云计算智慧城市技术储备及研究设想.pptVIP

云计算/智慧城市 技术储备及研究设想 上海交通大学计算机系 2012.6 教授：倪明选（特聘教授）、李明禄、骆源、曹健、黄林鹏 副教授：薛广涛、朱燕民、翁楚良、邓倩妮、朱弘恣 并行与分布式计算 云计算与虚拟化技术 服务计算与网格计算 物联网技术 移动无线宽带网络应用技术 信息论与编码理论 研究方向 2003-2007年，上海市科委重大项目--上海网格(一期、二期) 2006-2010年，国家973计划--无线传感网基础理论与关键技术 2011-2013年，国家863计划--面向信息-物理融合的系统平台 2011-2013年，国家863计划--智慧城市(一期) 2012-2015年，新加坡智慧城市计划--Cloud of Clouds: Petascale Urban Sensing and Data Management 科研项目 2009年“上海网格关键技术及应用”项目获上海市科技进步二等奖 2008年“中国教育科研网格”项目获国家科学技术进步二等奖 2006年“中国教育科研网格”项目获教育部科学技术进步奖一等奖 2006年，国际会议IEEE Asia-Pacific Conference on Services Computing 2006 (APSCC 2006)最佳论文 国际会议The International Conference on Embedded Software and Systems (ICESS 20008)最佳论文 Best paper award of the 7th Annual Conference of China Institute of Communications. China Communications, vol.7, no.4, p.137-143, 2010. 系统安全之云计算安全 获奖情况 研究内容 路况实时检测系统 车辆跟踪技术 城市环境监测 研究基础：城市交通网格 研究内容 森林生态监测系统 在线海洋监测系统 研究基础：大规模无线传感网试验床 多系统中的数据本身具有海量性和超高维度特征 多系统中的数据之间也具有时空相关性 多系统的数据查询也是呈现多样化特征 查询往往需要提取多个系统的信息 检索过程中需要对历史查询结果提取 上海内外高架100米范围内的高度超过200米的建筑物数量？ 这些建筑物中都有哪些公司和单位？ 这些单位过去三年的缴纳税款总额是多少？ 多系统海量多维数据处理所面临的挑战 水平扩展 并行数据库 功能全面 小规模数据性能较好 缺点： 可扩展性差 容错性差 价格昂贵 Google MapReduce 高可扩展 高容错性 开源免费 缺点： 不适合高维数据复杂查询 垂直扩展 网络存储结构 数据处理模式 海量多维数据处理所面临的挑战 迫切需要研究智慧城市中，面向多系统融合、能自我优化的高效的数据组织、处理与查询方法 存储与计算耦合方法 “数据活化”模型 存储自适应于计算需求 计算自适应于存储优化 实体知识自动增长 实体关联动态产生 。。。。。 城市多系统数据融合的模型与方法 挖掘多系统异构数据的共性描述基础及动态融合规律 研究以“实体”为基本数据组织和处理单元的动态融合模型构建理论和方法 研究内容 1 面向多系统融合的海量高维度数据并行检索技术 针对智慧城市环境下快速增长的海量空间数据，提出高效并行检索技术，以提高检索效率、有效降低检索操作的复杂度、最小化用户数据检索反应时延作为主要目标 重点研究检索的代价模型、高效的压缩算法等，提出高效的并行检索技术 应对两方面的挑战： 随着数据集的规模迅速增加，迫切需要更高效可扩展的海量数据并行处理方法； 城市多系统数据的成百上千的高维度维数，所带来的维数灾难问题。 研究内容 2 面向多系统融合的海量空间数据处理技术 针对智慧城市环境中多系统海量数据融合需求，研究如何在MapReduce框架下有效地执行并行高维数据相似连性接技术 高效支撑范围查询、K 最近邻查询和空间合并等空间数据操作技术，以提高空间数据的处理效率 研究内容 3 建立智慧城市多系统数据融合模型，提出高效、低能耗、可靠的多系统数据动态融合方法。 面向智慧城市海量高维度数据，研究实现高效并行检索技术，以有效降低检索操作的复杂度，最小化用户数据检索反应时延。 面向智慧城市海量的空间数据，研究实现高效支撑范围查询、K 最近邻查询和空间合并等空间数据操作方法。 研究目标 谢谢 * * * * * * * * * * * * * * * * * * * * * * * *