1 目标和概述

目前传统零售行业存在较大的同质性，竞争比较激烈。头部零售企业开始通过大数据分析对日常经营进行指导，以提高坪效并提升运营效率、降低成本。

在此过程中，传统大数据主要集中在货和单，如供应链数据、买单数据等，而对关键信息（消费者）相关的数据采集、分析仍是空白，无法达到优化分析。目前已有一些方案如Wi-Fi探针、客流计等，但都存在缺陷，如无法获知用户画像（性别、年龄等），无法做到精准营销/推送、人-货/人-场/人-单统计分析等。

基于人脸的智慧商超建设变得非常重要，需要建设满足零售要求的智慧零售产品解决方案。

线下智慧零售的边缘计算解决方案基于云-边-端三级架构，通过部署端侧摄像机产品线、边缘侧AI网关产品线、云平台大数据分析系统，从而构建“云边端”协同的智慧零售整体解决方案。

本解决方案强调以边缘计算为核心的线下零售场内数据实时采集、处理、分析与联动。通过构建一系列边缘算力/算法体系框架，完成了诸如实时客群结 构化分析、实时热力计算、实时关注度、实时顾客身份比对、实时单体动线轨迹、实时索引等特色化功能服务，为零售提供基于“顾客”维度的信息采集、分析，结合商家本身的运营体系，有效指导商家的日常经营和提升运营效率。

2 解决方案介绍

线下智慧零售的边缘计算解决方案基于零售行业关注的人-货-场-单多个维度，对各维度进行详细的剖解与 分析，将两两维度进行组合，形成零售行业多维数据分析的NanoCell模型。如图1所示。 

图1 NanoCell模型

整个解决方案基于云-边-端三级架构，端侧完成AI数据的基础采集；边缘侧实现数据汇聚处理，完成数据的采集、清洗和过滤，并对实时性要求高的业务功能进行本地处理响应；云端应用基于大数据进行长周期的业务统计、分析，配合第三方数据指导运营。如图2所示。

图2 解决方案云-边-端三级架构 

具体产品分为硬件产品包、算法产品包、数据应用产品包等。 

（1） 硬件产品包：由前端摄像机系列和边缘AI网关/服务器系列产品构成。其中前端产品为商业场景定 制，部署在场内各采集点位，满足场景化采集需求。边缘AI网关系列作为边缘AI计算的基础载体，部署在场内弱电机房。其中边缘算力产品线如表1所示。

表1 边缘算力产品线 

（2） 算法产品包：分为基础AI算法与业务类算法，实践中通过对商业零售场景所需要的量化指标进行分析，定制和优化了各维度AI算法引擎，新增了实时客群分析、实时热力计算、实时关注度、实时索引等商业领域的边缘侧算法、并配合边缘AI网关进行高性能、高吞吐、高并发、强实时性等本地边缘侧计算，确保数据分析的有效性、实时性和针对性。

（3） 数据应用产品包：在基础场内AI实时数据分析的基础上，进行长时的数据统计与查询类应用，并进行多商户多分店的账号、设备等平台性管理工作。同时可以和三方平台数据打通，完成更多维度的数据管理与分析。在数据安全方面，依托边缘计算能力，实现了从前端到平台的全链路安全策略，做到客户数据不离场。如图3所示。

图3 数据应用产品包

3 代表性及推广价值

基于边缘计算的智慧零售解决方案，区别于传统的云平台方案，在线下门店即可进行边缘侧的AI数据汇聚与处理，实现数据分析的实时性，减少带宽消耗。同时行业头部零售客户对于数据隐私保护有强烈诉求，本解决方案可以在场内边缘侧进行汇聚后直接对接客户的数据平台，有效打消客户的数据隐私疑虑。

基于该方案优势，在京东零售（连锁门店类型）、T11（大型购物商超）等头部客户开展了试点与应用， 取得客户好评。其中京东零售于2019年开始在全国数十个大中城市标杆门店试用，2020年业务全线铺开，依托京东星链平台在全国多省市进行商用落地，推动全国门店的总部集中运营与强管控需求，同时大幅度地节省全国现场巡店成本。T11大型商超自2019年营业以来，基于此方案，日均处理多达上万个顾客的来店行为，每日采集和分析处理多达百万级抓拍图片，进行全时域、全空域的场内数字化重构，形成可量化的顾客行为洞察， 成功建立多达5万人的高频消费顾客会员库，以及多个黑名单人员预警，日常提醒命中率高达98%以上，整体时延2秒钟以内，为进一步服务好高端客户、有效防损建立了评判依据。

通过特斯联线下智慧零售的边缘计算解决方案，赋能大型商超和连锁零售门店，实现了门店在集中运营、强效管控、客户行为洞察、建立客户画像等方面的提质增效。通过京东零售、T11大型商超的落地实践，也使方案具备了可参考和复制性。

摘自《自动化博览》2021年2月刊