CN103996296A - 一种基于云计算的违章拍照自动识别方法 - Google Patents
一种基于云计算的违章拍照自动识别方法 Download PDFInfo
- Publication number
- CN103996296A CN103996296A CN201410225589.5A CN201410225589A CN103996296A CN 103996296 A CN103996296 A CN 103996296A CN 201410225589 A CN201410225589 A CN 201410225589A CN 103996296 A CN103996296 A CN 103996296A
- Authority
- CN
- China
- Prior art keywords
- data
- node
- cloud computing
- regulations
- data processing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Abstract
本发明提供一种基于云计算的违章拍照自动识别方法,其具体实现过程如下:部署云节点:在云计算环境下部署若干台数据处理分节点虚拟机与一台集中中控节点虚拟机,分别负责数据采集处理与集中信息响应;采集违章图像:数据处理分节点处理违章车辆照片后,对车辆车牌照片进行图像学处理,获得违章车牌号信息;集中响应数据:牌号数据分时间片发送到集中中控节点;该集中中控节点查询交通信息数据库,获取车主信息,发送违法告知信息。该一种基于云计算的违章拍照自动识别方法和现有技术相比,一方面利用云计算的优点,提高交通信息处理系统的稳定性、高效性;另一方面通过智能调度,有效利用系统的CPU、内存、网络等资源,实用性强。
Description
技术领域
本发明涉及云计算技术领域,具体的说是一种充分利用服务器和存储资源、节约成本、提高数据处理效率、基于云计算的违章拍照自动识别方法。
背景技术
近年来,随着我国城市化进程的加剧,各类机动车的人均保有量急剧增多。城市交通面临运输效率低、违章现象严重、交通事故频发等问题,各城市现有的道路交通监控、管理系统已经接近饱和,交通运输问题成为制约我国国民经济发展的重要因素。如何有效降低违章事故发生率,找到一个更加科学、智能的交通监管方案,成为交通部门亟待解决的核心问题。
交通违章监管数据具有以下特点:
1)数据量大:交通服务要提供全面的路况,需组成多维、立体的交通综合监测网络,实现对城市道路交通状况、交通违法行为等的全面监测,特别是在交通高峰期需要采集、处理及分析大量的实时监测数据;
2)信息实时处理要求性高:为了有效监控交通违章、事故现场,快速响应交通状况,需要将准确的信息及时反馈给相关责任主体;
3)数据共享需求:交通行业信息资源的全面整合与共享,是智能交通系统高效运行的基本前提,智能交通相关子系统的信息处理、决策分析和信息服务建立在全面、准确、及时的信息资源基础之上。
传统的交通违章监控系统一般在物理设备(PC或服务器等)上连接一个或多个摄像头设备,来对交通现场拍摄统计。一方面,由于物理设备的连接口与处理效率有限,识别处理过程缓慢且数据的传输效率低下,时效性差;另一方面,由于物理设备的配置固定,势必造成交通高峰时的资源占用紧张与交通空闲时的资源浪费情况,无法动态调度系统资源。
随着科技的进步,云计算得到了较大的推广。云计算的一大重要特点,即通过网络与虚拟化技术,将分布在各数据中心中的服务器、存储、网络设备通过管理软件集合起来协同工作,优化系统资源配置比例,实现应用的灵活部署,同时提升资源利用率,降低总能耗,降低运维成本。基于此,在交通监管系统中引入云计算有助于系统的优化,解决上述问题,故现提供一种基于云计算的违章拍照自动识别方法。
发明内容
本发明的技术任务是解决现有技术的不足,提供一种时效性好、充分调度系统资源、基于云计算的违章拍照自动识别方法。
本发明的技术方案是按以下方式实现的,该一种基于云计算的违章拍照自动识别方法,其具体实现过程如下:
一、部署云节点:在云计算环境下部署若干台数据处理分节点虚拟机与一台集中中控节点虚拟机,分别负责数据采集处理与集中信息响应;
二、采集违章图像:数据处理分节点处理违章车辆照片后,对车辆车牌照片进行图像学处理,获得违章车牌号信息,所述图像学处理是指对违章车辆照片进行二值化、裁剪、Radon变换、校正、字符识别处理;
三、集中响应数据:牌号数据分时间片发送到集中中控节点;该集中中控节点查询交通信息数据库,获取车主信息,发送违法告知信息。
在本发明的技术方案中,一方面,采用基于时间片的轮转调度算法,在均匀分配时间片的基础上,根据交通拥挤情况动态加长、缩短各个分节点的时间片,减少各数据处理分节点同时发送数据造成的网络带宽抢占,较好的区分了不同交通状况地区的数据采集差异,科学、实用;另一方面,集中中控节点按照时间片对各个数据处理分节点上报的数据进行响应与反馈,有效降低了CPU、内存被集中抢占的概率,具有高效性、实时性、智能性。
所述步骤一的云节点部署详细步骤为:
A、在云计算环境下,创建一台集中中控节点虚拟机与若干台数据处理分节点虚拟机,所有数据处理分节点均与集中中控节点网络相连;
B、各个虚拟机使用挂载共享存储的方式,在存储服务器内部进行数据传输;
C、集中中控节点通过管理分布式数据处理分节点,间接管理整个系统中的所有交通信息数据。
所述步骤二中数据处理分节点处理违章车辆的步骤为:
a、先将原始汽车图片进行形态学处理以划分出若干明显的区域,然后对各区域进行筛选,以确定车牌范围,并进行裁剪,得到车牌图;
b、对车牌图进行Radon变换,在Radon空间中找出峰值点,把所有峰值点按降序排列,取前几个峰值,计算图片倾斜角度;如果倾斜角度大于10度,则对原始汽车图进行旋转并重新裁剪车牌;否则直接对车牌图进行旋转并进行进一步的校正;
c、通过字符识别技术,将上述步骤b得到的车牌图进行识别,得出违章车牌照片。
所述步骤二中对车辆车牌照片进行图像学处理的详细过程为:
1)读取待处理的违章照片,将其转化为二值图像;
2)去除图像中面积过小的,可以肯定不是车牌的区域;将剩余区域进行开、闭运算,得到连通区域;
3)查找连通域边界,找出所有连通域中最可能是车牌的那一个;
4)对车牌区域进行裁剪;
5)基于Radon变换,求解车牌图的倾斜角度a,并进行倾斜校正、裁剪、二值化处理,得到校正后的车牌二值化图;
6)通过字符识别技术将步骤5)得到的二值化图进行识别,得到违章牌号。
所述步骤中1)转化图片采用门限值为0.3。
所述步骤3)中找到连通区域中的车牌判断标准为:连通域的匹配度=121*面积/周长^2,该匹配度最接近1的连通域即为下述步骤所需的最可能的车牌。
所述集中响应数据采用基于时间片的轮转调度算法,动态调度各个数据处理分节点的数据传输过程,均匀调节网络带宽、CPU、内存的压力,及时响应、反馈交通违章信息,具体步骤如下:
为每个数据处理分节点分配一个时间片,即该节点允许传输数据的时间;
如果在时间片结束时数据还没有传输完,则将未传输完的数据保存到数据处理分节点的数据缓冲池,将时间片分配给另一个分节点;
如果分节点在时间片结束前传输结束,则立即进行节点切换;
每台数据处理分节点获得时间片后,将获取的车牌号以及违章信息统一发送给集中中控节点,集中中控节点在此时间片内,查询交通信息数据库,通过车牌号获取车主信息,发送违法告知信息,并更新交通违章数据库。
本发明与现有技术相比所产生的有益效果是:
本发明的一种基于云计算的违章拍照自动识别方法充分利用云计算的特点,通过网络与虚拟化技术,使用虚拟机替代传统的物理服务器,利用网络将服务器、存储等设备协同起来,优化系统资源配置比例,提升资源利用率,降低总能耗与运维成本;通过使用基于计算机图像处理的二值化、变换、校正、识别等技术,从监控照片中自动获取违法车牌号信息,具有时间复杂度低、识别率高、易编程、易扩展的特点;利用云计算的特点,创建多个数据处理分节点虚拟机与一个集中中控节点虚拟机,充分利用服务器、存储资源,节约成本,提高数据处理效率;通过使用共享存储,在存储服务器内部进行数据传输,减少不必要的网络带宽占用;将违章数据处理功能均匀分布到多个数据处理分节点中,并通过时间片轮询调度算法,科学调度各个分节点对系统资源的抢占,实用性强,易于推广。
附图说明
附图1为本发明的实现流程示意图。
附图2为本发明的系统拓扑图。
附图3为经图像处理后违章车辆的二值图示意图。
附图4为违章车辆照片开闭运算后的连通区域图。
附图5为违章车辆照片经计算后的连通区域图。
附图6为时间片轮转调度算法状态图。
具体实施方式
下面结合附图对本发明的一种基于云计算的违章拍照自动识别方法作以下详细说明。
针对当前交通监管系统监控力度弱、响应效率低、违章漏网率高的不足。如附图1所示,现提供一种基于云计算的违章拍照自动识别方法,该方法一方面利用云计算的优点,使用虚拟机替代物理机处理信息,提高交通信息处理系统的稳定性、高效性等;另一方面,对违章车辆照片进行图像处理,得到牌照信息,具有高扩展性、实用性、高效性。
其具体实现过程如下:
一、部署云节点:在云计算环境下部署若干台数据处理分节点虚拟机与一台集中中控节点虚拟机,分别负责数据采集处理与集中信息响应;
二、采集违章图像:数据处理分节点处理违章车辆照片后,对车辆车牌照片进行图像学处理,获得违章车牌号信息,所述图像学处理是指对违章车辆照片进行二值化、裁剪、Radon变换、校正、字符识别处理;
三、集中响应数据:牌号数据分时间片发送到集中中控节点;该集中中控节点查询交通信息数据库,获取车主信息,发送违法告知信息。
如附图2所示,所述步骤一的云节点部署详细步骤为:
S1、在云计算环境下,创建一台集中中控节点虚拟机与多台数据处理分节点虚拟机,所有数据处理分节点均与集中中控节点网络相连。
S2、为了节省传输大规模图像数据造成的网络带宽占用,各个虚拟机使用挂载共享存储的方式,在存储服务器内部进行数据传输。
S3、集中中控节点通过管理分布式数据处理分节点,间接管理整个系统中的所有交通信息数据。
所述步骤二中数据处理分节点处理违章车辆的步骤为:
A、先将原始汽车图片进行形态学处理以划分出若干明显的区域,然后对各区域进行筛选。由于原始图片可能存在倾斜角度,车牌区域的长宽比不定,但面积与周长平方的比值一定。通过这一关系进行区域筛选,以确定车牌范围,并进行裁剪,得到车牌图。
B、对车牌图进行Radon变换,在Radon空间中找出峰值点,为计算准确,把所有峰值点按降序排列,取前几个峰值,以计算图片倾斜角度。如果倾斜角度大于10度,则对原始汽车图进行旋转并重新裁剪车牌;否则直接对车牌图进行旋转并进行进一步的校正。
C、通过字符识别技术,将S2步得到的车牌图进行识别,得出违章车牌号信息。
所述步骤二中对车辆车牌照片进行图像学处理的详细过程为:
1)读取待处理的违章照片,将其转化为二值图像。
在该技术方案中,一般的采用门限值为0.3附近时车牌字符最为清楚,杂点最少。采用该门限值时转化后的图像如附图3所示。
2)去除图像中面积过小的,可以肯定不是车牌的区域。为定位车牌,将区域进行开、闭运算,以得到连通区域,该连通区域的图像如附图4所示。
3)查找连通域边界。找出所有连通域中最可能是车牌的那一个。
判断的标准是:由于车牌的长宽比约为2:1到3:1之间,其面积s和周长c存在关系:s/c^2≈1/21,以此为特征,取metric=121*area/perimeter^2作为连通域的匹配度,即连通域的匹配度=121*面积/周长^2,它越接近1,说明对应的连通域越有可能对应车牌。如附图5,车牌区域的匹配度为0.95。
4)对车牌区域进行裁剪,得到车牌图。
5)基于Radon变换,求解车牌图的倾斜角度a,并进行倾斜校正、裁剪、二值化处理,得到校正后的车牌二值化图。
6)通过字符识别技术将步骤5)得到的二值化图进行识别,得到违章牌号。
所述集中响应数据采用基于时间片的轮转调度算法,动态调度各个数据处理分节点的数据传输过程,均匀调节网络带宽、CPU、内存的压力,及时响应、反馈交通违章信息,具体步骤如下:
如附图6所示,采用基于时间片的轮转调度算法,防止各数据处理分节点发送数据时的网络带宽拥挤,以及集中中控节点的CPU、内存资源抢占。为每个数据处理分节点分配一个时间段(时间片),即该节点允许传输数据的时间。如果在时间片结束时数据还没有传输完,则将未传输完的数据保存到数据处理分节点的数据缓冲池,将时间片分配给另一个分节点。如果分节点在时间片结束前传输结束,则立即进行节点切换。调度程序所要做的就是维护一张就绪进程列表,当节点用完它的时间片后,它被移到队列的末尾。由于各地交通拥挤程度不同,因此各个分节点的时间片并不等长,系统自动将交通拥挤分节点的时间片长度按照交通繁忙程度动态加长。
每台数据处理分节点获得时间片后,将获取的车牌号以及违章信息统一发送给集中中控节点,集中中控节点在此时间片内,查询交通信息数据库,通过车牌号获取车主信息,发送违法告知信息,并更新交通违章数据库。通过这种方式,有效降低集中中控节点的CPU、内存被多个数据处理分节点同时抢占的可能。
以上所述仅为本发明的实施例而已,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于云计算的违章拍照自动识别方法,其特征在于其具体实现过程如下:
一、部署云节点:在云计算环境下部署若干台数据处理分节点虚拟机与一台集中中控节点虚拟机,分别负责数据采集处理与集中信息响应;
二、采集违章图像:数据处理分节点处理违章车辆照片后,对车辆车牌照片进行图像学处理,获得违章车牌号信息,所述图像学处理是指对违章车辆照片进行二值化、裁剪、Radon变换、校正、字符识别处理;
三、集中响应数据:牌号数据分时间片发送到集中中控节点;该集中中控节点查询交通信息数据库,获取车主信息,发送违法告知信息。
2.根据权利要求1所述的一种基于云计算的违章拍照自动识别方法,其特征在于:所述步骤一的云节点部署详细步骤为:
A、在云计算环境下,创建一台集中中控节点虚拟机与若干台数据处理分节点虚拟机,所有数据处理分节点均与集中中控节点网络相连;
B、各个虚拟机使用挂载共享存储的方式,在存储服务器内部进行数据传输;
C、集中中控节点通过管理分布式数据处理分节点,间接管理整个系统中的所有交通信息数据。
3.根据权利要求1所述的一种基于云计算的违章拍照自动识别方法,其特征在于:所述步骤二中数据处理分节点处理违章车辆的步骤为:
a、先将原始汽车图片进行形态学处理以划分出若干明显的区域,然后对各区域进行筛选,以确定车牌范围,并进行裁剪,得到车牌图;
b、对车牌图进行Radon变换,在Radon空间中找出峰值点,把所有峰值点按降序排列,取前几个峰值,计算图片倾斜角度;如果倾斜角度大于10度,则对原始汽车图进行旋转并重新裁剪车牌;否则直接对车牌图进行旋转并进行进一步的校正;
c、通过字符识别技术,将上述步骤b得到的车牌图进行识别,得出违章车牌照片。
4.根据权利要求3所述的一种基于云计算的违章拍照自动识别方法,其特征在于:所述步骤二中对车辆车牌照片进行图像学处理的详细过程为:
1)读取待处理的违章照片,将其转化为二值图像;
2)去除图像中面积过小的,可以肯定不是车牌的区域;将剩余区域进行开、闭运算,得到连通区域;
3)查找连通域边界,找出所有连通域中最可能是车牌的那一个;
4)对车牌区域进行裁剪;
5)基于Radon变换,求解车牌图的倾斜角度a,并进行倾斜校正、裁剪、二值化处理,得到校正后的车牌二值化图;
6)通过字符识别技术将步骤5)得到的二值化图进行识别,得到违章牌号。
5.根据权利要求4所述的一种基于云计算的违章拍照自动识别方法,其特征在于:所述步骤中1)转化图片采用门限值为0.3。
6.根据权利要求4或5所述的一种基于云计算的违章拍照自动识别方法,其特征在于:所述步骤3)中找到连通区域中的车牌判断标准为:连通域的匹配度=121*面积/周长^2,该匹配度最接近1的连通域即为下述步骤所需的最可能的车牌。
7.根据权利要求1所述的一种基于云计算的违章拍照自动识别方法,其特征在于:所述集中响应数据采用基于时间片的轮转调度算法,动态调度各个数据处理分节点的数据传输过程,均匀调节网络带宽、CPU、内存的压力,及时响应、反馈交通违章信息,具体步骤如下:
为每个数据处理分节点分配一个时间片,即该节点允许传输数据的时间;
如果在时间片结束时数据还没有传输完,则将未传输完的数据保存到数据处理分节点的数据缓冲池,将时间片分配给另一个分节点;
如果分节点在时间片结束前传输结束,则立即进行节点切换;
每台数据处理分节点获得时间片后,将获取的车牌号以及违章信息统一发送给集中中控节点,集中中控节点在此时间片内,查询交通信息数据库,通过车牌号获取车主信息,发送违法告知信息,并更新交通违章数据库。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410225589.5A CN103996296A (zh) | 2014-05-27 | 2014-05-27 | 一种基于云计算的违章拍照自动识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410225589.5A CN103996296A (zh) | 2014-05-27 | 2014-05-27 | 一种基于云计算的违章拍照自动识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103996296A true CN103996296A (zh) | 2014-08-20 |
Family
ID=51310446
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410225589.5A Pending CN103996296A (zh) | 2014-05-27 | 2014-05-27 | 一种基于云计算的违章拍照自动识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103996296A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105046393A (zh) * | 2015-05-04 | 2015-11-11 | 南京智行信息科技有限公司 | 基于云计算的交通资源管理系统 |
CN105243842A (zh) * | 2015-10-10 | 2016-01-13 | 浪潮电子信息产业股份有限公司 | 一种基于云计算的交通违章举报系统和方法 |
CN106846607A (zh) * | 2017-01-11 | 2017-06-13 | 深圳怡化电脑股份有限公司 | 一种纸币识别方法及装置 |
CN109739637A (zh) * | 2018-11-28 | 2019-05-10 | 南通大学 | 一种停车场云存储资源的调度计算方法 |
CN110300260A (zh) * | 2019-06-27 | 2019-10-01 | 深圳中兴网信科技有限公司 | 拍照控制方法、装置、终端、服务器和存储介质 |
CN111192459A (zh) * | 2018-11-15 | 2020-05-22 | 华为技术有限公司 | 一种视频监控布控方法和布控装置 |
CN116778434A (zh) * | 2023-07-07 | 2023-09-19 | 宁波德尔菲信息科技有限公司 | 一种基于计算机视觉的交通违章行为检测系统及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101398894A (zh) * | 2008-06-17 | 2009-04-01 | 浙江师范大学 | 机动车车牌自动识别方法及其实现装置 |
CN102982678A (zh) * | 2012-11-28 | 2013-03-20 | 青岛海信网络科技股份有限公司 | 交通数据信息服务系统及实现交通数据信息服务的方法 |
US20140137259A1 (en) * | 2012-11-09 | 2014-05-15 | International Business Machines Corporation | Methods and apparatus for software license management |
-
2014
- 2014-05-27 CN CN201410225589.5A patent/CN103996296A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101398894A (zh) * | 2008-06-17 | 2009-04-01 | 浙江师范大学 | 机动车车牌自动识别方法及其实现装置 |
US20140137259A1 (en) * | 2012-11-09 | 2014-05-15 | International Business Machines Corporation | Methods and apparatus for software license management |
CN102982678A (zh) * | 2012-11-28 | 2013-03-20 | 青岛海信网络科技股份有限公司 | 交通数据信息服务系统及实现交通数据信息服务的方法 |
Non-Patent Citations (2)
Title |
---|
刘智慧,周媛,苗耀锋: "《即插即用的分布式云端视频处理系统》", 《制造业自动化》 * |
匡桂娟等: "《一种基于时分复用的云资源管理方法》", 《同济大学学报(自然科学版)》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105046393A (zh) * | 2015-05-04 | 2015-11-11 | 南京智行信息科技有限公司 | 基于云计算的交通资源管理系统 |
CN105046393B (zh) * | 2015-05-04 | 2019-03-08 | 南京智行信息科技有限公司 | 基于云计算的交通资源管理系统 |
CN105243842A (zh) * | 2015-10-10 | 2016-01-13 | 浪潮电子信息产业股份有限公司 | 一种基于云计算的交通违章举报系统和方法 |
CN106846607A (zh) * | 2017-01-11 | 2017-06-13 | 深圳怡化电脑股份有限公司 | 一种纸币识别方法及装置 |
CN111192459A (zh) * | 2018-11-15 | 2020-05-22 | 华为技术有限公司 | 一种视频监控布控方法和布控装置 |
CN109739637A (zh) * | 2018-11-28 | 2019-05-10 | 南通大学 | 一种停车场云存储资源的调度计算方法 |
CN109739637B (zh) * | 2018-11-28 | 2022-11-29 | 南通大学 | 一种停车场云存储资源的调度计算方法 |
CN110300260A (zh) * | 2019-06-27 | 2019-10-01 | 深圳中兴网信科技有限公司 | 拍照控制方法、装置、终端、服务器和存储介质 |
CN116778434A (zh) * | 2023-07-07 | 2023-09-19 | 宁波德尔菲信息科技有限公司 | 一种基于计算机视觉的交通违章行为检测系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103996296A (zh) | 一种基于云计算的违章拍照自动识别方法 | |
Yadav et al. | Energy-latency tradeoff for dynamic computation offloading in vehicular fog computing | |
CN103365726B (zh) | 一种面向gpu集群的资源管理方法和系统 | |
LU500343B1 (en) | Self-Adaptive Energy-Optimal Vehicle Clustering Method based on fuzzy C-means | |
CN103684916A (zh) | 一种云计算下智能监控分析方法及系统 | |
CN104363300A (zh) | 一种服务器集群中计算任务分布式调度装置 | |
CN103475538B (zh) | 一种基于多接口的自适应的云服务测试方法 | |
CN103019835A (zh) | 一种多核处理器中断资源优化处理系统和方法 | |
CN108664116A (zh) | 网络功能虚拟化的自适应省电方法、装置及cpu控制器 | |
CN109547541B (zh) | 雾计算环境下基于过滤及分配机制的节点低开销协作方法 | |
CN106027596A (zh) | 一种任务分发方法和装置 | |
CN107769992B (zh) | 一种报文解析分流方法及装置 | |
CN109783225B (zh) | 一种多租户大数据平台的租户优先级管理方法及系统 | |
US11176816B2 (en) | Intelligent cloud traffic control system and traffic control method | |
CN105512188A (zh) | 数据连接方法和数据连接系统 | |
CN113934545A (zh) | 一种视频数据调度方法、系统、电子设备及可读介质 | |
CN113641417A (zh) | 一种基于分支定界法的车辆安全任务卸载方法 | |
JP5876319B2 (ja) | サービス提供システム、サービス提供方法、リソースマネージャ、プログラム | |
CN104156505A (zh) | 一种基于用户行为分析的Hadoop集群作业调度方法及装置 | |
CN116320831B (zh) | 基于边缘计算的园区智能安防系统 | |
CN112398917A (zh) | 面向多站融合架构的实时任务调度方法和装置 | |
CN115776500A (zh) | 基于Agent自组织的路网中服务部署动态调整的方法和系统 | |
Shinkuma et al. | System design for predictive road-traffic information delivery using edge-cloud computing | |
CN109376509A (zh) | 一种kvm任务自动派发系统以及自动派发方法 | |
CN114741200A (zh) | 面向数据中台的计算资源分配方法、装置及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140820 |
|
WD01 | Invention patent application deemed withdrawn after publication |