智慧停车解决方案说明书.docx

《智慧停车解决方案说明书.docx》由会员分享，可在线阅读，更多相关《智慧停车解决方案说明书.docx（8页珍藏版）》请在课桌文档上搜索。

1、一、项目存在问题及需解决问题1 .存在问题一、智慧停车信息孤岛问题智慧停车APP最大和突出的问题是系统不兼容，导致信息共享遇到技术与资本壁垒，违背了智慧停车盘活存量市场的初衷，形成人为的信息孤岛。应限制竞争规模，避免丛林争夺造成共揄的结局，引导其良性发展。必须出台行业标准，抬高准入门槛，从而把不兼容所带来的风险降至最低。二、智慧停车信息不对称、资源不对称问题智慧停车与车库智能化水平密切相关，与存量车位上网率有关，车库智能化普及又与车库规模与区位有关。当前妨害车库智能化管理的客观因素是我国大中小城市大多数车库产权分散、容量偏小，给智能化改造带来影响，而产权问题又导致一些车库对外开放的积极性不高。

2、假如车位上网率不高，覆盖面不广，智能停车的作用仅止于几个场所的车位争夺战，这就不是共享经济本来的追求。所以，智慧停车首先要解决信息不对称、资源不对称的问题。城市停车难问题最终需要从存量上入手解决。三、智慧停车面临车位紧缺的根本问题汽车的增长量和车位的增长量不成比例，不可避免的存在车位紧缺，这也是造成停车问题的根本。这种情况下就要去解决增量的市场,比如立体车库，或者是地面垂直的车库。但目前立体车库也面临投资大的问题。2 .需解决问题信息不对称、资源不对称数据资源孤立，缺乏统一标准形成业务处理对象，最后把各个功能模块关联起来，形成系统。软件设计是一个将需求转变为软件的过程，系统通过逐步求精使得设计

3、陈述逐渐接近于源代码。系统程序采用MVC的设计思想，将展现逻辑、控制逻辑、业务处理逻辑分离。系统采用参数化的设计思想，定义和管理系统的实体及配置，调整实体以适应外部变化。系统采用J2EE技术保证程序逻辑实现的平台无关性，并便于安装部署。系统采用AJAX技术，提高客户操作的交互性，保证实际使用的易用性。系统采用echarts可视化框架实现数据展示。2.关键技术(1) HadoopHadoop是一个由Apache基金会所开发的分布式系统基础架构。用户可以在不了解分布式底层细节的情况下，开发分布式程序。充分利用集群的威力进行高速运算和存储。(2) SpringMVCSPringMVC:属于SPrin

4、gFrameWork的后续产品，已经融合在SpringWebF1.OW里面。Spring框架提供了构建Web应用程序的全功能MVC模块。(3) MyBatisMYBatis:是支持普通SQ1.查询，存储过程和高级映射的优秀持久层框架。MyBatiS消除了几乎所有的JDBC代码和参数的手工设置以及结果集的检索。MyBatis使用简单的XM1.或注解用于配置和原始映射，将接口和Java的POjOS(P1.ainO1.dJavaObjects,普通的JaVa对象)映射成数据库中的记录。(4) EchartsECharts是一款基于Javascript的数据可视化图表库，提供直观，生动，可交互，可个性

5、化定制的数据可视化图表。(5) MySQ1.MySQ1.是一个关系型数据库管理系统，由瑞典MySQ1.AB公司开发，属于OraCIe旗下产品。MySQ1.是最流行的关系型数据库管理系统之一，在WEB应用方面，MySQ1.是最好的KDBMS(Re1.ationa1.DatabaseManagementSystem,关系数据库管理系统)应用软件之一。MySQ1.是一种关系型数据库管理系统，关系数据库将数据保存在不同的表中，而不是将所有数据放在一个大仓库内，这样就增加了速度并提高了灵活性。MySQ1.所使用的SQ1.语言是用于访问数据库的最常用标准化语言。MySQ1.软件采用了双授权政策，分为社区版

6、和商业版，由于其体积小、速度快、总体拥有成本低，尤其是开放源码这一特点，一般中小型网站的开发都选择MySQ1.作为网站数据库。(6) Hivehive是基于Hadoop构建的一套数据仓库分析系统，它提供了丰富的SQ1.查询方式来分析存储在Hadoop分布式文件系统中的数据：可以将结构化的数据文件映射为一张数据库表，并提供完整的SQ1.查询功能；可以将SQ1.语句转换为MaPRedUCe任务运行，通过自己的SQ1.查询分析需要的内容，这奏SQ1.简称HiveSQ1.,使不熟悉niapreduce的用户可以很方便地利用SQ1.语言查询、汇总和分析数据。而Inapreduce开发人员可以把自己写的m

7、apper和reducer作为插件来支持hive做更复杂的数据分析。它与关系型数据库的SQ1.略有不同，但支持了绝大多数的语句如DD1.、DM1.以及常见的聚合函数、连接查询、条件查询。它还提供了一系列的：具进行数据提取转化加载，用来存储、查询和分析存储在HadoOP中的大规模数据集，并支持UDF(User-DefinedFunction),UDF(User-DefnesAggregateFunction)和UDTF(User-DefinedTab1.e-GeneratingFunction),也可以实现对map和reduce函数的定制，为数据操作提供了良好的伸缩性和可扩展性。(7) HBAS

8、EHBase-HadoopDatabase,是一个高可靠性、高性能、面向列、可伸缩的分布式存储系统，利用HBaSe技术可在廉价PCSerVer上搭建起大规模结构化存储集群。(8) ZookeeperZooKeepcr是一个分布式的，开放源码的分布式应用程序协调服务，是GoOgIe的ChUbby一个开源的实现，是HadOOP和HbaSe的重要组件。它是一个为分布式应用提供一致性服务的软件，提供的功能包括：配置维护、域名服务、分布式同步、组服务等。(9) F1.umeF1.Ume是C1.oUdera提供的一个高可用的，高可靠的，分布式的海量日志采集、聚合和传输的系统，F1.umc支持在日志系统中定

9、制各类数据发送方，用于收集数据：同时，F1.ume提供对数据进行简单处理，并写到各种数据接受方(可定制)的能力。三、开发范围1 .数据生产对于该模块的业务，即数据生产过程，一般并不会让你来进行操作，数据生产是一套完整且严密的体系，这样可以保证数据的安全性。但是如果涉及到项目的一体化方案的设计（数据的产生、存储、分析、展示），则必须清楚每一个环节是如何处理的，包括其中每个环境可能隐藏的问题；数据结构，数据内容可能出现的问题。2 .数据采集/消费数据采集模块（消费），在企业中你要清楚流式数据采集框架f1.ume和kafka的定位是什么。我们在此需要将实时数据通过f1.ume采集到kafka然后供给

10、给hbase消费。f1.ume：CIOUdera公司研发适合下游数据消费者不多的情况：适合数据安全性要求不高的操作；适合与Hadoop生态圈对接的操作。kafka：Iinkedin公司研发适合数据下游消费众多的情况；适合数据安全性要求较高的操作（支持rep1.ication）；因此我们常用的一种模型是：线上数据一f1.umekafkaf1.ume（根据情景增删该流程）HDFS线上数据一f1.umekafkaSparkstreaming实时流式处理消费存储模块流程图:图2消费存储模块流程图3 .数据分析我们的数据已经完整的采集到了HBaSe桀群中，这次我们需要对采集到的数据进行分析，统计出我们想要的结果。注意，在分析的过程中，我们不一定会采取一个业务指标对应一个mapreduce-job的方式，如果情景允许，我们会采取一个InaPredUCe分析多个业务指标的方式来进行任务。分析模块流程图:Zookcepvr图3分析模块流程图4 .数据展示数据展示模块流程图:图4数禺展示模块流程图