智慧城市建設模式影像地理信息處理技術及集群應用系統架構研究

陶祥亞　仲兆滿

智慧城市建設中應用了大量的傳感器，空間維度的地理信息數據采集數量十分龐大，對這些數據快速處理成為智慧城市系統建設中的重要工作。本文在介紹影像地理信息處理技術方法的基礎上，對集群處理系統軟硬件架構進行了設計，并結合像素工廠（PF）分析了集群處理系統的數據生產流程。

一、前言

智慧城市建設中物聯網、互聯網、移動互聯網的推廣和應用必將產生大量的過程數據，而傳統的關系數據庫已經不能完全適應對海量地理影像數據的存儲、管理、處理、挖掘等計算要求，解決的技術將主要依靠集群計算、分布式計算與存儲、云計算與存儲等技術。對智慧城市建設中大數據采用何種影像地理信息處理技術，設計何種集群計算系統架構，是智慧城市地理影像海量數據使用、管理和挖掘亟需解決的問題。

二、我國智慧城市的建設模式及其選擇

（一）智慧城市的模式研究

我國智慧城市的建設受到很多因素的制約。每個城市都有其自身發展的優勢也有其自身的先天不足，影響智慧城市建設的主要因素有經濟發展水平、城市管理水平、創新水平、環境制約因素、地理區域、人口規模、基礎設施狀況等等的制約，這些因素直接決定著我國智慧城市建設個體應當選擇不同的模式。

1.經濟發展水平的差異決定建設模式的不同。

經濟發展水平較高的城市在推進智慧城市的建設進程中步子可以邁得更大一些，比如可采取“全面推進的模式”；經濟發展中等水平的城市在推進智慧城市的建設進程中應根據自身財力的實際量力而為，步子不宜邁得過大，比如可采取“層層遞進的模式”；經濟發展水平較差的城市則不應勉為其難，而應“延緩”智慧城市的建設步伐。

智慧城市建設的步調和節奏將會直接影響付出的代價和投入。全面推進智慧城市建設的代價是高昂的。由于建設智慧城市點多面廣，不僅規模大，而且人力、物力、財力以及管理成本耗費巨大。而“層層遞進的模式”則可以由點及面，首先重點攻克關鍵領域，進行試點，以點帶面。這種模式遵循“先行先試”的原則，可以在建設中不斷總結經驗，指導后期建設，如此可以少走彎路，進而合理使用資金，降低投入風險。

2.從建設動力上可分為“創新驅動型”和“投資拉動型”。

“創新驅動型”的智慧城市建設要求技術含量高、持續性強，但是投入較大，收效緩慢；“投資拉動型”的智慧城市建設具有速度快、帶動性強，但是可持續性較差。

3.從建設主體的角度劃分，可以稱之為“政府主導”的智慧城市建設和“市場主導”的智慧城市建設。

我國智慧城市建設的模式主要是以政府為主導，也就是說政府搭臺，企業輔助。而發達國家則多以企業、科研機構為主導，推動智慧城市的建設和管理。

（二）我國智慧城市建設的模式選擇

我國城市個體特征千差萬別，智慧城市建設的模式沒有一個嚴格的標準，也很難制定出千篇一律的標準。智慧城市的建設模式各有特點，沒有優劣之分，是否適合城市個體是唯一橫向建設模式選擇的唯一標準。因此要結合城市個體的資源、特色，選擇適合自身發展需要的建設模式，突出城市的特色。

智慧城市建設是個循序漸進的過程，不同的建設階段必然有其不同的個體特點，掌握自身特點及時調整建設模式是智慧城市建設的常態。比如，在政府主導的智慧城市建設過程中，如果企業或者科研機構能夠提供技術和資金支持，完全可以轉化為企業或科研機構主導的建設模式。

三、智慧城市影像地理信息處理的技術方法

并行計算技術、數據挖掘技術是智慧城市海量地理影像數據處理的兩個關鍵技術，而集群計算技術則是上述兩個技術在信息數據處理應用系統中的技術核心。

（一）集群計算技術

集群（clustering）系統對用戶來說單一的、高可用的單元，其使用的計算技術主要依靠多個工作站、多個存儲設備以及記憶冗余的互連線路來完成。集群系統其能夠被用于實現數據計算資源的負載均衡，對于系統呈現層、應用層用戶來說，集群就是一個唯一的應用系統。

1.集群計算技術分類

集群計算技術可分為高性能計算集群技術（High-performance clusters）、高可用性集群（High Availability Cluster）和高可擴展性集群技術。High-performance clusters是一種并行計算集群的實現方法，是以提高科學計算能力為目的計算集群技術；High Availability Cluster是指以盡量避免服務應用設備出現死機狀態的服務器集群技術；高可擴展性集群技術就是帶均衡算法或均衡策略定義域的服務器集群技術。

上述三種集群技術在實際應用中相互交融，如High Availability Cluster可以在其計算設備間均分負載，也可以通過程序語句執行并行應用系統關聯設備，還可以在計算設備之間均分負載，集群類別的劃分只是一個相對的概念。

2.集群計算系統特點

第一，由于芯片處理器技術和高冗余算法變化，集群計算系統應用的微處理器更多，速度更快。

第二，集群內計算單元通過專用網絡交換機在客戶端、存儲設備、處理節點之間進行數據交換，通信實現高帶寬、小延遲，集群單元具有更好的擴展性。

第三，集群系統的存儲設備往往是獨立的存儲過程和結果數據；存儲設備冗余互不關聯，相對獨立，進而使得集群系統可以實現高容錯率和高安全性。

第四，集群系統內計算節點軟硬件配置基本相同，使得集群計算處理系統的統一管理和維護的便利性更容易。

（二）影像地理信息數據處理中的集群運算

1.柵格地理信息數據的特點及并行處理要求

地理信息數據中的網格數據結構（比如衛星影像、航攝影像等柵格數據）通過把影像平面劃分為等份的正方形小方格簡單直觀，通過自然實體所占據的柵格行列坐標定義其位置和形狀。空間地物的分布呈現離散和不連續性，是通過規則的陣列表示，在陣列位圖中均可以采用二進制位編輯任意像素點。

高速掃描的遙感影像在獲得時通常需要經過轉換方位角、轉換天頂角，適配影像等技術環節。按照并行集群運算的思維，可以將轉換方位角、轉換天頂角，適配影像等技術環節獨立劃分，通過縮短軟件語句算法，進而實現算法在軟件運行過程中需要的時間。通常，單幅高分影像的掃描范圍較大，存儲影像的數據量也很大，影像掃描在計算處理時容易形成較大的假計算、運算資源浪費以及數據計算的內存溢出。這就要求處理算法也要可分解，支持算法的并發處理，影像切片技術就可以很好地滿足這一要求。

2.封裝算法設計

第一，計算節點算法封裝：該封裝算法集合了輸入、輸出環節所有的計算節點，從原始數據的輸入、數據的運算處理，再到最后影像產品的輸出路徑都要設計齊全，并通過計算節點封裝模塊化程序達到處理輸入數據的功能。

第二，工作流程算法封裝：集群計算需要一種工作規范，工作流程封裝算法能夠描述和處理輸入節點、輸出節點、計算節點之間的邏輯關系。

第三，輸入輸出算法封裝：該封裝算法可以很方便地對流程的輸入輸出進行編輯，封裝所有的有關輸入輸出的操作數據接口并進行數據生產。

四、設計集群運算處理平臺的目標及原則

（一）集群運算平臺的設計目標

1.利用并行機制各并行計算低耦合的特點，平臺應設計為各模塊相對獨立、松耦合的模式并能集成于一個平臺之上，實現算法和計算模塊的雙復用。

2.實現多級并行計算機制，構建快速處理集群系統，需要考慮各種并行機制的關系，保障并行計算低耦合和高內聚的特性。

3.高效利用計算機資源，充分挖掘計算集群中沒有完全利用的性能，積極調配和組織并行計算節點。

（二）集群運算平臺的設計原則

影像集群快速處理系統的設計關鍵是要能設計出適合處理遙感數據特點的并行集群計算系統框架。該框架應具有合理的并行算法，應具有運用并行邏輯思想構建并行處理流程，進而實現超大量數據調用和計算。設計基于遙感數據特點的快速處理系統，以下幾點為設計依據：

1.輕：集群計算系統應按照簡潔的原則，要盡可能通過最少的步驟實現豐富的功能，簡單的操作并不代表功能的減少和在容錯設計上打折扣。

2.靈：在不同層面應實現靈活性，計算節點應能夠實現靈活的加入和退出；支持不同類型的數據源，通過多種途徑獲取的數據能夠進行處理；數據計算方面能夠支持內存計算、迭代批量處理和流處理等。

3.快：集群計算的目的就是要求快速處理數據，所以設計應按照計算速度快、通信速度快、存儲速度快等原則，優化整個數據的處理過程。

五、集群處理系統架構設計

（一）集群處理系統硬件架構

1.存儲設備：可選用等容量的磁盤陣列（如HDS AMS2300），可運用RAID5存儲解決方案，這種方案兼顧了存儲性能、數據安全和存儲成本。RAID5把奇偶校驗信息與其相對應的數據存儲到RAID5的磁盤之上，而且這兩類信息的存儲必須是存到不同的磁盤上。當出現數據災難時，可以利用剩下獨立磁盤中安全、準確的數據及相應的奇偶校驗信息，恢復被損壞的磁盤數據。RAID5磁盤陣列可以熱插拔。當硬盤損壞后，可以用一個新硬盤通過冷插拔方式替換被損壞的硬盤，陣列會自動通過奇偶校驗信息和相對應的數據恢復磁盤數據。

2.服務器：應與計算節點同處一個刀片服務器機架箱，應配置與計算節點相同，服務器操作系統應是一個基于多用戶、多任務、支持多線程和多CPU的網絡操作系統，應包含POSIX和UNIX以網絡為核心的設計理念。

3.San Switch交換機：應多于2臺存儲區域網絡SanSwitch交換機，終端是存儲設備和服務器，通過光纖通道實現互聯互通。SAN專注于企業級存儲和存儲量大的工作環境。其結構組成部分包括：管理軟件、Switch、路由器、主機光卡模塊等。SAN存儲連接結構靈活，服務器可以訪問管理軟件權域下存儲區內的任何一塊磁盤陣列，同時管理軟件權域下的存儲設備與交換機、存儲設備之間亦能進行無障礙通信，使用光纖進行連接，采用可靠性高、通信距離長、性能高、可擴展性良好的Fibre Channel協議，確保存儲與服務器分開。

4.計算節點：集群處理系統應由多個虛擬服務器和物理服務器（或刀片服務器）構成，用于并行集群技術的CPU核數應盡可能多，要盡可能確保計算資源，滿足智慧城市影像采集大數據量的基本要求，比如可采用HP的16核刀片、Linux 操作系統、CPU核數可達256核的計算節點單元。

5.操作終端：集群系統操作終端由多個工作站（Workstation）組成，可滿足Windows、Linux及混合操作系統共同操作、分發，管理集群計算任務主要依托工作站上的操作系統實現。系統用Firefox、IE、360等瀏覽器即可對集群系統進行遠程管理，在瀏覽器環境頁面可看到集群處理系統硬件運行、軟件組織情況等信息，可十分方便地實現對集群處理系統的遠程操作（圖1）。

（二）集群處理系統軟件架構

集群處理系統由用戶應用層、系統應用層、服務層等組成（圖1）

集群處理系統軟件架構一般由“Main Window，Administrator Console，Information Console，Activity Window”四個用戶界面組成，所有的軟件功能模塊均內嵌在這四個界面的菜單中。影像集群處理系統在國內市場尚處于研究起步階段，而在西方國家則有許多成功的項目案例可資借鑒，比如“像素工廠系統”就是一款較為成熟的影像集群處理系統。

以集群處理系統工作流程——PF（Pixel Factory System）為例。集群處理系統工作流程是基于數據驅動，包括基于數據建立規則觸發任務執行；允許并發規則；可以自動設置任務參數和選擇數據等。系統應內嵌式工作流，包括“系統數據庫里嵌入工作流程定義，其工作流可以對系列任務和選擇進行設置”。再以PF集群處理系統工作流程為例（圖2）。

PF（Pixel Factory System）是一款由法國公司研發，具有多種影像兼容性、并行處理，集自動化、遠程管理等特點于一身，用于大型數據生產的遙感影像自動化處理系統。PF系統非常適用于裝有IMU/ GPS并能減少處理過程數據量數碼傳感器，比如Airborne Digi2tal Sensor40數碼相機，這是因為IMU/GPS減少了空中三角測量所需的地面控制點的數量。按照上述集群處理系統工作流程，結合PF軟件操作平臺，在少量人工干預的條件下，經過一系列封裝算法及其數字表面模型、數字高程模型、正射影像以及真正射影像等批量生產處理，即可制作輸出高質量的GRID地理影像文件（具體軟件操作過程略）。

六、結語

智慧城市建設其所涉及的技術很寬泛，本文首先對智慧城市建設中的并行計算、數據挖掘的核心技術——集群計算技術進行了簡單的介紹。實踐表明，高速存儲能力、自動化處理能力和并行計算能力是集群處理技術的三大能力。集群處理技術具有兼容多傳感器、支持多平臺、能夠革新傳統算法的特點，從而使其在智慧城市高分影像大數據處理中具有強大的優勢，對傳統數字化影像生產模式帶來了創新與變革。可以預見，集群處理應用系統在智慧城市影像地理海量數據處理領域必將得到更加廣泛的推廣和應用。

參考文獻

[1] 張彬，鄧富亮.廈門“智慧城市”建設現狀與對策研究[J].長沙理工大學學報（社會科學版），2016（5）：60-64.

[2] 梁軍，黃騫.從數字城市到智慧城市的技術發展機遇與挑戰[J]. 地理信息世界，2013（2）：1672-1586.

[3] 丁國勝，宋彥.智慧城市與“智慧規劃”——智慧城市視野下城鄉規劃展開研究的概念框架與關鍵領域探討[J].城市發展研究，2013（4）：34-39.

[4] 謝昕.我國智慧城市發展現狀及相關建議[J].上海信息化，2012（1）：12-15.

[5] 龐文強，伍建林.CFD并行計算平臺的搭建與性能分析[J].重慶科技學院學報（自然科學版），2009（06）：158-161.

[6] 張志友.計算機集群技術概述[J].實驗室研究與探索，2006 年（6）：607-609，656.

[7] 歸達偉.計算機集群技術[J].西安郵電學院學報，2004（04）：94-96，99.

[8]朱定局.智慧數字城市的系統框架[J].高科技與產業化，2013（6）：56-61.

[9]鄔賀銓.智慧城市的數據管理[J].物聯網技術，2012（11）：11-14.

（責任編輯：李靜敏）