CN114882688A - 一种基于边缘计算的酒吧安全监测*** - Google Patents
一种基于边缘计算的酒吧安全监测*** Download PDFInfo
- Publication number
- CN114882688A CN114882688A CN202210687565.6A CN202210687565A CN114882688A CN 114882688 A CN114882688 A CN 114882688A CN 202210687565 A CN202210687565 A CN 202210687565A CN 114882688 A CN114882688 A CN 114882688A
- Authority
- CN
- China
- Prior art keywords
- data
- abnormal
- preset
- control area
- unit
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 36
- 238000004364 calculation method Methods 0.000 title claims abstract description 25
- 230000002159 abnormal effect Effects 0.000 claims abstract description 159
- 230000007613 environmental effect Effects 0.000 claims abstract description 19
- 238000004458 analytical method Methods 0.000 claims abstract description 13
- 238000004088 simulation Methods 0.000 claims abstract description 10
- 238000012806 monitoring device Methods 0.000 claims abstract description 5
- 238000007726 management method Methods 0.000 claims description 21
- 239000000779 smoke Substances 0.000 claims description 21
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 claims description 18
- 238000005070 sampling Methods 0.000 claims description 13
- 238000012216 screening Methods 0.000 claims description 13
- 230000007246 mechanism Effects 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 9
- 230000014759 maintenance of location Effects 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 6
- 230000005856 abnormality Effects 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 230000010354 integration Effects 0.000 claims description 4
- 238000000034 method Methods 0.000 claims description 4
- 230000009286 beneficial effect Effects 0.000 description 9
- 238000012163 sequencing technique Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
- G08B25/01—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium
- G08B25/08—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium using communication transmission lines
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Alarm Systems (AREA)
Abstract
本发明提供了一种基于边缘计算的酒吧安全监测***,包括:边缘计算节点模块通过控制区域内预置的网络控制器分析业务资源使用情况,设置边缘计算节点;设备监测模块:通过各控制区域预置的安全监测装置采集实时的环境参数,并生成有效业务数据输送至所述边缘计算节点;智能环控模块将所述边缘计算节点收集的有效业务数据传导至预设的智能中心进行数据环控分析,生成拟合结果;判断管理模块:接收所述拟合结果,并确定判断拟合结果中异常参数是否为真异常,同时,将真异常情况上报至预设的安全报警中心;安全预警模块:获取所述真异常情况,进行情景模拟演绎,及时触发报警***。本发明在全时段对酒吧环境做出反应,节省了人力,扩大了覆盖面。
Description
技术领域
本发明涉及边缘计算,人工智能技术领域,特别涉及一种基于边缘计算的酒吧安全监测***。
背景技术
目前,酒吧依靠监控摄像头来监测室内环境,包括店内和仓库环境,很少会部署传感器等设备,且主要依赖安保人员巡检来保证安全,而这种手段往往缺乏足够的监测,例如酒吧仓库中酒精贮藏有一定的安全隐患,在无人值守期间无法得到有效保证;同时酒吧内人员的行为复杂需要更及时的动态监管。因而酒吧的安全情况需要更多的行为监测来保证顾客和工作人员的安全。
发明内容
本发明提供一种基于边缘计算的酒吧安全监测***,用以解决上述背景技术中出现的情况。
本发明提供一种基于边缘计算的酒吧安全监测***,包括:
边缘计算节点模块:通过控制区域内预置的网络控制器分析业务资源使用情况,设置边缘计算节点;
设备监测模块:通过各控制区域预置的安全监测装置采集实时的环境参数,并生成有效业务数据输送至所述边缘计算节点;
智能环控模块:将所述边缘计算节点收集的有效业务数据传导至预设的智能中心进行数据环控分析,生成拟合结果;
判断管理模块:接收所述拟合结果,并确定判断拟合结果中异常参数是否为真异常,同时,将真异常情况上报至预设的安全报警中心;
安全预警模块:获取所述真异常情况,进行情景模拟演绎,及时触发报警***。
作为本技术方案的一种实施例,所述边缘计算节点模块,包括:
拓扑计算单元:用于通过预置的网络控制器计算网络拓扑信息,获取各节点资源业务使用情况;
业务排序单元:用于通过预设的服务优先等级,对所采集的各节点资源业务进行排序,获取排序结果;
分布存储单元:用于基于所述排序通过路由配置引导,获取分布式存储***;
边缘计算节点单元:用于按照时延优先的原则,在所述分布式存储***中生成相应的边缘计算节点。
作为本技术方案的一种实施例,所述设备监测模块,包括:
数据采集单元:用于通过控制区域内预置的传感器装置,采集控制区域内的环境参数;其中,
所述安全检测装置至少包括图像采集传感器、红外线温度传感器,酒精浓度传感器和烟雾浓度传感器;
数据留存单元:用于接收并存储所述传感器装置收集的所述环境参数,形成数据库,并确认存储结果;
数据筛选单元:用于对所述存储结果进行有效业务数据筛选,生成有效业务数据;其中,
所述筛选机制至少包括智能分类整理和数据库常规参数对比。
作为本技术方案的一种实施例,所述数据采集单元,包括:
图像数据子单元:用于通过控制区域内预置的图像采集传感器,采集控制区域内的图像数据;
红外温度数据子单元:用于通过控制区域内预置的红外线温度传感器,采集控制区域内的红外线温度数据;
酒精浓度数据子单元:用于通过控制区域内预置的酒精浓度传感器,采集控制区域内的酒精浓度数据;
烟雾浓度数据子单元:用于通过控制区域内预置的烟雾浓度传感器,采集控制区域内的烟雾浓度数据。
作为本技术方案的一种实施例,所述智能环控模块,包括:
数据传输单元:用于连接无线传输装置和边缘计算节点智能网关装置,并传输所述有效业务数据;
待处理数据集成单元:用于汇总所述有效业务数据,生成有效业务数据集合;
结果拟合单元:用于对有效业务数据集合进行离散拟合,生成高阶曲线方程,并通过插值得到系数矩阵,生成拟合结果;
作为本技术方案的一种实施例,所述判断管理模块,包括:
拟合结果获取单元:用于获取所述拟合结果,并从系数矩阵提取异常数据样点;
异常参数提取单元:用于对所述异常数据样点进行核查,提取所述异常数据点的异常参数;
异常参数检验单元:基于正态分布检验分析机制辨别所述异常参数与预设的安全范围的标准差值,判断所述异常参数的异常情况,并及时响应。
作为本技术方案的一种实施例,所述异常情况,包括:
当所述异常情况为伪异常情况,将所述拟合结果存储至智能环控模块的数据留存单元并作为常规参数;
当所述异常情况为真异常情况,触发预设的安全预警中心。
作为本技术方案的一种实施例,所述正态分布检验分析机制,包括:
当标准差|x-μ|≤3σ,即异常参数与其平均值的差的绝对值不超过3倍标准差值,即检验为伪异常情况,表明所述异常情况为由于特定业务运营而产生;
当标准差|x-μ|>3σ,即异常参数与其平均值的差的绝对值超过3倍标准差值,即检验为真异常情况,表明所述异常情况所述为数据本身存在异常的分布。
作为本技术方案的一种实施例,所述安全预警模块,包括:
异常获取单元:用于接收所述真异常情况,实时生成所述真异常情况数据样点的三维空间参数;
情景模拟单元:用于模拟所述真异常情况的异常程度,并与预设的安全管理范围进行比较,生成相应方案;其中,
当所述异常程度超出预设的安全管理范围,拨打城市报警电话;
当所述异常程度未超出预设的安全管理范围,将所述异常数据样点的三维空间参数和所述异常程度上报至预设的报警中心。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。
在附图中:
图1为本发明实施例中一种基于边缘计算的酒吧安全监测***模块流程图;
图2为本发明实施例中一种基于边缘计算的酒吧安全监测***模块流程图;
图3为本发明实施例中一种基于边缘计算的酒吧安全监测***模块流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
实施例1:
根据附图1所示,本发明实施例提供了一种基于边缘计算的酒吧安全监测***,包括:
边缘计算节点模块:通过控制区域内预置的网络控制器分析业务资源使用情况,设置边缘计算节点;
设备监测模块:通过各控制区域预置的安全监测装置采集实时的环境参数,并生成有效业务数据输送至所述边缘计算节点;
智能环控模块:将所述边缘计算节点收集的环境参数传导至预设的智能中心进行数据环控分析,生成拟合结果;
判断管理模块:接收所述拟合结果,并确定判断拟合结果中异常参数是否为真异常,同时,将真异常情况上报至预设的安全报警中心;
安全预警模块:获取所述真异常情况,进行情景模拟演绎,及时触发报警***。
上述技术方案的工作原理和有益效果为:
本技术方案中,边缘计算节点模块通过控制区域内预置的网络控制器分析业务资源使用情况,通过计算靶定常用网络资源,并结合路由配置设置边缘计算节点;设备监测模块通过各控制区域预置的安全监测装置采集实时的环境参数,并生成有效业务数据,全天候实时动态监测,保障酒吧安全;智能环控模块将边缘计算节点收集的环境参数传导至预设的智能中心进行数据环控分析,生成拟合结果,基于环控分析提高数据信息可信性,加强安全管理;判断管理模块接收所述拟合结果,并确定判断拟合结果中异常参数是否为真异常,同时,将真异常情况上报至预设的安全报警中心,通过异常判读,剔除由于特殊业务导致的伪异常情况,有效保证真异常情况的及时响应;安全预警模块用于获取真异常情况,进行情景模拟演绎,及时触发报警***,节省人力物力,实现室内所有行为检测和安全监测。
实施例2:
根据附图2所示,在一个实施例中,所述边缘计算节点模块,包括:
拓扑计算单元:用于通过预置的网络控制器计算网络拓扑信息,获取各节点资源业务使用情况;
业务排序单元:用于通过预设的服务优先等级,对所述各节点资源业务进行排序,获取排序结果;
分布存储单元:用于基于所述排序结果,通过路由配置引导,获取分布式存储***
边缘计算节点单元:用于按照时延优先的原则,在所述分布式存储***中生成相应的边缘计算节点。
上述技术方案的工作原理和有益效果为:
本技术方案中,拓扑计算单元用于通过预置的网络控制器计算网络拓扑信息,获取各节点资源业务使用情况,对资源业务进行整体分析,实现精准服务;业务排序单元用于通过预设的服务优先等级,对各节点资源业务进行排序,获取排序结果;分布存储单元用于基于排序结果通过路由配置引导,获取分布式存储***;边缘计算节点单元用于按照时延优先的原则,在所述分布式存储***中生成相应的边缘计算节点,通过边缘计算节点布置,将信息端口更贴近管理用户,减少云端上传下载流程,提高安全监测效率。
实施例3:
根据附图3所示,在一个实施例中,所述设备监测模块,包括:
数据采集单元:用于通过控制区域内预置的传感器装置,采集控制区域内的环境参数;其中,
所述安全检测装置至少包括图像采集传感器、红外线温度传感器,酒精浓度传感器和烟雾浓度传感器;
数据留存单元:用于接收并存储所述传感器装置收集的所述环境参数,形成数据库,并确认存储结果;
数据筛选单元:用于对所述存储结果进行有效业务数据筛选,生成有效业务数据;其中,
所述筛选机制至少包括智能分类整理和数据库常规参数对比。
上述技术方案的工作原理和有益效果为:
本技术方案中,数据采集单元用于通过控制区域内预置的传感器装置,采集控制区域内的环境参数,其中,安全检测装置至少包括图像采集传感器、红外线温度传感器,酒精浓度传感器和烟雾浓度传感器,最大程度考虑安全隐患实时监测,全面覆盖酒吧的环境参数;数据留存单元用于接收并存储传感器装置收集的环境参数,形成环境参数样本数据库,并确认存储结果;数据筛选单元用于对存储结果基于智能分类整理和数据库常规参数对比的筛选机制进行有效业务数据筛选,生成有效业务数据,通过数据筛选剔除无关环境因素影响,实现要素精准监测。
实施例4:
在一个实施例中,所述数据采集单元,包括:
图像数据子单元:用于通过控制区域内预置的图像采集传感器,采集控制区域内的图像数据;
红外温度数据子单元:用于通过控制区域内预置的红外线温度传感器,采集控制区域内的红外线温度数据;
酒精浓度数据子单元:用于通过控制区域内预置的酒精浓度传感器,采集控制区域内的酒精浓度数据;
烟雾浓度数据子单元:用于通过控制区域内预置的烟雾浓度传感器,采集控制区域内的烟雾浓度数据。
上述技术方案的工作原理和有益效果为:
本技术方案中,图像数据子单元用于通过控制区域内预置的图像采集传感器,采集控制区域内的图像数据;红外温度数据子单元:用于通过控制区域内预置的红外线温度传感器,采集控制区域内的红外线温度数据;酒精浓度数据子单元:用于通过控制区域内预置的酒精浓度传感器,采集控制区域内的酒精浓度数据;烟雾浓度数据子单元:用于通过控制区域内预置的烟雾浓度传感器,采集控制区域内的烟雾浓度数据,对于异常行为、红外温度异常、酒精浓度异常、烟雾浓度异常的多种可能状况做出及时预警,既节省人力,又提供全面完善监测。
实施例5:
在一个实施例中,所述智能环控模块,包括:
数据传输单元:用于连接无线传输装置和所述边缘计算节点的智能网关装置,并传输所述有效业务数据;
待处理数据集成单元:用于汇总所述有效业务数据,生成有效业务数据集合;
结果拟合单元:用于对有效业务数据集合进行离散拟合,生成高阶曲线方程,并通过插值得到系数矩阵,生成拟合结果。
上述技术方案的工作原理和有益效果为:
本技术方案中,数据传输单元用于连接无线传输装置和边缘计算节点的智能网关装置,并传输有效业务数据,通过就近智能传输,提高安全检测信息的及时性;待处理数据集成单元用于汇总有效业务数据,生成有效业务数据集合;结果拟合单元用于对有效业务数据集合进行离散拟合,生成高阶曲线方程,并通过插值得到系数矩阵,生成拟合结果,有效避免疏忽和遗漏,推动了酒吧安全监测建设。
实施例6:
在一个实施例中,所述判断管理模块,包括:
拟合结果获取单元:用于获取所述拟合结果,并从系数矩阵提取异常数据样点;
异常参数提取单元:用于对所述异常数据样点进行核查,提取所述异常数据点的异常参数;
异常参数检验单元:基于正态分布检验分析机制辨别所述异常参数与预设的安全范围的标准差值,判断所述异常参数的异常情况,并及时响应。
上述技术方案的工作原理和有益效果为:
本技术方案中,拟合结果获取单元用于获取拟合结果,并从系数矩阵提取异常数据样点,准确定位空间信息;异常参数提取单元:用于对异常数据样点进行核查,提取异常数据点的异常参数,还原异常的环境参数;异常参数检验单元基于正态分布检验分析机制辨别所述异常参数与预设的安全范围的标准差值,判断所述异常参数的异常情况,并及时响应,通过异常参数检验,筛除伪异常情况,及时反馈真异常情况,保障响应的及时性和有效性。
实施例7:
在一个实施例中,所述异常情况,包括:
当所述异常情况为伪异常情况,将所述拟合结果存储至智能环控模块的数据留存单元并作为常规参数;
当所述异常情况为真异常情况,触发预设的安全预警中心。
上述技术方案的工作原理和有益效果为:
本技术方案中,当所述异常情况为伪异常情况,将所述拟合结果存储至智能环控模块的数据留存单元并作为常规参数,完善样本库建设,避免类似情况干扰;当所述异常情况为真异常情况,及时触发预设的安全预警中心,保障酒吧人力物力的及时部署。
实施例8:
在一个实施例中,所述正态分布检验分析机制,包括:
当标准差|x-μ|≤3σ,即异常参数与其平均值的差的绝对值不超过3倍标准差值,即检验为伪异常情况,所述异常情况为由于特定业务运营而产生;
当标准差|x-μ|>3σ,即异常参数与其平均值的差的绝对值超过3倍标准差值,即检验为真异常情况,所述异常情况所述为数据本身存在异常的分布。
上述技术方案的工作原理和有益效果为:
本技术方案中,当标准差|x-μ|≤3σ,即异常参数与其平均值的差的绝对值不超过3倍标准差值,即检验为伪异常情况,所述异常情况为由于特定业务运营而产生;当标准差|x-μ|>3σ,即异常参数与其平均值的差的绝对值超过3倍标准差值,即检验为真异常情况,所述异常情况所述为数据本身存在异常的分布,通过检验真伪异常,及时提出特定业务造成的参数干扰,精准定位真异常情况,提高安全检测的有效性。
实施例9:
在一个实施例中,所述安全预警模块,包括:
异常获取单元:用于接收所述真异常情况,实时生成所述真异常情况数据样点的三维空间参数;
情景模拟单元:用于模拟所述真异常情况的异常程度,并与预设的安全管理范围进行比较,生成相应方案;其中,
当所述异常程度超出预设的安全管理范围,拨打城市报警电话;
当所述异常程度未超出预设的安全管理范围,将所述异常数据样点的三维空间参数和所述异常程度上报至预设的报警中心。
上述技术方案的工作原理和有益效果为:
本技术方案中,异常获取单元用于接收真异常情况,实时生成真异常情况数据样点的三维空间参数,还原空间位置,有效封锁异常区域,避免异常进一步扩大;情景模拟单元:用于模拟真异常情况的异常程度,并与预设的安全管理范围进行比较,生成相应方案,其中,当异常程度超出预设的安全管理范围,拨打城市报警电话;当异常程度未超出预设的安全管理范围,将异常数据样点的三维空间参数和异常程度上报至预设的报警中心,通过情景模拟,立即对不同的情况做出响应,提高酒吧的安全性。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种基于边缘计算的酒吧安全监测***,其特征在于,包括:
边缘计算节点模块:通过控制区域内预置的网络控制器分析业务资源使用情况,基于所述业务资源使用情况,设置边缘计算节点;
设备监测模块:通过各控制区域预置的安全监测装置采集实时的环境参数,并生成有效业务数据输送至所述边缘计算节点;
智能环控模块:将所述边缘计算节点收集的有效业务数据传导至预设的智能中心进行数据环控分析,生成拟合结果;
判断管理模块:接收所述拟合结果,并确定判断拟合结果中异常参数是否为真异常,同时,将真异常情况上报至预设的安全报警中心;
安全预警模块:获取所述真异常情况,进行情景模拟演绎,触发报警***。
2.如权利要求1所述的一种基于边缘计算的酒吧安全监测***,其特征在于,所述边缘计算节点模块,包括:
拓扑计算单元:用于通过预置的网络控制器计算网络拓扑信息,获取各节点资源业务使用情况;
业务排序单元:用于通过预设的服务优先等级,对所采集的各节点资源业务进行排序,获取排序结果;
分布存储单元:用于基于所述排序通过路由配置引导,获取分布式存储***;
边缘计算节点单元:用于按照时延优先的原则,在所述分布式存储***中生成相应的边缘计算节点。
3.如权利要求1所述的一种基于边缘计算的酒吧安全监测***,其特征在于,所述设备监测模块,包括:
数据采集单元:用于通过控制区域内预置的传感器装置,采集控制区域内的环境参数;其中,
所述安全检测装置至少包括图像采集传感器、红外线温度传感器,酒精浓度传感器和烟雾浓度传感器;
数据留存单元:用于接收并存储所述传感器装置收集的所述环境参数,形成数据库,并确认存储结果;
数据筛选单元:用于对所述存储结果进行有效业务数据筛选,生成有效业务数据,其中,
所述筛选机制至少包括智能分类整理和数据库常规参数对比。
4.如权利要求3所述的一种基于边缘计算的酒吧安全监测***,其特征在于,所述数据采集单元,包括:
图像数据子单元:用于通过控制区域内预置的图像采集传感器,采集控制区域内的图像数据;
红外温度数据子单元:用于通过控制区域内预置的红外线温度传感器,采集控制区域内的红外线温度数据;
酒精浓度数据子单元:用于通过控制区域内预置的酒精浓度传感器,采集控制区域内的酒精浓度数据;
烟雾浓度数据子单元:用于通过控制区域内预置的烟雾浓度传感器,采集控制区域内的烟雾浓度数据。
5.如权利要求1所述的一种基于边缘计算的酒吧安全监测***,其特征在于,所述智能环控模块,包括:
数据传输单元:用于连接无线传输装置和所述边缘计算节点的智能网关装置,并传输所述有效业务数据;
待处理数据集成单元:用于汇总所述有效业务数据,生成有效业务数据集合;
结果拟合单元:用于对有效业务数据集合进行离散拟合,生成高阶曲线方程,并通过插值得到系数矩阵,生成拟合结果。
6.如权利要求1所述的一种基于边缘计算的酒吧安全监测***,其特征在于,所述判断管理模块,包括:
拟合结果获取单元:用于获取所述拟合结果,并从系数矩阵提取异常数据样点;
异常参数提取单元:用于对所述异常数据样点进行核查,提取所述异常数据点的异常参数;
异常参数检验单元:基于正态分布检验分析机制辨别所述异常参数与预设的安全范围的标准差值,判断所述异常参数的异常情况,并及时响应。
7.如权利要求6所述的一种基于边缘计算的酒吧安全监测***,其特征在于,所述异常情况,包括:
当所述异常情况为伪异常情况,将所述拟合结果存储至智能环控模块的数据留存单元并作为常规参数;
当所述异常情况为真异常情况,触发预设的安全预警中心。
8.如权利要求6所述的一种基于边缘计算的酒吧安全监测***,其特征在于,所述正态分布检验分析机制,包括:
当异常参数与其平均值的差的绝对值不超过3倍标准差值,即检验为伪异常情况,所述异常情况为由于特定业务运营而产生;
当异常参数与其平均值的差的绝对值超过3倍标准差值,即检验为真异常情况,所述异常情况所述为数据本身存在异常的分布。
9.如权利要求1所述的一种基于边缘计算的酒吧安全监测***,其特征在于,所述安全预警模块,包括:
异常获取单元:用于接收所述真异常情况,实时生成所述真异常情况数据样点的三维空间参数;
情景模拟单元:用于模拟所述真异常情况的异常程度,并与预设的安全管理范围进行比较,生成相应方案;其中,
当所述异常程度超出预设的安全管理范围,拨打城市报警电话;
当所述异常程度未超出预设的安全管理范围,将所述异常数据样点的三维空间参数和所述异常程度上报至预设的报警中心。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210687565.6A CN114882688A (zh) | 2022-06-16 | 2022-06-16 | 一种基于边缘计算的酒吧安全监测*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210687565.6A CN114882688A (zh) | 2022-06-16 | 2022-06-16 | 一种基于边缘计算的酒吧安全监测*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114882688A true CN114882688A (zh) | 2022-08-09 |
Family
ID=82682201
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210687565.6A Pending CN114882688A (zh) | 2022-06-16 | 2022-06-16 | 一种基于边缘计算的酒吧安全监测*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114882688A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115909640A (zh) * | 2022-10-19 | 2023-04-04 | 慧之安信息技术股份有限公司 | 一种基于边缘智能的便利店危险智能化识别*** |
CN117830885A (zh) * | 2023-11-27 | 2024-04-05 | 北京易华录信息技术股份有限公司 | 一种社区巡检智能分析方法及*** |
-
2022
- 2022-06-16 CN CN202210687565.6A patent/CN114882688A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115909640A (zh) * | 2022-10-19 | 2023-04-04 | 慧之安信息技术股份有限公司 | 一种基于边缘智能的便利店危险智能化识别*** |
CN115909640B (zh) * | 2022-10-19 | 2024-01-05 | 慧之安信息技术股份有限公司 | 一种基于边缘智能的便利店危险智能化识别*** |
CN117830885A (zh) * | 2023-11-27 | 2024-04-05 | 北京易华录信息技术股份有限公司 | 一种社区巡检智能分析方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114882688A (zh) | 一种基于边缘计算的酒吧安全监测*** | |
KR102135619B1 (ko) | 지능형 원격단말장치를 이용한 사물인터넷 기반의 산불화재 감시 및 시설물 자율 점검 시스템 | |
US7692540B2 (en) | Perimeter security system | |
CN113138865A (zh) | 环境监测方法、***、平台以及存储介质 | |
KR102267045B1 (ko) | 실시간 대기 확산 모니터링 시스템 | |
KR102240396B1 (ko) | 실시간 악취 추적 통합 모니터링 시스템 | |
KR101687477B1 (ko) | 빅데이터를 이용한 이벤트 발생 정보 제공 방법 및 이벤트 발생 정보 제공 시스템 | |
CN116523508B (zh) | 一种基于AIoT资产的智慧运维管理*** | |
CN113671886B (zh) | 一种基于5g的消防安全监控方法及*** | |
EP3044769B1 (en) | Method and monitoring centre for monitoring occurrence of an event | |
CN113988183A (zh) | 一种计算机网络数据流量监测***及方法 | |
CN110928305A (zh) | 用于铁路客运车站巡更机器人的巡更方法及*** | |
CN107465652B (zh) | 一种操作行为检测方法、服务器及*** | |
CN108759920B (zh) | 一种基于物联网的仓库安全监测*** | |
CN113483815A (zh) | 一种基于工业大数据的机械故障监控*** | |
CN116958900A (zh) | 一种消防数据可视化监控***及其监控方法 | |
CN113239781B (zh) | 一种高空抛物的检测方法及装置 | |
CN115424405A (zh) | 烟火监测告警方法、装置、设备及存储介质 | |
US7688202B1 (en) | Distributed perimeter security threat determination | |
WO2022005407A1 (en) | Odor detecting and monitoring system and the method thereof | |
CN114167870A (zh) | 气体巡检装置用数据处理方法、***、装置及存储介质 | |
KR101876717B1 (ko) | 재난재해 복구를 위한 복구 자원 관리 방법 및 시스템 | |
KR100807893B1 (ko) | 서비스 데이터 네트워크 관리 시스템 및 그 운용 방법 | |
CN111508205A (zh) | 一种用于测量实验室气体的模块 | |
CN109325650A (zh) | 一种垃圾箱关联管理方法及*** |
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 |