基于云架构的交通感知数据集成处理平台

海量、多源、不间断的交通感知数据环境下,如何提供集成化的交通感知数据处理支持是多样化交通应用实施中的难点.现有的通用计算框架及平台由于缺少对具有时空相关等特征的交通感知数据和应用间交通感知数据共享的支持,使得交通感知数据处理应用的开发存在较高的复杂性并且易于造成大量重复的数据跨节点传输而影响应用性能.针对此问题,通过分析交通感知数据及其处理需求特征,提出一种基于可跨应用共享的时空数据对象的交通感知数据处理模型,通过引入时空数据对象这一新的概念抽象并提供易并行划分的时空数据对象组织及共享支持,实现分布计算中对时空型交通感知数据的优化管理.在此基础上,设计并实现了交通感知数据集成处理平台.通过实际应用和基于真实交通数据的实验测试表明:该平台相对于传统的交通感知数据处理方法及系统在性能及扩展性等方面均具有一定的优势.

面向交通感知数据处理业务的虚拟机调度系统

海量、实时、持续、多样的交通感知数据对承载其处理业务的IT设施提出了更高的要求,但现有云基础设施服务中采用的虚拟机调度方案在承载交通感知数据多处理业务时,会出现负载倾斜、负载不均及资源利用率不高的问题。为此,提出一种对交通感知数据处理业务敏感的虚拟机调度策略并设计了相应的调度算法,给出了系统的设计与实现,该系统可以适应计算密集和数据密集不同特征交通处理业务的承载,同时能够实现能耗约束下的负载平衡调度。通过基于实际交通应用场景的实验表明,该系统可在保障所承载业务的前提下实现虚拟机的负载均衡和优化节能。