CN114490053A - 基于边缘计算和监督学习方法的情景感知策略推荐*** - Google Patents
基于边缘计算和监督学习方法的情景感知策略推荐*** Download PDFInfo
- Publication number
- CN114490053A CN114490053A CN202210066343.2A CN202210066343A CN114490053A CN 114490053 A CN114490053 A CN 114490053A CN 202210066343 A CN202210066343 A CN 202210066343A CN 114490053 A CN114490053 A CN 114490053A
- Authority
- CN
- China
- Prior art keywords
- data
- edge
- module
- control strategy
- edge computing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5072—Grid computing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Selective Calling Equipment (AREA)
Abstract
基于边缘计算和监督学***台配合边缘计算处理模块,提供强大的计算资源,持续采集边缘计算节点所对应周边情景感知,周边情景感知可通过传感器采集周边温湿度、天气环境和光照强度等情景,通过控制策略推荐模块可将最优的、符合实际情况的控制策略进行推荐,提升了***的工作效率和状态,避免***固化和呆板。
Description
技术领域
本发明涉及深度学习算法策略推荐***技术领域,尤其涉及基于边缘计算和监督学习方法的情景感知策略推荐***。
背景技术
边缘计算是指在靠近物或数据源头的一侧,采用网络、计算、存储、应用核心能力为一体的开放平台,就近提供最近服务。边缘计算通过给予网络边缘设备一定的计算能力和存储能力,形成“智能终端—边缘服务器—云数据中心”三层***结构,在网络的边缘提供通信和IT服务、存储和计算资源,以降低应用的处理延迟以及更有效地利用移动网络;云计算一般是指以大型数据中心为基础的基础设施平台,通过建立集中式的大规模数据中心和计算中心,形成云计算的云端,由云端对外提供用户所需要的资源和服务。
目前,现有的深度学习算法策略推荐***运行流畅度差,难以进行应用场景的情景感知和控制,推荐给用户的控制方案和策略准确性差,导致用户体验感较差。为解决上述问题,本申请中提出基于边缘计算和监督学习方法的情景感知策略推荐***。
发明内容
(一)发明目的
为解决背景技术中存在的技术问题,本发明提出基于边缘计算和监督学***台配合边缘计算处理模块,提供强大的计算资源,持续采集边缘计算节点所对应周边情景感知,周边情景感知可通过传感器采集周边温湿度、天气环境和光照强度等情景,通过控制策略推荐模块可将最优的、符合实际情况的控制策略进行推荐,提升了***的工作效率和状态,避免***固化和呆板。
(二)技术方案
为解决上述问题,本发明提出了基于边缘计算和监督学习方法的情景感知策略推荐***,包括边缘计算***与硬件、边缘节点数据采集模块、边缘计算处理模块、数据反馈模块、数据库存储模块和控制策略推荐模块;
所述边缘计算***与硬件:配置组建边缘服务器、云端平台和监控端,并安装计算***,用于***启动时对各个模块进行初始化,并按照初始指令构建边缘学习网络,监控端可连接数据库进行数据的实时解析和比对;
所述边缘节点数据采集模块:持续采集边缘计算节点所对应周边情景感知,周边情景感知可通过传感器采集周边温湿度、天气环境和光照强度等情景;
所述边缘计算处理模块:通过边缘服务器或者云端平台计算能力对采集的数据进行分析和处理,并得到相应的反馈数据。
优选的,所述数据反馈模块:将边缘计算***处理后得到的数据分别反馈给所述边缘节点数据采集模块所对应终端节点设备和所述边缘计算***与硬件监控端的设备,还存储于数据库存储模块中作为备份;
所述数据库存储模块:将不同的终端节点得数据样本进行分类存储,并且定期根据终端节点的状态数据进行更新,保证数据的及时性和有效性;
所述控制策略推荐模块:可由所述边缘计算***与边缘服务器自主进行述控制策略的推荐,也可由数据库判定情景进行控制策略的推荐,还可人工判定情景进行控制策略的推荐;
所述边缘计算***与硬件发布采集指令给所述边缘节点数据采集模块,所述边缘节点数据采集模块将采集数据后通过所述边缘计算处理模块进行分析处理,然后将数据与所述数据库存储模块进行数据比对和存储,再通过所述数据反馈模块进行反馈,并由所述控制策略推荐模块进行控制策略的推荐。
优选的,所述边缘计算***与硬件中云端平台计算***处在终端的近端,快速响应数据的变化,在边缘计算节点数量较多,数据传输量较大时缓解服务器主机的运行压力,边缘服务器基于MQTT协议实现通讯功能,作为服务器与客户端之间的通信方式,实现MQTT客户端与Sqlite数据库通信功能,基于传感器实现环境温度与相关信息的获取,通过WiFi通信,实现MQTT通信功能与传感器信息订阅及控制命令发送功能的集成。
优选的,所述边缘计算***与硬件中服务器主机机房和监控端可以是一个或多个,其中可以一个监控端对应多个所述边缘节点数据采集模块的终端节点。
优选的,所述边缘节点数据采集模块的设备组成包括:计算机组件、视频监控设备、麦克风、音箱设备和智能穿戴设备,智能穿戴设备包括心率检测模块、温度检测模块、血压检测模块、扬声器模块和振动模块。
优选的,所述数据库存储模块的分类更新步骤:
设定数据分类指标;
输入原始采集数据,并将原始数据按分类指标进行状态的分级划分判定,并存储;
对应生成控制策略的推荐;
将控制策略的推荐给对应数据的终端节点;
对特殊异常数据进行收集,并由可由数据库根据其记录的相匹配情景进行控制策略的选择,增强***的容错率,并将数据存储于数据库备份,以供其它监控端进行参考和选择。
优选的,所述数据反馈模块还包括:
标记单元,终端节点的实时监控和标记;
监控提醒单元,通过所述边缘节点数据采集模块的视频监控设备、麦克风和智能穿戴设备进行监控,通过所述边缘节点数据采集模块的计算机组件、音箱设备和智能穿戴设备进行提醒;
反馈单元,将***运行结果进行记录,并返回至所述数据库存储模块。
优选的,所述边缘节点数据采集模块也可将推送的控制策略在应用中是否合理,是否有效进行及时反馈,方便进行数据的统计和删除,进而导致所采集的数据异常,使得推送的控制策略不具备参考性,需要进行数据的删除。
本发明的上述技术方案具有如下有益的技术效果:首先,本发明通过组建服务器主机机房和云端平台配合边缘计算处理模块,处于用户数据的最近端,本身又有强大的计算资源,数据传输和响应时间更快捷,同时通过边缘计算***与硬件的监控端配合边缘节点数据采集模块,可由数据库根据其记录的相匹配情景进行控制策略的推荐,通过控制策略推荐模块可将最优的、符合实际情况的控制策略进行推荐,提升了***的工作效率和状态,避免***固化和呆板。
附图说明
图1为本发明提出的基于边缘计算和监督学习方法的情景感知策略推荐***的结构框图。
图2为本发明提出的基于边缘计算和监督学习方法的情景感知策略推荐***中边缘节点数据采集模块的结构框图。
图3为本发明提出的基于边缘计算和监督学习方法的情景感知策略推荐***中边缘计算***与硬件的结构框图。
图4为本发明提出的基于边缘计算和监督学习方法的情景感知策略推荐***中MQTT节点发送***流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了,下面结合具体实施方式并参照附图,对本发明进一步详细说明。应该理解,这些描述只是示例性的,而并非要限制本发明的范围。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本发明的概念。
如图1-4所示,本发明提出的基于边缘计算和监督学习方法的情景感知策略推荐***,包括边缘计算***与硬件、边缘节点数据采集模块、边缘计算处理模块、数据反馈模块、数据库存储模块和控制策略推荐模块;
所述边缘计算***与硬件:配置组建边缘服务器、云端平台和监控端,并安装计算***,用于***启动时对各个模块进行初始化,并按照初始指令构建边缘学习网络,监控端可连接数据库进行数据的实时解析和比对;
所述边缘节点数据采集模块:持续采集边缘计算节点所对应周边情景感知,周边情景感知可通过传感器采集周边温湿度、天气环境和光照强度等情景;
所述边缘计算处理模块:通过边缘服务器或者云端平台计算能力对采集的数据进行分析和处理,并得到相应的反馈数据。
在一个可选的实施例中,所述数据反馈模块:将边缘计算***处理后得到的数据分别反馈给所述边缘节点数据采集模块所对应终端节点设备和所述边缘计算***与硬件监控端的设备,还存储于数据库存储模块中作为备份;
所述数据库存储模块:将不同的终端节点得数据样本进行分类存储,并且定期根据终端节点的状态数据进行更新,保证数据的及时性和有效性;
所述控制策略推荐模块:可由所述边缘计算***与边缘服务器自主进行述控制策略的推荐,也可由数据库判定情景进行控制策略的推荐,还可人工判定情景进行控制策略的推荐;
所述边缘计算***与硬件发布采集指令给所述边缘节点数据采集模块,所述边缘节点数据采集模块将采集数据后通过所述边缘计算处理模块进行分析处理,然后将数据与所述数据库存储模块进行数据比对和存储,再通过所述数据反馈模块进行反馈,并由所述控制策略推荐模块进行控制策略的推荐。
在一个可选的实施例中,所述边缘计算***与硬件中云端平台计算***处在终端的近端,快速响应数据的变化,在边缘计算节点数量较多,数据传输量较大时缓解服务器主机的运行压力,边缘服务器基于MQTT协议实现通讯功能,作为服务器与客户端之间的通信方式,实现MQTT客户端与Sqlite数据库通信功能,基于传感器实现环境温度与相关信息的获取,通过WiFi通信,实现MQTT通信功能与传感器信息订阅及控制命令发送功能的集成
在一个可选的实施例中,所述边缘计算***与硬件中服务器主机机房和监控端可以是一个或多个,其中可以一个监控端对应多个所述边缘节点数据采集模块的终端节点。
在一个可选的实施例中,所述边缘节点数据采集模块的设备组成包括:计算机组件、视频监控设备、麦克风、音箱设备和智能穿戴设备,智能穿戴设备包括心率检测模块、温度检测模块、血压检测模块、扬声器模块和振动模块。
在一个可选的实施例中,所述数据库存储模块的分类更新步骤:
设定数据分类指标;
输入原始采集数据,并将原始数据按分类指标进行状态的分级划分判定,并存储;
对应生成控制策略的推荐;
将控制策略的推荐给对应数据的终端节点;
对特殊异常数据进行收集,并由可由数据库根据其记录的相匹配情景进行控制策略的选择,增强***的容错率,并将数据存储于数据库备份,以供其它监控端进行参考和选择。
在一个可选的实施例中,所述数据反馈模块还包括:
标记单元,终端节点的实时监控和标记;
监控提醒单元,通过所述边缘节点数据采集模块的视频监控设备、麦克风和智能穿戴设备进行监控,通过所述边缘节点数据采集模块的计算机组件、音箱设备和智能穿戴设备进行提醒;
反馈单元,将***运行结果进行记录,并返回至所述数据库存储模块。
在一个可选的实施例中,所述边缘节点数据采集模块也可将推送的控制策略在应用中是否合理,是否有效进行及时反馈,方便进行数据的统计和删除,进而导致所采集的数据异常,使得推送的控制策略不具备参考性,需要进行数据的删除。
本发明通过组建服务器主机机房和云端平台配合边缘计算处理模块,处于用户数据的最近端,本身又有强大的计算资源,数据传输和响应时间更快捷,同时通过边缘计算***与硬件的监控端配合边缘节点数据采集模块,通过控制策略推荐模块可将最优的、符合实际情况的控制策略进行推荐,提升了***的工作效率和状态,避免***固化和呆板。
应当理解的是,本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理,而不构成对本发明的限制。因此,在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。此外,本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。
Claims (8)
1.基于边缘计算和监督学习方法的情景感知策略推荐***,其特征在于,包括边缘计算***与硬件、边缘节点数据采集模块、边缘计算处理模块、数据反馈模块、数据库存储模块和控制策略推荐模块;
所述边缘计算***与硬件:配置组建边缘服务器、云端平台和监控端,并安装计算***,用于***启动时对各个模块进行初始化,并按照初始指令构建边缘学习网络,监控端可连接数据库进行数据的实时解析和比对;
所述边缘节点数据采集模块:持续采集边缘计算节点所对应周边情景感知,周边情景感知可通过传感器采集周边温湿度、天气环境和光照强度等情景;
所述边缘计算处理模块:通过边缘服务器或者云端平台计算能力对采集的数据进行分析和处理,并得到相应的反馈数据。
2.根据权利要求1所述的基于边缘计算和监督学习方法的情景感知策略推荐***,其特征在于,所述数据反馈模块:将边缘计算***处理后得到的数据分别反馈给所述边缘节点数据采集模块所对应终端节点设备和所述边缘计算***与硬件监控端的设备,还存储于数据库存储模块中作为备份;
所述数据库存储模块:将不同的终端节点得数据样本进行分类存储,并且定期根据终端节点的状态数据进行更新,保证数据的及时性和有效性;
所述控制策略推荐模块:可由所述边缘计算***与边缘服务器自主进行述控制策略的推荐,也可由数据库判定情景进行控制策略的推荐,还可人工判定情景进行控制策略的推荐;
所述边缘计算***与硬件发布采集指令给所述边缘节点数据采集模块,所述边缘节点数据采集模块将采集数据后通过所述边缘计算处理模块进行分析处理,然后将数据与所述数据库存储模块进行数据比对和存储,再通过所述数据反馈模块进行反馈,并由所述控制策略推荐模块进行控制策略的推荐。
3.根据权利要求1所述的基于边缘计算和监督学***台计算***处在终端的近端,快速响应数据的变化,在边缘计算节点数量较多,数据传输量较大时缓解服务器主机的运行压力,边缘服务器基于MQTT协议实现通讯功能,作为服务器与客户端之间的通信方式,实现MQTT客户端与Sqlite数据库通信功能,基于传感器实现环境温度与相关信息的获取,通过WiFi通信,实现MQTT通信功能与传感器信息订阅及控制命令发送功能的集成。
4.根据权利要求1所述的基于边缘计算和监督学习方法的情景感知策略推荐***,其特征在于,所述边缘计算***与硬件中服务器主机机房和监控端可以是一个或多个,其中可以一个监控端对应多个所述边缘节点数据采集模块的终端节点。
5.根据权利要求1所述的基于边缘计算和监督学习方法的情景感知策略推荐***,其特征在于,所述边缘节点数据采集模块的设备组成包括:计算机组件、视频监控设备、麦克风、温湿度传感器、光照传感器、音箱设备和智能穿戴设备,智能穿戴设备包括心率检测模块、温度检测模块、血压检测模块、扬声器模块和振动模块。
6.根据权利要求1所述的基于边缘计算和监督学习方法的情景感知策略推荐***,其特征在于,所述数据库存储模块的分类更新步骤:
设定数据分类指标;
输入原始采集数据,并将原始数据按分类指标进行状态的分级划分判定,并存储;
对应生成控制策略的推荐;
将控制策略的推荐给对应数据的终端节点;
对特殊异常数据进行收集,并由可由数据库根据其记录的相匹配情景进行控制策略的选择,增强***的容错率,并将数据存储于数据库备份,以供其它监控端进行参考和选择。
7.根据权利要求1所述的基于边缘计算和监督学习方法的情景感知策略推荐***,其特征在于,所述数据反馈模块还包括:
标记单元,终端节点的实时监控和标记;
监控提醒单元,通过所述边缘节点数据采集模块的视频监控设备、麦克风和智能穿戴设备进行监控,通过所述边缘节点数据采集模块的计算机组件、音箱设备和智能穿戴设备进行提醒;
反馈单元,将***运行结果进行记录,并返回至所述数据库存储模块。
8.根据权利要求1所述的基于边缘计算和监督学习方法的情景感知策略推荐***,其特征在于,所述边缘节点数据采集模块也可将推送的控制策略在应用中是否合理,是否有效进行及时反馈,方便进行数据的统计和删除,进而导致所采集的数据异常,使得推送的控制策略不具备参考性,需要进行数据的删除。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210066343.2A CN114490053A (zh) | 2022-01-20 | 2022-01-20 | 基于边缘计算和监督学习方法的情景感知策略推荐*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210066343.2A CN114490053A (zh) | 2022-01-20 | 2022-01-20 | 基于边缘计算和监督学习方法的情景感知策略推荐*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114490053A true CN114490053A (zh) | 2022-05-13 |
Family
ID=81472164
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210066343.2A Pending CN114490053A (zh) | 2022-01-20 | 2022-01-20 | 基于边缘计算和监督学习方法的情景感知策略推荐*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114490053A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115314492A (zh) * | 2022-06-29 | 2022-11-08 | 中科星云物连科技(北京)有限公司 | 一种基于多网融合通讯和边缘计算平台的数据方舱 |
CN115904910A (zh) * | 2022-12-23 | 2023-04-04 | 北京云端智度科技有限公司 | 一种边缘节点状态感知方法、***、介质及设备 |
-
2022
- 2022-01-20 CN CN202210066343.2A patent/CN114490053A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115314492A (zh) * | 2022-06-29 | 2022-11-08 | 中科星云物连科技(北京)有限公司 | 一种基于多网融合通讯和边缘计算平台的数据方舱 |
CN115314492B (zh) * | 2022-06-29 | 2024-01-26 | 中科星云物连科技(北京)有限公司 | 一种基于多网融合通讯和边缘计算平台的数据方舱 |
CN115904910A (zh) * | 2022-12-23 | 2023-04-04 | 北京云端智度科技有限公司 | 一种边缘节点状态感知方法、***、介质及设备 |
CN115904910B (zh) * | 2022-12-23 | 2024-03-12 | 北京云端智度科技有限公司 | 一种边缘节点状态感知方法、***、介质及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2688296B1 (en) | Video monitoring system and method | |
CN111800443B (zh) | 数据处理***和方法、装置以及电子设备 | |
CN114490053A (zh) | 基于边缘计算和监督学习方法的情景感知策略推荐*** | |
CN108829558A (zh) | 一种数据中心告警智能运维管理方法及*** | |
CN103023693B (zh) | 一种行为日志数据管理***及方法 | |
CN111352806B (zh) | 日志数据监控方法及装置 | |
CN103248512A (zh) | 通信网络中应用层拓扑结构的生成方法和*** | |
CN108924007B (zh) | 通信运营信息的大数据采集及存储***和方法 | |
CN113589096A (zh) | 一种多状态量可组态变电设备边缘计算***及其方法 | |
CN115103157A (zh) | 基于边云协同的视频分析方法、装置、电子设备及介质 | |
CN114205641A (zh) | 一种视频数据处理方法及装置 | |
CN110601891B (zh) | 一种报警处理的方法以及相关装置 | |
CN101197714B (zh) | 一种移动数据业务状态集中采集的方法 | |
CN112632124B (zh) | 多媒体信息获取方法、装置、***、存储介质及电子装置 | |
TWI448975B (zh) | 應用於影像監控平台的分散式運算系統 | |
CN111988397B (zh) | 一种基于边缘计算的防震减灾救灾方法和*** | |
CN102427520A (zh) | 一种基于两层id结构的多路网络视频监控方法及*** | |
CN112637147A (zh) | 一种通过音频创建与连接通信服务的方法、终端、服务端 | |
CN112491669A (zh) | 一种数据的处理方法、装置以及*** | |
CN110619080A (zh) | 可提高数据加载速率的实时数据显示***及方法 | |
CN116193295A (zh) | 一种多元物联数据融合与统一的数据处理方法 | |
KR20200045058A (ko) | 중소기업의 스마트 팩토리 전환을 위한 위험 감지용 스마트 센싱 및 모니터링 시스템, 그리고 그 방법 | |
CN116778370A (zh) | 一种事件处理方法、装置、设备及存储介质、程序产品 | |
CN110166561B (zh) | 可穿戴设备的数据处理方法、装置、***、设备及介质 | |
CN113727068A (zh) | 一种防爆型边缘图像计算设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |