框架|上海交通大学过敏意：面向城市治理的图智能分析框架( 六 )

（四）城市路况分析平台

借助城市治理任务图结构化数据的智能存管，达到复杂城市交通路况的实时处理和分析预测。

文章插图

数据量：百万级车辆千万级用户需求方：深圳市交通运输委

这是路况，也是六维数据。对一条路上有多少人卡车、公交、出租车、私家车等，进行相似度分析、路况预测。下面这是深圳市的地图，绿色的是货运车，蓝色的是公交车，然后对它们进行精准分析。

文章插图

这些方面，我们主要是和深圳、杭州，阿里城市大脑合作，进行大数据的分析，包括人、机、物三元空间分析以及图分析工具都集成在一个平台系统里面。前期相关技术应用于阿里城市大脑、网易数据地图等关键资源密集型应用场景，整体性能提升显著。去年也拿到了教育部科技进步一等奖。

文章插图

研究展望

（一）高并发图化治理任务的硬件加速

结合并发图计算任务的多为领域知识特征，研究硬件资源共享利用方式，设计高性能低能耗的并发图计算协同加速框架。

文章插图

左为基于FPGA可重构计算的加速系统，右为基于GPU/NVM加速的自适应架构

首先是高并发图化治理任务的硬件加速。这方面现在还没有做，我们知道人工智能硬件加速非常快。我认为硬件加速非常重要，如果有了硬件，那么我们用传统的GPU和CPU进行调度会省很多事。针对图算法，比如说给它可重构计算加速硬件化，那么如何对动态参数调节，比如说基于GPU加速的自适应架构等等，也是研究的另外一个课题。
硬件加速，这是一个自适应的。比如说控制部件也可以硬件化。整个的软硬件协同设计的一个框架必须要做出来。这对整个高并发图计算的平台会产生非常大的影响。
（二）图化治理任务的运行时自主优化

研究并发图计算服务的时空动态特性，建立异构计算环境下开销可估、精度可控、性能可调的图计算自主管理优化机制。

文章插图

第二个是运行时自主优化。现在用户请求、请求预处理及特征表示、调度分配等等这一套，还不是在更精准的状态下可以做到。必须我们事先预知一些算法，一些统计上的框架来做。今后可能实现自主管理，自主调度。
（三）智慧城市多元化图计算服务平台
建立统一的并发图计算多元支撑平台，制定设计规范和关键技术标准，完善接入机制，促进高质量多元化的图计算服务。

文章插图

做服务平台，针对面向政务的、面向民生的、面向产业的能不能有一个统一化的平台这个可能就比较大了。比如说现在在做城市特征的一些东西，面向政务的要求可能就会完全不一样，要做这方面就会遇到很大的挑战。

（四）并发图计算的基准测试评估机制。

需要研究面向并发图计算的综合性能评估机制，尤其是开发多程序图负载。

文章插图