告別(bie)擁擠(ji)出行 實時公(gong)交地(di)鐵擁(yong)擠度(du)App，背後數據(ju)處(chu)理與(yu)存儲服(fu)務的(de)強(qiang)大(da)支(zhi)撐(cheng)
- 多源(yuan)異構(gou)數據(ju)實時采集(ji)與接(jie)入(ru)
- 數據(ju)來源：車(che)載(zai)攝像頭、紅外(wai)傳感器(qi)、Wi-Fi/藍(lan)牙嗅(xiu)探(tan)、票務閘(zha)機(ji)、車(che)輛(liang)GPS/北鬥(dou)定位(wei)、乘(cheng)客(ke)主動上報等(deng)。
- 支(zhi)撐(cheng)服(fu)務：需(xu)要(yao)強(qiang)大(da)的數(shu)據接(jie)入(ru)服(fu)務，能(neng)夠兼容各種協議(yi)，以(yi)高吞吐(tu)、低延遲的方式，7x24小時不(bu)間(jian)斷地(di)從成(cheng)千(qian)上萬的移動終(zhong)端與(yu)固(gu)定(ding)設備(bei)中接(jie)收原始數(shu)據(ju)。
- 流(liu)式數據(ju)的(de)實時處(chu)理與(yu)分析
- 核心(xin)任(ren)務：對(dui)湧(yong)入(ru)的原始數(shu)據(ju)（如圖像識別(bie)出的(de)人數(shu)、信號連(lian)接(jie)數(shu)、定位(wei)信息(xi)）進(jin)行毫秒(miao)級計算(suan)，結合(he)車(che)輛(liang)容量、歷史規(gui)律等(deng)模型(xing)，實時計算(suan)出每(mei)輛車(che)的(de)擁擠度(du)指數(shu)。
- 支(zhi)撐(cheng)服(fu)務：依賴流(liu)式計算(suan)平臺（如(ru)Apache Flink, Spark Streaming）。該(gai)平(ping)臺能(neng)夠對(dui)持(chi)續(xu)的(de)數據流(liu)進行即時處(chu)理，實現“數(shu)據隨到隨(sui)算(suan)”，確(que)保用(yong)戶查(zha)詢到的(de)永遠(yuan)是最(zui)近(jin)幾(ji)十秒內的狀(zhuang)態，而(er)非過(guo)時信息(xi)。
- 海(hai)量數據的高效(xiao)存儲(chu)與高效(xiao)查(zha)詢
- 存(cun)儲需(xu)求(qiu)：不(bu)僅(jin)要(yao)存(cun)儲實時計算(suan)結果(guo)（當(dang)前(qian)擁擠(ji)度(du)），還需(xu)歸(gui)檔(dang)歷史數(shu)據，用(yong)於(yu)模型(xing)訓練(lian)、趨勢(shi)分(fen)析和(he)運營優化(hua)。數(shu)據(ju)量隨著車(che)輛(liang)、線(xian)路和(he)時間(jian)快速增長。
- 支(zhi)撐(cheng)服(fu)務：采用混(hun)合(he)存(cun)儲(chu)架(jia)構(gou)：
- 時序(xu)數(shu)據(ju)庫：用於(yu)存(cun)儲帶(dai)有時間(jian)戳(chuo)的(de)擁(yong)擠(ji)度(du)指標(biao)，針(zhen)對(dui)時間(jian)序列(lie)數據(ju)的寫入(ru)和(he)快速查(zha)詢進(jin)行了高度(du)優化(hua)，能(neng)瞬(shun)間(jian)響應(ying)App的查(zha)詢請(qing)求(qiu)。
- 分布式文件系(xi)統(tong)/數(shu)據湖：用於(yu)低(di)成(cheng)本(ben)、可靠(kao)地(di)存儲(chu)原始的(de)、結構(gou)化的(de)歷史大(da)數據(ju)，支(zhi)撐(cheng)離線(xian)深度(du)分析(xi)。
- 高速緩存(cun)：將(jiang)熱點(dian)線(xian)路和(he)車(che)輛(liang)的擁擠(ji)度(du)數據(ju)存(cun)放(fang)在內存中(zhong)，應(ying)對(dui)瞬(shun)時高並發查(zha)詢（如(ru)早高峰時段(duan)），保障(zhang)響應(ying)速度(du)。
- 系(xi)統(tong)的(de)高可用(yong)性(xing)與可擴(kuo)展(zhan)性(xing)
- 核心(xin)要(yao)求(qiu)：公共交通服(fu)務不(bu)能(neng)中斷，支(zhi)撐(cheng)系(xi)統(tong)必(bi)須(xu)穩定可靠(kao)。隨著城(cheng)市(shi)線(xian)路擴(kuo)展(zhan)、用(yong)戶量激(ji)增，系(xi)統(tong)需(xu)能(neng)平滑(hua)擴(kuo)展(zhan)。
- 支(zhi)撐(cheng)服(fu)務：基(ji)於(yu)雲(yun)計算(suan)基礎設(she)施(shi)和(he)微(wei)服(fu)務架(jia)構(gou)。雲計算(suan)提供(gong)彈(dan)性(xing)的計算(suan)、存儲與(yu)網(wang)絡(luo)資源，可按需伸(shen)縮(suo)；微(wei)服(fu)務架(jia)構(gou)將(jiang)數據(ju)采集(ji)、處(chu)理、存(cun)儲、API服(fu)務等(deng)模塊(kuai)解(jie)耦(ou)，單(dan)個模塊(kuai)的(de)故障(zhang)不(bu)影(ying)響整(zheng)體，且易(yi)於(yu)獨(du)立升級(ji)擴(kuo)容。
- 精準(zhun)預(yu)測：結合(he)歷史大(da)數據(ju)、天氣(qi)、節(jie)假(jia)日(ri)、特殊(shu)事(shi)件等(deng)因(yin)素(su)，利(li)用機(ji)器(qi)學習(xi)模型(xing)預(yu)測未(wei)來短(duan)時（如(ru)下壹(yi)班(ban)車(che)、半(ban)小(xiao)時後）的客(ke)流(liu)擁擠(ji)情(qing)況(kuang)。
- 智能(neng)調度(du)：將(jiang)實時與(yu)預(yu)測的(de)客(ke)流(liu)數據(ju)反饋給(gei)公(gong)交地(di)鐵運(yun)營方，為(wei)動態調整(zheng)發車(che)間(jian)隔、開(kai)行區間(jian)車(che)或大站快(kuai)車(che)提(ti)供(gong)數(shu)據決策支(zhi)持(chi)，從(cong)源(yuan)頭優化(hua)運力(li)配置(zhi)。
- 個性(xing)化服(fu)務：與(yu)個人(ren)行程規(gui)劃深度(du)結合(he)，為(wei)用(yong)戶(hu)提(ti)供(gong)從(cong)出發地(di)到目(mu)的地(di)全(quan)程的(de)“最少擁擠”或“最舒適(shi)”出(chu)行方案推(tui)薦。
