现有智慧城市中普遍的视频网络和存储解决方案分两种：
第一种：小规模应用。比如超市、商场和小区，一般是摄像头集中接入，通过媒体服务器转发，视频数据集中存储的模式。
这种模式能接入的摄像头比较少，联网能力很差，移动终端也很难联网。
第2种：中大规模的应用，普通采用分级的方式，将视频网络分成多个子网络，每个子网络独立的接入和存储，子网络之间有专线连接。
这种模式解决了部分联网能力，但是子网之间很容易形成瓶颈。比如在公安系统内，视频子网负责视频数据的分发和存储。发生重大公共事件时，公安业务部门有大量的视频访问需求，导致子网络和子网络之间产生了视频瓶颈。同时，这种架构也没有考虑目前网络的发展，联网相对复杂，存在视频孤岛的问题，移动终端和家庭终端的视频联网也是很困难的。
为解决目前音视频网络和存储架构存在的问题，必须采用新的架构方式：
1. 通过点对点的传输解决一部分网络瓶颈的问题：
比如个人用户移动终端访问家庭的视频摄像头，系统提供移动终端到视频摄像头的直接连接和视频交互的能力，避免视频源将视频传送到视频服务器，减少了视频带宽的占用。在子网和子网直接的音视频访问中，如果同一个子网有多个用户访问同一个音视频源，同子网的某个用户可作为音视频的分发者，其余用户通过点对点方式访问该用户的音视频源，减少了子网和子网之间的视频带宽占用。
2. 通过安全加密的传输方式来解决视频传输的安全问题
3. 通过分布式的存储来解决视频网络和存储的问题
方案实现有下面几个关键技术组成：
1. 联网协议：使用SIP(Session Initiation Protocol)协议来进行监控摄像头、手机摄像头、家庭摄像头、智能电视等音视频单元和访问终端的联网定位。通过SIP协议注册到定位服务器，对音视频单元的访问，通过定位服务器可以方便快捷的找到音视频单元，从而解决音视频单元直接互联互通的问题。
