CESA-2024001城市智能中枢-人工智能平台总体要求团体标准

ICS35.240.01

CCSL70

团体标准

T/CESAXXXX—202X

城市智能中枢人工智能平台总体要求

Cityintelligentcenter——BasicRequirementsforArtificialIntelligencePlatforms

征求意见稿

在提交反馈意见时，请将您知道的相关专利连同支持性文件一并附上。

已授权的专利证明材料为专利证书复印件或扉页，已公开但尚未授权的专利申请

证明材料为专利公开通知书复印件或扉页，未公开的专利申请的证明材料为专利申请

号和申请日期。

202X-XX-XX发布202X-XX-XX实施

中国电子工业标准化技术协会发布

T/CESAXXXX—202X

目次

前言.............................................................................III

1范围.................................................................................1

2规范性引用文件.......................................................................1

3术语和定义...........................................................................1

4缩略语...............................................................................1

5平台总体框架.........................................................................1

6算力支撑.............................................................................2

7AI能力支撑..........................................................................3

8算法模型管理.........................................................................5

9算法服务.............................................................................7

10对外服务............................................................................8

11安全保障............................................................................8

12运营运维............................................................................8

附录A（资料性）数据导入接口技术要求................................................10

II

T/CESAXXXX—202X

城市智能中枢人工智能平台总体要求

1范围

本文件给出了城市智能中枢人工智能平台的总体框架，规定了平台算力支撑、AI能力支撑、算法模

型管理、算法服务、对外服务、安全保障和运营运维等要求。

本文件适用于城市智能中枢人工智能平台的规划、设计、建设与运营。

2规范性引用文件

下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件，

仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于本

文件。

GB/T28827.1信息技术服务运行维护第1部分：通用要求

GB/T28827.2信息技术服务运行维护第2部分：交付规范

GB/T28827.3信息技术服务运行维护第3部分：应急响应规范

GB/T28827.4信息技术服务运行维护第4部分：数据中心服务要求

GB/T28827.6信息技术服务运行维护第6部分：应用系统服务要求

GB/T42755人工智能面向机器学习的数据标注规程

GB/Z42759智慧城市人工智能技术应用场景分类指南

3术语和定义

下列术语和定义适用于本文件。

3.1

边缘推理edgeinference

将主要处理和数据存储放在尽可能临近源代码处的分布式推理架构。

4缩略语

下列缩略语适用于本文件。

AI：人工智能(ArtificialIntelligence)

CPU：中央处理器（CentralProcessingUnit）

GPU：图形处理器（GraphicsProcessingUnit）

OCR：光学字符识别（OpticalCharacterRecognition）

PB：拍字节（Petabytes）

5平台总体框架

1

T/CESAXXXX—202X

人工智能平台应具有算力支撑、AI能力支撑、算法模型管理、算法服务、对外服务、安全保障和运

营运维等功能。总体框架见图1。

图1总体框架

6算力支撑

6.1算力部署

算力部署应支持多种计算架构部署，要求如下：

a)应提供弹性的计算资源，适用于大规模训练或推理的人工智能应用；

b)应支持机器学习框架的部署和实施；

c)应支持异构人工智能加速器虚拟化环境的部署和实施；

d)应支持模型自动部署和实施；

e)应支持异构算力的资源池化、管理与分配。

6.2算力协同

应根据计算资源和设备通信需求建立“云-边-端”协同的算力资源体系，要求分别如下：

a)云边协同是云侧和边缘设备之间的协作。云边协同可以将边缘设备上的计算负载减少到最低，

并利用云端的大规模计算和存储资源来处理更复杂的任务，同时可以提高响应速度、减少数

据传输延迟，并给资源有限的边缘设备补充提供更高的计算能力。云边协同应符合以下要求：

1)应支持存储边端的推理数据和云侧的模型；

2

T/CESAXXXX—202X

2)应支持云侧对边缘计算资源利用率的监控；

3)宜支持云侧设备和边缘设备的联邦学习。

b)云端协同是指在云侧和终端设备之间的协作，云端协同可以通过分布式计算和并行处理技术

来提高计算效率和吞吐量。云端协同应符合以下要求：

1)应支持实时数据传递；

2)应支持端侧设备多协议接入。

c)边缘协同是指由边缘端设备与云侧设备之间的协作，边缘协同可以在边缘端设备进行实时数

据处理，并为云端提供计算结果。

d)多端协同是指在多个设备之间的协作。多端协同可以通过将任务和数据在不同设备之间分配

和协调，以提供更灵活、高效和交互式的人工智能应用。多端协同应支持任务在不同终端上

的分配与整合。

6.3算力调度

算力调度是对算力资源的有效分配以提高计算效率，实现任务的快速处理，保持系统的稳定性和可

靠性。算力调度应符合以下要求：

a)支持异构计算架构的统一管理和计算资源池化；

b)支持对多个计算单元和AI任务进行统一调度和管理；

c)实现计算任务拆分和模型切换；

d)支持算力按计算任务需求动态调整，包括不仅限于计算资源的动态分配、弹性扩容等；

e)支持计算资源与计算任务的匹配和负载均衡。

7AI能力支撑

7.1训练能力

7.1.1数据标注

数据标注应遵循GB/T42755要求，并符合以下要求：

a)应支持自动标注和人工标注；

b)应支持文本类、音频类、图像类、视频类数据的两种或以上的标注工具或模板；

c)应支持标注信息的管理，包括但不限于标注标签、标注属性等的编辑、删除和查询；

d)应支持标注结果的可视化呈现；

e)应支持标注质检和核验；

f)应支持标注数据统计分析的功能；

g)应支持在线标注，对文本类、音频类、图像类、视频类等多种数据类型，实现文本分割、音

频分割、图像分类、目标检测等标注。

7.1.2训练框架

训练框架应符合以下要求：

a)应支持至少3种开源计算框架；

b)应支持有监督、半监督和无监督学习算法；

c)应支持开源计算框架模型镜像的发布管理、版本管理，训练状态管理。

7.1.3模型训练

3

T/CESAXXXX—202X

模型训练是对算法训练提供所需的训练工具，开展创建算法、训练算法、任务调度、算力资源配置、

算法验证和输出训练报告等。模型训练要求如下：

a)应支持自定义设置训练参数，包括但不限于算法参数、运行参数、训练数据、验证数据等；

b)应支持训练任务的多种操作，包括但不限于创建、查询、提取、开启、终止、删除、修改等；

c)应支持设置训练资源规格；

d)应支持训练任务的信息查看，包括但不限于训练状态、训练进度、训练结果、训练失败原因

等内容；

e)宜支持训练优化技术，包括但不限于混合进度训练、编译优化等；

f)应支持异构计算资源训练；

g)应支持模型训练过程的可视化。

7.1.4模型测试

模型测试要求如下：

a)测试内容应至少包括：功能测试、性能测试、鲁棒性测试、安全性测试、可用性测试、回归

测试等；

b)测试过程应至少包括：测试环境准备、测试数据准备、测试方案设计、测试人员设定、测试

过程数据记录、测试报告发布等方面。

7.1.5模型适配

模型适配要求如下：

a)宜支持CPU、GPU、NPU、ARM等不同处理器的环境适配；

b)宜支持Linux、Windows等不同操作系统环境的适配；

c)宜支持C、C++、Java、Python等不同开发语言模型和系统间的适配；

d)宜支持模型输入输出接口定义，实现模型间、模型和系统间等对接。

7.2推理能力

7.2.1智能感知

智能感知是指通过摄像头、麦克风等各类端侧传感器设备所获取的现场数据，借助图像识别、行为

检测、语音识别、声纹识别等人工智能技术，将真实世界中的视频图像、语音、物理量等信息映射到数

字世界，并进一步从中获取有效的结构化信息。智能感知包括视觉感知、听觉感知和触觉感知，应满足

以下要求：

a)支持音视频、图像、文本等多种非结构化和半结构化数据的智能化推理、多场景算法管理、

多解析任务调度等功能；

b)支持对城市人、地、事、物、情、组织的全动态感知；

c)支持获取接入服务的音频流，对音频流进行解码、音频块提取、音频解析等操作，包括声纹

特征、人声来源、语音内容等解析类型

d)支持获取接入服务的视频流，对视频流进行解码、帧提取、质量检测、特征及属性提取等操

作，包括人脸、人体、结构化、人群和事件等解析类型；

e)支持获取接入服务的图片流，或接收外部接口导入的图片，对图片进行解析，包括人脸、人

体、结构化、OCR文字识别等解析类型；

f)可在云端和边缘端支持主流的推理引擎和主流的深度学习推理框架。

7.2.2智能认知

4

T/CESAXXXX—202X

智能认知包括视觉认知、自然语言处理、触觉引擎和知识引擎。通过将解析后的高价值语义数据进

行汇聚保存，支持对各类感知数据、视图档案化数据、业务数据等多维数据进行融合分析，萃取出富含

更高层次的语义认知信息，应满足以下要求：

a)支持对各类数据进行汇总融合，提取人、地、事、物、情、组织等实体类型，并根据其中的

属性联系、时空联系、语义联系、特征联系等建立相互的关系，为各单位业务提供通用的知

识服务；

b)支持实时搜索，具备结构化和非结构化数据的存储和检索能力；

c)支持包含但不限于聚类分析、分类算法、频度关联分析和推荐系统在内的常用数据挖掘分析

算法；

d)支持以事件为核心，展开进行线索挖掘、事件档案、事件热点、舆情简报、关键词共享以及

用户统计等行为趋势分析能力。

e)可在云端和边缘端支持主流的推理引擎和主流的深度学习推理框架。

8算法模型管理

8.1算法模型调度

算法模型调度应灵活服务不同类型的算法模型，并为这些算法任务的执行提供高效的任务分解和调

度，算法任务分类见附录A.1，至少满足以下要求：

a)应支持对算法任务进行管理，包括算法任务的新建、编辑、暂停、启用等；

b)应支持对多类型、多厂家、多场景的算法进行任务配置，包括任务分解、资源申请与调度等；

c)应提供统一的算法调度引擎，屏蔽底层异构计算资源的差异；

d)应支持对算法任务配置调度策略，包括分时策略、巡检策略、分域策略等；

e)应支持对算法任务配置运行策略，包括优先级调度策略、动态扩缩策略等；

f)宜支持算法任务自动化编排调度，包括依赖关系调度、预测性调度等。

8.2模型库管理

模型库管理用于对集中存储在平台的所有AI模型进行全生命周期的管理。

a)模型库管理功能包括预置常用的AI模型，以及支持模型导入、导出、更新、发布、迁移、版

本控制等功能。模型开发通过可视化辅助开发工具、多模型融合开发、模型二次训练等方式

支持模型的开发与部署；

b)模型库管理应支持对算法模型进行全生命周期管理，包括需求分析、算法新建、验证入仓、

上线、下发部署、监测分析、暂停、更新、下线等。

8.3算法模型评估

算法模型评估应支持对算法进行评价管理，包括基于历史数据跟踪相关算法指标（如准确率和召回

率）、算法功能测试效果（如有效事件占比）、算法被查阅调用次数、生成测试和评价报告等。

8.4第三方算法模型管理

8.4.1概述

第三方算法模型管理是指在人工智能平台中集成和管理来自外部供应商或开发者的算法模型，提供

与第三方算法模型的交互和管理功能，使用户能够轻松地使用和管理外部的算法模型。第三方算法模型

管理应包括集成和导入、验证和安全检查、版本管理三个部分。

5

T/CESAXXXX—202X

8.4.2集成和导入

算法模型集成导入允许平台管理员或用户将外部的算法模型导入到平台中，平台需要提供相应的接

口和工具，使得用户可以方便地将第三方算法模型导入到平台的模型库中。

8.4.3验证和安全检查

算法模型安全验证对集成导入的算法模型进行验证和安全性检查。

8.4.4版本管理

版本管理允许用户在更新或改进模型时，能够方便地跟踪和管理不同版本的模型，包括记录模型的

版本号、日期、作者和变更历史等信息。

8.5算法运行管理

算法运行管理应包括环境配置、资源管理、运行监控、异常处理、参数调优、安全管理、版本管理

等，并且支持云侧集中式部署或边缘侧分布式部署等。

算法运行可查看各算法的运行状态，应满足以下要求：

a)支持针对算法创建的任务数量、任务当前的运行状态进行监控和管理，能够对算法进行任务

停止和重启操作；

b)支持实时根据算法运行状态进行调度和管理，如调整算法参数或调整计算资源；

c)支持对算法运行过程中产生的日志进行记录和分析，以便进行问题排查和优化；

d)支持对算法运行过程中出现的错误进行处理修复，保障算法稳定运行；

e)支持对算法运行进行安全管理，包括数据隐私保护、算法模型保护等。

8.6训练测试样本管理

训练测试样本管理应包括样本收集与获取、样本质量控制、样本标注和注释、样本划分、样本存储、

样本隐私安全、样本增强扩充、样本监控维护等。应至少满足以下要求：

a)支持从数据平台或数据资源层导入用于训练算法的样本数据，数据格式可参考附录A.2；

b)支持数据标注功能，包括不仅限于创建标签和统计标注信息等；

c)支持管理用于训练算法的样本数据，支持数据集创建、删除、更新和查询。

8.7模型部署与发布

8.7.1环境配置管理

环境配置管理功能涉及配置和管理部署环境，包括硬件资源、软件依赖项和网络设置。它确保模型

能够在目标环境中正确运行，并满足性能和资源需求。

8.7.2算法模型部署

算法模型部署负责将训练好的算法模型部署到目标环境中，使其能够处理实时数据并生成预测结

果。

8.7.3更新策略

更新策略功能允许管理和控制模型的更新。它可以包括自动化更新策略、灰度发布策略或手动更新

选项，以确保平滑的模型迭代和更新过程。

6

T/CESAXXXX—202X

8.7.4运行监控

运行监控是指对已部署模型服务进行运行情况监控和维护的过程，以此保障模型稳定运行。监控内

容可包括对模型服务的请求量、成功率、时延、失败分布、资源使用率等。

8.7.5效果评估

效果评估是指评估模型的性能和效果，评估模型效果优劣、驱动模型优化的过程，具体包括评估指

标管理、评估任务管理和模型选择管理。

9算法服务

9.1概述

算法服务指通过人工智能算法支持城市智能中枢的具体业务应用，至少包括民生服务、城市治理、

产业经济、生态宜居和通用业务。

9.2民生服务

立足于利用城市生活数据，快速完成数据查询、知识问答、业务办理等功能，提高人民对政府提供

的就业、扶贫、教育、社会保障、医疗卫生、文化体育等各方面服务的满意度，构建协同高效的政府运

行体系、优质便捷的惠民服务体系的数字化政府。民生服务中人工智能技术的应用场景参见GB/Z42759

中第6章。

9.3城市治理

利用智能中枢汇集的城市管理中的土地资源管理、城乡建设管理、城市更新与环境绿化管理、交通

运输与水务水利管理等数据，结构化地分析和挖掘数据，并在同一个数据治理协议地框架下进行共享，

建成易于组织、管理和利用的动态知识库，并实现城市各系统的工作调控优化及安全风险监测。城市治

理中人工智能技术的应用场景参见GB/Z42759中第7章。

9.4产业经济

利用城市智能中枢汇集的与宏观经济、产业部门、市场密切相关的数据，赋能城市产业经济发展的

研判，产业经济中人工智能技术的应用场景参见GB/Z42759中第8章，并符合以下要求：

a)宏观经济管理：具备分析大量经济数据的能力，运用人工智能模型预测城市经济趋势，提供

宏观经济调控建议；

b)产业管理：能监测生产条件，提供生产流程、生产资源管理优化建议；

c)市场管理：分析市场趋势、风险评估，识别和预警市场中的不合规行为，提供监管支持。

9.5生态宜居

在城市生态宜居建设方面，完善生态监测管理与服务，实现城市低碳绿色发展的目标。生态宜居中

人工智能技术的应用场景参见GB/Z42759中第9章。

9.6通用业务

通用业务应支持用户认证服务、证照识别服务及第三方支持服务。

a)用户认证服务：通过用户的用户名、密码、证件和生物特征，对用户登录进行认证，确保为

用户本人进行政务业务的办理；

7

T/CESAXXXX—202X

b)政务证照识别服务：支持卡证、表单、票据类文字识别服务，并结构化其文本，输出结构化

数据对象，包括但不限于银行卡、营业执照、驾驶证、飞机行程单、通用表格、通用文字、

身份证、结婚证、护照、不动产权证书、出租车发票、火车票、增值税发票、行驶证等；

c)第三方支持服务：应具备模型的导入导出、测试、评估、更新能力，能提供模型的发布及版

本控制，并具备安全与隐私保护能力。

10对外服务

10.1服务管理

服务管理应支持通过服务目录、服务注册等方式授权用户依个人喜好对服务内容进行订阅、添加、

删除操作。

10.2服务对接

服务对接应支持为上层业务平台提供相应的AI服务（智能感知、智能认知、算法等）和事件推送接

口调用，事件推送接口消息体定义应符合附录A.3的要求。

10.3服务计量

服务计量应包括响应时间、吞吐量、并发数、数据传输量、访问频率、成本等。

11安全保障

安全保障应符合以下要求：

a)支持租户隔离的AI的推理及AI的训练，满足多样化、多场景的AI需求；

b)平台与算法应独立与解耦，算法安全问题不应导致平台出现安全风险；

c)对个人或敏感数据的处理和存储应符合相关的隐私法规，并采取适当的加密和访问控制措施；

d)应确保在开发和训练模型时，对输入数据进行审查以防止潜在的恶意攻击，并进行模型的安

全审计和鲁棒性测试；

e)应避免模型受到偏见和歧视的影响，需要审查和清理输入数据集，以确保公正和平等的决策

和结果；

f)应制定和遵守伦理准则，确保人工智能系统的设计和应用符合道德和社会价值观，并避免人

工智能被用于恶意活动或违法行为；

g)应进行持续的监测和更新，及时修复漏洞和改进系统的安全性。

12运营运维

12.1运营

城市智能中枢人工智能平台运营主要围绕如何让算力运转高效、业务算法准确，符合以下要求：

a)运营体系建设：应针对组织岗位设置、规章制度完善、政务事项清单梳理优化、业务流程梳

理优化、监督评价体系规划等内容进行完善、补充、建议等；

b)算力运营：应支持算力的监控、算力分析报告、算力风险分析报告、算力扩容申请、算力调

整、算力扩容等；

8

T/CESAXXXX—202X

c)算法运营：应支持算法调优、算法版本更新迭代、算法的部署、端侧设备与算法适配、算法

仓维护和更新、算法资产管理、算法的开发，训练和发布等；

d)数据运营：应支持算法的训练、调优、运行，包括数据采集、数据清洗、数据信息抽取、数

据标注等。

e)业务场景运营：应对业务场景进行分解，并进行算法适配和业务场景的融合。确定算法和场

景后，应进行整体方案的设计、输出、验证和上线，并将新业务场景方案入库，沉淀成为新

的资产。

12.2运维

运维应满足以下要求：

a)运行维护通用要求应符合GB/T28827.1的要求；

b)运行维护的交付应符合GB/T28827.2的规范；

c)运行维护中的应急响应应符合GB/T28827.3的规范；

d)数据中心运行维护服务要求应符合GB/T28827.4的要求；

e)应用系统运行维护服务要求应符合GB/T28827.6的要求。

9

T/CESAXXXX—202X

附录A

（资料性）

数据导入接口技术要求

A.1任务分类

人工智能平台算法任务主要分为人、物、动、态四个部分。详细分类见表A.1，包括但不限于以下

算法。

表A.1任务分类

序号维度分类名称

以人脸为核心的包括年龄、性别、戴帽子、戴口罩、打电话、发型、笑脸、1:1核验、

1人脸

1:N比对、人脸聚档、以图搜图、以图搜档、同行分析、轨迹查询等算法。

以人体为核心的性别、发型、戴帽子、戴口罩、打电话、上身颜色、上身服饰、下身

人

2人体颜色、下身服饰、行人朝向、人体聚档、1:N比对、以图搜图、以图搜档、同行分析、

轨迹查询等算法。

3语音语义语音转文字、语义理解、声纹1：1、声纹1：N等算法。

包括非机动车类别、颜色、是否载人、是否戴帽、是否违停、是否逆行、朝向识别等

4非机动车

算法。

物包括车型、车身颜色、品牌、车牌、类型、朝向等机动车基础信息识别以及驾驶员打

5机动车电话、是否系安全带等行为，车辆以图搜车、套牌车、同行分析、落脚点分析、昼伏

夜出分析、违停检测、逆行检测等算法。

包括持刀、打标语、打架、偷拍、徘徊、摔倒、快速移动、人群逆流、区域入侵、拌

6动行为

绊线、MAC追踪等算法。

包括独居老人关怀、人员数量、人员密度、人群聚集、人员配备不合规、区域人数统

7态状态

计、口罩统计、笑脸分析、时空碰撞、区域排摸、积水检测等算法。

A.2数据导入接口技术要求

人工智能平台训练测试样本管理应具备将训练数据导入的能力。导入渠道应包括但不限于本地上

传、从数据库、FTP、HDFS、Hive、Kafka导入数据等。数据导入的方式应包括但不限于单次、定时和流

式等。

文件类型应支持txt、csv、tsv、parquet、orc等；数据库应支持Oracle、MySQL、MongoDB、Teradata、

Vertica等。应支持导入以下图片、视频与音频格式，见表A.2。

应支持以json格式导入图片数据集的标注信息，标注方式包括图像分类、画框、关键特征点标注、

轮廓标注、文字区域。同一张图片在标注文件信息中可以被添加多个标注。

表A.2导入训练样本数据格式

文件格式扩展名

Jpgjpg、jpeg、JPG、JPEG

Pngpng、PNG

Bmpbmp、BMP

AviAvi

wavWav

1

T/CESAXXXX—202X

A.3事件推送接口消息体定义

时间推送接口消息体定义见表A.3。

表A.3事件推送接口消息体定义

序号标识符参数类型参数说明

1EventIDstring事件ID

2EventNamestring事件名称

3EventTypeint事件类型：1.预测，2.报警，3.态势感知

4DeviceIDstring端侧设备ID

5DeviceNamestring端侧设备名称

6TaskIDstring任务ID

7TaskNamestring任务名称

8AlgorithmIDstring算法ID

9AlgorithmNamestring算法名称

事件坐标，符合ISO6709AnnexH格式的坐标描述字符串。例如:

10geoLocationstring

+48.8577+002.295/(北纬48.8577度,东经2.295度,艾菲尔铁塔坐标）

11EventOutputTypeint事件输出类型：1.场景图，2.语音，3.传感器

12EventOutputURLstring事件输出url

事件发生结束时间，符合RFC3339的时间戳。时区必须是UTC，即，时区位

13DateTimestring

必须是Z

14EventCommentstring事件备注

A.4模型库管理流程

模型库管理流程见图A.1。

图A.1模型库管理流程

11

中国电子工业标准化技术协会

团体标准《城市智能中枢人工智能平台总体要求》（征求

意见稿）编制说明

一、工作简况

2024年1月11日，中国电子工业标准化技术协会下达了2024年第一批团体标

准制修订项目的通知（中电标通〔2024〕001号）。根据该通知，团体标准制订

计划《城市智能中枢人工智能平台总体要求》正式下达，项目计划号为

CESA-2024-001。该标准项目由中国电子工业标准化技术协会归口，牵头单位为

广电运通集团股份有限公司。

二、标准编制原则和确定主要内容的论据及解决的主要问题

城市大脑（也叫城市智能中枢）是运用大数据、云计算、物联网、人工智能、

区块链、数字孪生等技术，提升城市现代化治理能力和城市竞争力的新型基础设

施，是推进城市数字化、智能化、智慧化的重要手段。借助人工智能技术，使得

城市大脑基于海量城市数据进行知识推理并构建知识网络，以推演事物背后的深

层逻辑、形成智能洞察和认知，让城市大脑能够智能化的感知城市生命体征，实

现对城市全域的精准分析、整体研判、协同指挥、科学治理。