用，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、实验代码、课后练习题答案，方便老师教学、学生学习使用

当今世界已步入信息时代，信息技术已渗透到社会发展和日常生活的各个领域，对城市的可持续发展起着不可估量的作用。城市的可持续发展离不开信息化、智能化和智慧化，2020年阿里云发布了城市大脑3.0版本。阿里云城市大脑平台是基于云计算、大数据、人工智能、物联网新一代信息技术构建的人工智能开发创新和运营平台，旨在以城市大脑平台为制高点，助力智慧城市的建设，提高城市的运行效率，解决城市运行中面临的复杂问题，推进城市治理的科学化、精细化和智能化，实现城市的可持续发展，终为人类协同发展提供智能支撑平台。城市大脑是整个城市可持续发展的全新基础设施和智能中枢，可以对整个城市进行全局实时分析，利用城市的数据资源优化调配公共资源，终进化成为治理城市的超级智能手段。
本书内容设计以《城市大脑平台应用与运维职业技能等级要求（中级）》为依据，主要用于开展城市大脑平台应用与运维（中级）1 X证书相关的教学和培训工作。全书详细阐释了智慧城市及城市大脑的概念、组成、架构以及典型应用场景和落地应用情况。同时，阐述了阿里云视觉智能开放平台的能力，意在让读者对该平台的典型能力有基本的认识，进一步了解该平台中的技术能力以及平台相关技术的基本原理。
为方便读者学习使用，本书按项目的形式进行设计。项目来自智慧交通智慧旅游城市管理3个背景下的多个不同应用场景。全书共包含6个项目，其中2个为非代码实现项目，4个为代码实现项目，每个项目从项目背景、项目架构、项目知识、学习目标、项目导图、任务分析、项目总结等方面进行项目的阐释。每个项目通过项目导图将每个项目分为多个任务，逐一分解项目内容，旨在做到通俗易懂、深入浅出。项目内容按照学生学习规律和知识点讲授的内在逻辑关系进行编写，并配套相关练习题，理论与实践相结合，力求做到循序渐进。
本书配套有视频、实验手册、实验代码等数字化学习资源，读者可以扫描书中二维码或登录阿里云全球培训中心网站进行学习。

实验手册实验代码
感谢在本书出版的过程中给予指导的各位老师和同仁，以及清华大学出版社编辑的细心专业指导。由于编著水平有限，书中难免出现疏漏之处，恳请广大读者批评指正。
阿里云计算有限公司2021年4月

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、亚太地区排名的基础设施即服务提供商。

项目 1.认识城市大脑及城市大脑平台 // 1
任务 1-1.认识阿里云城市大脑平台 // 3
任务 1-1-1.了解城市大脑平台的架构 // 3
任务 1-1-2.了解城市大脑平台中的智能引擎 // 5
任务 1-1-3.了解城市大脑平台的应用场景 // 8
任务 1-1-4.了解城市大脑平台的落地应用情况 //10
任务 1-2.了解阿里云视觉智能开放平台的能力 // 11
任务 1-2-1.了解阿里云视觉智能开放平台的人脸人体识别能力 //12
任务 1-2-2.了解阿里云视觉智能开放平台的文字识别能力 //13
任务 1-2-3.了解阿里云视觉智能开放平台的目标检测能力 // 14
任务 1-2-4.了解阿里云视觉智能开放平台的图像识别能力 // 14
项目总结// 15练习题// 15

项目 2.人工智能机器学习平台的使用 //16
任务 2-1.登录并使用 PAI平台// 18
任务 2-2.使用 PAI -Studio进行数据预处理城市天气数据场景 // 22
任务 2-2-1.进入 PAI -Studio平台 // 23
任务 2-2-2.在 PAI -Studio平台创建新项目// 24
任务 2-2-3.在 PAI -Studio平台创建数据源// 26
任务 2-2-4.使用 PAI -Studio进行数据预处理 // 30
任务 2-2-5.使用 PAI-Studio进行数据分析及可视化 //34
任务 2-3.使用 PAI -Studio进行算法模型训练二分类算法实现 // 39
任务 2-3-1.二分类模型数据源建立及类型转化 // 40
任务 2-3-2.数据统计分析及可视化//41
任务 2-3-3.二分类模型训练//43
任务 2-3-4.二分类模型预测// 46
任务 2-3-5.二分类模型评估//48
项目总结// 49练习题// 50

项目 3.数据处理及人工智能应用的实现以火车站进站闸机场景为例 //51
任务 3-1.火车站进站闸机数据的标注与预处理 // 53
任务 3-1-1.对项目数据进行标注和预处理 // 63
任务 3-1-2.通过创建 OSS实例存储项目图片数据 // 65
任务 3-2.为火车站进站闸机项目准备 PAI -DSW开发环境 // 67
任务 3-3.编写火车站进站闸机模型 Python代码 // 72
任务 3-3-1.编写 Python代码导入包 // 76
任务 3-3-2.编写 Python代码定义项目变量 // 77
任务 3-3-3.编写 Python代码上传图片至 OSS并获取 URL // 78
任务 3-3-4.识别进站人员身份证、火车票以及是否佩戴口罩信息// 80
任务 3-3-5.对比进站人员人脸与身份证信息并判断是否开放闸机//81
项目总结// 83练习题// 84

项目 4.数据分析及人工智能应用的实现以旅游景点人流车流检测场景为例 //85
任务 4-1.人流车流检测数据的清洗 // 87
任务 4-2.为人流车流检测项目准备 PAI -DSW平台环境 // 93
任务 4-3.编写人流车流检测项目 Python代码 // 97
任务 4-3-1.编写 Python代码导入包 // 101
任务 4-3-2.编写 Python代码定义项目变量 // 101
任务 4-3-3.编写 Python代码上传图片至 OSS并获取 URL // 102
任务 4-3-4.编写旅游景点人流量检测 Python代码 // 103
任务 4-3-5.编写旅游景点车流量检测 Python代码 // 104
任务 4-4.通过 Excel和 Quick BI进行检测数据的分析与可视化 // 106
任务 4-4-1.通过 Excel展示人流量检测结果// 124
任务 4-4-2.通过阿里云 Quick BI展示车流量检测结果 // 124
项目总结// 125练习题// 126

项目 5.人工智能算法应用以公共区域行人密度检测场景为例 // 127
任务 5-1.对行人数据集进行标注 // 129
任务 5-1-1.行人检测数据集的制作 // 130
任务 5-1-2.行人检测数据集的标注 // 132
任务 5-2.为公共区域行人密度检测项目准备 Pycharm开发环境 // 135
任务 5-2-1.项目运行环境准备 // 138
任务 5-2-2.载入 Python解释器 // 139
任务 5-3.公共区域行人密度检测算法训练及应用 // 141
任务 5-3-1.公共区域行人密度检测模型训练 // 143
任务 5-3-2.公共区域行人密度检测模型预测// 149
任务 5-3-3.公共区域行人密度检测算法应用// 150
项目总结// 151练习题// 151

项目 6.人工智能算法模型设计以禁停区域车辆检测场景为例 // 152
任务 6-1.对禁停区域车辆数据集进行标注 // 154
任务 6-1-1.安装 Labelme并进行数据标注 // 155
任务 6-1-2.禁停区域车辆检测项目数据集制作 // 160
任务 6-2.为禁停区域车辆检测项目准备 Pycharm开发环境 // 165
任务 6-2-1.项目运行环境准备 // 166
任务 6-2-2.在 Pycharm中载入解释器 // 167
任务 6-3.禁停区域车辆检测算法的设计及应用 // 170
任务 6-3-1.禁停区域车辆检测模型算法设计 // 171
任务 6-3-2.禁停区域车辆检测算法应用// 173
项目总结// 175练习题// 176