iRail 项目技术文档
2024-12-20 09:52:39作者:翟萌耘Ralph
1. 安装指南
环境要求
安装步骤
-
克隆仓库:
git clone https://github.com/iRail/iRail.git cd iRail -
创建
.env文件: 在项目根目录下创建一个.env文件,并填写以下配置:CACHE_DRIVER=apc NMBS_RIV_API_KEY=your_api_key GTFS_RANGE_DAYS_BACKWARDS=7 GTFS_RANGE_DAYS_FORWARDS=7 APP_TIMEZONE=EUROPE/BRUSSELS -
运行 Docker 容器: 使用 Docker Compose 启动服务:
docker-compose up -d -
配置数据库:
- 如果使用 MariaDB,请确保在 MariaDB 服务器上创建一个数据库,并确保数据库凭据与
docker-compose文件中的配置一致。 - 如果使用 SQLite,请调整数据库配置。
- 如果使用 MariaDB,请确保在 MariaDB 服务器上创建一个数据库,并确保数据库凭据与
-
运行数据库迁移:
php artisan migrate -
访问 API: 在浏览器中访问
http://localhost:8080/,即可使用 iRail API。
2. 项目的使用说明
iRail 项目旨在为比利时的移动性数字创意提供支持,特别是铁路时刻表的可用性。项目提供了一个易于使用的移动网站,通过自有的 API 查询铁路时刻表。
主要功能
- 移动网站: 提供一个简单的移动网站,用于查询铁路时刻表。
- API: 提供 API 接口,供开发者使用。
- 原生应用: 支持 BeTrains 和 RailerApp 等原生应用。
使用场景
- 开发者: 可以通过 API 获取铁路时刻表数据,用于开发相关应用。
- 用户: 可以通过移动网站或原生应用查询铁路时刻表。
3. 项目 API 使用文档
API 文档
API 文档可以在 https://docs.irail.be 找到。以下是一些常用的 API 端点:
-
获取列车时刻表:
GET /api/trains -
获取车站列表:
GET /api/stations -
获取特定列车的详细信息:
GET /api/trains/{trainId}
请求示例
curl -X GET "http://localhost:8080/api/trains"
响应示例
{
"data": [
{
"trainId": "1234",
"departureTime": "2023-10-01T12:00:00Z",
"arrivalTime": "2023-10-01T14:00:00Z"
}
]
}
4. 项目安装方式
使用 Docker 安装
-
克隆仓库:
git clone https://github.com/iRail/iRail.git cd iRail -
配置
.env文件: 参考 安装指南 中的.env文件配置。 -
启动 Docker 容器:
docker-compose up -d -
访问 API: 在浏览器中访问
http://localhost:8080/,即可使用 iRail API。
手动安装
-
克隆仓库:
git clone https://github.com/iRail/iRail.git cd iRail -
安装依赖:
composer install npm install -
配置
.env文件: 参考 安装指南 中的.env文件配置。 -
运行数据库迁移:
php artisan migrate -
启动本地服务器:
php artisan serve -
访问 API: 在浏览器中访问
http://localhost:8000/,即可使用 iRail API。
通过以上步骤,您可以成功安装并使用 iRail 项目。
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
188
206
暂无简介
Dart
630
143
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
243
316
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
383
3.64 K
openGauss kernel ~ openGauss is an open source relational database management system
C++
158
210
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
295
105
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
649
267
仓颉编译器源码及 cjdb 调试工具。
C++
128
858