一种面向大规模营运车辆的高性能状态监控系统研究

王书琴, 王胜和

(安徽公安职业学院 科技系，合肥 230036)

营运车辆状态监控系统利用卫星导航定位技术、无线通信、地理信息系统，以及计算机技术，对车辆的位置信息和状态信息进行数据采集、分析处理和状态发布，为车辆安全驾驶、物流监控等保驾护航，提升道路运输的安全性和效率.

近年来，各行业陆续出现了以位置服务为核心业务的车辆动态监控系统.这些系统涉及智能调度优化[1]、车辆监控、定位感知[2]、安全权限管理[3]、车联网数据库设计优化[4]、车辆识别[5]等诸多方面.其中车辆状态监控是最基本的业务，应用最为广泛.例如货运汽车安防系统[6]、校车安全云计算服务平台[7],甩挂牵引车及挂车的动态实时监控及信息共享系统[8]，以及物流车辆调度监管系统[9]、煤矿辅助运输车辆实时监控系统[10]等.

随着车辆接入数量的增加，客户增值业务类型、深层次数据分析和挖掘的需求不断提升，对车辆动态监控系统的性能要求越来越高.满足这方面的需求有许多成功经验可以借鉴，包括大型互联网应用体系架构[11]、高性能成熟的组态软件，以及包括NoSQL[12]、Hadoop[13]在内的大数据处理技术等.

本文针对道路运输车辆状态监控需求，充分利用负载均衡、服务集群、分布存储等大数据技术，设计状态监控、数据存储和分析服务系统，提出了面向大规模高并发访问的营运车辆状态综合监控解决方案系统(简称“VehicleMon”).文章较为详细地论述系统架构和关键技术，对其实际运行情况作了充分的分析.

1 系统架构

1.1 架构风格

系统架构风格直接影响架构属性，包括性能、可伸缩性、可修改性、可移植性和可靠性等.车辆状态监控系统处理的设备和用户数巨大，在正式给出VehicleMon系统软件设计方案之前，需要阐述清楚方案设计背后的理性考虑，给出架构风格.

图1 VehicleMon架构风格

(1)分层

VehicleMon系统实际上主要的服务对象有两类.一类是为用户服务，提供友好的人机界面，姑且认为位于上层；另一类是为现场的设备服务，即数量众多的车载终端，位于系统下层.现代DCS系统也是采用分层的设计思想，通常分为管理层、控制层和现场层，这提高了系统可靠性和可扩展性.

(2)客户/服务器

VehicleMon系统是一个天然的客户/服务器系统.它提供众多的运维客户端、车载设备、服务器组成.我们向设计方案中添加“客户/服务器”的约束，目的是分离用户接口和数据控制与存储，改善了用户接口跨多个平台的可移植性；同时通过简化服务器组件，改善了系统的可伸缩性.

(3)无状态

无状态要求从客户到服务器的每个请求都必须包含理解该请求所必需的所有信息，不能利用任何存储在服务器上的上下文，会话状态全部由客户端来自行维护.这一风格大大改善了系统可靠性，因为它减轻了从局部故障中恢复的任务量，即不需要服务器在恢复时记住故障产生的相关状态数据.

(4)统一接口

图2 VehicleMon系统网络结构

真正统一的接口其实较难做到，但会尽可能使得接口的种类少.统一的接口使得系统架构得到了简化，可见性和可维护性也得到了改善.最终形成如图1所示的VehicleMon架构风格.

1.2 系统基本架构

VehicleMon系统网络结构如图2所示，主要由接入终端和运营监控中心组成.营运车辆装载电子终端设备(基于北斗)，通过3G信号接入到Internet网络，系统提供手机终端APP接口和浏览器接口，方便人机交互访问.监控中心通过防火墙连接BGP(边界网关协议)路由接入到IP互联网络，以提高网络访问的安全性和实时性.

2 关键技术

2.1 车载终端接入控制系统VehicleCC

VehicleCC以TCP/IP为基础协议，采用基于Windows的多线程技术，实现与车载终端的全双工通信，完成车载终端接入功能.VehicleCC与车载终端的交互接口遵循交通运输行业标准JT/T808-2011协议，与上级监管平台的交互接口遵循JT/T809-2011协议.该协议标准规定了道路运输车辆卫星定位系统车载终端与监控平台之间的通讯协议和数据格式，包括协议基础、通信连接、消息处理等所有内容,以及监管平台之间的通信方式、安全认证、消息流程、消息格式和数据实体格式等内容.VehicleCC的运行界面如图3所示.

2.2 Web服务负载均衡

Web服务VehicleServer需要处理大量的用户请求，这些请求包括来自运维人员、车辆企业用户、司机用户等多方面的位置查询、统计，以及控制指令.为了保证服务的高可用性，单独配置了一台负载均衡服务器.由于应用服务器VehicleServer被设计为无状态类型，可以通过负载均衡进行无状态服务的失效转移，一方面提高系统的可靠性，另一方面也分担系统的负载压力.

图3 VehicleCC运行界面

2.3 数据库集群及优化

每个车载终端一般最快5秒就会上报一条位置信息，涉及到多媒体通信，如拍照和视频指令的时候，数据量会更大.加上有不少业务逻辑利用处理代理的存储过程模式保存在数据库中，数据库面临的数据处理压力大，性能要求高.为此我们采取了以下措施：

(1)应用服务和数据服务分离

系统配置三类服务器，包括应用服务器、文件服务器和数据库服务器，除单独配置的文件服务器外，应用服务器和数据库服务器采用集群的模式架设.

(2)读写分离与主从分布

Web应用服务器VehicleServer和接入控制VehicleCC在写数据的时候访问主数据库，主数据库通过主从复制机制将数据同步到从数据库；读取数据时访问从数据库，这样为一些来自车辆运输企业的统计查询、在线位置监控等业务极大地提高了响应性能.

(3)表分区

存储车辆轨迹的表每天产生大量数据记录，随着运营的日积月累，车辆轨迹表数据庞大，极大地降低了查询的效率.为此采用SQL Server的表分区技术，把数据分散存放到不同的物理磁盘中，提高这些磁盘的并行处理性能以优化查询性能.

(4)大数据分析与处理

VehicleMon系统除提供基本的车辆动态监控业务，包括车辆状态报警、位置监控、统计分析等功能外，还存有其它可以挖掘的和经济密切相关的信息，包括营运车辆区域流动性指标、交通安全预警、长距离运输线路优化、车辆移动分布规律挖掘[3]等，这些都需要大数据分析和处理技术的支撑.特别是车辆区域流动性指标，类似于克强指数，货运车辆的流动性一定程度上反映区域经济的活跃度，这些数据对政府宏观经济调控具有重要指导意义.营运车辆驾驶员驾驶习惯和车辆运营状态的大数据统计分析，为保险公司运营优化保险业务提供重要数据分析来源.

3 运行与维护

目前VehicleMon系统已经接入营运车辆，连续运行数月以来，总体运行状态良好.按照角色和权限管理方式，向平台运维人员、车辆运输企业人员提供不同的访问接口，用户通过浏览器或者手机终端可以实时查询到关系的车辆状态信息和获取统计分析报表.基于BS结构的VehicleServer的监控主界面如图4所示.

图4 VehicleServer监控主界面

接入控制软件VehicleCC在单服务器环境下进行了性能测试，服务器环境为DELL PowerEdge系列，操作系统Windows 7.用软件模拟大规模车载终端接入，分析VehicleCC的处理时间，结果如图5所示.从测试结果看，平均每秒VehicleCC能够处理近千条车载终端的上报消息.从测试情况看，单个节点当每秒并发访问量超过500后，系统响应时间急剧下降，如图6所示.

图5 VehicleCC性能测试结果

图6 VehicleServer性能测试结果

4 结论

本文针对车辆动态监控及数据智能分析，提出了一种可以支持大规模并发访问的高性能车辆综合监控系统.通过采用合理的架构风格，选用业务拆分、负载均衡、服务集群、NoSQL查询优化等手段，较好地处理了车辆监控中涉及的大数据量、并发访问量高等所带来的问题，基本满足了实际应用的需求.系统支持横向和纵向的扩展模式，可以快速响应未来车辆接入的增长要求.另外，系统在架构设计访问方面还存在需要提升的地方，如在满足一致性、可用性、分区容错性等方面还需深入研究，尽可能地提升系统的运营效率.

[1] 陈熙，郭迟，万怡，等.面向动态隐患目标的车联网主动安全模型及系统实现[J].小型微型计算机系统，2015(1)：22-26.

[2] 刘经南，方媛，郭迟，等.位置大数据的分析处理研究进展[J].武汉大学学报(信息科学版)，2014(4)：379-385.

[3] 张文博.基于可信计算的车联网云安全通信模型[J].华中科技大学学报(自然科学版)，2014(11)：102-105.

[4] 仰燕兰，叶桦，费树岷.车辆定位监控系统数据库的设计与优化[J].东南大学学报(自然科学版)，2010(S1)：43-47.

[5] 邵宇，张全发，蒲宝明.智能监控中的工程车辆识别算法[J].小型微型计算机系统，2013(4)：864-867.

[6] 王立颖.基于车联网的货车安全监控系统设计与分析[J].物流技术，2014(11)：353-356.

[7] 李小伟.车联网技术在校车安全监控系统中的应用[J].自动化仪表，2013(10)：40-42.

[8] 赵鲁华.基于RFID/Compass/3G技术的甩挂车辆安全监控系统研究[J].物流技术，2015(4)：140-142.

[9] 王晓华，李萍.基于无线传感器网络的智能物流车辆监控系统的设计[J].计算机应用与软件，2014(12)：132-135.

[10] 刘文涛.煤矿辅助运输车辆实时监控系统设计[J].工矿自动化，2014(10)：68-71.

[11] 王元卓，靳小龙，程学旗.网络大数据：现状与展望[J].计算机学报，2013(6)：1125-1138.

[12] 覃雄派.大数据分析——RDBMS与MapReduce的竞争与共生[J].软件学报，2012(1)：32-45.

[13] 刘云峰.面向大数据的数据服务中心设计与应用研究[J].通信学报，2013(S2)：170-174.