道路交通管控大數(shù)據(jù)分析研判系統(tǒng)(編輯修改稿)
2025-07-26 17:45 本頁面
【文章內(nèi)容簡介】 各類基礎應用系統(tǒng)，進行信息檢索和分析研判。如下圖所示： 關鍵技術路線平臺采用X86架構通用服務器、“云計算分布式”架構，實現(xiàn)實時流式計算、分布式數(shù)據(jù)存儲、高性能并發(fā)讀寫以及分布式計算機分析挖掘。與六合一、PGIS、等平臺有機結合、一體化應用。流數(shù)據(jù)處理軟件支持Kafka消息隊列，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、高擴展、高吞吐、充分利用系統(tǒng)資源。支持小批量處理模式，每一個批次的數(shù)據(jù)的時間間隔可以短至500毫秒。系統(tǒng)數(shù)據(jù)庫服務器操作系統(tǒng)可選用UNIX、WINDOWS，數(shù)據(jù)庫采用Oracle，要求10g以上版本。應用服務器操作系統(tǒng)可選用WINDOWS、UNIX、LINUX，應用中間件采用Tomcat或WebSphere。系統(tǒng)技術實現(xiàn)架構采用JAVA；具體應用上采用以B/S多層架構的分布式應用架構。 Hadoop技術Hadoop實現(xiàn)了一個分布式文件系統(tǒng)(Hadoop Distributed File System)，簡稱HDFS。HDFS有高容錯性的特點，并且設計用來部署在低廉的(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)點如下：Hadoop是一個能夠對大量數(shù)據(jù)進行分布式處理的軟件框架。 Hadoop 以一種可靠、高效、可伸縮的方式進行數(shù)據(jù)處理。Hadoop 是可靠的，因為它假設計算元素和存儲會失敗，因此它維護多個工作數(shù)據(jù)副本，確保能夠針對失敗的節(jié)點重新分布處理。Hadoop 是高效的，因為它以并行的方式工作，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，因此它的成本比較低，任何人都可以使用。Hadoop是一個能夠讓用戶輕松架構和使用的分布式計算平臺。用戶可以輕松地在Hadoop上開發(fā)和運行處理海量數(shù)據(jù)的應用程序。它主要有以下幾個優(yōu)點:Hadoop帶有用Java語言編寫的框架，因此運行在 Linux 生產(chǎn)平臺上是非常理想的。Hadoop 上的應用程序也可以使用其他語言編寫，比如 C++。 Spark技術Spark是一個基于內(nèi)存計算的開源的集群計算系統(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AMP實驗室的Matei為主的小團隊所開發(fā)。使用的語言是Scala，項目的core部分的代碼只有63個Scala文件，非常短小精悍。Spark 是一種與 Hadoop 相似的開源集群計算環(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)化迭代工作負載。Spark 是在 Scala 語言中實現(xiàn)的，它將 Scala 用作其應用程序框架。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)，但是實際上它是對 Hadoop 的補充，可以在 Hadoop 文件系統(tǒng)中并行運行。通過名為Mesos的第三方集群框架可以支持此行為。Spark 由加州大學伯克利分校 AMP 實驗室 (Algorithms, Machines, and People Lab) 開發(fā)，可用來構建大型的、低延遲的數(shù)據(jù)分析應用程序。Spark 集群計算架構：雖然 Spark 與 Hadoop 有相似之處，但它提供了具有有用差異的一個新的集群計算框架。首先，Spark 是為集群計算中的特定類型的工作負載而設計，即那些在并行操作之間重用工作數(shù)據(jù)集（比如機器學習算法）的工作負載。為了優(yōu)化這些類型的工作負載，Spark 引進了內(nèi)存集群計算的概念，可在內(nèi)存集群計算中將數(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，則可以對它們進行重建。重建部分數(shù)據(jù)集的過程依賴于容錯機制，該機制可以維護 血統(tǒng)（即允許基于數(shù)據(jù)衍生過程重建部分數(shù)據(jù)集的信息）。RDD 被表示為一個 Scala 對象，并且可以從文件中創(chuàng)建它；一個并行化的切片（遍布于節(jié)點之間）；另一個 RDD 的轉換形式；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 中的應用程序稱為驅動程序，這些驅動程序可實現(xiàn)在單一節(jié)點上執(zhí)行的操作或在一組節(jié)點上并行執(zhí)行的操作。與 Hadoop 類似，Spark 支持單節(jié)點集群或多節(jié)點集群。對于多節(jié)點操作，Spark 依賴于 Mesos 集群管理器。Mesos 為分布式應用程序的資源共享和隔離提供了一個有效平臺。該設置充許 Spark 與 Hadoop 共存于節(jié)點的一個共享池中。 車輛特征二次識別技術運用車輛特征識別技術對公路電子監(jiān)控（卡口）和電子警察圖片進行二次識別，采集車輛號牌、品牌型號、車身顏色、車輛型號等信息，通過后臺實時比對，準確發(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確定位唯一車輛。4 功能設計 功能結構圖 功能模塊 首頁 過車總量（1）功能描述在首頁顯示當日過車和最近7天過車總量并在地圖標注卡口點位。（2）功能界面（3）程序邏輯餅圖：展示當天卡口過車總數(shù)，并按照車輛類型分類進行統(tǒng)計。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，點擊餅圖區(qū)域，地圖高亮標示，所有涉及的卡點。更多：點擊進入車輛查詢界面。 車型車系（1）功能描述用圖表顯示當日所有監(jiān)測點的車型、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：在系統(tǒng)維護模塊，可以對六合一的車輛類型進行合并，多個六合一車輛類型，對一種本系統(tǒng)的車輛類型。車系維護：在系統(tǒng)維護模塊，可以對人工采集的車輛品牌，車輛型號，通用名稱，進行維護。車輛類型更多：點擊
環(huán)評公示相關推薦
鄂ICP備17016276號-1