CN108924004A - 商用酒店厨房物联网数据的异常检测分析方法及相关产品 - Google Patents
商用酒店厨房物联网数据的异常检测分析方法及相关产品 Download PDFInfo
- Publication number
- CN108924004A CN108924004A CN201810695308.0A CN201810695308A CN108924004A CN 108924004 A CN108924004 A CN 108924004A CN 201810695308 A CN201810695308 A CN 201810695308A CN 108924004 A CN108924004 A CN 108924004A
- Authority
- CN
- China
- Prior art keywords
- data
- gateway
- early warning
- sensor
- network topology
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 13
- 238000004458 analytical method Methods 0.000 title claims abstract description 12
- 230000005856 abnormality Effects 0.000 title claims abstract description 10
- 238000000034 method Methods 0.000 claims abstract description 26
- 230000002159 abnormal effect Effects 0.000 claims abstract description 5
- 230000005540 biological transmission Effects 0.000 claims description 28
- 238000004590 computer program Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 6
- 230000002045 lasting effect Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 239000000047 product Substances 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013497 data interchange Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 238000013450 outlier detection Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0823—Errors, e.g. transmission errors
- H04L43/0829—Packet loss
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/12—Hotels or restaurants
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Environmental & Geological Engineering (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Alarm Systems (AREA)
- Telephonic Communication Services (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本公开提供一种商用酒店厨房物联网数据的异常检测分析方法及相关产品,所述方法包括如下步骤:获取商用酒店冷库传感器与网关的网络拓扑结构;依据该网络拓扑结构提取与该网络拓扑结构对应的异常模型,获取该传感器的数据,将该数据输入到该异常模型中分析该数据是否异常,如数据异常,进行预警提示。本申请提供的技术方案具有对数据进行异常分析的优点。
Description
技术领域
本发明涉及物联网技术领域,具体涉及一种商用酒店厨房物联网数据的异常检测分析方法及相关产品。
背景技术
温湿度传感器在农业等众多领域发挥着重要的作用,尤其在实时记录温湿度变化的工作中应用最为广泛。无线温湿度传感器可以实时记录环境温湿度的变化,其网络拓扑有多种结构,太原科技大学高文华等针对簇状网络结构设计实现了温湿度监测系统,能够在PC终端读取到由coordinator节点汇集的来自路由器和终端设备的温湿度数据。但是并没有针对设备之间数据传输的丢失问题所导致的异常值进行检测。在农业温湿度环境监测领域,国内外已有较多相对成熟的无线传感器技术的应用,中国农业大学刘卉和清华大学王跃宣等设计开发的基于无线传感器网络的农田土壤温湿度监测系统,能够监测温湿度环境数据的实时变化。但是仍然没有检测由于设备间传输不成功导致的数据丢失。
商用酒店厨房冷库环境复杂,一般都是双温冷库,具有保鲜冷冻等功能。为了保证食材充足,酒店会经常补充新鲜食材,酒店每天需要消耗大量的食材,因此冷库货物存取频繁,对环境的人为干扰因素较大。另外,商用酒店厨房冷库墙壁结构复杂,通常影响设备信号的穿透,导致数据采集设备的信号接收不稳定。尤其是五星级酒店高端冷库对温湿度控制要求高,目前尚未发现一整套成熟的流程来对高端冷库温湿度进行实时监控。因此,对温湿度传感器数据传输过程中的异常值进行实时监测,保证传输的温湿度数据的准确有效是非常有必要和意义的。
发明内容
本发明实施例提供了一种商用酒店厨房物联网数据的异常检测分析方法及相关产品,可以实现对温湿度数据的准确有效监控,具有异常监控的优点。
第一方面,本发明实施例提供一种商用酒店厨房物联网数据的异常检测分析方法,所述方法包括如下步骤:
获取商用酒店冷库传感器与网关的网络拓扑结构;
依据该网络拓扑结构提取与该网络拓扑结构对应的异常模型,获取该传感器的数据,将该数据输入到该异常模型中分析该数据是否异常,如数据异常,进行预警提示。
第二方面,提供一种数据分析系统,所述系统包括:
获取单元,用于获取商用酒店冷库传感器与网关的网络拓扑结构;
处理单元,用于依据该网络拓扑结构提取与该网络拓扑结构对应的异常模型,获取该传感器的数据,将该数据输入到该异常模型中分析该数据是否异常,如数据异常,进行预警提示。
第三方面,提供一种计算机可读存储介质,其存储用于电子数据交换的计算机程序,其中,所述计算机程序使得计算机执行第一方面所述的方法。
第四方面,提供一种计算机程序产品,所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,所述计算机程序可操作来使计算机执行第一方面所述的方法。
实施本发明实施例,具有如下有益效果:
可以看出,本发明所述的物联网传感器数据异常检测算法,在实例应用中效果好,可实时对传感器传输数据的异常值进行检测,以达到对冷库温湿度数据的实时监督预警。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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是本申请的数据处理流程图。
图2是本申请的传感器数据传输过程。
图3是本申请的网关与传感器连接结构。
图4是本申请的传感器A更换为B数据传输情况。
图5是本申请的传感器A数据传输情况。
图6是本申请的网关D1数据传输情况。
图7是本申请的5月16日06:00到12:00时间段的数据传输次数。
图8是本申请的每个传感器在06:00到12:00时间段内的丢包次数。
图9是本申请的网关D2数据传输情况。
图10是本申请的5月14日12:00到18:00时间段的数据传输次数。
图11是本申请的每个传感器在12:00到18:00时间段内的丢包次数。
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作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。
本发明的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结果或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
本发明公开的基于商用酒店厨房冷库温湿度传感器数据异常检测方法流程图见附图1,主要分为以下三个部分:(1)判断网关和传感器的网络拓扑结构;(2)针对网关和传感器一对一结构的异常值预警,包含连续丢包预警和长时间丢包预警;(3)针对网关和传感器一对多结构的异常值预警,包含连续丢包预警和长时间丢包预警。
(1)判断网络拓扑结构
首先需要通过数据采集获取实时检测数据,采集传输过程分为六步(见附图2),从商用酒店厨房冷库传感器获取实时检测数据,再将其传到网关,编解码服务器,再到数据中心,最后传送到独立数据库以供查询分析。
商用酒店厨房冷库布置的网关与温湿度传感器的网络拓扑结构可以分为如下两种:
一对一结构:一个网关仅对一个传感器的数据进行传输,见附图3左所示。
一对多结构:一个网关需要对多个传感器的数据进行传输,见附图3右所示。
网关的传输数据情况可通过如下表达式进行判断:
其中T表示需要检测的时间段,x表示网关的实际接收时间,当即网关A在该时间段对应传感器没有传输数据,则FA(x)记为0;当x∈T,即网关A在该时间段对应传感器有传输数据,则FA(x)记为1。
(2)一对一结构异常值预警方法
针对一对一结构,只需检测其对应传感器的数据传输情况,即为该网关的传输情况。
连续丢包预警
模型表示
定义丢包率预警矩阵:
其中i=1,2,3,i表示预警级别,i=1表示低级预警,i=2表示中级预警,i=3表示高级预警;j=1,2,j表示不同预警级别的丢包率,j=1表示下界,j=2表示上界;当i=1,x11=a,x12=b时,为低级预警,且丢包率取值范围为[a,b);当i=2,x21=b,x22=c时,为中级预警,且丢包率取值范围为[b,c);当i=3,x31=c,x32=d时,为高级预警,且丢包率取值范围为[c,d]。
根据2018年1月至5月期间十五个温湿度传感器的数据计算,本实例选取a=0.3,b=0.6,c=0.8,d=1.0,则
其中对于i级预警,N小时内接收次数Y满足以下表达式:
其中t表示时间间隔(即每t分钟传输一次);
模型标准表
表1丢包预警模型标准表
长时间数据缺失预警模型
模型表示
设预警级数为S(t),若S(t)=1,则为低级预警;若S(t)=2,则为中级预警;若S(t)=3,则为高级预警,t为持续缺失时间,则不同等级预警满足以下表达式:
当持续缺失时间小于q小时,则记为初级预警;若大于q小时,小于r小时,则记为中级预警;若大于r小时,则记为高级预警。
根据2018年1月至5月期间十五个温湿度传感器的数据计算,本实例选取q为2小时,作为长时间数据缺失的低级预警分界值较为合理,而r则取为12h,则不同等级预警满足以下表达式:
当缺失时间小于2小时,则记为初级预警;若大于2小时,小于12小时,则记为中级预警;若大于12小时,则记为高级预警。
模型标准表
表2长时间丢包预警模型标准表
实验验证
以2018年3月11日到3月18日,期间传感器A更换为传感器B的数据传输情况为例。
见附图4,传感器A(红线左边)从3月11日开始有数据缺失问题,3月12日数据缺失问题严重,3月14日18:00该传感器被换掉,停止接收数据。3F楼层传感器更换为B(红线右边),更换之后未出现长时间数据缺失问题,数据接收状态良好。如下表3所示为每日长时间数据缺失分析及其预警。
表3每日长时间数据缺失分析及预警表
由上表可知,3月12日、13日和14日存在中级预警或高级预警,故对传感器A单独做异常值分析,见附图5所示,其中画红色边框部分即为长时间数据缺失。
(3)一对多结构异常值预警方法
针对一对多结构,根据公式(1),当网关A有传输数据时,还需检测其对应具体每个传感器的数据传输情况。
模型表示
假设共有N个网关,网关Di为一对多连接结构,i=1,2,...,N;网关Di连接Mi个不同传感器Dij,其中Dij表示网关Di连接的第j个传感器,i=1,2,...,N,j=1,2,...,Mi;网关与传感器多对一的拓扑结构见附图3右所示;
定义Bi为网关Di有接收到数据的事件,即
Bi={网关Di有接收到数据},i=1,2,...,N;
定义Aij为传感器Dij有接收到数据的事件,即
Aij={传感器Dij有接收到数据},i=1,2,...,N,j=1,2,...,Mi;
根据网关的传输情况,进一步对每个传感器数据的接收情况概率进行条件概率值计算,如下公式所示:
当Bi未发生,即网关Di未接收到数据时,则其连接的传感器Dij接收数据的概率也为0,故
P(Aij|Bi)=0 (8)
当Bi发生时,即网关Di有传输数据,进一步判断在该条件下,其连接的传感器Dij的数据接收情况,公式(7)中概率计算如下:
模型标准表
参考一对一结构异常值预警算法模型标准。
实验验证
以5月16日网关D1为例,网关D1对应传感器D11,D12,D13,D14,D15,D16,D17,D18,D19和D110,共十个传感器,分布在G2和G3楼层。根据公式1,检查网关D1的传输情况(见附图6)。
表4传感器D14较严重丢包具体记录(5月16日)
接收次数为1表示该时间有接收到数据,为0则表示丢包。故网关D1在5月16日九点左右有3次时间段未接收到数据,其余时间均接收到数据。以5月16日06:00-12:00为例,每个网关传输数据情况(见附图7)大部分时间均接收9次,有较多时间接收8次,极少数时间接收0,4,6,7次。
见附图8所示具体每个传感器在06:00到12:00时间段内的丢包次数,其中D11传感器完全丢包,一次数据都未接收,D13,D14,D17和D110传感器丢包次数较多,其余传感器均有极少量丢包,为轻微丢包。D14传感器存在较严重丢包,具体情况如上表4。
以5月14日网关D2为例,网关D2对应传感器D21,D22和D23共三个传感器,分布在5F楼层。根据公式1,检查网关D2的传输情况(见附图9)。
表5传感器D23较严重丢包具体记录
同理,接收次数为1表示该时间有接收到数据,为0则表示丢包。故网关D2在5月14日12点30分左右有1次缺失数据的现象,在13点至14点中有4次缺失数据的现象,其余时间均接收到数据。以5月16日12:00-18:00为例,每个网关传输数据情况(见附图10)大部分时间均接收3次,有较多时间接收2ss次,极少数时间接收0,1次。
见附图11所示具体每个传感器在12:00到18:00时间段内的丢包次数,其中D23(A3)丢包次数最多,其余两个传感器丢包次数较少,具体情况如上表5。
本发明实施例还提供一种计算机存储介质,其中该计算机存储介质存储用于电子数据交换的计算机程序,该计算机程序使得计算机执行如上述方法实施例中记载的任何一种商用酒店厨房物联网数据的异常检测分析方法的部分或全部步骤。
本发明实施例还提供一种计算机程序产品,所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,所述计算机程序可操作来使计算机执行如上述方法实施例中记载的任何一种商用酒店厨房物联网数据的异常检测分析方法的部分或全部步骤。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于可选实施例,所涉及的动作和模块并不一定是本发明所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置,可通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件程序模块的形式实现。
所述集成的单元如果以软件程序模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储器中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储器中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储器包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储器中,存储器可以包括:闪存盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取器(英文:Random Access Memory,简称:RAM)、磁盘或光盘等。
以上对本发明实施例进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种商用酒店厨房物联网数据的异常检测分析方法,其特征在于,所述方法包括如下步骤:
获取商用酒店冷库传感器与网关的网络拓扑结构;
依据该网络拓扑结构提取与该网络拓扑结构对应的异常模型,获取该传感器的数据,将该数据输入到该异常模型中分析该数据是否异常,如数据异常,进行预警提示。
2.根据权利要求1所述的方法,其特征在于,
所述网络拓扑结构包括:一对一结构或一对多结构。
3.根据权利要求2所述的方法,其特征在于,如果所述网络拓扑结构为一对一结构,则提取一对一丢包率预警矩阵模型和一对一长时间数据缺失预警模型,
其中i=1,2,3,i表示预警级别,i=1表示低级预警,i=2表示中级预警,i=3表示高级预警;j=1,2,j表示不同预警级别的丢包率,j=1表示下界,j=2表示上界;当i=1,x11=a,x12=b时,为低级预警,且丢包率取值范围为[a,b);当i=2,x21=b,x22=c时,为中级预警,且丢包率取值范围为[b,c);当i=3,x31=c,x32=d时,为高级预警,且丢包率取值范围为[c,d];
当持续缺失时间小于q小时,则记为初级预警;若大于q小时,小于r小时,则记为中级预警;若大于r小时,则记为高级预警。
4.根据权利要求2所述的方法,其特征在于,如果所述网络拓扑结构为一对多结构,假设共有N个网关,网关Di为一对多连接结构,i=1,2,...,N;网关Di连接Mi个不同传感器Dij,其中Dij表示网关Di连接的第j个传感器,i=1,2,...,N,j=1,2,...,Mi;
定义Bi为网关Di有接收到数据的事件:
Bi={网关Di有接收到数据},i=1,2,...,N;
定义Aij为传感器Dij有接收到数据的事件:
Aij={传感器Dij有接收到数据},i=1,2,...,N,j=1,2,...,Mi;
根据网关的传输情况,对每个传感器数据的接收情况概率进行条件概率值计算,
当Bi未发生,网关Di未接收到数据时,则其连接的传感器Dij接收数据的概率也为0,故
P(Aij|Bi)=0
当Bi发生时,网关Di有传输数据,进一步判断在该条件下,其连接的传感器Dij的数据接收情况,
依据该概率的值确定告警等级。
5.一种商用酒店厨房物联网数据的异常检测分析系统,其特征在于,所述系统包括:
获取单元,用于获取商用酒店冷库传感器与网关的网络拓扑结构;
处理单元,用于依据该网络拓扑结构提取与该网络拓扑结构对应的异常模型,获取该传感器的数据,将该数据输入到该异常模型中分析该数据是否异常,如数据异常,进行预警提示。
6.根据权利要求5所述的系统,其特征在于,
所述网络拓扑结构包括:一对一结构或一对多结构。
7.根据权利要求6所述的系统,其特征在于,
所述处理单元具体用于:若所述网络拓扑结构为一对一结构,则提取一对一丢包率预警矩阵模型和一对一长时间数据缺失预警模型,
其中i=1,2,3,i表示预警级别,i=1表示低级预警,i=2表示中级预警,i=3表示高级预警;j=1,2,j表示不同预警级别的丢包率,j=1表示下界,j=2表示上界;当i=1,x11=a,x12=b时,为低级预警,且丢包率取值范围为[a,b);当i=2,x21=b,x22=c时,为中级预警,且丢包率取值范围为[b,c);当i=3,x31=c,x32=d时,为高级预警,且丢包率取值范围为[c,d];
当持续缺失时间小于q小时,则记为初级预警;若大于q小时,小于r小时,则记为中级预警;若大于r小时,则记为高级预警。
8.根据权利要求6所述的系统,其特征在于,
所述处理单元具体用于:若所述网络拓扑结构为一对多结构,假设共有N个网关,网关Di为一对多连接结构,i=1,2,...,N;网关Di连接Mi个不同传感器Dij,其中Dij表示网关Di连接的第j个传感器,i=1,2,...,N,j=1,2,...,Mi;
定义Bi为网关Di有接收到数据的事件:
Bi={网关Di有接收到数据},i=1,2,...,N;
定义Aij为传感器Dij有接收到数据的事件:
Aij={传感器Dij有接收到数据},i=1,2,...,N,j=1,2,...,Mi;
根据网关的传输情况,对每个传感器数据的接收情况概率进行条件概率值计算,
当Bi未发生,网关Di未接收到数据时,则其连接的传感器Dij接收数据的概率也为0,故
P(Aij|Bi)=0
当Bi发生时,网关Di有传输数据,进一步判断在该条件下,其连接的传感器Dij的数据接收情况,
依据该概率的值确定告警等级。
9.一种计算机可读存储介质,其特征在于,其存储用于商用酒店厨房物联网数据的异常检测分析的计算机程序,其中,所述计算机程序使得计算机执行如权利要求1-4任一项所述的方法。
10.一种计算机程序产品,其特征在于,所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,所述计算机程序可操作来使计算机执行如权利要求1-4任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810695308.0A CN108924004B (zh) | 2018-06-29 | 2018-06-29 | 商用酒店厨房物联网数据的异常检测分析方法及相关产品 |
PCT/CN2018/094777 WO2020000503A1 (zh) | 2018-06-29 | 2018-07-06 | 商用酒店厨房物联网数据的异常检测分析方法及相关产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810695308.0A CN108924004B (zh) | 2018-06-29 | 2018-06-29 | 商用酒店厨房物联网数据的异常检测分析方法及相关产品 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108924004A true CN108924004A (zh) | 2018-11-30 |
CN108924004B CN108924004B (zh) | 2021-01-19 |
Family
ID=64423072
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810695308.0A Active CN108924004B (zh) | 2018-06-29 | 2018-06-29 | 商用酒店厨房物联网数据的异常检测分析方法及相关产品 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN108924004B (zh) |
WO (1) | WO2020000503A1 (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080091822A1 (en) * | 2006-10-16 | 2008-04-17 | Gil Mati Sheinfeld | Connectivity outage detection: network/ip sla probes reporting business impact information |
CN101640629A (zh) * | 2008-07-29 | 2010-02-03 | 华为技术有限公司 | 一种链路丢包监控的方法和双向转发探测设备 |
CN102014020A (zh) * | 2010-11-12 | 2011-04-13 | 百度在线网络技术(北京)有限公司 | 一种用于对网络设备进行网络监控的设备及其方法 |
CN102739527A (zh) * | 2012-06-14 | 2012-10-17 | 北京邮电大学 | 网络丢包率探测方法 |
CN103208049A (zh) * | 2013-04-25 | 2013-07-17 | 国家电网公司 | 异常告警快速事故分析方法及系统 |
CN105355021A (zh) * | 2015-11-23 | 2016-02-24 | 苏州工业职业技术学院 | 基于ZigBee的远程无线抄表系统及其性能检测方法 |
CN106326068A (zh) * | 2016-08-17 | 2017-01-11 | 东软集团股份有限公司 | 资源指标的监控方法及装置 |
CN106878995A (zh) * | 2017-04-27 | 2017-06-20 | 重庆邮电大学 | 一种基于感知数据的无线传感器网络异常类型鉴别方法 |
US9774490B2 (en) * | 2004-05-10 | 2017-09-26 | Alcatel Lucent | Alarm indication and suppression (AIS) mechanism in an ethernet OAM network |
CN108011782A (zh) * | 2017-12-06 | 2018-05-08 | 北京百度网讯科技有限公司 | 用于推送告警信息的方法和装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102497281A (zh) * | 2011-11-15 | 2012-06-13 | 无锡港湾网络科技有限公司 | 一种能源动力环境的监控方法及系统 |
CN103244188A (zh) * | 2013-05-14 | 2013-08-14 | 太原科技大学 | 一种基于物联网技术的煤矿井下综合监控系统 |
CN204087458U (zh) * | 2014-07-06 | 2015-01-07 | 浙江求是人工环境有限公司 | 一种冷链环境的无线温湿度监控系统 |
JP6371177B2 (ja) * | 2014-09-17 | 2018-08-08 | 株式会社日立ソリューションズ | ゲートウェイ装置、データ処理システム及びデータ処理方法 |
CN105137505A (zh) * | 2015-09-15 | 2015-12-09 | 南京邮电大学 | 一种基于物联网的古建筑监测预警系统 |
CN105791051B (zh) * | 2016-03-25 | 2019-06-21 | 中国地质大学(武汉) | 基于人工免疫和k均值聚类的无线传感网异常检测方法及系统 |
CN206226464U (zh) * | 2016-12-05 | 2017-06-06 | 成都信息工程大学 | 一种电气设备监测系统 |
-
2018
- 2018-06-29 CN CN201810695308.0A patent/CN108924004B/zh active Active
- 2018-07-06 WO PCT/CN2018/094777 patent/WO2020000503A1/zh active Application Filing
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9774490B2 (en) * | 2004-05-10 | 2017-09-26 | Alcatel Lucent | Alarm indication and suppression (AIS) mechanism in an ethernet OAM network |
US20080091822A1 (en) * | 2006-10-16 | 2008-04-17 | Gil Mati Sheinfeld | Connectivity outage detection: network/ip sla probes reporting business impact information |
CN101640629A (zh) * | 2008-07-29 | 2010-02-03 | 华为技术有限公司 | 一种链路丢包监控的方法和双向转发探测设备 |
CN102014020A (zh) * | 2010-11-12 | 2011-04-13 | 百度在线网络技术(北京)有限公司 | 一种用于对网络设备进行网络监控的设备及其方法 |
CN102739527A (zh) * | 2012-06-14 | 2012-10-17 | 北京邮电大学 | 网络丢包率探测方法 |
CN103208049A (zh) * | 2013-04-25 | 2013-07-17 | 国家电网公司 | 异常告警快速事故分析方法及系统 |
CN105355021A (zh) * | 2015-11-23 | 2016-02-24 | 苏州工业职业技术学院 | 基于ZigBee的远程无线抄表系统及其性能检测方法 |
CN106326068A (zh) * | 2016-08-17 | 2017-01-11 | 东软集团股份有限公司 | 资源指标的监控方法及装置 |
CN106878995A (zh) * | 2017-04-27 | 2017-06-20 | 重庆邮电大学 | 一种基于感知数据的无线传感器网络异常类型鉴别方法 |
CN108011782A (zh) * | 2017-12-06 | 2018-05-08 | 北京百度网讯科技有限公司 | 用于推送告警信息的方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108924004B (zh) | 2021-01-19 |
WO2020000503A1 (zh) | 2020-01-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108984870A (zh) | 基于arima的冷库温湿度数据预测方法及相关产品 | |
Bentley et al. | Investigating the potential impacts of ocean warming on the Norwegian and Barents Seas ecosystem using a time-dynamic food-web model | |
Bettencourt et al. | Separating the wheat from the chaff: Practical anomaly detection schemes in ecological applications of distributed sensor networks | |
CN104639610A (zh) | 信息推送方法和系统 | |
EP3963361A1 (en) | Determining a location of motion detected from wireless signals based on wireless link counting | |
Franco et al. | A new sampling strategy to reduce the effect of autocorrelation on a control chart | |
CN106296437A (zh) | 一种活鱼运输信息系统、建立方法及应用 | |
CN105208102A (zh) | 智能放牧的质量管控方法及系统 | |
CN103822429B (zh) | 一种提示最适存储食物的方法和冰箱 | |
CN107424381A (zh) | 一种用于空巢老人的室内监测系统 | |
Mastin et al. | Quantifying the hidden costs of imperfect detection for early detection surveillance | |
CN106502120A (zh) | 一种收集用户健康信息并显示的智能家电 | |
CN110020165A (zh) | 一种饮食推荐方法和家庭机器人 | |
CN110491476A (zh) | 一种健康管理方法、存储介质及电子设备 | |
CN107018206A (zh) | 一种适老化智能居家系统 | |
CN110931108A (zh) | 基于微服务架构的食谱推荐系统 | |
CN108924004A (zh) | 商用酒店厨房物联网数据的异常检测分析方法及相关产品 | |
CN112288530B (zh) | 资源共享智能就餐方法、装置、系统、介质和设备 | |
CN105388821B (zh) | 一种居民食物消费数据的监控方法 | |
Jin et al. | Development of indoor localization system for elderly care based on device-free passive method | |
CN116051127A (zh) | 食品安全风险监测方法、装置、介质及电子设备 | |
CN109668277A (zh) | 一种净化器控制方法及系统 | |
CN106092133A (zh) | 启动访客模式的判定方法、装置 | |
Reusser et al. | Arctic climate change–a tale of two cods | |
CN107212860A (zh) | 一种生理信号智能监测系统 |
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 |