一种基于容器化的交通算法标准化封装方法技术

一种基于容器化的交通算法标准化封装方法，属于智能交通数据处理技术领域。本发明专利技术包括步骤S1.完成交通算法核心内容开发；步骤S2.采用python的Flask，开发HTTP协议的算法RESTful接口；步骤S3.将算法和运行的环境进行Docker镜像制作；步骤S4.镜像部署到交通大数据平台的算法仓库上；步骤S5.在交通大数据平台上申请接口服务，输入数据后成功调用算法接口并返回输出结果。本发明专利技术实现封装后的交通算法统一存放在大数据平台内，不需要分别存储在平台子系统中，用户可以从统一的算法池里调用交通算法，容器化交通算法镜像启动避免了交通算法运行的参数、接口混乱，用完即释放容器，减少了信息传输量。

【技术实现步骤摘要】
一种基于容器化的交通算法标准化封装方法
本专利技术涉及一种交通算法的独立封装方法，属于智能交通数据处理

技术介绍
近年来，智能交通领域依托大数据技术的发展得到了迅速发展，为了服务智慧交通的监测、管理和研判诞生了许多交通大数据平台。这些交通大数据平台不仅会采集来自于某地区的信号管控、交通流监测、人员出行等多方多源交通数据，还会收集经济、环境等跨领域数据。为了给综合交通治理赋能，除了收集和统计数据之外，还需要利用这些数据进行分析和计算。因此，大数据平台也会部署交通系统算法，如信号调控、交通流和交通指数计算与预测、人口职住关联分析、人员出行监测等算法。交通算法在交通大数据平台上的应用不仅对交通实时与离线的监测预警提供可靠的数据服务，还为交通治理与决策提供了强力的数据支持，是大数据平台运作的骨架。交通大数据平台上的算法会根据平台接入数据的变动，进行多次调用、调参或反复训练，对比和观察不同结果，如果直接调用算法代码在一台服务器上运作，会带来大量的时间消耗；而为了得到更精准的计算结果，同一个数据还需要调用不同的算法进行计算对比，更进一步地说，这些算法是不在同一个大数据平台上的算法，迁移或调用需要消耗大量资源。此外，对于为不同客户提供算法和数据服务的一方，如果不能提供统一标准，直接调取，每次都需要定制开发，是一个巨大的挑战。目前云平台服务模式主要分为三大类，分别是基础设施即服务（InfrastructureasaService,IaaS）、平台即服务（PlatformasaService,PaaS）和软件即服务（SoftwareasaService,SaaS）。IaaS主要提供物理数据中心和物理基础设施服务，SaaS主要提供完整的业务层面的应用服务，如目前大部分交通大数据平台，能直接为用户提供数据分析与展示，PaaS为中间层服务，提供标准化的组件，如标准监控、数据库、各种开发组件、标准数据、标准算法，服务于业务层面的需求。Docker是一个PaaS提供商dotCloud的基于LXC的一个开源高级容器引擎，该容器引擎基于Go语言并遵循Apache2.0进行开发，源代码托管在Github上。开发者使用Docker，将代码以及需要的依赖环境打包到一个可移植镜像中，即可发布到任何一台机器上或虚拟化运行，这样的代码处理被称容器化处理，。容器化处理的代码之间相互之间不会有任何接口，属于隔离状态，满足目前大数据平台对于算法快速交付的需求。现有“交通大数据平台”的技术发展情况如下：（1）申请号为201710958539.1的专利，“公共交通出行服务大数据平台”公开包括实时数据流处理子系统与大数据深度分析子系统；其中大数据深度分析子系统运用数据处理技术，根据各交通子系统的需求和它们之间的内在联系，对来自多来源渠道、格式不一致的数据在综合交通信息的基础上进行抽取、集成，并进行深度分析与处理，获得可用于决策的模式、模型、规则和知识；运用的数据处理技术为数据集成技术、人工智能与数据挖掘技术或决策支持与专家系统。（2）申请号为201610587725.4的专利，“一种智能城市交通管理平台”，包括智能车辆系统、高精度地图系统、交通管理系统及车辆云系统；其中，交通管理系统，对高精度地图系统和智能车辆系统提供的信息进行整合，表征交通情况；自我学习优化，根据请求向其发送交通信息；所述车辆云系统，对不同智能车辆系统上采集的数据进行识别学习和融合，将学习情况发送到智能车辆系统。交通管理系统包括交通规划学习模块、交通流信息模块及交通标志与信号模块；其中，交通规划学习模块，用于交通管理系统根据历史规划数据（通过交通流信息计算出来的通行效率、通行能力和车辆通行时间等）进行自我学习优化；交通流信息模块，用于接收高精度地图系统提供的实时交通地图和智能车辆系统提供的车辆的状态、动作和规划信息，将信息进行整合，表征实时和未来一段时间内交通情况；所述交通标志及信号模块，用于接收交通流信息模块和交通规划学习模块传送的信息，根据信息结果动态规划整个交通系统的控制规则，即交通标志和信号，并在智能车辆系统发送请求时将其发送给请求车辆。车辆云系统包括图像识别离线学习模块、驾驶模式离线学习模块及智能学习交流融合模块；其中，图像识别离线学习模块，根据智能车辆系统上的相机采集的数据进行学习训练；驾驶模式离线学习模块，根据车辆实际运行时车辆的状态、动作和乘员的驾乘感受进行驾驶模式学习，找到类似于人的合适的驾驶模式；所述智能学习交流融合模块，是车辆云系统学习和智能车辆系统学习之间的相互交流与借鉴的模块，将车辆云系统学习的结果和众多的智能车辆系统的学习结果进行比较与综合，使得不同车辆之间可以通过数据的离线交互学习实现优势互补。高精度地图系统、交通管理系统及车辆云系统均是相对独立地设置在平台上，每个系统中的各个模块均是通过平台上的终端服务器在接收智能车辆系统的无线发送模块通过无线网络发送的信息，并且通过平台上的终端服务器对接收到的信息进行处理；终端服务器同时也根据智能车辆系统发送的请求通过无线网络将信息发送出去。高精度地图系统与交通管理系统之间的信息传输也是采用上述方式进行的。（3）申请号为201510518249.6，“基于Docker的人工交通系统大规模计算实验方法”，提供的一种基于Docker的人工交通系统大规模计算实验方法，包括：获取Docker基础镜像；将人工交通系统计算实验引擎封装在所述Docker基础镜像中得到所述人工交通系统计算实验引擎的镜像；在Docker基础镜像中安装Mono，利用计算实验设计器设计计算实验，并存储到数据服务中；从所述数据服务中获取所述计算实验，并进行部署和管理，可以利用数据平台运行人工交通系统的计算实验。现有技术的缺点：（1）申请号201710958539.1专利，“公共交通出行服务大数据平台”，使用单一平台的定制开发算法对数据进行分析处理，开发成本高；（2）申请号201610587725.4专利，“一种智能城市交通管理平台”，使用不同的系统独立设置在平台上，算法独立存在于每个系统中，通过平台的终端服务器对不同系统的信息和算法进行传输，传输成本大；（3）申请号201510518249.6专利，“基于Docker的人工交通系统大规模计算实验方法”，使用单一的算法引擎，基础镜像安装Mono后需要进行一次封装，算法引擎需要与第一次封装的镜像进行的二次封装后才能运行，不提供对外调用接口；基于上述陈述，亟需提出一种交通算法引擎的封装方法，以解决交通算法在交通大数据管理平台中被不同用户调用时运行的参数、接口混乱，导致信息传输量过大，消耗大量资源，带来大量的时间消耗的问题。
技术实现思路
本专利技术提供了一种基于容器化的交通算法标准化封装方法，在下文中给出了关于本专利技术的简要概述，以便提供关于本专利技术的某些方面的基本理解。应当理解，这个概述并不是关于本专利技术的穷举性概述。它并不是意图确定本专利技术的关键或重要部分，也不是意图限定本专利技术的范围。本专利技术的技术方案：一本文档来自技高网...

【技术保护点】
1.一种基于容器化的交通算法标准化封装方法，其特征在于，包括以下步骤：/n步骤S1.完成交通算法核心内容开发；/n步骤S2.采用python的Flask，开发HTTP协议的算法RESTful接口；/n步骤S3.将算法和运行的环境进行Docker镜像制作；/n步骤S4.镜像部署到交通大数据平台的算法仓库上；/n步骤S5.在交通大数据平台上申请接口服务，输入参数后成功调用算法接口并返回输出结果。/n

【技术特征摘要】
1.一种基于容器化的交通算法标准化封装方法，其特征在于，包括以下步骤：
步骤S1.完成交通算法核心内容开发；
步骤S2.采用python的Flask，开发HTTP协议的算法RESTful接口；
步骤S3.将算法和运行的环境进行Docker镜像制作；
步骤S4.镜像部署到交通大数据平台的算法仓库上；
步骤S5.在交通大数据平台上申请接口服务，输入参数后成功调用算法接口并返回输出结果。


2.根据权利要求1所述的一种基于容器化的交通算法标准化封装方法，其特征在于：步骤S2中采用python的Flask，开发HTTP协议的算法RESTful接口的具体步骤是：
步骤S21.配置算法调用接口开发工具；
步骤S22.完成算法调用接口框架安装和算法调用接口生成。


3.根据权利要求2所述的一种基于容器化的交通算法标准化封装方法，其特征在于：配置算法调用接口开发工具过程，选定gunicorn和gevent组合来装载运行Flask应用，具体方法是：
步骤S211.安装插件gunicorn和gevent；
步骤S212.通过进程参数worker、工作方式参数worker_class、监听的端口和IP参数bind书写gunicorn的配置文件，完成设置gunicorn内部参数；
步骤S213.运行插件，在运行插件过程中，使用gunicorn命令测试是否可以正确运行。


4.根据权利要求2所述的一种基于容器化的交通算法标准化封装方法，其特征在于：完成算法调用接口框架安装和算法调用接口生成的具体步骤是：
步骤S221.通过pip下载...

【专利技术属性】
技术研发人员：张晓春，林涛，丘建栋，钟莉，谭章智，潘嘉杰，傅恺延，
申请(专利权)人：深圳市城市交通规划设计研究中心股份有限公司，
类型：发明
国别省市：广东;44