CN116071924B - 一种基于任务分配获取目标车流量的数据处理系统 - Google Patents

一种基于任务分配获取目标车流量的数据处理系统 Download PDF

Info

Publication number
CN116071924B
CN116071924B CN202310093407.2A CN202310093407A CN116071924B CN 116071924 B CN116071924 B CN 116071924B CN 202310093407 A CN202310093407 A CN 202310093407A CN 116071924 B CN116071924 B CN 116071924B
Authority
CN
China
Prior art keywords
task
initial
target
list
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.)
Active
Application number
CN202310093407.2A
Other languages
English (en)
Other versions
CN116071924A (zh
Inventor
曾智颖
李凡平
石柱国
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
ISSA Technology Co Ltd
Original Assignee
ISSA Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by ISSA Technology Co Ltd filed Critical ISSA Technology Co Ltd
Priority to CN202310093407.2A priority Critical patent/CN116071924B/zh
Publication of CN116071924A publication Critical patent/CN116071924A/zh
Application granted granted Critical
Publication of CN116071924B publication Critical patent/CN116071924B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
    • G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供了一种基于任务分配获取目标车流量的数据处理系统，系统包括：处理器和存储有计算机程序的存储器，当计算机程序被处理器执行时，实现以下步骤：接收车流量获取请求，获取第一数据平台发送的初始任务列表和初始时间列表，获取第一数据处理平台列表和候选时间列表，当初始任务的数量不大于第一数据处理平台的数量时，将初始任务列表发送至第一数据处理平台中获取目标任务集，反之，比较初始时间与候选时间，进行处理获取目标任务集，获取候选函数集并将候选函数集发送至第二数据平台，获取初始任务列表对应的目标车流量列表，本发明将任务按规则分配，充分利用资源保证了任务的有效执行，使得获取到的目标车流量的准确度较高。

Description

一种基于任务分配获取目标车流量的数据处理系统
技术领域
本发明涉及交通应用技术领域，特别是涉及一种基于任务分配获取目标车流量的数据处理系统。
背景技术
随着经济的发展和人们生活水平的不断提升，交通道路上的机动车越来越多，该现象导致城市的交通道路的压力也在不断增加，拥堵便成了人们出行中十分常见而又困扰的一件事，如何对交通道路的车流量进行预测成为当下的热门研究问题，通过对车流量准确的进行预测能够提前知晓交通道路的拥堵状况，提前采取措施避免因拥堵现象造成事故发生的情况。
现有技术中，获取目标车流量的方法为：获取待预测任务，将带预测任务随机分布给不同处理器，通过提取待预测路段内历史车辆通行数据，并按车道汇总样本流量数据,计算各车道流量变化浮动值，统计历史车流量数据，最终得出车流量预测值。
综上所述，上述获取目标车流量的方法存在的问题：将任务随机分配，造成任务分配的不均衡，未充分利用资源保证任务有效执行，降低了数据处理平台的运行效率，使得获取到的目标车流量的准确度较低。
发明内容
针对上述技术问题，本发明采用的技术方案为：一种基于任务分配获取目标车流量的数据处理系统，系统包括：处理器和存储有计算机程序的存储器，当所述计算机程序被处理器执行时，实现以下步骤：
S100，接收车流量获取请求，获取第一数据平台发送的初始任务列表A＝{A1，A2，……，Ai，……，An}和A对应的初始时间列表A0＝{A0 1，A0 2，……，A0 i，……，A0 n}，Ai为第i个初始任务，Ai为Ai对应的初始时间，i＝1……n，n为初始任务的数量。
S200，获取第一数据处理平台列表B＝{B1，B2，……，Bj，……，BN}和B对应的候选时间列表B0＝{B0 1，B0 2，……，B0 j，……，B0 N}，Bj为第j个第一数据处理平台，B0 j为Bj对应的候选时间。
S300，当n≤N时，将A发送至B中以获取B对应的目标任务集B'＝{B'1，B'2，……，B'j，……，B'N}，B'j＝Aj且A0 j≤B0 j，其中，Aj为第j个初始任务，A0 j为Aj对应的初始时间。
S400，当n＞N时，将A发送至B中以获取B对应的目标任务集B'＝{B'1，B'2，……，B'j，……，B'N}，B'j为Bj对应的目标任务列表，其中，在S400中还包括如下步骤：
S401，当时，获取B对应的目标任务集B'＝{B'1，B'2，……，B'j，……，B'N}，B'j＝{{B'j1，B'j2，……，B'jr，……，B'js(j)}，其中，/>TB'jr为B'jr对应的初始时间，B'jr为Bj对应的目标任务列表中的第r个目标任务，所述目标任务为从初始任务列表中获取到的初始任务。
S403，当时，获取B对应的第一目标任务集FB＝{FB1，FB2，……，FBj，……，FBN}和第二目标任务集DB＝{DB1，DB2，……，DBj，……，DBN}，FBj为Bj对应的第一目标任务列表，DBj为Bj对应的第二目标任务列表。
S405，根据FB和DB，获取B对应的目标任务集B'＝{B'1，B'2，……，B'j，……，B'N}，其中，B'j＝{FBj，DBj}。
S500，根据B'，获取第一数据处理平台发送的候选函数集并将候选函数集发送至第二数据平台。
S600，根据候选函数集，获取A对应的目标车流量列表。
本发明与现有技术相比具有明显的有益效果，借由上述技术方案，本发明提供的一种基于任务分配获取目标车流量的数据处理系统可达到相当的技术进步性及实用性，并具有产业上的广泛利用价值，其至少具有以下有益效果：
本发明提供了一种基于任务分配获取目标车流量的数据处理系统，系统包括：处理器和存储有计算机程序的存储器，当计算机程序被处理器执行时，实现以下步骤：接收车流量获取请求，获取第一数据平台发送的初始任务列表和初始任务列表的对应的初始时间列表，其中，获取到初始任务的数量，获取第一数据处理平台列表和第一数据处理平台列表对应的候选时间列表，其中，获取到第一数据处理平台的数量，当初始任务的数量不大于第一数据处理平台的数量时，将初始任务列表发送至第一数据处理平台中以获取第一数据处理平台列表对应的目标任务集，当初始任务的数量大于第一数据处理平台的数量时，比较初始任务对应的初始时间之和与第一数据处理平台对应的候选时间之和，进行不同处理获取到第一数据处理平台列表对应的目标任务集，根据目标任务集，获取第一数据处理平台发送的候选函数集并将候选函数集发送至第二数据平台，根据候选函数集，获取初始任务列表对应的目标车流量列表，本发明未将任务随机分配，将任务按规则进行分配，使得任务分配均衡，充分利用资源保证了任务的有效执行，提高了数据处理平台的运行效率，使得获取到的目标车流量的准确度较高。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图,详细说明如下。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例一提供的一种基于任务分配获取目标车流量的数据处理系统的执行计算机程序的流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
本实施例提供了一种基于任务分配获取目标车流量的数据处理系统，所述系统包括：处理器和存储有计算机程序的存储器，当所述计算机程序被处理器执行时，实现以下步骤，如图1所示：
S100，接收车流量获取请求，获取第一数据平台发送的初始任务列表A＝{A1，A2，……，Ai，……，An}和A对应的初始时间列表A0＝{A0 1，A0 2，……，A0 i，……，A0 n}，Ai为第i个初始任务，Ai为Ai对应的初始时间，i＝1……n，n为初始任务的数量。
具体的，所述车流量获取请求为第一数据平台发出的获取车流量的请求。
具体的，所述第一数据平台为初始任务的获取方对应的数据平台，其中，所述数据平台为接收数据并存储数据的平台。
进一步的，所述初始任务列表包括若干个初始任务，所述初始任务为预测目标车道的车流量，其中，所述目标车道为用户提供的需被检测的车道。
具体的，所述初始时间为完成初始任务所需的时间。
S200，获取第一数据处理平台列表B＝{B1，B2，……，Bj，……，BN}和B对应的候选时间列表B0＝{B0 1，B0 2，……，B0 j，……，B0 N}，Bj为第j个第一数据处理平台，B0 j为Bj对应的候选时间。
具体的，所述第一数据处理平台为用于接收初始任务并根据初始任务生成候选函数的数据处理平台。
具体的，所述候选时间为第一数据处理平台执行一次任务所能承载的最大时间，例如某个第一数据处理平台的候选时间为16秒，可以理解为：某个第一数据处理平台一次能够完成16秒及16秒以下的任务，例如一次可以完成一个15秒的任务，也可以完成一个8秒的任务和一个6秒的任务。
进一步的，所述一次任务可包括若干个任务。
具体的，Bj的初始值为Null；可以理解为：初始的第一数据处理平台中不包括任何任务。
S300，当n≤N时，将A发送至B中以获取B对应的目标任务集B'＝{B'1，B'2，……，B'j，……，B'N}，B'j＝Aj且A0 j≤B0 j，其中，Aj为第j个初始任务，A0 j为Aj对应的初始时间。
S400，当n＞N时，将A发送至B中以获取B对应的目标任务集B'＝{B'1，B'2，……，B'j，……，B'N}，B'j为Bj对应的目标任务列表，其中，在S400中还包括如下步骤：
S401，当时，获取B对应的目标任务集B'＝{B'1，B'2，……，B'j，……，B'N}，B'j＝{{B'j1，B'j2，……，B'jr，……，B'js(j)}，其中，/>TB'jr为B'jr对应的初始时间，B'jr为Bj对应的目标任务列表中的第r个目标任务，所述目标任务为从初始任务列表中获取到的初始任务；可以理解为：当完成所有初始任务所需时间不大于所有第一数据处理平台的候选时间时，每个第一数据处理平台根据自己的候选时间进行抢任务使得获取到的任务所需要的时间不超过自己的候选时间。
具体的，本领域技术人员知晓，现有技术中任一根据平台资源配置抢任务的方法，均落入本发明的保护范围，在此不再赘述。
S403，当时，获取B对应的第一目标任务集FB＝{FB1，FB2，……，FBj，……，FBN}和第二目标任务集DB＝{DB1，DB2，……，DBj，……，DBN}，FBj为Bj对应的第一目标任务列表，DBj为Bj对应的第二目标任务列表。
具体的，在S403中FB的获取方式可参照S401中B'的获取方式。
进一步的，所述第一目标任务列表包括若干个第一目标任务，所述第一目标任务为从初始任务列表中获取到的初始任务。
进一步的，在S403中通过如下步骤获取DB：
S4031，根据FB，获取候选任务列表C＝{C1，C2，……，Ce，……，Ct}，Ce为第e个候选任务，e＝1……t，t为候选任务的数量，其中，所述候选任务为从初始任务列表中删除第一目标任务列表后的初始任务。
S4033，当C0 e≤B0 jg-T0时，将Ce插入至DBj且Bj采用第一执行方式对DBj进行处理，其中，B0 jg为FBj中第g个第一目标任务对应的初始时间，C0 e为Ce对应的初始时间，T0为预设的时间阈值。
具体的，所述第一执行方式为轮询执行方式；可以理解为：当第j个第一数据处理平台中有某一第一目标任务的运行时间为15秒时，此时候选任务列表中的某个候选任务的运行时间为3秒，那么将此候选任务插入至正在执行的第一目标任务中，执行1秒第一目标任务，执行1秒候选任务，执行1秒第一目标任务，执行1秒候选任务，……。
进一步的，本领域技术人员知晓，现有技术中任一轮询执行方式，均落入本发明的保护范围，在此不再赘述；
具体的，本领域技术人员知晓，可根据实际需求进行预设的时间阈值的选取，均落入本发明的保护范围，在此不再赘述。
上述，当初始任务的初始时间之和超过第一数据处理平台对应的候选时间时，从初始任务列表中获取第一目标任务使得第一数据处理平台得工作处于满载状态，当候选任务对应的初始时间较短时且某个第一数据处理平台正在执行任务所需时间较长时，将此候选任务插入至此第一数据处理平台中与第一数据处理频台中正在执行的任务交替执行，能够平衡预测任务，保证所有初始任务得到有效执行，提高了数据处理平台的运行效率。
S4035，当C0 e＞B0 jg-T0时，将C中的候选任务按照候选原则插入至DB中且B采用第二执行方式对DB进行处理。
具体的，所述候选原则为当第一数据处理平台处理完部分对应的第一目标任务时根据第一候选时间进行任务选择。
进一步的，所述第一候选时间为候选时间减去实时完成第一目标任务的时间后的时间。
具体的，所述第二执行方式为按照任务的优先顺序执行的执行方式，可以理解为：对第一目标任务进行处理，当第一数据处理平台处理完第一目标任务后对第二目标任务进行依次处理。
上述，将初始任务的时间与第一数据处理平台对应的时间进行比较，根据不同情况进行不同的处理方式，能够保证任务执行的均衡性，充分利用资源保证了任务的有效执行，提高了数据处理平台的运行效率，进而使得获取到的目标车流量的准确度较高。
S405，根据FB和DB，获取B对应的目标任务集B'＝{B'1，B'2，……，B'j，……，B'N}，其中，B'j＝{FBj，DBj}。
S500，根据B'，获取第一数据处理平台发送的候选函数集并将候选函数集发送至第二数据平台。
具体的，所述系统中还包括样本交通道路信息数据库。
具体的，所述样本交通道路信息数据库包括样本车道编码列表及样本车道编码列表对应的样本车道信息集。
进一步的，所述样本车道编码列表包括若干个样本车道编码，所述样本车道编码为样本车道对应的编码，本领域技术人员知晓，现有技术中任一对车道进行编码的方法，均落入本发明的保护范围，在此不再赘述；例如，对车道进行编码的方法为：获取城市K的最内侧车道，将城市K的最内侧车道编码为K1，依次向外对车道编码为K2、K3、……、Kw。
进一步的，所述样本车道包括每个城市对应的车道。
具体的，所述样本车道信息集包括每个样本车道在样本时间段内的样本车流量。
进一步的，本领域技术人员知晓，可根据实际需求进行样本时间段的选取，均落入本发明的保护范围，在此不再赘述。
进一步的，所述样本车流量为通过对样本交通图像利用车流量检测方法获取到的。
进一步的，所述样本交通图像为将样本交通视频进行解码获取到的交通图像，所述样本交通图像为交通路口摄像头实时拍摄的视频；可以理解为：一个车道两端有两个交通路口，样本交通图像为由两端的两个交通路口的摄像头拍摄的视频进行解码获取到的。
进一步的，本领域技术人员知晓，现有技术中任一将视频进行解码获取图像的方法，均落入本发明的保护范围，在此不再赘述。
进一步的，本领域技术人员知晓，现有技术中任一车流量检测方法，均落入本发明的保护范围，在此不再赘述。
具体的，所述系统中还包括样本模型数据库，其中，所述样本模型数据库包括按照若干个维度划分的样本模型，所述维度包括算法种类和超参数，例如按算法种类划分的样本模型包括：随机森林、逻辑回归等，按超参数划分的样本模型包括基本历史统计特征和实时反馈特征等。
进一步的，在S500中还包括如下步骤：
S501，根据B'，获取第j个第一数据处理平台中的第x个目标任务B'jx。
S503，根据样本交通道路信息数据库和B'jx，获取B'jx对应的候选函数Djx且将Djx插入至Dj中。
具体的，所述系统中还包括样本模型数据库，其中，样本模型数据库包括样本模型类型、样本算法名称和样本参数。
具体的，在S503中通过如下步骤获取Djx：
S5031，获取B'jx对应的目标车道编码EB'jx。
S5033，根据样本车道交通信息数据库，获取样本车道编码列表E＝{E1，E2，……，Eμ，……，Eζ}，Eμ为第μ个样本车道编码，μ＝1……ζ，ζ为样本车道编码的数量。
S5035，当EB'jx与Eμ一致时，获取Eμ对应的样本车道信息集FEμ。
S5037，根据FEμ，调用样本模型数据库以获取Djx，其中，本领域技术人员知晓，现有技术中任一根据样本数据和样本模型生成样本函数的方法，均落入本发明的保护范围，在此不再赘述。
上述，将目标任务对应的目标车道与样本车道交通信息数据库中的样本车道编码列表进行对比，匹配完成后调用样本模型数据库中的样本模型，细分到各个车道，可根据交通道路的不同进行不同模型的训练，使得获取到的目标车流量的准确度较高。
S505，将生成的Dj发送至第二数据平台。
上述，利用第一数据平台发送的初始任务，将初始任务与样本车道交通信息数据库中的数据结合，调用样本模型数据库中的模型生成候选函数集，将数据与任务分离，降低了数据处理平台的工作量，提高了数据处理平台的运行效率。
S600，根据候选函数集，获取A对应的目标车流量列表。
具体的，在S600中还包括如下步骤：
S601，将初始任务列表发送至M个第二数据处理平台，获取第二数据处理平台对应的指定任务集。
具体的，所述指定任务集包括每个第二数据处理平台对应的指定任务列表，所述指定任务列表包括若干个指定任务，其中，所述指定任务为从初始任务列表中获取到的初始任务。
具体的，所述第二数据处理平台为用于接收初始任务并根据初始任务获取初始任务对应的目标车流量的数据处理平台。
具体的，在S601中第二数据处理平台对应的指定任务集的获取方式可参照S100～S400。
S603，根据指定任务集，调用D以获取到第二数据处理平台发送的初始任务列表对应的目标车流量列表。
具体的，在S603中还包括如下步骤：
S6031，从指定任务集中获取第z个第二数据处理平台对应的第c个指定任务Lzc。
S6033，从D中获取Lzc对应的候选函数列表Dzc＝{D1 zc，D2 zc，……，Dθ zc，……，Dβ zc}，Dθ zc为Lzc对应的第θ个候选函数，θ＝1……β，β为Lzc对应的候选函数的数量。
具体的，所述候选函数为用于获取目标车流量的函数，例如两元三次函数等候选函数。
S6035，当β＝1时，利用D1 zc对Lzc进行处理以获取Lzc对应的目标车流量。
具体的，本领域技术人员知晓，现有技术中任一已知函数进行预测的方法，均落入本发明的保护范围，在此不再赘述。
S6037，当β＞1时，利用Dzc对Lzc进行处理以获取Lzc对应的候选车流量列表L'zc＝{L1 zc，L2 zc，……，Lθ zc，……，Lβ zc}，其中，Lθ zc为利用Dθ zc对Lzc进行处理获取的候选车流量。
具体的，当β＞1时，说明第二数据平台中存储有历史函数，获取到的初始任务对应的目标车道存在异常事件，不断获取样本模型对候选函数进行更新。
进一步的，所述历史函数为之前对目标车道进行处理获取到的函数。
进一步的，异常事件为道路中存在的影响车流量的事件，例如恶劣天气、修路、交通事故等异常事件。
上述，对初始任务进行处理获取目标车流量时不局限于一种函数，根据目标车道发生的变化进行样本模型的选取从而对候选函数进行更新，提高了获取到的目标车流量的准确度。
S6039，根据L'zc，获取Lzc对应的目标车流量HLzc，其中，HLzc符合如下条件：
其中，λθ为第θ个预设优先级。
具体的，0＜λ1＜……＜λθ＜……＜λβ＜1。
进一步的，本领域技术人员知晓，可根据实际需求进行预设优先级的选取，均落入本发明的保护范围，在此不再赘述。
上述，将利用样本信息生成函数的过程与进行预测的过程在不同的数据处理平台中执行，使每个数据处理平台执行单独的任务，降低了数据处理平台的工作量，提高了数据处理平台的运行效率。
本实施例提供的一种基于任务分配获取目标车流量的数据处理系统，系统包括：处理器和存储有计算机程序的存储器，当计算机程序被处理器执行时，实现以下步骤：接收车流量获取请求，获取第一数据平台发送的初始任务列表和初始任务列表的对应的初始时间列表，其中，获取到初始任务的数量，获取第一数据处理平台列表和第一数据处理平台列表对应的候选时间列表，其中，获取到第一数据处理平台的数量，当初始任务的数量不大于第一数据处理平台的数量时，将初始任务列表发送至第一数据处理平台中以获取第一数据处理平台列表对应的目标任务集，当初始任务的数量大于第一数据处理平台的数量时，比较初始任务对应的初始时间之和与第一数据处理平台对应的候选时间之和，进行不同处理获取到第一数据处理平台列表对应的目标任务集，根据目标任务集，获取第一数据处理平台发送的候选函数集并将候选函数集发送至第二数据平台，根据候选函数集，获取初始任务列表对应的目标车流量列表，本发明未将任务随机分配，将任务按规则进行分配，使得任务分配均衡，充分利用资源保证了任务的有效执行，提高了数据处理平台的运行效率，使得获取到的目标车流量的准确度较高。
实施例二
本实施例提供了一种基于任务分配获取目标车流量的数据处理系统，所述系统包括：处理器和存储有计算机程序的存储器，当所述计算机程序被处理器执行时，实现以下步骤：
S100，接收车流量获取请求，获取第一数据平台发送的初始任务列表。
具体的，所述车流量获取请求为第一数据平台发出的获取车流量的请求。
具体的，所述第一数据平台为初始任务的获取方对应的数据平台。
进一步的，所述初始任务列表包括若干个初始任务，所述初始任务为预测目标车道的车流量，其中，所述目标车道为用户提供的需被检测的车道。
S200，将初始任务列表发送至N个第一数据处理平台，获取第一数据处理平台列表B＝{B1，B2，……，Bj，……，BN}和B对应的目标任务集B'＝{B'1，B'2，……，B'j，……，B'N}，Bj为第j个第一数据处理平台，B'j为第j个第一数据处理平台对应的目标任务列表，j＝1……N，N为第一数据处理平台的数量。
具体的，在S200中B'的获取方式可参照实施例一中S100～S400。
S300，Bj对B'j采用第一规则进行处理，获取Bj发送的第一候选函数列表RBj＝{RB'j1，RB'j2，……，RB'jy，……，RB'jq}，RB'jy为Bj发送的第y个第一候选函数，y＝1……q，q为第一候选函数的数量。
具体的，所述第一规则为用于获取函数的规则。
具体的，所述系统中还包括样本交通道路信息数据库。
进一步的，所述样本交通道路信息数据库与实施例一中的样本交通道路信息数据库一致。
具体的，在S300中包括如下步骤：
S301，从B'j中获取PB'j＝{B'j1，B'j2，……，B'jy，……，B'jq}，B'jy为B'j中第y个目标任务。
具体的，ΔB'j1＞ΔB'j2＞……＞ΔB'jy＞……＞ΔB'jq，其中，ΔB'jy为B'jy的优先程度。
进一步的，所述优先程度为目标任务的先后顺序，可以理解为：获取到的目标任务的时间越靠前，目标任务的优先程度越大。
S303，获取B'jy对应的目标车道编码EB'jy。
S305，根据样本车道交通信息数据库，获取样本车道编码列表E＝{E1，E2，……，Eμ，……，Eζ}，Eμ为第μ个样本车道编码，μ＝1……ζ，ζ为样本车道编码的数量。
S307，当EB'jy与Eμ一致时，获取Eμ对应的样本车道信息集FEμ。
S309，根据FEμ，调用样本模型数据库中的样本模型以获取RB'jy。
具体的，所述调用样本模型数据库中的样本模型采用随机的方式。
具体的，本领域技术人员知晓，现有技术中任一根据数据和模型生成函数的方法，均落入本发明的保护范围，在此不再赘述。
上述，将目标任务对应的目标车道与样本车道交通信息数据库中的样本车道编码列表进行对比，匹配完成后调用样本模型数据库中的样本模型，细分到各个车道，可根据交通道路的不同进行不同模型的训练，使得获取到的目标车流量的准确度较高。
S400，当T1 j≥T0时，Bj对RB'j对应的目标任务采用第二规则进行处理以获取Bj发送的第一目标车流量列表QBj＝{QB'j1，QB'j2，……，QB'jd，……，QB'ja}，RB'jd为Bj发送的第d个第一目标车流量，d＝1……a，a为第一目标车流量的数量，其中，a≤q，T1 j为Bj对B'j采用第一规则进行处理的时间，T0为第一预设时间阈值。
具体的，第二规则为用于获取车流量的规则。
具体的，T0的取值范围为30分钟～60分钟。
进一步的，本领域技术人员知晓，可根据实际需求进行T0的选取，均落入本发明的保护范围，在此不再赘述。
具体的，在S400中还包括如下步骤：
S401，从B'j中的B'j1开始依次获取B'jy。
S403，根据L'jy，获取B'jy对应的目标车流量HB'jy。
具体的，在S403中HB'jy的获取方式可参照实施例一中S6033～S6039。
S500，当T2 j≥T'时，Bj对B'j采用第一规则进行处理以获取Bj发送的第二候选函数列表，其中，T1 j为Bj对B'j采用第二规则进行处理的时间，T'为第二预设时间阈值。
具体的，第二候选函数列表的获取方式可参照本实施例中S300中第一候选函数列表的获取方式。
具体的，T'的取值范围为10分钟～20分钟。
进一步的，本领域技术人员知晓，可根据实际需求进行T'的选取，均落入本发明的保护范围，在此不再赘述。
S600，重复执行S400～S500，获取Bj发送的B'j对应的目标车流量列表EBj＝{EBj1，EBj2，……，EBju，……，EBjf}，EBju为B'j中第u个目标任务对应的目标车流量。
具体的，EBj的获取方式可参照本实施例中S400中第一目标车流量列表的获取方式。
上述，第一数据处理平台处理两种任务，一种根据任务和样本数据生成函数，一种，根据函数对初始任务进行处理获取目标车流量，数据处理平台可执行多个任务，考虑了异常变化进行模型的调整，使得获取到的目标车流量的准确度较高。
本实施例提供的一种基于任务分配获取目标车流量的数据处理系统，系统包括：处理器和存储有计算机程序的存储器，当计算机程序被处理器执行时，实现以下步骤：接收车流量获取请求，获取第一数据平台发送的初始任务列表，将初始任务列表发送至N个第一数据处理平台，获取第一数据处理平台列表和第一数据处理平台列表对应的目标任务集，所述目标任务集中包括若干个目标任务列表，第一数据处理平台对目标任务列表采用第一规则进行处理，获取第一数据处理平台发送的第一候选函数列表，当第一数据处理平台对目标人物列表采用第一规则进行处理的时间不小于第一预设阈值时，第一数据处理平台对目标任务列表采用第二规则进行处理以获取第一数据处理平台发送的第一目标车流量列表，其中，第一目标车流量列表中第一目标车流量的数量不大于第一候选函数列表中第一候选函数的数量，当第一数据处理平台对初始任务采用第二规则进行处理的时间超过第二预设时间阈值时，第一数据处理平台对目标任务采用第一规则进行处理，以获取第二候选函数列表，重复执行第一处理和第二处理，获取第一数据处理平台发送的目标任务集对应的目标车流量列表，本发明可细分到各个车道，可根据交通道路的不同进行不同模型的训练，数据处理平台可执行多个任务，考虑了异常变化进行模型的调整，使得获取到的目标车流量的准确度较高。
虽然已经通过示例对本发明的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上示例仅是为了进行说明，而不是为了限制本发明的范围。本领域的技术人员还应理解，可以对实施例进行多种修改而不脱离本发明的范围和精神。本发明开的范围由所附权利要求来限定。

Claims (3)

1.一种基于任务分配获取目标车流量的数据处理系统，其特征在于，所述系统包括：处理器和存储有计算机程序的存储器，当所述计算机程序被处理器执行时，实现以下步骤：
S100，接收车流量获取请求，获取第一数据平台发送的初始任务列表A＝{A1，A2，……，Ai，……，An}和A对应的初始时间列表A0＝{A0 1，A0 2，……，A0 i，……，A0 n}，Ai为第i个初始任务，Ai为Ai对应的初始时间，i＝1……n，n为初始任务的数量，其中，所述第一数据平台为初始任务的获取方对应的数据平台，其中，所述数据平台为接收数据并存储数据的平台，所述初始任务列表包括若干个初始任务，所述初始任务为预测目标车道的车流量，其中，所述目标车道为用户提供的需被检测的车道，所述初始时间为完成初始任务所需的时间；
S200，获取第一数据处理平台列表B＝{B1，B2，……，Bj，……，BN}和B对应的候选时间列表B0＝{B0 1，B0 2，……，B0 j，……，B0 N}，Bj为第j个第一数据处理平台，B0 j为Bj对应的候选时间，其中，所述第一数据处理平台为用于接收初始任务并根据初始任务生成候选函数的数据处理平台，所述候选时间为第一数据处理平台执行一次任务所能承载的最大时间；
S300，当n≤N时，将A发送至B中以获取B对应的目标任务集B'＝{B'1，B'2，……，B'j，……，B'N}，B'j＝Aj且A0 j≤B0 j，其中，Aj为第j个初始任务，A0 j为Aj对应的初始时间；
S400，当n＞N时，将A发送至B中以获取B对应的目标任务集B'＝{B'1，B'2，……，B'j，……，B'N}，B'j为Bj对应的目标任务列表，其中，在S400中还包括如下步骤：
S401，当时，获取B对应的目标任务集B'＝{B'1，B'2，……，B'j，……，B'N}，B'j＝{{B'j1，B'j2，……，B'jr，……，B'js(j)}，其中，/>TB'jr为B'jr对应的初始时间，B'jr为Bj对应的目标任务列表中的第r个目标任务，所述目标任务为从初始任务列表中获取到的初始任务；
S403，当时，获取B对应的第一目标任务集FB＝{FB1，FB2，……，FBj，……，FBN}和第二目标任务集DB＝{DB1，DB2，……，DBj，……，DBN}，FBj为Bj对应的第一目标任务列表，DBj为Bj对应的第二目标任务列表，其中，所述第一目标任务列表包括若干个第一目标任务，所述第一目标任务为从初始任务列表中获取到的初始任务，其中，在S403中通过如下步骤获取DB：
S4031，根据FB，获取候选任务列表C＝{C1，C2，……，Ce，……，Ct}，Ce为第e个候选任务，e＝1……t，t为候选任务的数量，其中，所述候选任务为从初始任务列表中删除第一目标任务列表后的初始任务；
S4033，当C0 e≤B0 jg-T0时，将Ce插入至DBj且Bj采用第一执行方式对DBj进行处理，其中，B0 jg为FBj中第g个第一目标任务对应的初始时间，C0 e为Ce对应的初始时间，T0为预设的时间阈值；
S4035，当C0 e＞B0 jg-T0时，将C中的候选任务按照候选原则插入至DB中且B采用第二执行方式对DB进行处理；
S405，根据FB和DB，获取B对应的目标任务集B'＝{B'1，B'2，……，B'j，……，B'N}，其中，B'j＝{FBj，DBj}；
S500，根据B'，获取第一数据处理平台发送的候选函数集并将候选函数集发送至第二数据平台，其中，在S500中还包括如下步骤：
S501，根据B'，获取第j个第一数据处理平台中的第x个目标任务B'jx；
S503，根据样本交通道路信息数据库和B'jx，获取B'jx对应的候选函数Djx且将Djx插入至Dj中，所述样本交通道路信息数据库包括样本车道编码列表及样本车道编码列表对应的样本车道信息集，其中，在S503中通过如下步骤获取Djx：
S5031，获取B'jx对应的目标车道编码EB'jx；
S5033，根据样本车道交通信息数据库，获取样本车道编码列表E＝{E1，E2，……，Eμ，……，Eζ}，Eμ为第μ个样本车道编码，μ＝1……ζ，ζ为样本车道编码的数量；
S5035，当EB'jx与Eμ一致时，获取Eμ对应的样本车道信息集FEμ；
S5037，根据FEμ，调用样本模型数据库以获取Djx；
S505，将生成的Dj发送至第二数据平台；
S600，根据候选函数集，获取A对应的目标车流量列表，其中，在S600中还包括如下步骤：
S601，将初始任务列表发送至M个第二数据处理平台，获取第二数据处理平台对应的指定任务集；
S603，根据指定任务集，调用D以获取到第二数据处理平台发送的初始任务列表对应的目标车流量列表。
2.根据权利要求1所述的基于任务分配获取目标车流量的数据处理系统，其特征在于，在S403中FB的获取方式参照S401中B'的获取方式。
3.根据权利要求1所述的基于任务分配获取目标车流量的数据处理系统，其特征在于，在S601中第二数据处理平台对应的指定任务集的获取方式参照S100～S400。
CN202310093407.2A 2023-02-03 2023-02-03 一种基于任务分配获取目标车流量的数据处理系统 Active CN116071924B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310093407.2A CN116071924B (zh) 2023-02-03 2023-02-03 一种基于任务分配获取目标车流量的数据处理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310093407.2A CN116071924B (zh) 2023-02-03 2023-02-03 一种基于任务分配获取目标车流量的数据处理系统

Publications (2)

Publication Number Publication Date
CN116071924A CN116071924A (zh) 2023-05-05
CN116071924B true CN116071924B (zh) 2023-09-22

Family

ID=86174665

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310093407.2A Active CN116071924B (zh) 2023-02-03 2023-02-03 一种基于任务分配获取目标车流量的数据处理系统

Country Status (1)

Country Link
CN (1) CN116071924B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2631255A1 (en) * 2008-05-09 2009-11-09 Ibm Canada Limited - Ibm Canada Limitee Scalable scheduling of tasks in heterogeneous systems
WO2021042510A1 (zh) * 2019-09-02 2021-03-11 平安科技（深圳）有限公司 一种任务分配方法、装置、可读存储介质及终端设备
CN115202402A (zh) * 2022-08-19 2022-10-18 重庆邮电大学 一种无人机集群多任务动态分配方法
CN115423243A (zh) * 2022-07-18 2022-12-02 北京邮电大学 任务分配方法、装置、设备及存储介质
CN115563287A (zh) * 2022-12-02 2023-01-03 中科雨辰科技有限公司 一种获取关联对象的数据处理系统
CN115658271A (zh) * 2022-11-01 2023-01-31 中科雨辰科技有限公司 一种基于目标任务列表获取目标任务对象的方法
CN115659226A (zh) * 2022-11-15 2023-01-31 每日互动股份有限公司 一种获取app标签的数据处理系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8434085B2 (en) * 2008-05-09 2013-04-30 International Business Machines Corporation Scalable scheduling of tasks in heterogeneous systems

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2631255A1 (en) * 2008-05-09 2009-11-09 Ibm Canada Limited - Ibm Canada Limitee Scalable scheduling of tasks in heterogeneous systems
WO2021042510A1 (zh) * 2019-09-02 2021-03-11 平安科技（深圳）有限公司 一种任务分配方法、装置、可读存储介质及终端设备
CN115423243A (zh) * 2022-07-18 2022-12-02 北京邮电大学 任务分配方法、装置、设备及存储介质
CN115202402A (zh) * 2022-08-19 2022-10-18 重庆邮电大学 一种无人机集群多任务动态分配方法
CN115658271A (zh) * 2022-11-01 2023-01-31 中科雨辰科技有限公司 一种基于目标任务列表获取目标任务对象的方法
CN115659226A (zh) * 2022-11-15 2023-01-31 每日互动股份有限公司 一种获取app标签的数据处理系统
CN115563287A (zh) * 2022-12-02 2023-01-03 中科雨辰科技有限公司 一种获取关联对象的数据处理系统

Also Published As

Publication number Publication date
CN116071924A (zh) 2023-05-05

Similar Documents

Publication Publication Date Title
Deng Multicriteria analysis with fuzzy pairwise comparison
CN110334885B (zh) 任务数据处理方法、装置
CN111383005B (zh) 数字货币流向追踪方法及装置
CN115658282A (zh) 服务器算力管理分配方法、系统、网络设备和存储介质
Alswailim et al. A reputation system to evaluate participants for participatory sensing
CN112016919A (zh) 计算结汇金额的数据处理方法和装置
Garg An Approach for Analyzing Fuzzy System Reliability Using Particle Swarm Optimization and Intuitionistic Fuzzy Set Theory.
US9953264B2 (en) Smart process management
CN112148986A (zh) 一种基于众包的top-N服务再推荐方法及系统
CN116071924B (zh) 一种基于任务分配获取目标车流量的数据处理系统
Dorfeshan et al. Determining project characteristics and critical path by a new approach based on modified NWRT method and risk assessment under an interval type-2 fuzzy environment
CN116013085B (zh) 一种获取目标车流量的数据处理系统
CN115798216B (zh) 一种获取目标车流量的数据处理系统
CN110516872B (zh) 一种信息处理方法、装置、存储介质和电子设备
CN108846438B (zh) 一种基于现实地理位置的组队匹配方法
CN110020788B (zh) 目标实体资源分布的确定方法和装置
CN115034520B (zh) 风险预测方法、装置、设备及存储介质
US6813390B2 (en) Scalable expandable system and method for optimizing a random system of algorithms for image quality
CN111626098A (zh) 模型的参数值更新方法、装置、设备及介质
CN110880117A (zh) 虚假业务识别方法、装置、设备和存储介质
CN109145207B (zh) 一种基于分类指标预测的信息个性化推荐方法及装置
CN111310121A (zh) 一种新能源出力概率预测方法和系统
CN112800037B (zh) 工程造价数据处理的优化方法及装置
CN115016950A (zh) 一种基于多线程模型的数据分析方法及系统
Mutalib et al. Forecasting fuzzy time series model based on trapezoidal fuzzy numbers with area and height similarity measure concept

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant