CN104882007A - 基于流计算的交通信号控制系统搭建方法及控制系统 - Google Patents
基于流计算的交通信号控制系统搭建方法及控制系统 Download PDFInfo
- Publication number
- CN104882007A CN104882007A CN201510256080.1A CN201510256080A CN104882007A CN 104882007 A CN104882007 A CN 104882007A CN 201510256080 A CN201510256080 A CN 201510256080A CN 104882007 A CN104882007 A CN 104882007A
- Authority
- CN
- China
- Prior art keywords
- traffic signal
- data
- control system
- computing system
- stream computing
- 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
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000012545 processing Methods 0.000 claims abstract description 8
- 230000008569 process Effects 0.000 claims description 39
- 238000004364 calculation method Methods 0.000 claims description 32
- 238000013461 design Methods 0.000 claims description 23
- 230000003750 conditioning effect Effects 0.000 claims description 5
- 238000001514 detection method Methods 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 4
- 241001417517 Scatophagidae Species 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 238000012827 research and development Methods 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 229940127052 Hicon Drugs 0.000 description 1
- 229940126655 NDI-034858 Drugs 0.000 description 1
- 241000290929 Nimbus Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 238000005206 flow analysis Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000002826 magnetic-activated cell sorting Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- FVAUCKIRQBBSSJ-LAIFMVDKSA-M sodium;iodine-131(1-) Chemical compound [Na+].[131I-] FVAUCKIRQBBSSJ-LAIFMVDKSA-M 0.000 description 1
- 238000004326 stimulated echo acquisition mode for imaging Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种基于流计算的交通信号控制系统搭建方法及控制系统,所述方法包括:搭建用于接收、缓存和向分布式流计算系统转发的由数据采集模块发送的交通信号数据的数据接入模块的软件开发环境并设计数据接入模块;搭建用于接收和处理所述交通信号数据的分布式流计算系统的软件环境;设计分布式流计算系统的拓扑;根据所述拓扑生成并向所述分布式流计算系统的各节点提交JAR包。本发明所述方法能够实现具有低延迟、分布式、高容错和开放式等优点的交通信号控制系统。
Description
技术领域
本发明属于分布式控制领域,尤其涉及基于流计算的交通信号控制系统搭建方法及控制系统。
背景技术
城市交通系统是一个天然的复杂开放巨系统,涌现出的交通流具有不确定性、时变性、迟滞性等诸多复杂特性,使交通系统控制研究面临着巨大挑战。作为缓解城市交通拥堵的重要发展方向之一,区域交通信号控制旨在利用车辆检测器感知区域交通状况的基础上,经过区域交通信号控制算法的一系列计算、分析和决策,最后主要通过联网道路信号机改变信号灯运行,实现对区域交通的干预和控制。
自1963年加拿大多伦多市出现了第一套集中协调式感应控制信号系统以来,不断有新的区域交通信号控制系统被提出并应用到实际交通管理与控制中,如英国的TRANSYT、SCOOT系统,日本的STEAM、KATNET系统,澳大利亚的SCATS系统,加拿大的RTOP系统,法国的PRODYN系统,德国的MOTION系统,意大利的SPOT/UTOPIA的系统,西班牙ITACA、SANCO系统,美国的RT-TRACS、REHODS、OPAC、ACTRA、SIGOP、Quicnet/4、UTCS-3GC系统。其中,英国的TRANSYT系统、SCOOT系统以及澳大利亚的SCATS系统目前在实际中使用最为广泛,尤其TRANSYT系统更是被世界400多个城市采用。
国内对区域交通信号控制系统的研究起步相对较晚。南京城市交通控制系统(简称NUTCS)是我国自行研发的第一套实时自适应城市交通信号控制系统,由交通部、公安部和南京市共同完成的,是“七五”国家重点科技攻关项目。深圳市有关部门组织科技力量对KATNET系统、SCOOT系统、SCATS系统进行了研究分析,在此基础上自行开发了适应深圳市交通特征的SMOOTH系统。国内厂商和科研单位也搭建了一些区域交通信号控制系统,如青岛海信科技股份有限公司研发的HiCon系统,天津大学的TICS系统,上海交大的SUATS系统,吉林大学的MACS系统,同济大学的TJATCMS系统。
区域交通信号控制系统不仅仅只涉及控制算法,而且还包括内在的数据通信、处理等诸多环节以及外在丰富的人机交互,例如包括设备监控、远程控制、流量分析等,甚至需要与其它智能交通子系统进行交互,是一个复杂、大型的软件系统。然而,已有的区域交通信号控制系统研究大多只聚焦控制算法,忽略了控制系统本身的软件性能,而且出于商业等因素考虑,均较为封闭,往往只能接入厂商自家的信号控制设备,影响真正的区域交通信号控制效果。
发明内容
本发明提供一种基于流计算的交通信号控制系统搭建方法及控制系统,以实现具有低延迟、分布式、高容错和开放式的交通信号控制系统。
本发明的第一个方面是提供一种基于流计算的交通信号控制系统搭建方法,包括:
搭建用于接收、缓存和向分布式流计算系统转发的由数据采集模块发送的交通信号数据的数据接入模块的软件开发环境并设计数据接入模块;
搭建用于接收和处理所述交通信号数据的分布式流计算系统的软件环境;
设计分布式流计算系统的拓扑;
根据所述拓扑生成并向所述分布式流计算系统的各节点提交JAR包。
本发明的第二个方面是提供一种基于流计算的交通信号控制系统,包括:
数据采集模块,用于采集并向所述数据接入模块发送交通信号数据;
数据接入模块,用于接收并向分布式流计算系统转发所述交通信号数据;
分布式流计算系统,用于接收和处理所述交通信号数据。
本发明的有益效果为:
本发明基于流计算的交通信号控制系统搭建方法所搭建的交通信号控制系统,能够替代传统的区域交通信号控制系统搭建方法,而且所搭建的系统具有低延迟、分布式、高容错以及开放式的优良特性,具体的,在实施过程中能够实现在只有两个工作节点的情况下,最大的延迟不超过2ms,体现出高性能和低延迟的特性;同时,Storm框架通过跟踪和应答机制来能保证每条数据得到处理,即使某个节点突然崩溃,也能将数据重新发送给其它节点处理,具有很高的容错性。
附图说明
图1为本发明基于流计算的交通信号控制系统搭建方法实施例一的流程图;
图2为本发明基于流计算的交通信号控制系统搭建方法实施例一中分布式流计算系统的架构图;
图3为本发明基于流计算的交通信号控制系统搭建方法实施例一中通过Storm UI监测得到的系统运行图;
图4为本发明基于流计算的交通信号控制系统搭建方法实施例一中以可视化方式显示的拓扑中各组件的性能图;
图5为本发明基于流计算的交通信号控制系统实施例一的结构框图。
具体实施方式
图1为本发明基于流计算的交通信号控制系统搭建方法实施例一的结构框图,如图1所示,本发明基于流计算的交通信号控制系统搭建方法包括:
S101、搭建用于接收、缓存和向分布式流计算系统转发的由数据采集模块发送的交通信号数据的数据接入模块的软件开发环境并设计数据接入模块;优选的,所述搭建用于接收、缓存和向分布式流计算系统转发的由数据采集模块发送的交通信号数据的数据接入模块的软件开发环境并设计数据接入模块包括:
搭建用于接收、缓存和向分布式流计算系统转发的由数据采集模块发送的交通信号数据的数据接入模块的开源的软件开发环境Kafka0.8并设计数据接入模块;
S102、搭建用于接收和处理所述交通信号数据的分布式流计算系统的软件环境;
优选的,分布式流计算系统基于Storm0.9设计,该版本Storm能够跨平台、例如Linux、Windows等运行,启动不同的脚本即可切换节点扮演的角色,甚至一台计算机可同时充当主节点、ZooKeeper节点和工作节点;
S103、设计分布式流计算系统的拓扑(Topology);优选的,所述设计分布式流计算系统的拓扑,包括:
S1031、根据Storm集群设计分布式流计算系统各节点的分布;所述Storm集群可以包括主节点、进程协调节点(Zookeeper)和工作节点;
S1032、根据Storm拓扑设计分布式流计算系统的进程分量;所述Storm拓扑包括套接字数据源进程分量(SockSpout)、数据预处理进程分量(DataReprocessBolt)、控制进程分量(ControlBolt)和套接字进程分量(SocketBolt);
需要说明的是,Storm是一个具有低延迟、高性能、分布式、易扩展、高容错等优良特性的流计算框架,如图2所示,Topology是Storm的运算单元,封装了所有的计算任务,表现为由一组数据源(Spouts)和数据操作(Bolts)通过指定连接形成的拓扑结构图;Spout负责从来数据源读取数据,然后发送给Bolt进行处理,处理结果可进一步发送给其它Bolt进行处理。通过这种连接,就可以以“流”的方式完成各种复杂的计算,也因此具有较强的扩展性和灵活性;Storm使用Tuple作为“流”的数据模型,每个Tuple由一堆Key-Value对组成,每个值有一个名字(Key),并且每个值(Value)可以是任何类型;Storm集群主要由一个主节点和一群工作节点组成,并通过ZooKeeper进行协调,主节点运行一个后台程序(Nimbus),用于管理分布在集群中的节点,分配计算任务和监测故障;工作节点则运行一个后台程序(Supervisor)用于监听任务分配并基于要求运行工作进程。利用Storm流计算框架搭建区域交通信号控制系统的主要任务就是通过Topology描述区域交通信号控制的逻辑;
通过替换不同Topology就可以实现不同的区域交通信号控制,所以采用Storm搭建的区域交通信号控制系统具有很好的开放性,能够轻易地更换和扩展区域交通信号控制算法,进而接入和兼容其它厂商的检测器和信号机;区域交通信号控制的Topology提交到Storm后,Storm集群将一直运行该Topology直到其被废除或被关闭,而在执行中出现错误时,Storm将重新分配任务,使得系统具有较高的可靠性和容错性;
以下简要说明分布式流计算系统包含4种进程分量的各自的任务:Socket Spout负责不断从Kafka读取其从以太网接收的检测数据,设置并发度为10;Data Reprocess Bolt:负责对同一路口的检测数据进行预处理,设置并发度为20;Control Bolt:负责根据检测数据生成控制策略,设置并发度设置为20;Socket Bolt:负责通过网络将控制策略发送给不同类型的信号机执行,设置并发度为20;四种节点依次连接,形成一个最小的区域交通信号控制系统。
S104、根据所述拓扑生成并向所述分布式流计算系统的各节点提交JAR包;
优选的,借助Eclipse完成拓扑的Java实现,并在本地模拟Topology的分布式运行,调试完成后打包成JAR文件以备使用;Storm还默认支持Clojure、Ruby和Python等语言实现的Topology,其它语言只要实现简单的Storm通信协议也可运行在Storm平台上;在这一过程中,首先启动作为主节点、ZooKeeper节点和工作节点的计算机,并根据各自的角色开启相应的后台程序;然后在主节点上利用Storm提供的命令行脚本提交所实现的Topology的JAR包;Topology的提交过程也是区域交通系统信号控制系统的上线过程,一旦完成提交,区域交通信号控制系统将根据步骤S02设计的逻辑开始工作;
优选的,所述控制系统搭建方法还包括:
S105、根据所述分布式流计算系统的各节点的任务资源分配比和所述拓扑的各进程分量的延迟,动态调整所述拓扑的并发度,这里拓扑的并发度具体的可以指Storm集群的并发度。
Storm支持在运行过程中动态调整Storm集群和Topology的并发度;例如,在工作节点的计算资源较紧张的时候,增加工作节点;或者某个Spout或Bolt节点的处理延时较大时,通过提高其并发度提升数据处理的实时性。整个过程无需停机操作,不会影响在线的区域交通信号控制;
本发明基于流计算的交通信号控制系统搭建方法搭建的交通信号控制系统的基本原理是在利用车辆检测器感知区域交通状况的基础上,经过区域交通信号控制算法的一系列计算、分析和决策,最后主要通过联网道路信号机改变信号灯运行,实现对区域交通的干预和控制;为了测试根据本发明所搭建的区域交通信号控制系统,我们利用软件模拟了100个路口和5种不同的信号机,每个路口安装其中一种信号机,每5分钟发送一次交通检测数据;分布式流计算系统则由三台普通计算机组成,主节点和ZooKeeper公用一台计算机,CPU的型号均为Intel(R)Core(TM)2QuadCPU,Storm集群的计算机配置如表1所示:
表1
系统运行后,可通过Storm UI监测系统的运行,如图3所示,可以观察到工作节点的数量、Topology的组成及其各自的并发度等。该检测平台还能够通过可视化的方式显示Topology中各组件的性能,如图4所示。在Topology的可视化图中,Spout节点用蓝色表示,Bolt节点则用由绿到红的颜色表示,颜色越深表示计算资源越紧张,其上的数字表示对应的延时。数据流用节点之间的有向连线表示,连线的宽度正比于及节点间的数据量,连线上的数字代表发送的数据包在整个系统中的比例以及发送失败的比例。
本发明基于流计算的交通信号控制系统搭建方法实施例一所搭建的交通信号控制系统,能够替代传统的区域交通信号控制系统搭建方法,而且所搭建的系统具有低延迟、分布式、高容错以及开放式的优良特性,具体的,在实施过程中能够实现在只有两个工作节点的情况下,最大的延迟不超过2ms,体现出高性能和低延迟的特性;同时,Storm框架通过跟踪和应答机制来能保证每条数据得到处理,即使某个节点突然崩溃,也能将数据重新发送给其它节点处理,具有很高的容错性。
图5为本发明基于流计算的交通信号控制系统实施例一的结构框图,如图5所示,本发明基于流计算的交通信号控制系统,包括:
数据采集模块21,用于采集并向所述数据接入模块发送交通信号数据;
数据接入模块22,用于接收并向分布式流计算系统转发所述交通信号数据;
分布式流计算系统23,用于接收和处理所述交通信号数据。
优选的,交通信号控制系统还包括:
并发度动态设置模块24,用于根据所述分布式流计算系统的各节点的任务资源分配比和所述拓扑的各进程分量的延迟,动态调整所述拓扑的并发度。
优选的,所述数据采集模块21负责从各种不同的数据源节点上采集数据,例如通过网络从现场的道路信号机、车辆检测器获取检测数据,或者与第三方系统,例如出租车、公交车监控系统,电子警察、卡口系统等进行实时交互获取相关数据,可以采用开源的Flume1.5搭建;优选的,所述数据接入模块22为基于软件开发环境Kafka 0.8进行设计得到,不同类型的数据赋予不同的Topic,这是因为,在数据接入部分,由于采集数据的速度和数据处理的速度不一定同步,为此这里添加一个消息中间件作为缓冲;选用syslogUDP和syslogTCP作为数据源接收信号机上传的检测数据。
优选的,完成核心的区域交通信号控制功能的所述分布式流计算系统23各节点的分布根据Storm集群进行设计得到,所述分布式流计算系统的进程分量根据Storm拓扑进行设计得到;优选的,所述Storm集群包括主节点、进程协调节点(Zookeeper)和工作节点;所述Storm拓扑包括套接字数据源进程分量(Sock Spout)、数据预处理进程分量(Data Reprocess Bolt)、控制进程分量(Control Bolt)和套接字进程分量(Socket Bolt)。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种基于流计算的交通信号控制系统搭建方法,其特征在于,包括:
搭建用于接收、缓存和向分布式流计算系统转发的由数据采集模块发送的交通信号数据的数据接入模块的软件开发环境并设计数据接入模块;
搭建用于接收和处理所述交通信号数据的分布式流计算系统的软件环境;
设计分布式流计算系统的拓扑;
根据所述拓扑生成并向所述分布式流计算系统的各节点提交JAR包。
2.根据权利要求1所述的基于流计算的交通信号控制系统搭建方法,其特征在于,所述设计分布式流计算系统的拓扑,包括:
根据Storm集群设计分布式流计算系统各节点的分布;
根据Storm拓扑设计分布式流计算系统的进程分量。
3.根据权利要求2所述的基于流计算的交通信号控制系统搭建方法,其特征在于,所述Storm集群包括主节点、进程协调节点Zookeeper和工作节点;所述Storm拓扑包括数据源进程分量、数据预处理进程分量、控制进程分量和套接字进程分量。
4.根据权利要求1所述的基于流计算的交通信号控制系统搭建方法,其特征在于,还包括:
根据所述分布式流计算系统的各节点的任务资源分配比和所述拓扑的各进程分量的延迟,动态调整所述拓扑的并发度。
5.根据权利要求1所述的基于流计算的交通信号控制系统搭建方法,其特征在于,所述搭建用于接收、缓存和向分布式流计算系统转发的由数据采集模块发送的交通信号数据的数据接入模块的软件开发环境并设计数据接入模块包括:
搭建用于接收、缓存和向分布式流计算系统转发的由数据采集模块发送的交通信号数据的数据接入模块的软件开发环境Kafka并设计数据接入模块。
6.一种基于流计算的交通信号控制系统,其特征在于,包括:
数据采集模块,用于采集并向所述数据接入模块发送交通信号数据;
数据接入模块,用于接收并向分布式流计算系统转发所述交通信号数据;
分布式流计算系统,用于接收和处理所述交通信号数据。
7.根据权利要求6所述的基于流计算的交通信号控制系统,其特征在于,所述分布式流计算系统各节点的分布根据Storm集群进行设计得到;所述分布式流计算系统的进程分量根据Storm拓扑进行设计得到。
8.根据权利要求7所述的基于流计算的交通信号控制系统,其特征在于,所述Storm集群包括主节点、进程协调节点Zookeeper和工作节点;所述Storm拓扑包括数据源进程分量、数据预处理进程分量、控制进程分量和套接字进程分量。
9.根据权利要求6所述的基于流计算的交通信号控制系统,其特征在于,还包括:
并发度动态设置模块,用于根据所述分布式流计算系统的各节点的任务资源分配比和所述拓扑的各进程分量的延迟,动态调整所述拓扑的并发度。
10.根据权利要求6所述的基于流计算的交通信号控制系统,其特征在于,所述数据接入模块为基于软件开发环境Kafka进行设计得到。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510256080.1A CN104882007A (zh) | 2015-05-19 | 2015-05-19 | 基于流计算的交通信号控制系统搭建方法及控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510256080.1A CN104882007A (zh) | 2015-05-19 | 2015-05-19 | 基于流计算的交通信号控制系统搭建方法及控制系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104882007A true CN104882007A (zh) | 2015-09-02 |
Family
ID=53949484
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510256080.1A Pending CN104882007A (zh) | 2015-05-19 | 2015-05-19 | 基于流计算的交通信号控制系统搭建方法及控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104882007A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105869396A (zh) * | 2016-04-28 | 2016-08-17 | 泰华智慧产业集团股份有限公司 | 基于大数据平台的过车指数统计方法及系统 |
CN106371366A (zh) * | 2016-09-22 | 2017-02-01 | 南京中新赛克科技有限责任公司 | 基于arm架构的大数据采集与分析平台 |
CN106933549A (zh) * | 2015-12-29 | 2017-07-07 | 中移(苏州)软件技术有限公司 | 基于流计算引擎的可定制化模块开发系统及方法 |
CN110085048A (zh) * | 2019-06-04 | 2019-08-02 | 湖南智慧畅行交通科技有限公司 | 一种基于gps数据的公交车实时到离站点计算方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1353308A1 (de) * | 2002-04-11 | 2003-10-15 | Siemens Aktiengesellschaft | Verfahren zum verkehrstechnischen Definieren eines lichtsignalgesteuerten Knotenpunktes |
CN104050261A (zh) * | 2014-06-16 | 2014-09-17 | 深圳先进技术研究院 | 基于Storm的可变逻辑的通用数据处理系统及方法 |
CN104268260A (zh) * | 2014-10-10 | 2015-01-07 | 中国科学院重庆绿色智能技术研究院 | 一种流数据的分类方法及其装置和系统 |
-
2015
- 2015-05-19 CN CN201510256080.1A patent/CN104882007A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1353308A1 (de) * | 2002-04-11 | 2003-10-15 | Siemens Aktiengesellschaft | Verfahren zum verkehrstechnischen Definieren eines lichtsignalgesteuerten Knotenpunktes |
CN104050261A (zh) * | 2014-06-16 | 2014-09-17 | 深圳先进技术研究院 | 基于Storm的可变逻辑的通用数据处理系统及方法 |
CN104268260A (zh) * | 2014-10-10 | 2015-01-07 | 中国科学院重庆绿色智能技术研究院 | 一种流数据的分类方法及其装置和系统 |
Non-Patent Citations (2)
Title |
---|
周为钢等: ""智能交通大数据处理平台之构建"", 《中国公共安全》 * |
顾伟: "《《中国优秀硕士学位论文全文数据库(信息科技辑)》", 31 December 2013 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106933549A (zh) * | 2015-12-29 | 2017-07-07 | 中移(苏州)软件技术有限公司 | 基于流计算引擎的可定制化模块开发系统及方法 |
CN105869396A (zh) * | 2016-04-28 | 2016-08-17 | 泰华智慧产业集团股份有限公司 | 基于大数据平台的过车指数统计方法及系统 |
CN106371366A (zh) * | 2016-09-22 | 2017-02-01 | 南京中新赛克科技有限责任公司 | 基于arm架构的大数据采集与分析平台 |
CN110085048A (zh) * | 2019-06-04 | 2019-08-02 | 湖南智慧畅行交通科技有限公司 | 一种基于gps数据的公交车实时到离站点计算方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Okafor et al. | Leveraging fog computing for scalable IoT datacenter using spine-leaf network topology | |
CN103607466B (zh) | 一种基于云计算的广域多级分布式并行电网分析方法 | |
CN101256550B (zh) | 复杂电网相位同步并行化评估系统 | |
CN104882007A (zh) | 基于流计算的交通信号控制系统搭建方法及控制系统 | |
Xiong et al. | Cloud operating system for industrial application | |
Ma et al. | Design and implementation of smart city big data processing platform based on distributed architecture | |
CN103051683A (zh) | 一种虚拟电表集抄集中器的创建方法 | |
CN113516331A (zh) | 一种建筑数据处理方法及装置 | |
CN104299170B (zh) | 间歇性能源海量数据处理方法 | |
Zhong | Construction of power IoT platform under digital transformation | |
Cao et al. | Research on intelligent traffic control model and simulation based on the internet of things and cloud platform | |
CN110099116B (zh) | 一种基于大数据的子网安全性评估方法 | |
CN109799728B (zh) | 一种基于层次化自适应策略的容错cps仿真测试方法 | |
Yan et al. | Research on implementation methods of edge computing in intelligent hydrology | |
Fazio et al. | A Map-Reduce Approach for the Dijkstra Algorithm in SDN Over Osmotic Computing Systems | |
CN105554110B (zh) | 云端智慧城市的应用服务方法及系统 | |
Chen et al. | Fog computing support scheme based on fusion of location service and privacy preservation for QoS enhancement | |
CN112799829A (zh) | 一种知识驱动的网络资源编排方法 | |
CN111049936A (zh) | 煤矿井下多系统融合联动控制关系配置方法以及联动智能网关 | |
Wang et al. | Analysis of the relationship between electric cyber-physical systems and ubiquitous electric internet of things | |
Yun et al. | A framework research of power distribution equipment condition monitoring cloud platform based on RESTful web service | |
CN104301402B (zh) | 间歇性能源海量数据处理系统 | |
Guo et al. | Hybrid computing hierarchy based on-line analysis service for power dispatching and control system | |
Zhang et al. | The Smart Grid System Design Based on the Big Data Technology | |
Wang et al. | Development and application of low-latency edge IoT agent device for ubiquitous power Internet of Things |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150902 |