13、雾计算与云计算虚拟化技术在智能交通与行业应用中的解析

雾计算与云计算虚拟化技术在智能交通与行业应用中的解析

1. 雾计算在智能交通中的应用

在智能交通领域，雾计算展现出了强大的应用潜力，主要通过三个关键阶段实现智能交通控制。

1.1 第二阶段：雾层传感器感知属性的ETL过程

这一阶段通过对雾节点本地传感器数据进行ETL（提取、转换、加载）过程，并在本地创建带有推理规则的事实来实现。具体操作如下：
- 数据关联 ：将繁忙路线、交通密度、交通灯同步等各种参数与空间人口、天气（如降雨和雾）以及废气排放等因素相关联。
- 规则创建 ：分析所有静态传感器的感知属性及其时空属性，以创建区域推理规则。这些规则有助于在特定区域创建随时间变化的交通密度多边形。
- 信息通知 ：当相邻地理多边形内有用户出行时，可在本地通知他们，从而减轻主云中心的负担。

创建的知识库在认知模型中的实施有助于处理空间查询。在雾节点，可使用索引方法（如带有少量边界框的R树）高效处理空间查询，该方法可涵盖所有交通多边形和地理多边形。城市内相关路线的交通多边形历史数据可用于日常交通模式分析、路线建议和交通灯同步。针对特定区域创建的推理规则将得到优化，以实现更好的实时交通预测和建议。雾节点内的空间查询可根据其空间区域（即边界框）在分布式环境中执行。雾节点的知识库将在云环境中更新，以实现客户端建议布局与查询执行的映射。

1.2 第三阶段：云层的区域交通几何构造、推理规则和知识库管理

雾节点的汇总属性和区域模式将减少云服务器的计算时间。雾节点空间区域的用户可轻松与交通多边形关