城市智能交通总体设计技术路线

智慧交通产品解决方案城市智慧交通设计路线

【面向城市交通】

目录

1.设计思想 (3)

2.技术路线 (4)

2.1.采用SOA设计思想 (4)

2.2.传统信息集成技术与大数据应用技术相结合 (5)

2.3.采用操作系统思想的ATMOS系统软硬件资源管理 (8)

2.4.依托PGIS/DPS-TGIS实现GIS展现应用 (9)

2.5.C/S与B/S模式相结合模式 (10)

1.设计思想

在GA/T445-2010《公安交通指挥系统建设技术规范》、GAT1146-2014《公安交通集成指挥平台结构和功能》的指导下，结合我公司在城市交通管理的产业研究和工程建设经验，通过对城市交通状况及管理现状和需求进行深入分析，充分借鉴国内外发达城市在建设智能交通管理系统的成功经验，并总结各城市在建设、运行过程中的不足与弊端，提出公安交通指挥系统建设的设计思想为：以“以建设目标为导向，以实战应用为切入点；建设【面向交通信息资源】——整合研判、智能应用，【面向交通事件】——快速响应、协同调度，【面向信息服务】——及时准确、多样互动，【面向系统运维】——运行监控、维修管理”为中心思想，依据相关设计规范及标准，遵循“平战结合、平时为主”的原则，建设集“管理、服务、执法、侦控”为一体的城市智能交通指挥中心，为城市交通管理提供“信息化、可视化、智能化”的管控工具，支撑【路面-分中心-中心-科室】协同交通管理，实现城市交通安全、有序、高效。

信号控制系统电子警察系

统

高清视频监警车定位系

统

移动警务系

统

交通诱导系

统交通流量采

集系统

卡口系统

汇聚：基础业务应用系统

其他单位

互联网

图1-1“5+N”建设理念

2.技术路线

2.1.采用SOA设计思想

为了保证体系的可扩展、异构应用系统的松耦合接入与组合、基于标准规范减少平台依赖性及系统的高可靠性等要求，基于面向服务的体系架构（SOA）思想，在技术实现上采用基于HTTP方式的Web服务，来构建灵活、强大及高度可扩展的共享和服务平台。

面向服务的体系结构（service-oriented architecture，SOA）是一个组件模型，它将应用程序的不同功能单元（称为服务）通过这些服务之间定义的接口和契约联系起来。接口是采用中立的方式进行定义的，它应该独立于实现服务的硬件平台、操作系统和编程语言。这使得构建在各种系统中的服务可以以一种统一和通用的方式进行交互。

这种具有中立的接口定义（没有强制绑定到特定的实现上）的特征称为服务之间的松耦合。松耦合系统的好处有两点：一点是它的灵活性；另一点是，当组成整个应用程序的每个服务的内部结构和实现逐渐地发生改变时，它能够继续存在。相反，紧耦合意味着应用程序的不同组件之间的接口与其功能和结构是紧密相连的，因而当需要对部分或整个应用程序进行某种形式的更改时，它们就显得非常脆弱。

SOA新技术的提出为松耦合提供了另外一种可选的更好的解决方案。在按需业务中，一旦需要，就可以对完成或执行任务的方式进行必要的更改。

符合SOA的服务总线集成模式，有如下特点：

1）松耦合，面向服务，简化开发和维护

基于标准的服务接口和约定的标准数据格式，降低了应用系统之间交互的复杂性和耦合度，从而简化了应用间集成共享的开发和维护

2）基于标准规范，平台独立，便于移植

基于开放的工业标准规范，使得应用间的集成与业务应用的开发和互操作，可以独立于特定技术平台，减少厂商依赖，便于异构软硬件环境的移植和互操

作

3）架构灵活，便于重构

基于透明寻址的服务总线，解耦异构应用系统及服务之间的交互访问，服务总线本身多种服务交互模式和集成模式的支持，不但提高了业务服务和已有应用的重用性，还提高了应用系统灵活性，使得业务流程更容易重构，从而提高用户面向市场需求变化的业务敏捷性

高效五大核心业务平台以不同种方式实现了SOA的思想，如以中间表的形式和Webservice等，Webservice又由两种方式实现，一种是基于SOAP协议加XML形式的Webservice，大部分业务系统的Webservice基于这种方式实现。一种是基于REST(Representational State Transfer)方式的Webservice，GIS平台的对外接口基本都采用了此种形式的Webservice。

2.2.传统信息集成技术与大数据应用技术相结合

大数据时代的交通管理数据具备其明显特征：第一，数据体量巨大（V olume）。从TB级别，跃升到PB级别。以中型城市为例，日均天过车数据量2000万条，最少存储1年，总量为72亿条；天过车图片量为6TB，最少存储3个月存储总量为540TB；道路视频存储容量约为天500TB，最少存储1个月总量为15PB。第二，交通管理数据种类繁多（Variety），交通管理数据涉及网络日志；包括警力调度数据；交通管理基础业务数据；机动车、驾驶人大体量静态数据、巨大体量通行过车动态数据；交通流判态与预测数据、道路监控视频、通行过车图片、地理位置丰富形态的数据信息。第三，交通管理数据要求实时性强（Velocity），每秒钟都会产生巨量的数据，均需要对交通大数据进行分析处理，为道路交通秩序管理、道路交通流特性分析及控制技术、交通危险因素预警等业务，均需要实时处理。

基于交通管理数据的大数据特征，在建设及应用方面，应为以下两个重要方向：

1）构建更加稳定、高效的交通管理大数据的基础环境

随着公安交通管理大数据生态的形成，对存储吞吐及保留时间的要求逐步

提高，每年存储吞吐呈线性增长。在传统方案下，当应用和应用之间需要相互调用数据时，应用系统需要彼此开放数据接口，建立横向的数据交换通道。目前各地公安在本地都有相应的存储设备、数据库，存储各种非结构化（图片、视频）和结构化（特征、属性）数据，如果需要交换这些数据，大量的数据接口维护起来非常复杂，这也将面临巨大的工作量和网络交换压力。

2）构建面向业务的大数据分析模型，洞察交通大数据规律和辅助交通管理业务决策。

随着公安交通管理信息化在实现交通管理业务信息系统大集成、大融合、大联网，信息化工作进入了一个全新的发展阶段。但如何及时、准确获取交通数据并构建交通数据处理模型，如何加强信息分析研判，深化信息系统应用，扩大信息共享范围，是建设智能交通系统的难题，而这一难题可以通过大数据技术得到解决。要明确大数据并非为存储而存储，而是面向业务、面向需求的大数据洞察与辅助决策，如何利用交通大数据的手段缓解或改善交通管理的主要矛盾，在交通管理的方方面面融入用数据说话是当前交通管理发展大数据的重要方向。

我公司采用“传统信息集成技术”与“大数据应用技术”的技术路线，利用可靠的Hadoop分布式存储系统与传统存储技术相结合的方式，搭建稳定、高效的系统架构，依托计算机网络和分布式队列技术，实现GB级数据秒级传输与分发，形成能力可线性扩展的分布式数据交换平台；基于HADOOP的HBASE分布式数据库和MAPREDUCE分布式处理机制，实现对PB级车辆通行数据的高效存取访问、快速分析及深度挖掘，研发综合信息服务中间件，形成能力可线性扩展的大数据存储系统、多种传统数据存储以及海量数据处理系统、海量数据分析研判系统；基于S4/STORM的流式数据处理技术，实现对高并发实时车辆通行数据的实时处理。最终形成公安交通管理应用支撑服务集，为各个业务系统提供各种分析应用服务。