大数据云计算技术在阜阳市机动车缉查布控系统中的应用分析

2020-12-04马劲松

数字通信世界 2020年11期

马劲松

（安徽省阜阳市环境信息中心，安徽阜阳 236000）

1 大数据云计算技术概述

大数据云计算技术是硬件资源与海量数据的共同应用体现，通过结合虚拟化的云计算硬件资源对大数据的海量数据进行高效处理以此来实现数据信息系统的综合使用。从其他角度进行分析，云计算技术与我们所使用的的计算机系统相似，它也能够通过对大量硬件资源的合理分配对虚拟化的数据进行应用。

2 大数据云计算技术在阜阳市机动车缉查布控系统中的应用分析

2.1 查询过车信息

在智能化数据处理系统的普及应用背景下，阜阳市可以在机动车缉查布控方面采用可伸缩式、面向列、高性能、高可靠性的分布式存储系统（HBase）对过往的车辆信息进行查询。在分布式存储系统的应用中，能够存储上百亿的过车文本数据，同时通过该系统还能够实现对过车文本数据的秒级响应。与Nosql数据库相同，在该系统的应用中，其主键Rowkey可以用来检索相关记录，检索字符可以是在64KB之内的任意字符串[1]。在HBase内部，会将Rowkey以字节数组的方式进行保存，存储过程中Rowkey会以字典排序的方式进行存储。在机动车缉查布控系统中，根据用户的日常查询需求可以将其定义为车道号、号牌种类、号牌号码、方向类型、过车时间以及卡口编号等形式进行组合具体如图1所示。

在使用智能化数据系统对单独存储的索引数据进行处理时，新建索引表的Rowkey就是业务表的索引列值，而Rowkey将为新建索引表提供具体数值。

通过上文内容可知，数据化智能处理系统在存储方面的功能极为强大，能够有效几率大量来往行车信息，并对相关信息予以保存。与此同时，对来往经过的车辆信息极为敏感，能够在极短的时间内详细记录过往车辆情况，对车辆信息进行检索。在此基础上，业务表中能够提供的各项索引列值也可以得到有效数据的支持。

图1 过车记录表

2.2 套牌车查询

在机动车辆使用情况迅速上升的情况下，对于超百亿的过车数据进行记录、统计、查询将会是一项庞大、复杂的工作内容，而利用分布式存储系统的应用特性对数据进行分析处理，成为当前车辆信息处理的主要缉查布控方式。该系统在套牌车查询的应用方面其效果尤为显著，它能够根据在一定的时间内不会同时经过两个距离较远的路口的相对理念，对套牌车的基本情况进行分析，而根据以上理论有学者提出了两种套牌车计算模型，第一种计算模型是在行驶车辆的行驶速度大于道路行驶预设值的情况下展开的，当车辆行驶速度超过一定的形式速度时则说明该车辆具有套牌嫌疑。根据以上情况，机动车查询人员可以采取在不同的距离点设置不同权重的形式对套牌车辆进行监督查询。第二种分析模式是根据每条车辆通行信息的上报的卡口编号，对疑似套牌车辆的行车轨迹进行有效判断，然后根据卡口与卡口的距离和车辆行驶时间差进行计算车辆的平均行驶速度，如果车辆行驶速度超过预设值，则说明该车辆为疑似套牌车。

针对同一出车辆在一定时间内无法同时经过两个距离较远的卡口原则，提出针对性处理意见，利用不同类型套牌车数据模型进行精确分析：第一种分析模型内容为，对同一辆车，在其形式距离卡口一定位置时，保证实际距离能够大于基础预设值（此过程需要排除大城市之间两个距离较近的道路卡口），在该车辆行驶速度超出合理速度时，此时可以初步认定此车辆存在套牌嫌疑。针对上述情况，有关管理部门可以在距离不同的间距电商布设不同比例的权重，这样可以有效监控同一车辆在不同区域的出现时间；第二种分析模式，对不同通行线进行卡口信息编制，并在第一时间将车辆所在地的经纬度信息予以上报，通过这样的方式检测车辆行驶轨迹，在不同经纬度卡口，还可以计算出车辆经过的时间差，进而对车辆是否正常行驶作出准确判断。

以上述内容为背景，采用先进智能化处理系统，可以更加有效的面对信息量巨大、任务量庞杂的工作内容，同时也可以更好的分析车辆信息，对不同区域内的车辆信息能够做到精细化处理。在记录关键任务期间，可以通过车牌号记录相关数据，这样在面对过多溢出文件时能够取得更加有利的处理优势。在车辆数据信息处理过程中，可以有效控制数据缓冲区的大小标准，同时还可以调节数据对冲比例，进而对数据进行编写和压缩，通过后台线程对逐渐增多的文件进行控制作用，在此基础上，还可以将所有数据信息整合成为一个有序的文件资源。在数据合并期间，数据编写量或大幅度减少，并且最终合并效果更佳。

2.3 分析重点车轨迹

在阜阳市机动车缉查布控系统的应用方面，除了具有过车数据分析功能和套牌车数据分析功能之外，还能够对道路重点行驶车辆（未处理报废车、车辆环保检测统计）的行驶轨迹进行记录跟踪。

在对以上问题进行分析时，可以利用Hadoop中的Map-reduce功能进行计算。首先，用Map处理功能对每个输入分片进行划分处理，然后使用默认的HDFS块的大小作为分片，这时经Map处理的结果将会存放在环形内存缓冲区中，当该区域的数据将要溢出时就会自动在本地文件系统建立一个溢出性文件夹，之后系统就会将溢出的数据导入空文件夹进行保存[2]。在存入磁盘的过程中，线程会根据任务数目的不同划分为相同的数目分区，使其任务类型与分区数据相对应。在此之后，该系统会对分区数据进行同类别排序，当Map任务输出最后的数据之后，可能会因为数据的存量过多而发生溢出问题，这时只需要将这些文件进行合并，合并的过程计算机系统会不断的对其进行分类排序，并能够最大幅度的降低下一环节网络传输信息的数据量和写入磁盘的数据量。之后就可以将分区数据拷贝到相应的任务当中。在数据文件不断增多的情况下，系统后台会将溢出数据进行合并，使其形成更加有序的文件结构，同时在这一过程中还会产生许多的辅助文件，但Map-reduce会对磁盘信息写入量进行有效控制，最后就会将全部合并的数据结果直接输入到Reduce文件当中。

3 系统业务运行流程概述

就目前而言，机动车稽查布控系统中心功能一般是指，在数据传输工作完成后，会将关键文件储存到不同的文件系统中，在此基础上，针对具体业务情况展开具体分析并予以深入挖掘。主要业务分别为：

（1）报警及布控管理功能。系统平台自身具备车辆自动报警功能，可以进一步实现对被盗车辆信息的调取，同时还能够与其他类型的基础数据库作出有效连接，用于保证报警信息的全面性，以此为基点，针对不同用户需求进行报警功能的设定。

（2）检测交通事件。平台系统可以对过往车辆进行精确的数据分析，同时还能够对异常路段予以精确检测，通过这样的方式，能够为车流量提供更多的行车路径选择，进而根据不同的车辆情况增加或者减少车辆的通过数量。通过这种方式，能够在第一时间检测到交通事件的发生地域，进而在最佳时间进行处理，保证交通运输通常的前提下，还可以为交通安全运行提供便利。

（3）区间测速功能。该平台功能可以通过计算的方式对经过车辆的行驶速度进行精准检测，在一段路程中的两个区间点设置检测器，这样能够对车辆通过时的时速予以实时监察，同时还能够通过车辆行程时间进行车速的计算。

（4）快速搜索模糊涉案车辆信息。对于无车牌或者车牌号不清晰的车辆而言，可以根据车辆号牌的区段信息进行判断，进而对车辆进行模糊搜索，最终得到相关车辆信息并进行整合，这样的方式能够有效减少车辆搜索范围，大幅度提升车辆检索范围，提升实际办案效果。