Рейтинг: города с наибольшим количеством камер видеонаблюдения в мире

Рейтинг: города с наибольшим количеством камер видеонаблюдения в мире / © Visual Capitalist

Видеонаблюдение становится одной из определяющих черт современных городов, однако уровень контроля существенно различается от одного мегаполиса к другому.

В Лос-Анджелесе установлено более 46 000 камер. В индийском Хайдарабаде — около 900 000. В этой визуализации представлены крупнейшие города мира, ранжированные по количеству камер видеонаблюдения на 1 000 жителей на основе данных Comparitech, что позволяет увидеть, где наблюдение сосредоточено сильнее всего.

По мере того как правительства и муниципальные власти расширяют системы слежения в целях безопасности и развития «умных городов», этот рейтинг дает наглядное представление о том, где сегодня плотность камер — а вместе с ней и уровень общественного наблюдения — достигает максимума.

Первое место занимает индийский Хайдарабад — 79 камер на 1 000 человек. За ним следуют Индаур (72) и Бангалор (41). В совокупности в этих городах установлено более 1,7 миллиона камер.

Стоит отметить, что данные по отдельным городам Китая недоступны из-за закрытости информации. Тем не менее, по оценкам, в стране приходится около 494 камер на тысячу жителей — почти по одной камере на каждых двух человек.

Второй по величине город Пакистана — Лахор занимает четвертое место в мире — 28 камер на 1 000 человек. Всего в городе установлено 410 300 камер, при этом системы распознавания лиц часто связаны с национальными базами данных в режиме реального времени.

Москва занимает шестое место — 20 камер на 1 000 жителей. В западных странах наиболее наблюдаемым городом остается Лондон, который занимает 11-е место в общем рейтинге. Следом идет Лос-Анджелес, где число камер выросло примерно на 34% с 2022 года.

Помимо Лос-Анджелеса, ряд городов демонстрирует аналогичное расширение систем видеонаблюдения в общественных пространствах. Особенно заметен рост в Хайдарабаде — на 104%, в Москве — на 17%, и в Лондоне — на 3,6% с 2022 года. При этом такие системы все активнее используют алгоритмы машинного обучения для выявления закономерностей, автоматического профилирования и обнаружения «подозрительной активности».