交通管控大數(shù)據(jù)分析研判系統(tǒng)(編輯修改稿)
2025-07-13 23:47 本頁面
【文章內(nèi)容簡介】 路線平臺采用X86架構(gòu)通用服務(wù)器、“云計(jì)算分布式”架構(gòu)，實(shí)現(xiàn)實(shí)時(shí)流式計(jì)算、分布式數(shù)據(jù)存儲、高性能并發(fā)讀寫以及分布式計(jì)算機(jī)分析挖掘。與六合一、PGIS、等平臺有機(jī)結(jié)合、一體化應(yīng)用。流數(shù)據(jù)處理軟件支持Kafka消息隊(duì)列，良好兼容Hadoop系統(tǒng)，可通過SQL訪問，延遲在2秒內(nèi)；高可靠、高容錯(cuò)、高擴(kuò)展、高吞吐、充分利用系統(tǒng)資源。支持小批量處理模式，每一個(gè)批次的數(shù)據(jù)的時(shí)間間隔可以短至500毫秒。系統(tǒng)數(shù)據(jù)庫服務(wù)器操作系統(tǒng)可選用UNIX、WINDOWS，數(shù)據(jù)庫采用Oracle，要求10g以上版本。應(yīng)用服務(wù)器操作系統(tǒng)可選用WINDOWS、UNIX、LINUX，應(yīng)用中間件采用Tomcat或WebSphere。系統(tǒng)技術(shù)實(shí)現(xiàn)架構(gòu)采用JAVA；具體應(yīng)用上采用以B/S多層架構(gòu)的分布式應(yīng)用架構(gòu)。 Hadoop技術(shù)Hadoop實(shí)現(xiàn)了一個(gè)分布式文件系統(tǒng)(Hadoop Distributed File System)，簡稱HDFS。HDFS有高容錯(cuò)性的特點(diǎn)，并且設(shè)計(jì)用來部署在低廉的(lowcost)硬件上。而且它提供高吞吐量(high throughput)來訪問應(yīng)用程序的數(shù)據(jù)，適合那些有著超大數(shù)據(jù)集(large data set)的應(yīng)用程序。HDFS放寬了(relax)POSIX的要求，可以以流的形式訪問(streaming access)文件系統(tǒng)中的數(shù)據(jù)。優(yōu)點(diǎn)如下：Hadoop是一個(gè)能夠?qū)Υ罅繑?shù)據(jù)進(jìn)行分布式處理的軟件框架。 Hadoop 以一種可靠、高效、可伸縮的方式進(jìn)行數(shù)據(jù)處理。Hadoop 是可靠的，因?yàn)樗僭O(shè)計(jì)算元素和存儲會失敗，因此它維護(hù)多個(gè)工作數(shù)據(jù)副本，確保能夠針對失敗的節(jié)點(diǎn)重新分布處理。Hadoop 是高效的，因?yàn)樗圆⑿械姆绞焦ぷ?，通過并行處理加快處理速度。Hadoop 還是可伸縮的，能夠處理PB級數(shù)據(jù)。此外，Hadoop 依賴于社區(qū)服務(wù)，因此它的成本比較低，任何人都可以使用。Hadoop是一個(gè)能夠讓用戶輕松架構(gòu)和使用的分布式計(jì)算平臺。用戶可以輕松地在Hadoop上開發(fā)和運(yùn)行處理海量數(shù)據(jù)的應(yīng)用程序。它主要有以下幾個(gè)優(yōu)點(diǎn):Hadoop帶有用Java語言編寫的框架，因此運(yùn)行在 Linux 生產(chǎn)平臺上是非常理想的。Hadoop 上的應(yīng)用程序也可以使用其他語言編寫，比如 C++。 Spark技術(shù)Spark是一個(gè)基于內(nèi)存計(jì)算的開源的集群計(jì)算系統(tǒng)，目的是讓數(shù)據(jù)分析更加快速。Spark非常小巧玲瓏，由加州伯克利大學(xué)AMP實(shí)驗(yàn)室的Matei為主的小團(tuán)隊(duì)所開發(fā)。使用的語言是Scala，項(xiàng)目的core部分的代碼只有63個(gè)Scala文件，非常短小精悍。Spark 是一種與 Hadoop 相似的開源集群計(jì)算環(huán)境，但是兩者之間還存在一些不同之處，這些有用的不同之處使 Spark 在某些工作負(fù)載方面表現(xiàn)得更加優(yōu)越，換句話說，Spark 啟用了內(nèi)存分布數(shù)據(jù)集，除了能夠提供交互式查詢外，它還可以優(yōu)化迭代工作負(fù)載。Spark 是在 Scala 語言中實(shí)現(xiàn)的，它將 Scala 用作其應(yīng)用程序框架。與 Hadoop 不同，Spark 和 Scala 能夠緊密集成，其中的 Scala 可以像操作本地集合對象一樣輕松地操作分布式數(shù)據(jù)集。盡管創(chuàng)建 Spark 是為了支持分布式數(shù)據(jù)集上的迭代作業(yè)，但是實(shí)際上它是對 Hadoop 的補(bǔ)充，可以在 Hadoop 文件系統(tǒng)中并行運(yùn)行。通過名為Mesos的第三方集群框架可以支持此行為。Spark 由加州大學(xué)伯克利分校 AMP 實(shí)驗(yàn)室 (Algorithms, Machines, and People Lab) 開發(fā)，可用來構(gòu)建大型的、低延遲的數(shù)據(jù)分析應(yīng)用程序。Spark 集群計(jì)算架構(gòu)：雖然 Spark 與 Hadoop 有相似之處，但它提供了具有有用差異的一個(gè)新的集群計(jì)算框架。首先，Spark 是為集群計(jì)算中的特定類型的工作負(fù)載而設(shè)計(jì)，即那些在并行操作之間重用工作數(shù)據(jù)集（比如機(jī)器學(xué)習(xí)算法）的工作負(fù)載。為了優(yōu)化這些類型的工作負(fù)載，Spark 引進(jìn)了內(nèi)存集群計(jì)算的概念，可在內(nèi)存集群計(jì)算中將數(shù)據(jù)集緩存在內(nèi)存中，以縮短訪問延遲。Spark 還引進(jìn)了名為彈性分布式數(shù)據(jù)集(RDD) 的抽象。RDD 是分布在一組節(jié)點(diǎn)中的只讀對象集合。這些集合是彈性的，如果數(shù)據(jù)集一部分丟失，則可以對它們進(jìn)行重建。重建部分?jǐn)?shù)據(jù)集的過程依賴于容錯(cuò)機(jī)制，該機(jī)制可以維護(hù) 血統(tǒng)（即允許基于數(shù)據(jù)衍生過程重建部分?jǐn)?shù)據(jù)集的信息）。RDD 被表示為一個(gè) Scala 對象，并且可以從文件中創(chuàng)建它；一個(gè)并行化的切片（遍布于節(jié)點(diǎn)之間）；另一個(gè) RDD 的轉(zhuǎn)換形式；并且最終會徹底改變現(xiàn)有 RDD 的持久性，比如請求緩存在內(nèi)存中。Spark 中的應(yīng)用程序稱為驅(qū)動程序，這些驅(qū)動程序可實(shí)現(xiàn)在單一節(jié)點(diǎn)上執(zhí)行的操作或在一組節(jié)點(diǎn)上并行執(zhí)行的操作。與 Hadoop 類似，Spark 支持單節(jié)點(diǎn)集群或多節(jié)點(diǎn)集群。對于多節(jié)點(diǎn)操作，Spark 依賴于 Mesos 集群管理器。Mesos 為分布式應(yīng)用程序的資源共享和隔離提供了一個(gè)有效平臺。該設(shè)置充許 Spark 與 Hadoop 共存于節(jié)點(diǎn)的一個(gè)共享池中。 車輛特征二次識別技術(shù)運(yùn)用車輛特征識別技術(shù)對公路電子監(jiān)控（卡口）和電子警察圖片進(jìn)行二次識別，采集車輛號牌、品牌型號、車身顏色、車輛型號等信息，通過后臺實(shí)時(shí)比對，準(zhǔn)確發(fā)現(xiàn)假牌、套牌等違法嫌疑車輛，通過提取車輛特征信息準(zhǔn)確定位唯一車輛。4 功能設(shè)計(jì) 功能結(jié)構(gòu)圖 功能模塊 首頁 過車總量（1）功能描述在首頁顯示當(dāng)日過車和最近7天過車總量并在地圖標(biāo)注卡口點(diǎn)位。（2）功能界面（3）程序邏輯餅圖：展示當(dāng)天卡口過車總數(shù)，并按照車輛類型分類進(jìn)行統(tǒng)計(jì)。曲線圖：顯示全市卡口最近7天/30天的過車總量過車曲線圖。地圖：與餅圖聯(lián)動，點(diǎn)擊餅圖區(qū)域，地圖高亮標(biāo)示，所有涉及的卡點(diǎn)。更多：點(diǎn)擊進(jìn)入車輛查詢界面。 車型車系（1）功能描述用圖表顯示當(dāng)日所有監(jiān)測點(diǎn)的車型、車系分類。按照總量倒序排列。（2）功能界面（3）程序邏輯車輛類型維護(hù)：在系統(tǒng)維護(hù)模塊，可以對六合一的車輛類型進(jìn)行合并，多個(gè)六合一車輛類型，對一種本系統(tǒng)的車輛類型。車系維護(hù)：在系統(tǒng)維護(hù)模塊，可以對人工采集的車輛品牌，車輛型號，通用名稱，進(jìn)行維護(hù)。車輛類型更多：點(diǎn)擊進(jìn)入車型統(tǒng)計(jì)界面。車系類別更多：點(diǎn)擊進(jìn)入車系統(tǒng)計(jì)界面。 過車流量（1）功能描述顯示全市7天過車和當(dāng)
法律信息相關(guān)推薦
鄂ICP備17016276號-1