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

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。

目.
Contents

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