本系统通过物联网协议对接路侧毫米波雷达、雷视一体机设备,实现设备状态实时监控、指令配置下发和数据采集。采集车轨迹、过车信息、交通状态、交通流、交通事件等5类事件,数据采集后经过大数据服务数据治理完成处理和分析,完成当前片区交通综合态势分析展示。
- docker运行:
- 利用项目中Dockerfile制作镜像,或者通过以下链接获取镜像并加载
加载脚本如下链接: https://pan.baidu.com/s/1sLFvtYdz0D5DR2nrtaPLzA?pwd=4bz9
# 定义 tar 文件所在目录 tar_dir="./tar" # 进入 tar 文件所在目录 cd "$tar_dir" || exit # 加载所有 tar 包 for file in *.tar; do echo "Loading $file..." docker load -i "$file" done
- 安装项目依赖: docker、JDK8、nacos、Mysql、Redis、RabbitMq、Kafka、mqtt服务器等
- 在各个项目下的配置文件中将依赖的地址改为正确的地址,在mysql中创建数据库,依次运行doc/sql包下ddl.sql、all.sql文件,导入数据
- 编辑项目目录下的bin/docker-run.cmd脚本,修改数据库配置,运行脚本启动项目。
- 本地运行
- 安装项目依赖 docker、JDK8、nacos、Mysql、Redis、RabbitMq、Kafka、mqtt服务、Maven、Flink、Spark、Python3、NodeJs等
- 在各个项目下的配置文件中将依赖的地址改为正确的地址,在mysql中创建数据库,依次运行doc/sql包下ddl.sql、all.sql文件,导入数据
- 按【data-dev服务启动脚本.txt】脚本启动数据服务,运行start.cmd脚本启动项目。
- 设备管理:
- 设备路侧毫米波雷达、雷视一体机设备管理和数据采集。
- 设备列表展示,设备信息维护和查看
- 设备状态监控
- 设备指令下发
- 数据治理:
- 实时流量计算,毫米波雷达、雷视融合数据将设备汇总,使用flink组件汇聚转发。
- 接入转发数据,spark流批一体计算交通指标,包含车流量、饱和度、车流密度、车头时距、空间占有率、一次通过率、二次通过率、延误时间比、行程时间比、通行效率、最大排队长度、平均排队长度、平均停车次数、平均等待时长、平均速度、平均延误时间、事件数、溢出率。
- 结合指标计算和历史流量速度,分析拥堵指数等道路通行能力,为可视化页面提供接口服务。
- 数据分析展示:交通综合态势、指标分析展示。
eroad 数字道路
├── eroad-access //设备对接模块
│ └── eroad-device-radar //毫米波雷达对接模块
│ └── eroad-device-videocast //雷视一体机对接模块
├── eroad-device // 设备管理模块
├── data-dev // 数据治理模块
│ └── ioc-flink // 实时转发与计算模块
│ └── ioc-spark // 离线统计与计算模块
│ └── ioc-py3 // 数据可视化展示
└── eroad-web // 前端展示模块
数据处理流程: 配置
- ioc-flink
配置项:cn.eroad.ConnProp kakfa地址、mysql连接
启动:RadSourceStream毫米波雷达和雷视融合汇聚转发服务,OnRoadTargetsCnt实时流量计算
运行方式:可通过本地运行Starter或flink run-application运行 - ioc-spark
配置项: cn.eroad.ioc_spark_utils.utils_spark kakfa地址、mysql连接
中间文件:服务基于中间文件计算,tmp_flie为中中间文件存储
启动:Ads_*进行指标计算
运行方式:可通过本地运行或spark-submit运行 - ioc-py3
tci服务基于中间文件*six
运行方式:本地启动或pyspark-submit启动
index为接口服务
运行方式:本地启动或后台挂起