基于私有云的大規(guī)模交通視頻處理框架設(shè)計(jì)

王傳連，張宗朔

1.長(zhǎng)安大學(xué) 汽車學(xué)院，西安 710064 2.中央蘭開夏大學(xué) 工程學(xué)院，英國(guó) 普雷斯頓

基于私有云的大規(guī)模交通視頻處理框架設(shè)計(jì)

王傳連1，張宗朔2

1.長(zhǎng)安大學(xué) 汽車學(xué)院，西安 710064 2.中央蘭開夏大學(xué) 工程學(xué)院，英國(guó) 普雷斯頓

為了滿足智能交通大數(shù)據(jù)的處理需求，結(jié)合云計(jì)算技術(shù)，設(shè)計(jì)了基于云計(jì)算的大規(guī)模交通視頻數(shù)據(jù)管理與高性能計(jì)算框架，提出了基于私有云的并行計(jì)算模型，通過仿真模擬實(shí)驗(yàn)驗(yàn)證了計(jì)算模型的有效性，研究成果能夠?yàn)榻煌ㄒ曨l數(shù)據(jù)的智能應(yīng)用系統(tǒng)提供技術(shù)支撐。

智能交通；私有云；并行計(jì)算；分布式

1 引言

近年來，隨著物聯(lián)網(wǎng)、云計(jì)算、信息技術(shù)的發(fā)展推動(dòng)了大數(shù)據(jù)新技術(shù)的迅速崛起，給智能交通系統(tǒng)[1-2]（Intelligence Transportation Systems，ITS）的發(fā)展帶來了更多的機(jī)遇和挑戰(zhàn)。不僅要求智能交通系統(tǒng)的技術(shù)變革，而且對(duì)智能交通的設(shè)計(jì)理念和模式也有新的要求。智能交通系統(tǒng)建設(shè)規(guī)模不斷擴(kuò)大，隨之而來的系統(tǒng)數(shù)據(jù)、交通檢測(cè)數(shù)據(jù)、交通監(jiān)控?cái)?shù)據(jù)、交通服務(wù)數(shù)據(jù)等不同類型的海量數(shù)據(jù)構(gòu)成了大數(shù)據(jù)[3]。顯然，傳統(tǒng)的交通數(shù)據(jù)處理方法已逐漸不能滿足智能交通大數(shù)據(jù)的處理需求，而是需要大數(shù)據(jù)相關(guān)技術(shù)對(duì)智能交通數(shù)據(jù)進(jìn)行深層次的挖掘和開發(fā)，實(shí)現(xiàn)數(shù)據(jù)共享和整合達(dá)到智能服務(wù)的目的[4-6]。因此，如何有效地管理、分析、整合智能交通大數(shù)據(jù)，從數(shù)據(jù)中提取有效信息將成為智能交通系統(tǒng)發(fā)展研究的重點(diǎn)和難點(diǎn)。高分辨率交通視頻數(shù)據(jù)是智能交通大數(shù)據(jù)中非常重要的信息來源之一，如何從這些視頻數(shù)據(jù)中獲取交通信息是近年來研究的熱點(diǎn)。

高分辨率交通視頻應(yīng)用的不斷深入和發(fā)展，大規(guī)模數(shù)據(jù)密集型計(jì)算及計(jì)算密集型計(jì)算應(yīng)用需求也不斷出現(xiàn)，現(xiàn)有交通視頻數(shù)據(jù)各自獨(dú)立存儲(chǔ)、分散管理的方式，顯然已無法滿足需求。因此，如何有效地存儲(chǔ)與管理不斷增長(zhǎng)的海量高分辨率交通視頻數(shù)據(jù)，并在此基礎(chǔ)之上提供彈性的、可靠的、高性能計(jì)算服務(wù)已成為亟待解決的問題[7-8]。云計(jì)算正在被越來越多的研究及應(yīng)用領(lǐng)域所關(guān)注，眾多的相關(guān)技術(shù)及產(chǎn)品的出現(xiàn)，使得云計(jì)算技術(shù)成為一種注重實(shí)用和效率的高性能并行計(jì)算技術(shù)，當(dāng)前的云計(jì)算技術(shù)擁有許多的特點(diǎn)，如超大規(guī)模、虛擬化、分布式存儲(chǔ)、高可靠性、高彈性、可擴(kuò)展、按需服務(wù)、廉價(jià)等[9]。

因此針對(duì)交通視頻數(shù)據(jù)存儲(chǔ)與處理面臨的挑戰(zhàn)，有必要結(jié)合云計(jì)算技術(shù)中的虛擬化技術(shù)、分布式存儲(chǔ)技術(shù)及分布式計(jì)算技術(shù)等相關(guān)理論和技術(shù)，研究云計(jì)算環(huán)境下的交通視頻數(shù)據(jù)模型，研究和探索云計(jì)算環(huán)境下交通視頻數(shù)據(jù)高效管理方法及云計(jì)算環(huán)境下的交通視頻數(shù)據(jù)高性能并行計(jì)算服務(wù)，為交通視頻數(shù)據(jù)的智能應(yīng)用系統(tǒng)提供技術(shù)支撐。

2 基于私有云的并行計(jì)算模型

從服務(wù)提供的范圍劃分，云計(jì)算可分為私有云、公有云及混合云[10-11]，公有云是Internet上為眾多企業(yè)和用戶共享的云環(huán)境，通常由專門的運(yùn)營(yíng)商提供和維護(hù)，為世界各地的用戶開放服務(wù)，如Amazon的Elastic Compute Cloud[12]，Google的 Giftag[13]，私有云是某個(gè)企業(yè)獨(dú)立構(gòu)建和使用的云環(huán)境，通常由企業(yè)或組織專有，只為內(nèi)部成員提供服務(wù)，如IBM的Research Compute Cloud[14]混合云是公有云和私有云的混合體，既包括公共部分又包括私有部分，根據(jù)權(quán)限對(duì)內(nèi)外提供有差別服務(wù)。在本文中提出一種基于私有云的并行計(jì)算模型，充分、靈活運(yùn)用單位的閑散資源，以支持大規(guī)模高分辨率交通視頻數(shù)據(jù)快速處理，其結(jié)構(gòu)如圖1所示。

圖1 基于私有云的并行計(jì)算模型

該模型主要包括兩部分，針對(duì)數(shù)據(jù)密集型應(yīng)用的分布式文件系統(tǒng)（DFS）以及針對(duì)計(jì)算密集型應(yīng)用的分布式計(jì)算系統(tǒng)（DCS）。

基于私有云模型的并行計(jì)算模型具有以下特點(diǎn)：

（1）是私有云結(jié)構(gòu)與志愿服務(wù)的結(jié)合，計(jì)算客戶端隨時(shí)可加入或撤離。

（2）各節(jié)點(diǎn)執(zhí)行的應(yīng)用程序相同，根據(jù)節(jié)點(diǎn)分工、任務(wù)的不同配置不同的命令集文件。

（3）部署簡(jiǎn)單，不僅存儲(chǔ)規(guī)模、計(jì)算規(guī)模易于擴(kuò)展，而且功能也易于擴(kuò)展（通過注冊(cè)新命令），適用于跨平臺(tái)的執(zhí)行。

（4）模型隱藏了并行計(jì)算、容錯(cuò)、數(shù)據(jù)分布及負(fù)載均衡等復(fù)雜細(xì)節(jié)，用戶使用此計(jì)算模型可以實(shí)現(xiàn)自動(dòng)伸縮的大規(guī)模并行計(jì)算，尤其適用視頻的自動(dòng)處理。

（5）該模型通用性強(qiáng)，不僅適合處理類似于高分辨率交通視頻處理這種數(shù)據(jù)密集計(jì)算密集的應(yīng)用，也可分別處理數(shù)據(jù)密集、計(jì)算密集的問題。

3 分布式文件系統(tǒng)與計(jì)算系統(tǒng)

HDFS（Hadoop分布式文件系統(tǒng)，Hadoop Distributed File System）目前很多集群式分布式系統(tǒng)都采用主從式結(jié)構(gòu)對(duì)文件進(jìn)行管理，一個(gè)集群由一個(gè)名稱節(jié)點(diǎn)（NameNode）和多個(gè)數(shù)據(jù)節(jié)點(diǎn)（DataNode）構(gòu)成[15]。一個(gè)名稱節(jié)點(diǎn)的設(shè)計(jì)雖然大大簡(jiǎn)化了系統(tǒng)的體系結(jié)構(gòu)，但是由于名稱節(jié)點(diǎn)是集群的核心，管理著文件系統(tǒng)元數(shù)據(jù)信息，客戶端需要與名稱節(jié)點(diǎn)進(jìn)行交互才能對(duì)文件進(jìn)行訪問，因此名稱節(jié)點(diǎn)一旦發(fā)生故障則對(duì)整個(gè)系統(tǒng)正常運(yùn)轉(zhuǎn)帶來很大風(fēng)險(xiǎn)。為此提出并實(shí)現(xiàn)了一種適用于高分辨率交通視頻自動(dòng)處理的分布式文件系統(tǒng)，系統(tǒng)結(jié)構(gòu)如圖2所示，由數(shù)據(jù)存儲(chǔ)節(jié)點(diǎn)以及管理服務(wù)器組成，數(shù)據(jù)存儲(chǔ)節(jié)點(diǎn)包括存儲(chǔ)數(shù)據(jù)以及數(shù)據(jù)服務(wù)進(jìn)程，管理服務(wù)器上運(yùn)行管理服務(wù)進(jìn)程，主要維護(hù)當(dāng)前注冊(cè)的數(shù)據(jù)服務(wù)進(jìn)程，解析數(shù)據(jù)源地址。管理服務(wù)器可以是私有云空間任意一臺(tái)機(jī)器（管理服務(wù)器），因此該分布式文件系統(tǒng)不是固定主從結(jié)構(gòu)，而是動(dòng)態(tài)的分布式文件系統(tǒng)。

圖2 分布式文件系統(tǒng)結(jié)構(gòu)

分布式計(jì)算系統(tǒng)DC適用于計(jì)算密集型的應(yīng)用，它處理的數(shù)據(jù)既可以是本地文件又可為分布式文件。在這里主要介紹處理分布式文件的過程。如前所述，分布式計(jì)算系統(tǒng)主要包括分布式計(jì)算工作站與計(jì)算客戶端，分別執(zhí)行任務(wù)分配進(jìn)程（WorkStation）和任務(wù)執(zhí)行進(jìn)程（WorkClient），任務(wù)執(zhí)行進(jìn)程可以根據(jù)實(shí)際需求運(yùn)行多個(gè)。包括數(shù)據(jù)服務(wù)進(jìn)程（DataServer），與數(shù)據(jù)服務(wù)可同時(shí)運(yùn)行多個(gè)；任務(wù)分配與執(zhí)行進(jìn)程都可部署在私有云空間的任何機(jī)器上，數(shù)據(jù)服務(wù)進(jìn)程部署在存放數(shù)據(jù)的機(jī)器上，負(fù)責(zé)該機(jī)器數(shù)據(jù)的分發(fā)與接收?；谒接性频牟⑿杏?jì)算模型工作流程如圖3所示。

該模型是屬于Master-Worker兩層結(jié)構(gòu)，Master即任務(wù)分配進(jìn)程，負(fù)責(zé)任務(wù)分解，任務(wù)分配，并監(jiān)測(cè)客戶端任務(wù)狀態(tài)以及數(shù)據(jù)分配等；Worker即任務(wù)執(zhí)行進(jìn)程，一旦啟動(dòng)首先向任務(wù)分配進(jìn)程注冊(cè)，并由該進(jìn)程分配任務(wù)執(zhí)行相應(yīng)的功能，根據(jù)需要向數(shù)據(jù)服務(wù)進(jìn)程請(qǐng)求數(shù)據(jù)或上傳數(shù)據(jù)，而且根據(jù)自身當(dāng)前狀態(tài)向任務(wù)分配進(jìn)程進(jìn)行匯報(bào)。

圖3 分布式計(jì)算系統(tǒng)工作流程圖

4 基于私有云架構(gòu)的交通視頻處理框架

基于私有云架構(gòu)的交通視頻處理框架如圖4所示，交通視頻數(shù)據(jù)處理任務(wù)由數(shù)據(jù)服務(wù)進(jìn)程（DataServer）、任務(wù)分配進(jìn)程（WorkStation）和任務(wù)執(zhí)行進(jìn)程（WorkClient）共同完成，其中任務(wù)執(zhí)行進(jìn)程可根據(jù)實(shí)際情況同時(shí)運(yùn)行多個(gè)；這三個(gè)進(jìn)程的可執(zhí)行程序相同，只是各自的命令行文件（CmdFile）構(gòu)成不同（default.cmd）。

圖4 RSCloud結(jié)構(gòu)組成示意圖

數(shù)據(jù)處理任務(wù)分配進(jìn)程以動(dòng)態(tài)調(diào)度方式來分配任務(wù)。首先根據(jù)當(dāng)前注冊(cè)的任務(wù)執(zhí)行進(jìn)程給它們分別分配任務(wù)，任務(wù)執(zhí)行進(jìn)程一旦完成當(dāng)前任務(wù)會(huì)及時(shí)向任務(wù)分配進(jìn)程請(qǐng)求新任務(wù)，這種任務(wù)管理方式對(duì)當(dāng)前的計(jì)算資源沒有特定的要求，可分配的任務(wù)執(zhí)行進(jìn)程可以隨時(shí)變化，任務(wù)執(zhí)行進(jìn)程可自由加入或撤離，系統(tǒng)具有很強(qiáng)的可伸縮性，并且基于私有云的并行計(jì)算模型可實(shí)現(xiàn)工作負(fù)載平衡，由于各任務(wù)執(zhí)行進(jìn)程與數(shù)據(jù)服務(wù)器單獨(dú)通信，可減少通信開銷，各任務(wù)執(zhí)行進(jìn)程計(jì)算任務(wù)相對(duì)獨(dú)立，可減少由于管理分配等操作帶來的附加開銷。數(shù)據(jù)服務(wù)進(jìn)程部署在存放視頻數(shù)據(jù)的機(jī)器上，與任務(wù)執(zhí)行進(jìn)程通信，根據(jù)任務(wù)執(zhí)行進(jìn)程的需求分發(fā)相應(yīng)的數(shù)據(jù)，同時(shí)接收并存儲(chǔ)任務(wù)執(zhí)行進(jìn)程處理的數(shù)據(jù)。任務(wù)分配進(jìn)程主要用來解析交通視頻數(shù)據(jù)處理的任務(wù)和分配任務(wù)，解析完任務(wù)也可作為任務(wù)執(zhí)行進(jìn)程來用，可部署在私有云空間的任何機(jī)器上。任務(wù)執(zhí)行進(jìn)程主要是執(zhí)行任務(wù)分配進(jìn)程分配的某一交通視頻數(shù)據(jù)處理子任務(wù)，可部署在私有云空間的任何機(jī)器上。

在數(shù)據(jù)存儲(chǔ)方面中，高分辨率交通視頻數(shù)據(jù)源根據(jù)需要存儲(chǔ)在私有云空間的某一機(jī)器上，每臺(tái)站點(diǎn)機(jī)器只需維護(hù)本機(jī)的數(shù)據(jù)信息，管理服務(wù)器可以是私有云空間的任意機(jī)器。在進(jìn)行分布式計(jì)算時(shí)，首先啟動(dòng)管理服務(wù)器上的管理服務(wù)進(jìn)程，再啟動(dòng)參與計(jì)算的數(shù)據(jù)所在站點(diǎn)機(jī)器的數(shù)據(jù)服務(wù)進(jìn)程，數(shù)據(jù)服務(wù)進(jìn)程向管理服務(wù)進(jìn)程注冊(cè)，并提交其管理的數(shù)據(jù)源在本機(jī)網(wǎng)絡(luò)名稱、絕對(duì)路徑以及訪問端口，數(shù)據(jù)客戶端只需向管理服務(wù)進(jìn)程提交需要的數(shù)據(jù)網(wǎng)絡(luò)名稱，由管理服務(wù)進(jìn)程向數(shù)據(jù)客戶端解析數(shù)據(jù)所在的站點(diǎn)機(jī)器IP、路徑以及訪問端口號(hào)等信息，數(shù)據(jù)客戶端根據(jù)這些信息向站點(diǎn)機(jī)器（數(shù)據(jù)節(jié)點(diǎn)）請(qǐng)求數(shù)據(jù)或上傳處理的數(shù)據(jù)。分布式文件系統(tǒng)工作流程如圖5所示。

圖5 分布式文件系統(tǒng)工作流程

該分布式文件系統(tǒng)有以下優(yōu)點(diǎn)：

（1）可以支持海量數(shù)據(jù)的存儲(chǔ)，存儲(chǔ)方式簡(jiǎn)單，無需復(fù)雜的存儲(chǔ)結(jié)構(gòu)和維護(hù)工具。

（2）支持多平臺(tái)的文件系統(tǒng)，本地文件與網(wǎng)絡(luò)文件處理方式一致。

5 實(shí)驗(yàn)設(shè)計(jì)與評(píng)價(jià)

在基于私有云架構(gòu)的交通視頻處理仿真模擬實(shí)驗(yàn)過程中，主要包括數(shù)據(jù)準(zhǔn)備和程序復(fù)制、模擬云存儲(chǔ)子系統(tǒng)存儲(chǔ)視頻數(shù)據(jù)、模擬云計(jì)算子系統(tǒng)自動(dòng)處理視頻數(shù)據(jù)和采用數(shù)據(jù)可視化子系統(tǒng)評(píng)價(jià)結(jié)果文件等四個(gè)步驟。

5.1 程序部署和數(shù)據(jù)準(zhǔn)備

在使用原型系統(tǒng)之前，首先需要進(jìn)行程序部署和數(shù)據(jù)準(zhǔn)備。測(cè)試中，數(shù)據(jù)服務(wù)器采用四核Intel Xeon 3.2 GHz CPU，3 GB內(nèi)存，每個(gè)數(shù)據(jù)服務(wù)器配置千兆以太網(wǎng)卡，帶寬1 Gb/s，通過千兆網(wǎng)絡(luò)進(jìn)行連接。

程序部署是指交通視頻自動(dòng)處理的需要，將編譯生成的應(yīng)用程序和底層依賴庫(kù)根據(jù)數(shù)據(jù)服務(wù)器、元數(shù)據(jù)服務(wù)器、任務(wù)工作站等不同的角色發(fā)送到各個(gè)相應(yīng)的節(jié)點(diǎn)，并且記錄相應(yīng)的IP地址、數(shù)據(jù)服務(wù)端口等信息。需要指出的是，計(jì)算節(jié)點(diǎn)相關(guān)程序的部署可以采取自愿和要求兩種方式，考慮到私有云處于局域網(wǎng)內(nèi)，網(wǎng)絡(luò)安全性有保證，因此在實(shí)踐中直接將其掛載到公共FTP上，用戶可以根據(jù)需求下載。

數(shù)據(jù)準(zhǔn)備是指將需要處理的交通視頻存儲(chǔ)路徑和計(jì)算機(jī)的相關(guān)信息進(jìn)行統(tǒng)計(jì)，同時(shí)根據(jù)交通視頻文件的特點(diǎn)設(shè)置參數(shù)文件，為在該節(jié)點(diǎn)啟動(dòng)數(shù)據(jù)服務(wù)器做準(zhǔn)備。需要指出的是，為了避免出現(xiàn)存儲(chǔ)空間不夠的情況，文件存儲(chǔ)路徑所在的存儲(chǔ)空間一般選擇比較大的磁盤。

5.2 使用云存儲(chǔ)子系統(tǒng)存儲(chǔ)交通視頻

這一步驟主要是在程序部署和數(shù)據(jù)準(zhǔn)備的基礎(chǔ)上啟動(dòng)元數(shù)據(jù)服務(wù)器，而后根據(jù)各個(gè)視頻處理的特點(diǎn)啟動(dòng)相應(yīng)的數(shù)據(jù)服務(wù)器，并且數(shù)據(jù)服務(wù)器向元數(shù)據(jù)服務(wù)器注冊(cè)，形成對(duì)外的數(shù)據(jù)服務(wù)。

在驗(yàn)證中，將選取不同大小的視頻數(shù)據(jù)，并且啟動(dòng)相應(yīng)的服務(wù)端口，得到數(shù)據(jù)服務(wù)器相關(guān)配置信息如表1所示，使用本文的私有云存儲(chǔ)文件系統(tǒng)可以很容易將數(shù)據(jù)服務(wù)器加入系統(tǒng)。

表1 數(shù)據(jù)服務(wù)器相關(guān)配置信息

5.3 使用云計(jì)算子系統(tǒng)進(jìn)行自動(dòng)處理

元數(shù)據(jù)服務(wù)器啟動(dòng)之后，下一步是使用云計(jì)算子系統(tǒng)進(jìn)行自動(dòng)處理。需要指出的是，元數(shù)據(jù)服務(wù)器、數(shù)據(jù)服務(wù)器、任務(wù)工作站屬于管理員控制的內(nèi)容，計(jì)算節(jié)點(diǎn)屬于各個(gè)用戶可控制的內(nèi)容，用戶知道元數(shù)據(jù)服務(wù)器的IP、端口和影像庫(kù)的名稱，任務(wù)工作站的IP、端口等，在本地啟動(dòng)相關(guān)進(jìn)程的時(shí)候，通過配置文件可以訪問相關(guān)的信息。

5.4 結(jié)果文件評(píng)價(jià)

為了驗(yàn)證云計(jì)算平臺(tái)的處理是否達(dá)到了預(yù)期的結(jié)果，最后需要對(duì)結(jié)果文件進(jìn)行評(píng)價(jià)。將表1所示的數(shù)據(jù)服務(wù)器依次加入云存儲(chǔ)子系統(tǒng)，觀察相應(yīng)的數(shù)據(jù)存儲(chǔ)總量和數(shù)據(jù)服務(wù)器的響應(yīng)時(shí)間。

首先對(duì)存儲(chǔ)云的性能進(jìn)行分析，從空間和時(shí)間兩個(gè)角度對(duì)存儲(chǔ)云系統(tǒng)進(jìn)行測(cè)試，一是私有云的存儲(chǔ)容量的測(cè)試，二是數(shù)據(jù)服務(wù)器工作站在實(shí)際處理中的性能測(cè)試。

在測(cè)試時(shí)，將各個(gè)數(shù)據(jù)服務(wù)器按照表1中的編號(hào)順序依次加入存儲(chǔ)云，得到最終的存儲(chǔ)云的存儲(chǔ)容量的變化如圖6（a）所示，不難看出，隨著加入的數(shù)據(jù)服務(wù)器越多，整個(gè)系統(tǒng)的存儲(chǔ)容量越大，可以存儲(chǔ)接近20 TB的遙感影像數(shù)據(jù)，說明云存儲(chǔ)系統(tǒng)具有較好的可擴(kuò)展性和存儲(chǔ)能力。

圖6 （a） 云存儲(chǔ)容量隨數(shù)據(jù)服務(wù)器的變化

圖6 （b） 各數(shù)據(jù)服務(wù)器的往返時(shí)延

分別對(duì)各個(gè)數(shù)據(jù)服務(wù)器與元數(shù)據(jù)服務(wù)器的通信相應(yīng)延遲進(jìn)行統(tǒng)計(jì)，得到實(shí)驗(yàn)結(jié)果如圖6（b）所示?？梢钥闯觯鱾€(gè)數(shù)據(jù)服務(wù)器加入私有云的往返時(shí)延（Round Trip Time，RTT）都在1 s之內(nèi)，說明各數(shù)據(jù)服務(wù)器與云存儲(chǔ)系統(tǒng)通信延遲很小，可以滿足實(shí)時(shí)數(shù)據(jù)傳輸和消息傳遞的要求。

6 小結(jié)

設(shè)計(jì)了基于云計(jì)算的數(shù)據(jù)管理與高性能計(jì)算框架，核心是提出了基于私有云的并行計(jì)算模型，通過此模型將網(wǎng)格上的計(jì)算機(jī)有機(jī)地組織為分布式文件系統(tǒng)（DFS）和分布式計(jì)算系統(tǒng)（DCS）。DFS可將網(wǎng)絡(luò)上的許多計(jì)算機(jī)組織成若干個(gè)邏輯存貯器，其存貯容量沒有上限；DCS可將網(wǎng)絡(luò)上的許多計(jì)算機(jī)組織成若干邏輯計(jì)算單元，其計(jì)算能力沒有上限。研究和探索云計(jì)算環(huán)境下交通視頻數(shù)據(jù)高性能并行計(jì)算和高效管理方法，賦予其“云”的屬性，從而為智能交通系統(tǒng)的高效運(yùn)行提供有效技術(shù)支撐和服務(wù)。

[1]趙娜，袁家斌，徐晗.智能交通系統(tǒng)綜述[J].計(jì)算機(jī)科學(xué)，2014，41（11）：7-11.

[2]Masaki I.A brief history of ITS[M].[S.l.]：Masachusetts Institute of Technology，1999.

[3]方昕.大數(shù)據(jù)下的智能交通數(shù)據(jù)共享與處理模型[J].信息技術(shù)，2015（12）：94-97.

[4]楊萬三.智能交通管理一次顛覆傳統(tǒng)的技術(shù)變革[EB/OL].（2013-04-08）[2013-04-19].http：//www.2lits.com/common/NewsDetal.aspx?ID=2013040811375806088．

[5]韓耀強(qiáng).大數(shù)據(jù)：智慧城市的發(fā)展引擎[EB/OL].（2013-04-08）[2013-04-08].http：//www.nti56.com/news/detail/105004003/1574183268.html.

[6]Mukherjee R.Travel and transportation in the age of big data[EB/OL].（2012-08-28）[2013-04-20].http：//www.ibmbigdatahub.com/blog/travel-and-transportation-age-big-data.

[7]申德榮，于戈，王習(xí)特.支持大數(shù)據(jù)管理的NoSQL系統(tǒng)研究綜述[J].軟件學(xué)報(bào)，2013，24（8）：1786-1803.

[8]陳崇成，林劍峰，吳小竹，等.基于NoSQL的海量空間數(shù)據(jù)云存儲(chǔ)與服務(wù)方法[J].地球信息科學(xué)學(xué)報(bào)，2013，15（2）：166-174.

[9]Armbrust M，F(xiàn)ox A，Griffith R，et al.A view of cloud computing[J].Communications of the ACM，2010，53（4）：50-58．

[10]方巍，文學(xué)志，潘吳斌，等.云計(jì)算：概念，技術(shù)及應(yīng)用研究綜述[J].南京信息工程大學(xué)學(xué)報(bào)：自然科學(xué)版，2012，4（4）：351-361.

[11]Johnston S.Cloud computing type public cloud，hybrid cloud，private cloud[EB/OL].（2009-03）[2011-05].http：//www.circleid.com/posts/20090306_cloud_computing_types_public_hybrid_private/.

[12]Amazon.EC2[EB/OL].（2010-03）[2011-05].http：//amazon.com/ec2.

[13]Google.Google app engine[EB/OL].（2009-10）[2011-05].http：//code.google.com.

[14]Kricos A.Cloud book.RC2[EB/OL].（2010-05）[2011-05]http：//www.cloudbook.net/the-cloud-book/private-cloud/ibm.

[15]Shvachko K，Kuang H，Radia S，et a1.The hadoop distributedfilesystem[C]//2010IEEE 26thSymposium on Mass Storage Systems and Technologies（MSST），2010：1-10．

WANG Chuanlian1,ZHANG Zongshuo2

1.School of Automobile,Chang’an University,Xi’an 710064,China 2.School of Engineering,University of Central Lancashire,Preston,England

Design of large-scale traffic video processing frameworks based on private cloud.Computer Engineering and Applications,2017,53（21）：254-257.

According to the traditional traffic data processing methods have been unable to adapt to the demand of intelligent traffic data processing,combined with cloud computing technology,large-scale traffic video data management and the high performance computing frameworks are designed based on cloud computing.A parallel computing model based on private cloud is proposed,and the simulation experiment verifies the validity of model.The research results can support for the application of intelligent traffic system of video data.

intelligent traffic;private cloud;parallel computation;distributed

A

TP31

10.3778/j.issn.1002-8331.1705-0026

王傳連（1977—），男，博士研究生，高級(jí)工程師，研究領(lǐng)域?yàn)榻煌ㄟ\(yùn)輸規(guī)劃與管理，E-mail：wangchuanlian@163.com；張宗朔（1998—），男，電子工程專業(yè)在讀本科生。

2017-05-08

2017-09-30

1002-8331（2017）21-0254-04