CN108574839A - 一种卡口设备异常检测方法及装置 - Google Patents
一种卡口设备异常检测方法及装置 Download PDFInfo
- Publication number
- CN108574839A CN108574839A CN201710135096.6A CN201710135096A CN108574839A CN 108574839 A CN108574839 A CN 108574839A CN 201710135096 A CN201710135096 A CN 201710135096A CN 108574839 A CN108574839 A CN 108574839A
- Authority
- CN
- China
- Prior art keywords
- target
- tollgate devices
- dimension
- data
- statistical indicator
- 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.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
- G06F18/24133—Distances to prototypes
- G06F18/24143—Distances to neighbourhood prototypes, e.g. restricted Coulomb energy networks [RCEN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Signal Processing (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Devices For Checking Fares Or Tickets At Control Points (AREA)
- Traffic Control Systems (AREA)
- Alarm Systems (AREA)
Abstract
本发明实施例提供了一种卡口设备异常检测方法及装置,所述方法包括:根据设定时间长度内时间段的划分规则,确定当前时间段对应的目标维度;获取所述目标维度内目标卡口设备对应的第一数据,并根据所述第一数据,得到所述目标卡口设备在所述目标维度内的第一统计指标;根据预先保存的所述目标卡口设备在所述设定时间长度内每个维度对应的异常标签信息,获取所述目标维度对应的目标异常标签信息;根据所述第一统计指标,以及所述目标异常标签信息中包括的设备性能参数,确定所述目标卡口设备是否为异常设备。本发明实施例能够实现异常卡口设备的检测。
Description
技术领域
本发明涉及数据处理技术领域,特别是涉及一种卡口设备异常检测方法及装置。
背景技术
卡口设备是指交通道路或园区中具备监控、存储、分析等功能的设备,包括硬件设备和软件设备。其中,交通道路的卡口设备可以获得包含车辆的图像,园区中的卡口设备可以获得包含过往车辆和/或行人的图像,进而可以根据获得的图像获取相关的数据。
卡口设备获取的数据可以在很大程度上反映道路中车辆、园区中车辆和/或行人的行为状态,进而能够对分析道路车流量、园区安全状况等起到很重要的作用。但是,有些情况下,卡口设备可能会发生异常,如卡口设备可能发生硬件故障或者程序故障,从而导致某些功能不能正常运行。
当卡口设备发生异常时会影响卡口设备数据的采集,从而影响数据的应用。因此,如何及时检测卡口设备异常,从而对发生异常的卡口设备进行修复,降低因卡口设备异常导致的损失,成为一个亟待解决的问题。
发明内容
本发明实施例的目的在于提供一种卡口设备异常检测方法及装置,以实现异常卡口设备的检测。具体技术方案如下:
第一方面,本发明实施例提供了一种卡口设备异常检测方法,所述方法包括:
根据设定时间长度内时间段的划分规则,确定当前时间段对应的目标维度;
获取所述目标维度内目标卡口设备对应的第一数据,并根据所述第一数据,得到所述目标卡口设备在所述目标维度内的第一统计指标;
根据预先保存的所述目标卡口设备在所述设定时间长度内每个维度对应的异常标签信息,获取所述目标维度对应的目标异常标签信息;
其中,所述目标卡口设备在所述设定时间长度内每个维度对应的异常标签信息,是根据所述目标卡口设备获取的对应各维度的多组异常样本数据计算得到的;所述异常标签信息至少包括根据各组异常样本数据的第二统计指标确定的设备性能参数;
根据所述第一统计指标,以及所述目标异常标签信息中包括的设备性能参数,确定所述目标卡口设备是否为异常设备。
可选的,所述异常标签信息还包括各组异常样本数据对应的异常设备类别;所述确定所述目标卡口设备是否为异常设备的步骤包括:
确定所述目标卡口设备为正常设备;或
确定所述目标卡口设备为任一类别的异常设备。
可选的,当确定所述目标卡口设备为异常设备时,所述方法还包括:
输出报警信息。
可选的,预先保存所述目标卡口设备在所述设定时间长度内每个维度对应的异常标签信息的步骤包括:
针对每个维度,获取所述目标卡口设备对应的该维度的样本数据,并确定各样本数据对应的第二统计指标;
根据预设的异常标准,在第二统计指标中确定异常统计指标;
对各异常统计指标进行分组,并确定各组异常统计指标对应的设备性能参数;
在异常标签信息中对应保存各组异常统计指标对应的设备性能参数。
可选的,所述根据预设的异常标准,在第二统计指标中确定异常统计指标的步骤包括:
在第二统计指标中确定满足所述异常标准的第三统计指标;
对各第三统计指标进行验证,将通过验证的第四统计指标确定为异常统计指标。
可选的,所述对各异常统计指标进行分组,并确定各组异常统计指标对应的设备性能参数的步骤包括:
根据K近邻算法,对各异常统计指标进行分组;
针对各组异常统计指标,将该组异常统计指标中包括的异常统计指标的均值确定为该组异常统计指标对应的设备性能参数。
可选的,所述方法还包括:
获取并保存各组异常统计指标对应的异常设备类别。
可选的,所述第一数据包括:所述目标卡口设备在所述目标维度内发送的数据,或,所述目标卡口设备以及与所述目标卡口设备相关联的卡口设备在所述目标维度内发送的数据;
所述样本数据包括:所述目标卡口设备发送的数据,或,所述目标卡口设备以及与所述目标卡口设备相关联的卡口设备发送的数据。
第二方面,本发明实施例提供了一种卡口设备异常检测装置,所述装置包括:
第一确定模块,用于根据设定时间长度内时间段的划分规则,确定当前时间段对应的目标维度;
第一执行模块,用于获取所述目标维度内目标卡口设备对应的第一数据,并根据所述第一数据,得到所述目标卡口设备在所述目标维度内的第一统计指标;
获取模块,用于根据预先保存的所述目标卡口设备在所述设定时间长度内每个维度对应的异常标签信息,获取所述目标维度对应的目标异常标签信息;其中,所述目标卡口设备在所述设定时间长度内每个维度对应的异常标签信息,是根据所述目标卡口设备获取的对应各维度的多组异常样本数据计算得到的;所述异常标签信息至少包括根据各组异常样本数据的第二统计指标确定的设备性能参数;
第二确定模块,用于根据所述第一统计指标,以及所述目标异常标签信息中包括的设备性能参数,确定所述目标卡口设备是否为异常设备。
可选的,所述异常标签信息还包括各组异常样本数据对应的异常设备类别,所述第二确定模块,具体用于:
确定所述目标卡口设备为正常设备;或
确定所述目标卡口设备为任一类别的异常设备。
可选的,所述装置还包括:
报警模块,用于输出报警信息。
可选的,所述装置还包括:
第二执行模块,用于针对每个维度,获取所述目标卡口设备对应的该维度的样本数据,并确定各样本数据对应的第二统计指标;
第三确定模块,用于根据预设的异常标准,在第二统计指标中确定异常统计指标;
第一处理模块,用于对各异常统计指标进行分组,并确定各组异常统计指标对应的设备性能参数;
存储模块,用于在异常标签信息中对应保存各组异常统计指标对应的设备性能参数。
可选的,所述第三确定模块包括:
第一确定子模块,用于在第二统计指标中确定满足所述异常标准的第三统计指标;
第二确定子模块,用于对各第三统计指标进行验证,将通过验证的第四统计指标确定为异常统计指标。
可选的,所述第一处理模块包括:
分组子模块,用于根据K近邻算法,对各异常统计指标进行分组;
处理子模块,用于针对各组异常统计指标,将该组异常统计指标中包括的异常统计指标的均值确定为该组异常统计指标对应的设备性能参数。
可选的,所述装置还包括:
第二处理模块,用于获取并保存各组异常统计指标对应的异常设备类别。
可选的,所述第一数据包括:所述目标卡口设备在所述目标维度内发送的数据,或,所述目标卡口设备以及与所述目标卡口设备相关联的卡口设备在所述目标维度内发送的数据;
所述样本数据包括:所述目标卡口设备发送的数据,或,所述目标卡口设备以及与所述目标卡口设备相关联的卡口设备发送的数据。
本发明实施例提供了一种卡口设备异常检测方法及装置,所述方法包括:根据设定时间长度内时间段的划分规则,确定当前时间段对应的目标维度;获取所述目标维度内目标卡口设备对应的第一数据,并根据所述第一数据,得到所述目标卡口设备在所述目标维度内的第一统计指标;根据预先保存的所述目标卡口设备在所述设定时间长度内每个维度对应的异常标签信息,获取所述目标维度对应的目标异常标签信息;根据所述第一统计指标,以及所述目标异常标签信息中包括的设备性能参数,确定所述目标卡口设备是否为异常设备。
本发明实施例中,可以预先根据目标卡口设备在各维度发送的样本数据,确定并保存目标卡口设备在各维度对应的异常标签信息,进而在获取到目标卡口设备在任一目标维度内发送的第一数据后,可以对第一数据进行分析,得到目标卡口设备在目标维度内的第一统计指标,从而可以根据第一统计指标以及保存的对应维度的异常标签信息,确定目标卡口设备是否发生异常。
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卡口设备异常检测方法的流程图;
图2为本发明实施例提供的一种卡口设备异常检测方法的另一流程图;
图3为本发明实施例提供的一种卡口设备异常检测装置的结构示意图;
图4为本发明实施例提供的一种卡口设备异常检测装置的另一结构示意图。
具体实施方式
为了实现异常卡口设备的检测,本发明实施例提供了一种卡口设备异常检测方法及装置。
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。
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
如图1所示,本发明实施例提供了一种卡口设备异常检测方法过程,可以应用于服务器,当然也可以应用于其他类型的具有数据处理运算功能的设备,该过程可以包括以下步骤:
S101,根据设定时间长度内时间段的划分规则,确定当前时间段对应的目标维度。
在本发明实施例中,服务器可以检测各卡口设备是否发生异常。具体地,服务器可以根据各卡口设备采集的数据,来确定各卡口设备是否发生异常。
可以理解,针对不同的时间段,卡口设备采集到的数据可能会差别较大。例如,道路中安装的卡口设备,当通过其在高峰期(如7:00-8:00)采集的数据确定该时间段没有车辆通行时,可以确定该卡口设备可能已发生异常;而当通过其在夜间(如2:00-3:00)采集的数据确定该时间段没有车辆通行时,则不能确定该卡口设备发生异常。因此,在本发明实施例中,服务器可以针对不同的时间段,采用对应的异常检测标准来检测卡口设备是否发生异常。
在本发明实施例中,服务器可以针对各卡口设备,检测其在各时间段内是否发生异常。在本实施例中,为了便于描述,以检测任一安装于道路的卡口设备在任一时间段内是否发生异常来说明本实施例提供的卡口设备异常检测方法。并且,可以将本发明实施例中针对的卡口设备称为目标卡口设备。
在本发明实施例中的设定时间长度可以是固定的,具体地,该设定时间长度可以为一天,也可以为一天里的一个时间段,例如10:00-15:00,或者是高峰时间段7:00-9:00、17:00-19:00等。在本发明实施例中,为了方便异常检测,可以将该设定时间长度按照划分规则,划分为多个时间段。其中该划分规则例如可以是按照时间段的长度进行划分,如按照每5分钟、10分钟、或1小时等为一个时间段,将该设定时间长度划分为多个时间段。
为了便于后续的计算,该设定时间长度相同,时间段的划分规则也可以相同,因此可以为每一时间段赋予唯一的维度。例如可以将一天按照每5分钟划分为一个时间段,则一天可以划分为288个时间段,则每个时间段的维度分别为1、2、3、……、288等;或者,可以将一天按照每1小时划分为一个时间段,则一天可以划分为24个时间段,则每个时间段的维度分别为1、2、3、……、24等。
需要说明的是,针对不同的卡口设备,可以采用相同或不同的时间段划分规则,本发明实施例对此不做限定。
在本发明实施例中,服务器可以确定当前时间段对应的目标维度。例如,当将一天按照每1小时划分为一个时间段,每个时间段的维度分别为1、2、3、……、24,当前时间段为7:00-8:00时,则可以确定目标维度为8。
S102,获取所述目标维度内目标卡口设备对应的第一数据,并根据所述第一数据,得到所述目标卡口设备在所述目标维度内的第一统计指标。
在本发明实施例中,可以在目标卡口设备与服务器之间建立有线或无线连接,从而目标卡口设备可以将其采集的数据发送给服务器。例如,可以通过WIFI(WirelessFidelity,无线保真)、NFC(Near Field Communication,近距离无线通讯技术)、蓝牙等无线连接方式在目标卡口设备与服务器之间建立无线连接,本发明实施例对此不进行限定。
在本发明实施例中,目标卡口设备可以采集第一数据。上述第一数据可以包括:目标卡口设备在目标维度内发送的数据。如,目标卡口设备可以按照预定的时间间隔,如1秒、5秒、10秒等,周期性检测其图像采集区域是否有车辆出现,当检测到其图像采集区域有车辆出现时,采集当前时刻的第一图像。并且,图像采集设备可以对其采集的第一图像进行分析,得到相关的第一数据,并将第一数据发送给服务器。
其中,上述第一数据可以为各第一图像中包括的车辆的车牌信息、车辆颜色等。目标卡口设备将第一数据发送给服务器时,可以每得到一幅第一图像的第一数据,即将该第一数据发送给服务器;或者,为了节省网络资源,目标卡口设备可以将目标维度内各第一图像的第一数据一起发送给服务器,本发明实施例对此不进行限定。
因此,在本发明实施例中,服务器可以获取目标维度内目标卡口设备对应的第一数据。并且,服务器可以根据第一数据,得到目标卡口设备在目标维度内的第一统计指标。具体地,服务器可以对各第一数据进行统计分析,得到目标卡口设备在目标维度内的第一统计指标。其中,上述第一统计指标为能够体现目标维度内目标卡口设备所在道路通行车辆情况的相关参数,例如可以包括:目标维度内通行的车辆总数、目标维度内通行车辆的省份信息等。
例如,服务器可以根据各第一数据中包括的车辆的车牌信息,统计共出现过多少辆车,进而,根据各车牌信息,整合相同车牌信息的车辆,进而得到实际通过的车辆总数。
S103,根据预先保存的所述目标卡口设备在所述设定时间长度内每个维度对应的异常标签信息,获取所述目标维度对应的目标异常标签信息。
在本发明实施例中,为了实现异常卡口设备的检测,服务器可以首先获取目标卡口设备在各维度内的多组异常样本数据,并根据获取的多组异常样本数据,计算得到目标卡口设备在各维度对应的异常标签信息。
例如,当将一天按照每1小时划分为一个时间段,一天包括24个维度时,可以针对各维度,预先获取100天、150天、200天等的样本数据,然后,可以确定异常样本数据,并对异常样本数据进行分组,得到多组异常样本数据。然后,可以根据多组异常样本数据,分析得到目标卡口设备在该维度对应的异常标签信息。其中,各异常标签信息至少可以包括根据各组异常样本数据的第二统计指标确定的设备性能参数。
具体地,服务器可以对各组异常样本数据进行分析,确定各组异常样本数据的第二统计指标,并根据各组异常样本数据的第二统计指标确定设备性能参数。例如,可以将各组异常样本数据的第二统计指标的均值确定为设备性能参数。
其中,服务器可以根据目标卡口设备的标识信息,以及各维度的标识信息,对应保存目标卡口设备各维度对应的异常标签信息。如,当目标卡口设备的标识信息为a,各维度的标识信息为1、2、3、……、24时,服务器中保存的目标卡口设备各维度对应的异常标签信息分别可以为a1、a2、a3、……、a24。
在本发明实施例中,在对目标卡口设备进行异常检测时,服务器可以根据预先保存的目标卡口设备在每个维度对应的异常标签信息,获取目标维度对应的目标异常标签信息。例如,当服务器确定目标卡口设备的标识信息为a,目标维度为8时,其可以在目标卡口设备对应的各异常标签信息中,查找到标识信息为a8的异常标签信息,并将查找到的异常标签信息确定为目标异常标签信息。
S104,根据所述第一统计指标,以及所述目标异常标签信息中包括的设备性能参数,确定所述目标卡口设备是否为异常设备。
目标异常标签信息中包括的设备性能参数,可以反映目标卡口设备异常时采集的数据的特征。因此,在本发明实施例中,当服务器确定目标异常标签信息,以及目标维度对应的第一统计指标后,其可以根据第一统计指标,以及目标异常标签信息中包括的设备性能参数,确定目标卡口设备是否为异常设备。
例如,服务器可以将第一统计指标中包括的各项内容,与目标异常标签信息中对应的各设备性能参数分别进行对比。当第一统计指标与设备性能参数的相似度大于或等于预设阈值时,可以确定目标卡口设备为异常设备;当第一统计指标与设备性能参数的相似度小于预设阈值时,可以确定目标卡口设备非异常设备。
本发明实施例中,可以预先根据目标卡口设备在各维度发送的样本数据,确定并保存目标卡口设备在各维度对应的异常标签信息,进而在获取到目标卡口设备在任一目标维度内发送的第一数据后,可以对第一数据进行分析,得到目标卡口设备在目标维度内的第一统计指标,从而可以根据第一统计指标以及保存的对应维度的异常标签信息,确定目标卡口设备是否发生异常。
作为本发明实施例的一种实施方式,为了提高目标卡口设备异常检测的准确性,服务器预先保存的异常标签信息还可以包括各组异常样本数据对应的异常设备类别。这种情况下,服务器确定目标卡口设备是否为异常设备时,具体可以包括:确定目标卡口设备为正常设备;或确定目标卡口设备为任一类别的异常设备。其中,上述异常设备类别可以包括:采集数据异常、数据解析程序异常、或识别程序异常等。
作为本发明实施例的一种实施方式,各卡口设备可能存在关联关系。例如,相邻路口的卡口设备,其中一个卡口设备采集的数据可以反映其他卡口设备的数据情况。具体地,当从一个卡口设备采集的数据中可以得出当前维度内通行的车辆数较多时,通常情况下,从与其相邻的卡口设备采集的数据中也应该得出当前维度内通行的车辆数较多。
因此,在本发明实施例中,为了提高目标卡口设备异常检测的准确性,可以通过与目标卡口设备相关联的卡口设备采集的数据来对目标卡口设备进行异常检测。也就是说,服务器获取的第一数据可以包括:目标卡口设备以及与目标卡口设备相关联的卡口设备在目标维度内发送的数据。这种情况下,服务器可以根据与目标卡口设备有关的尽可能多的数据,来检测目标卡口设备是否发生异常,从而可以提高目标卡口设备异常检测的准确性。
作为本发明实施例的一种实施方式,当服务器确定目标卡口设备为异常设备时,其可以输出报警信息。如,发出报警声音等,以提醒用户目标卡口设备异常,从而用户可以及时对目标卡口设备进行修复。
作为本发明实施例的一种实施方式,如图2所示,本发明实施例提供的一种卡口设备异常检测方法,还可以包括以下步骤:
S201,针对每个维度,获取所述目标卡口设备对应的该维度的样本数据,并确定各样本数据对应的第二统计指标。
在本发明实施例中,服务器可以获取目标卡口设备在各维度内的样本数据,并根据获取的样本数据,计算得到目标卡口设备在各维度对应的异常标签信息。
例如,当将一天按照每1小时划分为一个时间段,一天包括24个维度时,服务器可以针对各维度,预先获取100天、150天、200天等的样本数据。并且,服务器可以确定各样本数据对应的第二统计指标。
在一种实现方式中,服务器获取的样本数据可以包括目标卡口设备发送的数据。在另一种实现方式中,为了提高目标卡口设备异常检测的准确性,服务器获取的样本数据可以包括目标卡口设备以及与目标卡口设备相关联的卡口设备发送的数据。例如,针对任一维度,服务器确定的第二统计指标可以如表1所示:
表1
S202,根据预设的异常标准,在第二统计指标中确定异常统计指标。
获取到第二统计指标后,服务器可以根据预设的异常标准,在第二统计指标中确定异常统计指标。即可以在第二统计指标中,确定目标卡口设备异常时采集的样本数据对应的统计指标。
例如,当第二统计指标中包括该维度内通过的车辆总数时,针对7:00-8:00对应的维度,异常标准可以为该维度内通过的车辆总数小于100辆。这种情况下,服务器可以对各第二统计指标进行分析,当其该维度内通过的车辆总数小于100辆时,即可确定该第二统计指标为异常统计指标。
可以理解,针对第二统计指标中包括的其他内容,异常标准可以设定为对应的标准,本发明实施例对此不进行赘述。
可选地,为了提高异常统计指标确定的准确性,还可以对服务器确定的异常统计指标进行验证。具体地,服务器可以根据预设的异常标准在第二统计指标中确定满足异常标准的第三统计指标;然后对各第三统计指标进行验证,将通过验证的第四统计指标确定为异常统计指标。
例如,当服务器在第二统计指标中确定满足异常标准的第三统计指标后,其可以展示各第三统计指标,进而可以由用户确认第三统计指标是否为异常统计指标。并且,用户可以输入确认指令,服务器接收到用户输入的指令后,识别各第三统计指标是否通过验证,将通过验证的第四统计指标确定为异常统计指标。
S203,对各异常统计指标进行分组,并确定各组异常统计指标对应的设备性能参数。
在本发明实施例中,服务器确定异常统计指标后,可以对各异常统计指标进行分组,并确定各组异常统计指标对应的设备性能参数。例如,服务器可以根据K近邻算法,对各异常统计指标进行分组。服务器根据K近邻算法,对各异常统计指标进行分组的过程,可以采用现有技术,本发明实施例对此过程不进行赘述。
确定各组异常统计指标后,服务器可以进一步针对各组异常统计指标,将该组异常统计指标中包括的异常统计指标的均值确定为该组异常统计指标对应的设备性能参数。
S204,在异常标签信息中对应保存各组异常统计指标对应的设备性能参数。
服务器确定各组异常统计指标对应的设备性能参数后,其可以在异常标签信息中对应保存各组异常统计指标对应的设备性能参数,以根据异常标签信息,对目标卡口设备进行异常检测。
作为本发明实施例的一种实施方式,服务器还可以获取并保存各组异常样本数据对应的异常设备类别。可选地,为了减少存储量,可以预先设定各异常设备类别对应的标签号。如,各异常设备类别与其标签号的对应关系可以如表2所示:
表2
确定各异常设备类别与其标签号的对应关系后,服务器中保存的目标卡口设备在任一维度的异常标签信息可以如表3所示:
本发明实施例中,可以保存目标卡口设备在各维度对应的异常标签信息,进而在获取到目标卡口设备在任一目标维度内发送的第一数据后,可以对第一数据进行分析,得到目标卡口设备在目标维度内的第一统计指标,从而可以根据第一统计指标以及保存的对应维度的异常标签信息,确定目标卡口设备是否发生异常。
相应于上面的方法实施例,本发明实施例还提供了相应的装置实施例。
如图3所示,其示出了本发明实施例提供的一种卡口设备异常检测装置,所述装置包括:
第一确定模块310,用于根据设定时间长度内时间段的划分规则,确定当前时间段对应的目标维度;
第一执行模块320,用于获取所述目标维度内目标卡口设备对应的第一数据,并根据所述第一数据,得到所述目标卡口设备在所述目标维度内的第一统计指标;
获取模块330,用于根据预先保存的所述目标卡口设备在所述设定时间长度内每个维度对应的异常标签信息,获取所述目标维度对应的目标异常标签信息;其中,所述目标卡口设备在所述设定时间长度内每个维度对应的异常标签信息,是根据所述目标卡口设备获取的对应各维度的多组异常样本数据计算得到的;所述异常标签信息至少包括根据各组异常样本数据的第二统计指标确定的设备性能参数;
第二确定模块340,用于根据所述第一统计指标,以及所述目标异常标签信息中包括的设备性能参数,确定所述目标卡口设备是否为异常设备。
本发明实施例中,可以预先根据目标卡口设备在各维度发送的样本数据,确定并保存目标卡口设备在各维度对应的异常标签信息,进而在获取到目标卡口设备在任一目标维度内发送的第一数据后,可以对第一数据进行分析,得到目标卡口设备在目标维度内的第一统计指标,从而可以根据第一统计指标以及保存的对应维度的异常标签信息,确定目标卡口设备是否发生异常。
作为本发明实施例的一种实施方式,所述异常标签信息还包括各组异常样本数据对应的异常设备类别,所述第二确定模块340,具体用于:
确定所述目标卡口设备为正常设备;或
确定所述目标卡口设备为任一类别的异常设备。
作为本发明实施例的一种实施方式,所述装置还包括:
报警模块(图中未示出),用于输出报警信息。
作为本发明实施例的一种实施方式,如图4所示,所述装置还包括:
第二执行模块410,用于针对每个维度,获取所述目标卡口设备对应的该维度的样本数据,并确定各样本数据对应的第二统计指标;
第三确定模块420,用于根据预设的异常标准,在第二统计指标中确定异常统计指标;
第一处理模块430,用于对各异常统计指标进行分组,并确定各组异常统计指标对应的设备性能参数;
存储模块440,用于在异常标签信息中对应保存各组异常统计指标对应的设备性能参数。
作为本发明实施例的一种实施方式,所述第三确定模块420包括:
第一确定子模块(图中未示出),用于在第二统计指标中确定满足所述异常标准的第三统计指标;
第二确定子模块(图中未示出),用于对各第三统计指标进行验证,将通过验证的第四统计指标确定为异常统计指标。
作为本发明实施例的一种实施方式,所述第一处理模块430包括:
分组子模块(图中未示出),用于根据K近邻算法,对各异常统计指标进行分组;
处理子模块(图中未示出),用于针对各组异常统计指标,将该组异常统计指标中包括的异常统计指标的均值确定为该组异常统计指标对应的设备性能参数。
作为本发明实施例的一种实施方式,所述装置还包括:
第二处理模块(图中未示出),用于获取并保存各组异常统计指标对应的异常设备类别。
作为本发明实施例的一种实施方式,所述第一数据包括:所述目标卡口设备在所述目标维度内发送的数据,或,所述目标卡口设备以及与所述目标卡口设备相关联的卡口设备在所述目标维度内发送的数据;
所述样本数据包括:所述目标卡口设备发送的数据,或,所述目标卡口设备以及与所述目标卡口设备相关联的卡口设备发送的数据。
对于装置实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (16)
1.一种卡口设备异常检测方法,其特征在于,所述方法包括:
根据设定时间长度内时间段的划分规则,确定当前时间段对应的目标维度;
获取所述目标维度内目标卡口设备对应的第一数据,并根据所述第一数据,得到所述目标卡口设备在所述目标维度内的第一统计指标;
根据预先保存的所述目标卡口设备在所述设定时间长度内每个维度对应的异常标签信息,获取所述目标维度对应的目标异常标签信息;
其中,所述目标卡口设备在所述设定时间长度内每个维度对应的异常标签信息,是根据所述目标卡口设备获取的对应各维度的多组异常样本数据计算得到的;所述异常标签信息至少包括根据各组异常样本数据的第二统计指标确定的设备性能参数;
根据所述第一统计指标,以及所述目标异常标签信息中包括的设备性能参数,确定所述目标卡口设备是否为异常设备。
2.根据权利要求1所述的方法,其特征在于,所述异常标签信息还包括各组异常样本数据对应的异常设备类别;所述确定所述目标卡口设备是否为异常设备的步骤包括:
确定所述目标卡口设备为正常设备;或
确定所述目标卡口设备为任一类别的异常设备。
3.根据权利要求1所述的方法,其特征在于,当确定所述目标卡口设备为异常设备时,所述方法还包括:
输出报警信息。
4.根据权利要求1所述的方法,其特征在于,预先保存所述目标卡口设备在所述设定时间长度内每个维度对应的异常标签信息的步骤包括:
针对每个维度,获取所述目标卡口设备对应的该维度的样本数据,并确定各样本数据对应的第二统计指标;
根据预设的异常标准,在第二统计指标中确定异常统计指标;
对各异常统计指标进行分组,并确定各组异常统计指标对应的设备性能参数;
在异常标签信息中对应保存各组异常统计指标对应的设备性能参数。
5.根据权利要求4所述的方法,其特征在于,所述根据预设的异常标准,在第二统计指标中确定异常统计指标的步骤包括:
在第二统计指标中确定满足所述异常标准的第三统计指标;
对各第三统计指标进行验证,将通过验证的第四统计指标确定为异常统计指标。
6.根据权利要求4所述的方法,其特征在于,所述对各异常统计指标进行分组,并确定各组异常统计指标对应的设备性能参数的步骤包括:
根据K近邻算法,对各异常统计指标进行分组;
针对各组异常统计指标,将该组异常统计指标中包括的异常统计指标的均值确定为该组异常统计指标对应的设备性能参数。
7.根据权利要求4所述的方法,其特征在于,所述方法还包括:
获取并保存各组异常统计指标对应的异常设备类别。
8.根据权利要求4-7任一项所述的方法,其特征在于,所述第一数据包括:所述目标卡口设备在所述目标维度内发送的数据,或,所述目标卡口设备以及与所述目标卡口设备相关联的卡口设备在所述目标维度内发送的数据;
所述样本数据包括:所述目标卡口设备发送的数据,或,所述目标卡口设备以及与所述目标卡口设备相关联的卡口设备发送的数据。
9.一种卡口设备异常检测装置,其特征在于,所述装置包括:
第一确定模块,用于根据设定时间长度内时间段的划分规则,确定当前时间段对应的目标维度;
第一执行模块,用于获取所述目标维度内目标卡口设备对应的第一数据,并根据所述第一数据,得到所述目标卡口设备在所述目标维度内的第一统计指标;
获取模块,用于根据预先保存的所述目标卡口设备在所述设定时间长度内每个维度对应的异常标签信息,获取所述目标维度对应的目标异常标签信息;其中,所述目标卡口设备在所述设定时间长度内每个维度对应的异常标签信息,是根据所述目标卡口设备获取的对应各维度的多组异常样本数据计算得到的;所述异常标签信息至少包括根据各组异常样本数据的第二统计指标确定的设备性能参数;
第二确定模块,用于根据所述第一统计指标,以及所述目标异常标签信息中包括的设备性能参数,确定所述目标卡口设备是否为异常设备。
10.根据权利要求9所述的装置,其特征在于,所述异常标签信息还包括各组异常样本数据对应的异常设备类别,所述第二确定模块,具体用于:
确定所述目标卡口设备为正常设备;或
确定所述目标卡口设备为任一类别的异常设备。
11.根据权利要求9所述的装置,其特征在于,所述装置还包括:
报警模块,用于输出报警信息。
12.根据权利要求9所述的装置,其特征在于,所述装置还包括:
第二执行模块,用于针对每个维度,获取所述目标卡口设备对应的该维度的样本数据,并确定各样本数据对应的第二统计指标;
第三确定模块,用于根据预设的异常标准,在第二统计指标中确定异常统计指标;
第一处理模块,用于对各异常统计指标进行分组,并确定各组异常统计指标对应的设备性能参数;
存储模块,用于在异常标签信息中对应保存各组异常统计指标对应的设备性能参数。
13.根据权利要求12所述的装置,其特征在于,所述第三确定模块包括:
第一确定子模块,用于在第二统计指标中确定满足所述异常标准的第三统计指标;
第二确定子模块,用于对各第三统计指标进行验证,将通过验证的第四统计指标确定为异常统计指标。
14.根据权利要求12所述的装置,其特征在于,所述第一处理模块包括:
分组子模块,用于根据K近邻算法,对各异常统计指标进行分组;
处理子模块,用于针对各组异常统计指标,将该组异常统计指标中包括的异常统计指标的均值确定为该组异常统计指标对应的设备性能参数。
15.根据权利要求12所述的装置,其特征在于,所述装置还包括:
第二处理模块,用于获取并保存各组异常统计指标对应的异常设备类别。
16.根据权利要求12-15任一项所述的装置,其特征在于,所述第一数据包括:所述目标卡口设备在所述目标维度内发送的数据,或,所述目标卡口设备以及与所述目标卡口设备相关联的卡口设备在所述目标维度内发送的数据;
所述样本数据包括:所述目标卡口设备发送的数据,或,所述目标卡口设备以及与所述目标卡口设备相关联的卡口设备发送的数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710135096.6A CN108574839B (zh) | 2017-03-08 | 2017-03-08 | 一种卡口设备异常检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710135096.6A CN108574839B (zh) | 2017-03-08 | 2017-03-08 | 一种卡口设备异常检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108574839A true CN108574839A (zh) | 2018-09-25 |
CN108574839B CN108574839B (zh) | 2020-01-17 |
Family
ID=63577027
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710135096.6A Active CN108574839B (zh) | 2017-03-08 | 2017-03-08 | 一种卡口设备异常检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108574839B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110264722A (zh) * | 2019-07-03 | 2019-09-20 | 泰华智慧产业集团股份有限公司 | 信息采集设备中异常设备的筛选方法及系统 |
CN111145572A (zh) * | 2019-12-17 | 2020-05-12 | 浙江大华技术股份有限公司 | 卡口设备的异常检测方法、设备及计算机存储介质 |
CN111325451A (zh) * | 2020-02-02 | 2020-06-23 | 贾海芳 | 智能楼宇多级调度方法、智能楼宇调度中心及系统 |
CN111488899A (zh) * | 2019-01-29 | 2020-08-04 | 杭州海康威视数字技术股份有限公司 | 特征提取方法、装置、设备及可读存储介质 |
CN112885101A (zh) * | 2021-03-30 | 2021-06-01 | 浙江大华技术股份有限公司 | 确定异常设备的方法、装置、存储介质及电子装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020145541A1 (en) * | 2001-03-30 | 2002-10-10 | Communications Res. Lab., Ind. Admin. Inst. (90%) | Road traffic monitoring system |
CN103217950A (zh) * | 2013-03-19 | 2013-07-24 | 魏益民 | 公安户外电子设备故障远程自动诊断系统 |
CN203573492U (zh) * | 2013-11-25 | 2014-04-30 | 中国电子科技集团公司第三十八研究所 | 一种基于智能一体机的复合卡口系统 |
CN105976610A (zh) * | 2016-03-21 | 2016-09-28 | 江苏智通交通科技有限公司 | 卡口过车的检测可靠性控制方法和系统 |
CN106056912A (zh) * | 2016-07-29 | 2016-10-26 | 浙江银江研究院有限公司 | 一种卡口运行状态量化评估方法及系统 |
CN106161060A (zh) * | 2015-04-07 | 2016-11-23 | 腾讯科技(深圳)有限公司 | 数据监控方法和装置 |
CN106355924A (zh) * | 2016-09-06 | 2017-01-25 | 江苏智通交通科技有限公司 | 交通数据质量监控系统 |
CN106384504A (zh) * | 2016-09-06 | 2017-02-08 | 江苏智通交通科技有限公司 | 基于数据可视化的城市路网拥堵特性描述分析方法 |
-
2017
- 2017-03-08 CN CN201710135096.6A patent/CN108574839B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020145541A1 (en) * | 2001-03-30 | 2002-10-10 | Communications Res. Lab., Ind. Admin. Inst. (90%) | Road traffic monitoring system |
CN103217950A (zh) * | 2013-03-19 | 2013-07-24 | 魏益民 | 公安户外电子设备故障远程自动诊断系统 |
CN203573492U (zh) * | 2013-11-25 | 2014-04-30 | 中国电子科技集团公司第三十八研究所 | 一种基于智能一体机的复合卡口系统 |
CN106161060A (zh) * | 2015-04-07 | 2016-11-23 | 腾讯科技(深圳)有限公司 | 数据监控方法和装置 |
CN105976610A (zh) * | 2016-03-21 | 2016-09-28 | 江苏智通交通科技有限公司 | 卡口过车的检测可靠性控制方法和系统 |
CN106056912A (zh) * | 2016-07-29 | 2016-10-26 | 浙江银江研究院有限公司 | 一种卡口运行状态量化评估方法及系统 |
CN106355924A (zh) * | 2016-09-06 | 2017-01-25 | 江苏智通交通科技有限公司 | 交通数据质量监控系统 |
CN106384504A (zh) * | 2016-09-06 | 2017-02-08 | 江苏智通交通科技有限公司 | 基于数据可视化的城市路网拥堵特性描述分析方法 |
Non-Patent Citations (2)
Title |
---|
MYUNG-SUP KIM,ET AL: "A flow-based method for abnormal network traffic detection", 《2004 IEEE/IFIP NETWORK OPERATIONS AND MANAGEMENT SYMPOSIUM 》 * |
薄璐,等: "智能交通异常事件检测系统的分析与设计", 《微型电脑应用》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111488899A (zh) * | 2019-01-29 | 2020-08-04 | 杭州海康威视数字技术股份有限公司 | 特征提取方法、装置、设备及可读存储介质 |
CN111488899B (zh) * | 2019-01-29 | 2024-02-23 | 杭州海康威视数字技术股份有限公司 | 特征提取方法、装置、设备及可读存储介质 |
CN110264722A (zh) * | 2019-07-03 | 2019-09-20 | 泰华智慧产业集团股份有限公司 | 信息采集设备中异常设备的筛选方法及系统 |
CN111145572A (zh) * | 2019-12-17 | 2020-05-12 | 浙江大华技术股份有限公司 | 卡口设备的异常检测方法、设备及计算机存储介质 |
CN111325451A (zh) * | 2020-02-02 | 2020-06-23 | 贾海芳 | 智能楼宇多级调度方法、智能楼宇调度中心及系统 |
CN112885101A (zh) * | 2021-03-30 | 2021-06-01 | 浙江大华技术股份有限公司 | 确定异常设备的方法、装置、存储介质及电子装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108574839B (zh) | 2020-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108574839A (zh) | 一种卡口设备异常检测方法及装置 | |
US20210389290A1 (en) | Intelligent Monitoring and Analysis Method for Air Pollution and Device Thereof | |
CN108965826B (zh) | 监控方法、装置、处理设备及存储介质 | |
CN102521939B (zh) | 一种光纤光栅周界防入侵系统的报警方法 | |
CN109635564A (zh) | 一种检测暴力破解行为的方法、装置、介质及设备 | |
JP6708219B2 (ja) | ログ分析システム、方法およびプログラム | |
CN113095132B (zh) | 基于神经网络燃气现场识别方法、系统、终端及存储介质 | |
CN106254137B (zh) | 监管系统的告警根源分析系统及方法 | |
WO2006052545A3 (en) | Line monitoring system and method | |
CN110266739A (zh) | 结合威胁情报的Fast-Flux僵尸网络的检测方法 | |
CN108734306A (zh) | 一种数据处理方法、装置、道路维护系统及存储介质 | |
CN102056200A (zh) | 一种业务处理流程监控方法和系统 | |
CN112817814A (zh) | 异常监控方法、系统、存储介质及电子装置 | |
CN106056867A (zh) | 监控方法及装置 | |
CN111163073A (zh) | 流量数据处理方法和装置 | |
CN108629310B (zh) | 一种工程管理监督方法及装置 | |
EP3851963A3 (en) | Incident detection and management | |
CN112365269A (zh) | 风险检测方法、装置、设备以及存储介质 | |
CN110473396A (zh) | 交通拥堵数据分析方法、装置、电子设备及存储介质 | |
CN113256967B (zh) | 基于卡口数据的道路交通事件检测方法、装置及介质 | |
CN104333489B (zh) | 对空管监视设备的检测方法、装置及系统 | |
CN112150795B (zh) | 一种车辆轨迹异常的检测方法及装置 | |
CN107395585B (zh) | 一种基于时间节点的异常指数的获取方法、系统及设备 | |
CN112381386A (zh) | 一种车辆稽查布控方法、装置、电子设备和存储介质 | |
CN106687997A (zh) | 使用窗口周期标识事件的时滞指标 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |