[发明专利]一种基于容器化的交通算法标准化封装方法

说明书

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。

技术领域

本发明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领域。

背景技术

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（Infrastructureas a Service, IaaS）、平台即服务（Platform as a Service, PaaS）和软件即服务（Software as a Service, 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。