一种轨交业务AI芯片驱动任务处理方法及系统

技术领域

本发明涉及轨交业务AI芯片驱动技术领域，特别涉及，一种轨交业务AI芯片驱动任务处理方法及系统。

背景技术

轨交即轨道交通，是指运营车辆在特定轨道上行驶的一类交通工具或运输系统，最常见的轨道交通就是由传统火车和标准铁路所组成的铁路系统。随着火车和铁路技术的多元化发展，轨道交通呈现出越来越多的类型，不仅遍布于长距离的陆地运输，也广泛运用于中短距离的城市公共交通中。轨道交通一般分成国家铁路系统、城际轨道交通和城市轨道交通三大类。轨道交通普遍具有运量大、速度快、班次密、安全舒适、准点率高、全天候、运费低和节能环保等优点，根据服务范围差异，轨交业务的体量也异常庞大。AI（ArtificialIntelligence人工智能）芯片处理任务具有速度快、能耗低、准确度高的特点，在轨交业务的任务处理计算上有着巨大的应用前景。

目前主流的AI芯片驱动方式多是通过业务人员业务能力组件编排进行AI芯片的驱动，效率和准确度低，轨交业务的数据体系庞大，任务处理中易出现系统瘫痪崩溃的问题。

发明内容

针对上述缺陷，本发明解决的技术问题在于，提供一种轨交业务AI芯片驱动任务处理方法及系统，以解决现在技术所存在的通过业务人员业务能力组件编排进行AI芯片驱动的主流AI芯片驱动方式，效率和准确度低，轨交业务的数据体系庞大，任务处理中易出现系统瘫痪崩溃的问题。

本发明提供了一种轨交业务AI芯片驱动任务处理方法，包括：

步骤1、采集轨交业务数据，将采集的轨交业务数据按领域进行业务解析，分成若干个以微服务架构为主体的业务子领域，在业务子领域内确定业务所需的最小单元，基于最小单元确定标准业务场景下的标准轨交业务场景；

步骤2、将服务接口单元定义为统一的数据格式，按照统一的数据格式进行轨交业务请求；

步骤3、根据轨交业务请求，在微服务架构中寻找是否包含所述轨交业务，如果包含该请求业务数据，则调用轨交业务方数据相应的回调地址，如果不包含请求业务数据，则进入数据库中寻找或重新录入，匹配新的回调地址；

步骤4、更改AI芯片的内核配置文件，利用预设的编译器对库文件进行编译，在已搭建的编译环境中对AI芯片进行设备注册和生成多AI芯片驱动系统；

步骤5、通过多个AI芯片验证环境和配置层对AI芯片驱动系统进行编译，其中配置层用于提供验证平台架构和变量集合，AI芯片驱动系统中每个单AI芯片对应一个特定的芯片验证环境；

优选地，还包括，步骤6、基于回调地址数据，将程序运行时轨交业务的计算任务上传至AI芯片驱动，利用特定的单AI芯片驱动和计算任务对AI芯片的功能模块进行任务配置，直至任务完成。

优选地，还包括，步骤6、根据单AI芯片驱动的执行时间和硬件资源信息确定至少一个划分方案，将单个任务划分为至少二个子任务的方案，从至少一个划分方案中筛选出至少一个满足预设的筛选条件的初选划分方案，作为最终划分方案，筛选条件为划分方案对应的资源利用率大于预设的资源利用率阈值。

优选地，所述步骤4中，更改配置文件的顺序为获取底层配置文件、获取顶层配置文件，利用底层配置文件和顶层配置文件为AI芯片进行重新编译；内核配置文件的更改包括PCI驱动定义、AI芯片ID声明、AI芯片配置、任务队列初始化、AI芯片地址映射、AI芯片中断注册、AI芯片dma连续内存分配、dma字符设备添加、目标代码文件和各业务系统公共代码文件。

优选地，所述步骤5中，所述变量集合包括单芯AI片的数量、单AI芯片中处理器的启动数目、单AI芯片启动方式和单AI芯片的启动类别。

优选地，所述步骤5中，所述单AI芯片为一个独立的AI芯片，验证环境为UVM通用的方法搭建的验证环境，所述验证环境包括UVM测试层、UVM验证层和UVM测试序列。

本发明还提供了一种轨交业务AI芯片驱动任务处理系统，应用上述任一项所述的一种轨交业务AI芯片驱动任务处理方法，包括：

数据采集系统，用于采集轨交业务数据；

服务接口单元，用于输出轨交业务请求信息；

微服务架构系统，用于存储轨交业务数据与对应的回调地址数据，并与轨交业务请求进行比对；

编译系统，用于对AI芯片驱动系统进行编译。

优选地，所述编译系统系统包括：

验证环境系统，包括启动控制模块、总线验证模块、寄存器模块、存储验证模块、接口IP验证群集合虚拟处理器序列；

配置模块，用于提供验证平台架构和变量集合。

优选地，所述微服务架构系统包括：

轨交业务管理系统，包括用户管理模块、AI芯片处理模块、图像信息管理模块、数据存储与管理模块、系统管理模块、运营管理系统以及调用接口组件；

边缘计算机，用于与所述AI芯片处理模块配合，所述AI芯片处理模块借助所述边缘计算机的硬件资源，对所述轨交业务管理系统信息进行计算分析、智能分类、任务调用和数据存储；

辅助计算集群，用于确定存储的目标数据、读取目标数据、将目标数据依次写入目标计算机集群、联立主计算机集群、对目标数据按照数据规约处理策略进行数据规约处理。

优选地，所述服务接口单元包括：

数据服务接口模块，用于提供输入和输出接口端；

数据缓存模块，用于缓存服务数据；

远程端数据采集模块，用于远程数据采集，获得相应数据后，调用回调地址；

监控日志模块，用于记录系统流程及访问记录；

数据库，用于存储生成的数据信息。

由上述方案可知，本发明提供的一种轨交业务AI芯片驱动任务处理方法基于领域驱动设计理念，对传统轨交业务在数据流维度上，进行领域化设计，并以微服务架构实现各业务子领域，多维度单独分配处理任务，使得任务的响应速度更快，处理任务的时效性和准确度更高；可快速生成业务应用，极大的降低业务代码率，提高应用系统对不同业务场景的自适应能力，解决了传统轨交业务数据量庞大，部署在同一服务器下易出现系统崩溃的问题，满足轨交业务的使用需求。本发明还提供了一种轨交业务AI芯片驱动任务处理系统应用上述方法设置，有效解决现在技术所存在的通过业务人员业务能力组件编排进行AI芯片驱动的主流AI芯片驱动方式，效率和准确度低，轨交业务的数据体系庞大，任务处理中易出现系统瘫痪崩溃的问题。本发明作用效果显著，适于广泛推广。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种轨交业务AI芯片驱动任务处理方法的过程框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例一

请参阅图1，现对本发明提供的一种轨交业务AI芯片驱动任务处理方法的一种具体实施方式进行说明。该种轨交业务AI芯片驱动任务处理方法的具体步骤包括：

S1、业务获取及领域分类：采集轨交业务数据，将采集的轨交业务数据按领域进行业务解析，分成若干个以微服务架构为主体的业务子领域，在业务子领域内确定业务所需的最小单元，基于最小单元确定标准业务场景下的标准轨交业务场景；

微服务架构具体包括轨交业务管理系统、边缘计算机硬件资源和辅助计算集群，其中轨交业务管理系统可划分为用户管理模块、AI芯片处理模块、图像信息管理模块、数据存储与管理模块、系统管理模块、运营管理系统以及调用接口组件，AI芯片处理模块借助边缘计算机的硬件资源，对系统信息进行计算分析、智能分类、任务调用和数据存储，数据存储和管理模块提供对任务数据的存储服务，通过该服务能够获取系统上的多种任务信息，还能通过管理模块对系统进行存储扩容管理，辅助计算集群具体作用为确定存储的目标数据、读取目标数据、将目标数据依次写入目标计算机集群、联立主计算机集群、对目标数据按照数据规约处理策略进行数据规约处理；

S2、设置服务接口：将服务接口单元定义为统一的数据格式，按照统一的数据格式进行轨交业务请求；

服务接口单元包括数据服务接口模块、数据缓存模块、远程端数据采集模块、监控日志模块和数据库，其中远程端数据采集模块进行远程数据采集，获得相应数据后，调用回调地址，数据缓存模块用于缓存服务数据，监控日志模块用于记录系统流程及访问记录，数据服务接口模块用于提供输入和输出接口端；

S3、业务领域分析：根据轨交业务请求，在微服务架构中寻找是否包含所述轨交业务，如果包含该请求业务数据，则调用轨交业务方数据相应的回调地址，如果不包含请求业务数据，则进入数据库中寻找或重新录入，匹配新的回调地址；

S4、更改配置文件：更改AI芯片的内核配置文件，利用预设的编译器对库文件进行编译，在已搭建的编译环境中对AI芯片进行设备注册和生成多AI芯片驱动系统；

更改配置文件的顺序为获取底层配置文件、获取顶层配置文件，利用底层配置文件和顶层配置文件为AI芯片进行重新编译

内核配置文件的更改包括PCI(Peripheral Component Interconnect外设组件互连标准)驱动定义、AI芯片ID（Identity document身份识别号）声明、AI芯片配置、任务队列初始化、AI芯片地址映射、AI芯片中断注册、AI芯片dma(Direct Memory Access直接存储器访问) 连续内存分配、dma字符设备添加、目标代码文件和各业务系统公共代码文件；

S5、AI芯片驱动系统编译：AI芯片驱动系统的编译主要由多个AI芯片验证环境和配置层组成，配置层用于提供验证平台架构和变量集合，AI芯片驱动系统中每个单AI芯片对应一个特定的芯片验证环境；

变量集合包括单芯AI片的数量、单AI芯片中处理器的启动数目、单AI芯片启动方式和单AI芯片的启动类别，单AI芯片验证环境包括启动控制模块、总线验证模块、寄存器模块、存储验证模块、接口IP（Internet Protocol网际互连协议）验证群集合虚拟处理器序列；

S6、获取计算任务：基于回调地址数据，将程序运行时轨交业务的计算任务上传至AI芯片驱动，利用特定的单AI芯片驱动和计算任务对AI芯片的功能模块进行任务配置，直至任务完成。

单AI芯片为一个独立的AI芯片，验证环境为UVM（Universal VerificationMethodology通用验证方法学）通用的方法搭建的验证环境，分为UVM测试层、UVM验证层和UVM测试序列。

与现有技术相比，该方法基于领域驱动设计理念，对传统轨交业务在数据流维度上，进行领域化设计，并以微服务架构实现各业务子领域，多维度单独分配处理任务，使得任务的响应速度更快，处理任务的时效性和准确度更高，满足轨交业务的使用需求。

实施例二

作为本发明的另一种实施方式，本发明提供的一种轨交业务AI芯片驱动任务处理方法具体步骤包括：

S1、业务获取及领域分类：采集轨交业务数据，将采集的轨交业务数据按领域进行业务解析，分成若干个以微服务架构为主体的业务子领域，在业务子领域内确定业务所需的最小单元，基于最小单元确定标准业务场景下的标准轨交业务场景，微服务架构具体包括轨交业务管理系统、边缘计算机硬件资源和辅助计算集群，其中轨交业务管理系统可划分为用户管理模块、AI芯片处理模块、图像信息管理模块、数据存储与管理模块、系统管理模块、运营管理系统以及调用接口组件，AI芯片处理模块借助边缘计算机的硬件资源，对系统信息进行计算分析、智能分类、任务调用和数据存储，数据存储和管理模块提供对任务数据的存储服务，通过该服务能够获取系统上的多种任务信息，还能通过管理模块对系统进行存储扩容管理；

S2、设置服务接口：将服务接口单元定义为统一的数据格式，按照统一的数据格式进行轨交业务请求；

S3、业务领域分析：根据轨交业务请求，在微服务架构中寻找是否包含所述轨交业务，如果包含该请求业务数据，则调用轨交业务方数据相应的回调地址，如果不包含请求业务数据，则进入数据库中寻找或重新录入，匹配新的回调地址；

S4、更改配置文件：更改AI芯片的内核配置文件，利用预设的编译器对库文件进行编译，在已搭建的编译环境中对AI芯片进行设备注册和生成多AI芯片驱动系统；更改配置文件的顺序为获取底层配置文件、获取顶层配置文件，利用底层配置文件和顶层配置文件为AI芯片进行重新编译

S5、AI芯片驱动系统编译：AI芯片驱动系统的编译主要由多个AI芯片验证环境和配置层组成，配置层用于提供验证平台架构和变量集合，AI芯片驱动系统中每个单AI芯片对应一个特定的芯片验证环境；

S6、获取计算任务：基于回调地址数据，还可以根据单AI芯片驱动的执行时间和硬件资源信息确定至少一个划分方案，将单个任务划分为至少二个子任务的方案，从至少一个划分方案中筛选出至少一个满足预设的筛选条件的初选划分方案，作为最终划分方案，筛选条件为划分方案对应的资源利用率大于预设的资源利用率阈值。

与现有技术相比，该方法可快速生成业务应用，极大的降低业务代码率，提高应用系统对不同业务场景的自适应能力，解决了传统轨交业务数据量庞大，部署在同一服务器下易出现系统崩溃的问题。

实施例三

本发明提供了一种轨交业务AI芯片驱动任务处理系统，应用上述任一实施例中的一种轨交业务AI芯片驱动任务处理方法，包括数据采集系统、服务接口单元、微服务架构系统、编译系统，其中数据采集系统用于采集轨交业务数据；服务接口单元用于输出轨交业务请求信息；微服务架构系统用于存储轨交业务数据与对应的回调地址数据，并与轨交业务请求进行比对；编译系统用于对AI芯片驱动系统进行编译。

在本实施例中，编译系统系统包括验证环境系统、配置模块，其中验证环境系统包括启动控制模块、总线验证模块、寄存器模块、存储验证模块、接口IP验证群集合虚拟处理器序列；配置模块用于提供验证平台架构和变量集合。

在本实施例中，微服务架构系统包括轨交业务管理系统、边缘计算机、辅助计算集群，其中轨交业务管理系统包括用户管理模块、AI芯片处理模块、图像信息管理模块、数据存储与管理模块、系统管理模块、运营管理系统以及调用接口组件，其中数据存储与管理模块用于获取多种任务信息，提供对任务数据的存储服务，并对轨交业务管理系统进行存储扩容管理，用户管理模块对用户信息进行获取和识别，并取用储存的用户信息，进行用户信息管理，图像信息管理模块对图像信息进行分类、处理和储存，通过系统管理模块对系统进行管理，运营管理系统提供运营管理，调用接口组件提供输入输出接口端，AI芯片处理模块借助边缘计算机的硬件资源，对系统信息进行计算分析、智能分类、任务调用和数据存储；边缘计算机用于与AI芯片处理模块配合，AI芯片处理模块借助边缘计算机的硬件资源，对轨交业务管理系统信息进行计算分析、智能分类、任务调用和数据存储；辅助计算集群用于确定存储的目标数据、读取目标数据、将目标数据依次写入目标计算机集群、联立主计算机集群、对目标数据按照数据规约处理策略进行数据规约处理。

在本实施例中，服务接口单元包括数据服务接口模块、数据缓存模块、远程端数据采集模块、监控日志模块、数据库，其中数据服务接口模块用于提供输入和输出接口端；数据缓存模块用于缓存服务数据；远程端数据采集模块用于远程数据采集，获得相应数据后，调用回调地址；监控日志模块用于记录系统流程及访问记录；数据库用于存储生成的数据信息。

与现有技术相比，该种轨交业务AI芯片驱动任务处理系统的有益效果在于：1、该系统基于领域驱动设计理念，对传统轨交业务在数据流维度上，进行领域化设计，并以微服务架构实现各业务子领域，多维度单独分配处理任务，使得任务的响应速度更快，处理任务的时效性和准确度更高，满足轨交业务的使用需求，微服务架构具体包括轨交业务管理系统、边缘计算机硬件资源和辅助计算集群，其中轨交业务管理系统可划分为用户管理模块、AI芯片处理模块、图像信息管理模块、数据存储与管理模块、系统管理模块、运营管理系统以及调用接口组件，AI芯片处理模块借助边缘计算机的硬件资源，对系统信息进行计算分析、智能分类、任务调用和数据存储，数据存储和管理模块提供对任务数据的存储服务，通过该服务能够获取系统上的多种任务信息，还能通过管理模块对系统进行存储扩容管理；2、可快速生成业务应用，极大的降低业务代码率，提高应用系统对不同业务场景的自适应能力，解决了传统轨交业务数据量庞大，部署在同一服务器下易出现系统崩溃的问题。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。本发明实施例中未作详细描述的内容属于本领域专业技术人员公知的现有技术。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。