CN109361728B - 一种基于多源传感数据关联度的分级事件报告系统及方法 - Google Patents
一种基于多源传感数据关联度的分级事件报告系统及方法 Download PDFInfo
- Publication number
- CN109361728B CN109361728B CN201811001551.4A CN201811001551A CN109361728B CN 109361728 B CN109361728 B CN 109361728B CN 201811001551 A CN201811001551 A CN 201811001551A CN 109361728 B CN109361728 B CN 109361728B
- Authority
- CN
- China
- Prior art keywords
- data
- event
- sensing
- relevancy
- sensing data
- 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.)
- Active
Links
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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Alarm Systems (AREA)
Abstract
本发明涉及一种基于多源传感数据关联度的分级事件报告系统及方法,其中,所述系统包括:依次连接的一传感器接口单元、一处理器单元以及一事件传输单元,其中,所述处理器单元包括:一多源数据筛选器、一关联度搜索器、一关联数据队列集存储器、一关联度计算引擎、一事件判决引擎以及一事件报告队列。相对于传统传感系统,本发明能将传感数据向量化,利用多传感数据逻辑相关性,形成事件判决量化标准,并根据预设的事件判决模型进行事件的判决,进而提高了传感系统的相关智能性。另外,本发明针对传感器单一值判决的事件报告系统,提供了两个自适应判决门限,形成了分级事件报告系统,在减少事件漏报概率的条件下,大幅提高了事件判决的准确率。
Description
技术领域
本发明涉及一种物联网系统,尤其涉及一种用于传感数据监控网络中的基于多源传感数据关联度的分级事件报告系统及方法。
背景技术
近年来,随着物联网和智慧城市的发展,越来越多的各种类型传感器被部署在各个大楼、街道、工厂中,扩充了我们对环境的感知范围,使得建筑可以阅读,街道服务更加个性化,工厂生产更加智能化。
目前,在各个监控领域安装了大量的各种类型传感器,各个传感系统主要将对环境的感知转化成相应的数字信号,传输到相应的监控平台,以通过各种仪表盘的方式向用户展示相关数据,由于其数据所附带的行为事件(例如某个区域火警、某个区域入侵事件、某个具体的部件故障等)的价值越来越受到人们重视,因此需要专业的人员进行24小时的观察,人工进行相关事件的判断和预警,这对相关人员有着极高的专业要求和敬业度要求。
为此,人们希望能够直接获取传感数据所表征的相关事件,而不是在大量的传感数据中进行后期分析。现有技术中,有一些智能传感器,虽然能够进行相关的事件报告,解决了一部分的人员监视的压力。但是,其大多是针对单一传感数据的门限判定,门限设定太低容易产生大量的误报事件,门限设定太高容易漏报事件,给使用带来了很大的阻碍,并且能监控的事件也相对单一和简单,不能满足用户的智能化需求。
发明内容
为了解决上述现有技术存在的问题,本发明旨在提供一种基于多源传感数据关联度的分级事件报告系统及方法,以提高传感系统的相关智能性,并实现分级事件报告,提高事件判决的准确率。
本发明之一所述的一种基于多源传感数据关联度的分级事件报告系统,包括:依次连接的一传感器接口单元、一处理器单元以及一事件传输单元,其中,所述处理器单元包括:
一多源数据筛选器,其接收并对通过所述传感器接口单元获取的各个传感系统采集的传感数据进行筛选,并标识形成不同的传感数据向量,再以各所述传感数据向量作为标识信息,生成对应的数据集,同时,将各所述传感数据向量推送至一关联度搜索器中,并将各所述数据集存储在一关联数据队列集存储器中;
所述关联度搜索器根据预设的传感向量事件特征表,在所述关联数据队列集存储器中查找与从所述多源数据筛选器接收到的各所述传感数据向量分别逻辑相关联的所述数据集,并将接收到的各所述传感数据向量分别放入与其逻辑相关联的所述数据集中;
一与所述关联数据队列集存储器连接的关联度计算引擎,其在所述关联数据队列集存储器中的一个所述数据集中所述传感数据向量的数量以及该数据集的生存时间达到预设促发条件后,计算该数据集中各所述传感数据向量之间的关联度;
一事件判决引擎,其将所述关联度计算引擎提供的所述数据集的关联度计算结果与预设的与该数据集对应的事件判决模型的第一判决门限和第二判决门限比较,当该数据集的关联度计算结果大于所述第一判决门限并小于所述第二判决门限时,生成一低级别事件报告消息,并将该低级别事件报告消息推送至一事件报告队列的尾部,当该数据集的关联度计算结果大于所述第二判决门限时,生成一高级别事件报告消息,并将该高级别事件报告消息推送至所述事件报告队列的头部;以及
所述事件报告队列从头部至尾部依次向所述事件传输单元传输各事件报告消息,并通过该事件传输单元向外发送各事件报告消息。
在上述的基于多源传感数据关联度的分级事件报告系统中,还包括与所述处理器单元连接的队列存储单元,其以数据队列的形式存储各数据集,以表格形式存储所述传感向量事件特征表和所述事件判决模型。
在上述的基于多源传感数据关联度的分级事件报告系统中,所述多源数据筛选器配置为:根据所述传感数据的来源以及存储在所述关联数据队列集存储器中的数据集,对所述传感数据进行筛选;各所述传感数据向量具有对应的数据标识,其中,所述数据标识包括:获取所述传感数据的传感器的类型、所述传感器的部署位置以及获取所述传感数据的时间。
在上述的基于多源传感数据关联度的分级事件报告系统中,所述关联度搜索器配置为:根据接收到的所述传感数据向量对应的数据标识,在所述传感向量事件特征表中查找到与该传感数据向量对应的数据标识相关联的事件判决模型,并根据该事件判决模型在所述关联数据队列集存储器查找到与该事件判决模型相关联的数据集,作为该数据集的标识信息的传感数据向量的数据标识与该事件判决模型相关联。
在上述的基于多源传感数据关联度的分级事件报告系统中,所述事件判决引擎还配置为:当所述关联度计算引擎提供的所述数据集的关联度计算结果小于对应的所述第一判决门限时,在所述关联数据队列集存储器中删除该数据集,并查找该关联数据队列集存储器中是否存在对应于被删除的所述数据集所对应的事件判决模型的数据集,若有,则将查找到的所述数据集合并存储在所述关联数据队列集存储器中,同时重置该合并后的所述数据集的生存时间。
在上述的基于多源传感数据关联度的分级事件报告系统中,所述传感器接口单元包括:串口、网口和zigbee网络。
本发明之二所述的一种基于多源传感数据关联度的分级事件报告方法,包括以下步骤:
步骤S0,提供如上所述的基于多源传感数据关联度的分级事件报告系统;
步骤S1,通过所述传感器接口单元获取各个传感系统采集的传感数据;
步骤S2,通过所述多源数据筛选器对所述传感数据进行筛选,并标识形成不同的传感数据向量,再以各所述传感数据向量作为标识信息,生成对应的数据集,同时,将各所述传感数据向量推送至所述关联度搜索器中,并将各所述数据集存储在所述关联数据队列集存储器中;
步骤S3,通过所述关联度搜索器根据预设的传感向量事件特征表,在所述关联数据队列集存储器中查找与从所述多源数据筛选器接收到的各所述传感数据向量分别逻辑相关联的所述数据集,并将接收到的各所述传感数据向量分别放入与其逻辑相关联的所述数据集中;
步骤S4,当所述关联数据队列集存储器中的一个所述数据集中所述传感数据向量的数量以及该数据集的生存时间达到预设促发条件后,通过所述关联度计算引擎计算该数据集中各所述传感数据向量之间的关联度;
步骤S5,通过所述事件判决引擎将所述关联度计算引擎提供的所述数据集的关联度计算结果与预设的与该数据集对应的事件判决模型的第一判决门限和第二判决门限比较,当该数据集的关联度计算结果大于所述第一判决门限并小于所述第二判决门限时,生成对应的低级别事件报告消息,并将该低级别事件报告消息推送至所述事件报告队列的尾部,当该数据集的关联度计算结果大于所述第二判决门限时,生成对应的高级别事件报告消息,并将该高级别事件报告消息推送至所述事件报告队列的头部;
步骤S6,通过所述事件报告队列从头部至尾部依次向所述事件传输单元传输各事件报告消息,并通过该事件传输单元向外发送各事件报告消息。
在上述的基于多源传感数据关联度的分级事件报告方法中,所述步骤S2包括:根据所述传感数据的来源以及存储在所述关联数据队列集存储器中的数据集,对所述传感数据进行筛选;各所述传感数据向量具有对应的数据标识,其中,所述数据标识包括:获取所述传感数据的传感器的类型、所述传感器的部署位置以及获取所述传感数据的时间。
在上述的基于多源传感数据关联度的分级事件报告方法中,所述步骤S3包括:根据接收到的所述传感数据向量对应的数据标识,在所述传感向量事件特征表中查找到与该传感数据向量对应的数据标识相关联的事件判决模型,并根据该事件判决模型在所述关联数据队列集存储器查找到与该事件判决模型相关联的数据集,作为该数据集的标识信息的传感数据向量的数据标识与该事件判决模型相关联。
在上述的基于多源传感数据关联度的分级事件报告方法中,所述步骤S5还包括:当所述关联度计算引擎提供的所述数据集的关联度计算结果小于对应的所述第一判决门限时,在所述关联数据队列集存储器中删除该数据集,并查找该关联数据队列集存储器中是否存在对应于被删除的所述数据集所对应的事件判决模型的数据集,若有,则将查找到的所述数据集合并存储在所述关联数据队列集存储器中,同时重置该合并后的所述数据集的生存时间。
由于采用了上述的技术解决方案,本发明能够将从部署有多种类型数据采集器的传感网络中获取的感知数据,按照规则标识成传感数据向量,并进行消息队列生成、存储与分级传输。相对于传统传感系统,本发明能将传感数据向量化,利用多传感数据逻辑相关性,形成事件判决量化标准,并根据预设的事件判决模型进行事件的判决,进而提高了传感系统的相关智能性。另外,本发明针对传感器单一值判决的事件报告系统,提供了两个自适应判决门限,形成了分级事件报告系统,在减少事件漏报概率的条件下,大幅提高了事件判决的准确率。
附图说明
图1是本发明之一的一种基于多源传感数据关联度的分级事件报告系统的结构框图;
图2是本发明之一中处理器单元的内部结构框图。
具体实施方式
下面结合附图,给出本发明的较佳实施例,并予以详细描述。
如图1、2所示,本发明之一的一种基于多源传感数据关联度的分级事件报告系统(其本质是一个在传感数据监控网络中的拥有计算、存储和通信能力的边缘计算节点),包括:
传感器接口单元1,其用于提供与各个传感系统的物理连接基础,即,通过相应的物理接口(例如:串口、网口、zigbee网络等),获取各个传感系统采集的传感数据,并提供各种操作接口(包括下文中数据集的读取、删除和合并操作,以及传感向量关系特征表和事件判决模型的存储、读取、删除和修改操作);
与传感器接口单元1连接的处理器单元2,其用于生成传感数据向量以及包含不同传感数据向量的数据集,并进行数据集关联性搜索、各数据集中不同传感数据向量的关联度计算以及实现相关逻辑判决;
与处理器单元2连接的队列存储单元3,其用于以数据队列的形式存储各数据集,以表格形式存储传感向量事件特征表和事件判决模型,从而为传感数据向量的搜索、生成、删除、合并提供了数据基础;
与处理器单元2连接的事件传输单元4,其用于按照事件优先级,实现事件传输的完整过程,并保证事件信息的完整性;具体来说,其为系统提供数据远传的物理基础,可支持有线、无线、蜂窝、低功耗城域网等各种远传方式,完成按照各个传输协议的信息的组包、发送(至云平台)以及通信异常(例如,通信链路异常导致的丢包等情况)控制等功能。
具体来说,如图2所示,上述处理器单元2包括:
与传感器接口单元1连接的多源数据筛选器21,其接收各个传感系统采集的传感数据,并根据传感数据的来源以及存储在关联数据队列集存储器23中的数据集,对传感数据进行筛选(例如,同一传感器的多次间隔很短时间的告警信息已经生成了数据集,因此需要对再次接收到的同样的传感数据该进行过滤,或进行合并加强幅度),并根据数据标识形成不同的传感数据向量,再以各传感数据向量作为标识信息,生成对应的数据集(即,作为标识信息的传感数据向量为对应的数据集的创始向量),同时,将各传感数据向量推送至关联度搜索器22中,并将各数据集存储在关联数据队列集存储器23中,其中,数据标识(即,传感数据向量的各个维度)包括:传感数据类型逻辑相关性(即,获取传感数据的传感器类型)、传感器的监控位置的逻辑相关性(即,传感器的部署位置)以及传感数据的时间标识(即,传感数据的获取时间),其中,传感数据类型逻辑相关性是指来自不同传感系统的数据具有关联判断的特性,在部署系统中可以进行标识,例如,来自火警探测的烟感数据,与喷淋系统的水数据,就可以联合判定火灾的发生的情况;传感器的监控位置的逻辑相关性可在部署的时候进行设定,例如,部署在同一防火分区的传感器具有关联性,而部署在不同防火分区的传感器则没有关联度;
关联度搜索器22根据预存在队列存储单元3中的传感向量事件特征表,在关联数据队列集存储器23中查找与从多源数据筛选器21接收到的传感数据向量逻辑相关联的数据集,并将接收到的传感数据向量放入与其逻辑相关联的数据集中,其中,传感向量事件特征表是指预设的可判别的事件判决模型与传感数据向量的数据标识之间的关联度对应表,逻辑相关联指的是传感类型相关,部署位置相关和获取时间相关等;具体来说,关联度搜索器22接收到的传感数据向量具有对应的数据标识,根据传感向量事件特征表和数据标识可查找到与该传感数据向量的数据标识相关联的事件判决模型,根据找到的事件判决模型可在在关联数据队列集存储器23中查找到相关联的数据集,该数据集的标识信息,即其创始向量的数据标识与找到的事件判决模型关联,也即,该创始向量与关联度搜索器22接收到的传感数据向量逻辑相关,由此对关联度搜索器22接收到的传感数据向量生成一个副本向量,放入查找到的数据集中;
与关联数据队列集存储器23连接的关联度计算引擎24,其分别计算关联数据队列集存储器23中的每个数据集中各传感数据向量之间的关联度;具体来说,关联度计算引擎24开始计算的促发条件由数据集中传感数据向量的个数以及数据集的生存时间(即,数据集的创始向量生成的时间)决定,关联度计算引擎24可以采用向量计算的相关数学方法,例如向量内级运算等进行关联度计算;
与关联度计算引擎24连接的事件判决引擎25,其根据预存在队列存储单元3中的事件判决模型,分别获取各个事件判决模型的第一判决门限和第二判决门限(这些事件判决模型的判决门限可以进行自适应参数调整),并将关联度计算引擎24提供的每个数据集的关联度计算结果与对应的事件判决模型的第一判决门限和第二判决门限比较,当数据集的关联度计算结果小于对应的第一判决门限时,在关联数据队列集存储器23中删除该数据集,并查找关联数据队列集存储器23中是否存在对应于被删除的数据集所对应的事件判决模型的数据集,若有,则将查找到的数据集合并放在关联数据队列集存储器23中,同时重置该合并后的数据集的生存时间(即,更新为合并的当前时间),当数据集的关联度计算结果大于对应的第一判决门限并小于对应的第二判决门限时,生成对应的低级别事件报告消息,并将该低级别事件报告消息推送至事件报告队列26的尾部,当数据集的关联度计算结果大于对应的第二判决门限时,生成对应的高级别事件报告消息,并将该高级别事件报告消息推送至事件报告队列26的头部;
事件报告队列26从头部至尾部依次向事件传输单元4传输各事件报告消息,并保证高优先级的事件报告消息的传输实时性与事件信息的完整性。
下面对上述系统的工作原理,即本发明之二的一种基于多源传感数据关联度的分级事件报告方法进行说明,该方法包括以下步骤:
步骤S1,通过传感器接口单元1获取各个传感系统采集的传感数据;
步骤S2,通过多源数据筛选器21对传感数据进行筛选,并标识形成不同的传感数据向量,再以各传感数据向量作为标识信息,生成对应的数据集,同时,将各传感数据向量推送至关联度搜索器22中,并将各数据集存储在关联数据队列集存储器23中;
步骤S3,通过关联度搜索器22根据预设的传感向量事件特征表,在关联数据队列集存储器23中查找与从多源数据筛选器21接收到的各传感数据向量分别逻辑相关联的数据集,并将接收到的各传感数据向量分别放入与其逻辑相关联的数据集中;
步骤S4,当关联数据队列集存储器23中的一个数据集中传感数据向量的数量以及数据集的生存时间达到预设促发条件后,通过关联度计算引擎24计算该数据集中各传感数据向量之间的关联度;
步骤S5,通过事件判决引擎25将关联度计算引擎24提供的该数据集的关联度计算结果与预设的与该数据集对应的事件判决模型的第一判决门限和第二判决门限比较,当该数据集的关联度计算结果小于第一判决门限时,在关联数据队列集存储器23中删除该数据集,并查找关联数据队列集存储器23中是否存在对应于被删除的数据集所对应的事件判决模型的数据集,若有,则将查找到的数据集合并放在关联数据队列集存储器23中,同时重置该合并后的数据集的生存时间,当该数据集的关联度计算结果大于第一判决门限并小于第二判决门限时,生成对应的低级别事件报告消息,并将该低级别事件报告消息推送至事件报告队列26的尾部,当该数据集的关联度计算结果大于第二判决门限时,生成对应的高级别事件报告消息,并将该高级别事件报告消息推送至事件报告队列26的头部;
步骤S6,通过事件报告队列26从头部至尾部依次向事件传输单元4传输各事件报告消息,并通过事件传输单元4向外发送各事件报告消息。
下面以消防中火警判别为例,对本发明进行详细说明。
假设:建筑物内安装了光电、烟雾探测器,将其定义为消防电系统传感数据,安装了管网水压传感器,定义为消防水系统传感数据,还安装了智能拾音设备,定义为消防声系统传感器。每个系统传感器,都会进行火警事件上报。如果仅以单个系统进行火警事件判决,容易造成大量的误报。
根据本发明的原理,按照三个不同的传感数据来源,定义了三个系统传感器,根据系统传感器的部署位置,将防护的建筑物划分为多个防火识别区,将上述系统传感器的类别、防火识别区的位置、时间关联关系以及火警事件判决模型共同作为传感向量事件特征,存入传感向量事件特征表中。
此时,有烟雾传感器报警,多源数据筛选器21获取该传感数据后,在关联数据队列集存储器23中查找是否存在以该传感数据最终生成的数据集,若无,则以获取该传感数据的消防电系统传感器、该消防电系统传感器所在的防火识别区以及该传感数据的获取时间作为数据标识,生成一个传感数据向量,并以该传感数据向量作为标识信息,生成对应的数据集存储在关联数据队列集存储器23中,同时将该传感数据向量推送到关联度搜索器22中。
关联度搜索器22根据上述传感向量事件特征表,在关联数据队列集存储器23中查找到一个在同一防火识别区由消防水系统传感器生成的数据集,将多源数据筛选器21推送的传感数据向量并入该查找到的数据集中。
当上述更新的数据集的生存时间到达5分钟时,关联度计算引擎24对该数据集中的两个传感数据向量之间的关联度(例如传感数据的获取间隔时间,防火识别区的关联度等)进行计算,并得到一个判断值;通过事件判决引擎25将该判断值与火警事件判决模型的第一、第二判决门限比较,当该判断值大于第一判决门限并小于第二判决门限时,生成低级别事件报告消息,并将其推送到事件报告队列26的尾部,当该判断值大于第二判决门限时,生成高级别事件报告消息,并将其推送到事件报告队列26的头部。
以上所述的,仅为本发明的较佳实施例,并非用以限定本发明的范围,本发明的上述实施例还可以做出各种变化。凡是依据本发明申请的权利要求书及说明书内容所作的简单、等效变化与修饰,皆落入本发明专利的权利要求保护范围。本发明未详尽描述的均为常规技术内容。
Claims (10)
1.一种基于多源传感数据关联度的分级事件报告系统,其特征在于,所述系统包括:依次连接的一传感器接口单元、一处理器单元以及一事件传输单元,其中,所述处理器单元包括:
一多源数据筛选器,其接收并对通过所述传感器接口单元获取的各个传感系统采集的传感数据进行筛选,并标识形成不同的传感数据向量,再以各所述传感数据向量作为标识信息,生成对应的数据集,同时,将各所述传感数据向量推送至一关联度搜索器中,并将各所述数据集存储在一关联数据队列集存储器中;
所述关联度搜索器根据预设的传感向量事件特征表,在所述关联数据队列集存储器中查找与从所述多源数据筛选器接收到的各所述传感数据向量分别逻辑相关联的所述数据集,并将接收到的各所述传感数据向量分别放入与其逻辑相关联的所述数据集中;
一与所述关联数据队列集存储器连接的关联度计算引擎,当所述关联数据队列集存储器中的一个数据集中的传感数据向量的数量达到预设促发条件,且该数据集的生存时间也达到预设促发条件后,该关联度计算引擎计算该数据集中各所述传感数据向量之间的关联度;
一事件判决引擎,其将所述关联度计算引擎提供的所述数据集的关联度计算结果与预设的与该数据集对应的事件判决模型的第一判决门限和第二判决门限比较,当该数据集的关联度计算结果大于所述第一判决门限并小于所述第二判决门限时,生成一低级别事件报告消息,并将该低级别事件报告消息推送至一事件报告队列的尾部,当该数据集的关联度计算结果大于所述第二判决门限时,生成一高级别事件报告消息,并将该高级别事件报告消息推送至所述事件报告队列的头部;以及
所述事件报告队列从头部至尾部依次向所述事件传输单元传输各事件报告消息,并通过该事件传输单元向外发送各事件报告消息。
2.根据权利要求1所述的基于多源传感数据关联度的分级事件报告系统,其特征在于,所述系统还包括与所述处理器单元连接的队列存储单元,其以数据队列的形式存储各数据集,以表格形式存储所述传感向量事件特征表和所述事件判决模型。
3.根据权利要求1所述的基于多源传感数据关联度的分级事件报告系统,其特征在于,所述多源数据筛选器配置为:根据所述传感数据的来源以及存储在所述关联数据队列集存储器中的数据集,对所述传感数据进行筛选;各所述传感数据向量具有对应的数据标识,其中,所述数据标识包括:获取所述传感数据的传感器的类型、所述传感器的部署位置以及获取所述传感数据的时间。
4.根据权利要求2所述的基于多源传感数据关联度的分级事件报告系统,其特征在于,所述关联度搜索器配置为:根据接收到的所述传感数据向量对应的数据标识,在所述传感向量事件特征表中查找到与该传感数据向量对应的数据标识相关联的事件判决模型,并根据该事件判决模型在所述关联数据队列集存储器查找到与该事件判决模型相关联的数据集,作为该数据集的标识信息的传感数据向量的数据标识与该事件判决模型相关联。
5.根据权利要求1所述的基于多源传感数据关联度的分级事件报告系统,其特征在于,所述事件判决引擎还配置为:当所述关联度计算引擎提供的所述数据集的关联度计算结果小于对应的所述第一判决门限时,在所述关联数据队列集存储器中删除该数据集,并查找该关联数据队列集存储器中是否存在对应于被删除的所述数据集所对应的事件判决模型的数据集,若有,则将查找到的所述数据集合并存储在所述关联数据队列集存储器中,同时重置该合并后的所述数据集的生存时间。
6.根据权利要求1所述的基于多源传感数据关联度的分级事件报告系统,其特征在于,所述传感器接口单元包括:串口、网口和zigbee网络。
7.一种基于多源传感数据关联度的分级事件报告方法,其特征在于,所述方法包括以下步骤:
步骤S0,提供如权利要求1-6中任意一项所述的基于多源传感数据关联度的分级事件报告系统;
步骤S1,通过所述传感器接口单元获取各个传感系统采集的传感数据;
步骤S2,通过所述多源数据筛选器对所述传感数据进行筛选,并标识形成不同的传感数据向量,再以各所述传感数据向量作为标识信息,生成对应的数据集,同时,将各所述传感数据向量推送至所述关联度搜索器中,并将各所述数据集存储在所述关联数据队列集存储器中;
步骤S3,通过所述关联度搜索器根据预设的传感向量事件特征表,在所述关联数据队列集存储器中查找与从所述多源数据筛选器接收到的各所述传感数据向量分别逻辑相关联的所述数据集,并将接收到的各所述传感数据向量分别放入与其逻辑相关联的所述数据集中;
步骤S4,当所述关联数据队列集存储器中的一个数据集中的传感数据向量的数量达到预设促发条件,且该数据集的生存时间也达到预设促发条件后,通过所述关联度计算引擎计算该数据集中各所述传感数据向量之间的关联度;
步骤S5,通过所述事件判决引擎将所述关联度计算引擎提供的所述数据集的关联度计算结果与预设的与该数据集对应的事件判决模型的第一判决门限和第二判决门限比较,当该数据集的关联度计算结果大于所述第一判决门限并小于所述第二判决门限时,生成对应的低级别事件报告消息,并将该低级别事件报告消息推送至所述事件报告队列的尾部,当该数据集的关联度计算结果大于所述第二判决门限时,生成对应的高级别事件报告消息,并将该高级别事件报告消息推送至所述事件报告队列的头部;
步骤S6,通过所述事件报告队列从头部至尾部依次向所述事件传输单元传输各事件报告消息,并通过该事件传输单元向外发送各事件报告消息。
8.根据权利要求7所述的基于多源传感数据关联度的分级事件报告方法,其特征在于,所述步骤S2包括:根据所述传感数据的来源以及存储在所述关联数据队列集存储器中的数据集,对所述传感数据进行筛选;各所述传感数据向量具有对应的数据标识,其中,所述数据标识包括:获取所述传感数据的传感器的类型、所述传感器的部署位置以及获取所述传感数据的时间。
9.根据权利要求8所述的基于多源传感数据关联度的分级事件报告方法,其特征在于,所述步骤S3包括:根据接收到的所述传感数据向量对应的数据标识,在所述传感向量事件特征表中查找到与该传感数据向量对应的数据标识相关联的事件判决模型,并根据该事件判决模型在所述关联数据队列集存储器查找到与该事件判决模型相关联的数据集,作为该数据集的标识信息的传感数据向量的数据标识与该事件判决模型相关联。
10.根据权利要求7所述的基于多源传感数据关联度的分级事件报告方法,其特征在于,所述步骤S5还包括:当所述关联度计算引擎提供的所述数据集的关联度计算结果小于对应的所述第一判决门限时,在所述关联数据队列集存储器中删除该数据集,并查找该关联数据队列集存储器中是否存在对应于被删除的所述数据集所对应的事件判决模型的数据集,若有,则将查找到的所述数据集合并存储在所述关联数据队列集存储器中,同时重置该合并后的所述数据集的生存时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811001551.4A CN109361728B (zh) | 2018-08-30 | 2018-08-30 | 一种基于多源传感数据关联度的分级事件报告系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811001551.4A CN109361728B (zh) | 2018-08-30 | 2018-08-30 | 一种基于多源传感数据关联度的分级事件报告系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109361728A CN109361728A (zh) | 2019-02-19 |
CN109361728B true CN109361728B (zh) | 2021-01-29 |
Family
ID=65350180
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811001551.4A Active CN109361728B (zh) | 2018-08-30 | 2018-08-30 | 一种基于多源传感数据关联度的分级事件报告系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109361728B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021087896A1 (en) * | 2019-11-07 | 2021-05-14 | Alibaba Group Holding Limited | Data-driven graph of things for data center monitoring copyright notice |
CN111444983B (zh) * | 2020-04-22 | 2023-10-24 | 中国科学院上海微系统与信息技术研究所 | 一种基于传感数据信息指纹的风险事件识别方法与系统 |
CN114344799B (zh) * | 2021-12-13 | 2022-11-11 | 深圳市培林体育科技有限公司 | 智能云跳绳和跳绳运动系统及其控制方法 |
CN114491171A (zh) * | 2022-04-02 | 2022-05-13 | 深圳市玄羽科技有限公司 | 基于工业物联网的数据处理方法、系统、介质及电子设备 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101741633A (zh) * | 2008-11-06 | 2010-06-16 | 北京启明星辰信息技术股份有限公司 | 一种海量日志关联分析方法及系统 |
CN101770479A (zh) * | 2008-12-31 | 2010-07-07 | 北京亿阳信通软件研究院有限公司 | 一种关联关系的查询方法及装置 |
CN103412220A (zh) * | 2013-08-13 | 2013-11-27 | 无锡科技职业学院 | 一种基于数据融合的船舶电站故障诊断方法 |
CN104917802A (zh) * | 2014-03-12 | 2015-09-16 | 国家电网公司 | 一种多传感器数据源的处理方法和装置 |
CN105376193A (zh) * | 2014-08-15 | 2016-03-02 | 中国电信股份有限公司 | 安全事件的智能关联分析方法与装置 |
CN106875629A (zh) * | 2017-03-07 | 2017-06-20 | 吉林真才信息技术有限公司 | 基于体感网的居家养老系统及其控制方法 |
CN107408144A (zh) * | 2014-11-14 | 2017-11-28 | Zoll医疗公司 | 医疗先兆事件估计 |
CN107451623A (zh) * | 2017-09-01 | 2017-12-08 | 南京森斯哈贝电子科技有限公司 | 一种多传感器数据融合方法及装置 |
WO2018004955A1 (en) * | 2016-06-29 | 2018-01-04 | Intel Corporation | Network edge device with image thresholding |
-
2018
- 2018-08-30 CN CN201811001551.4A patent/CN109361728B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101741633A (zh) * | 2008-11-06 | 2010-06-16 | 北京启明星辰信息技术股份有限公司 | 一种海量日志关联分析方法及系统 |
CN101770479A (zh) * | 2008-12-31 | 2010-07-07 | 北京亿阳信通软件研究院有限公司 | 一种关联关系的查询方法及装置 |
CN103412220A (zh) * | 2013-08-13 | 2013-11-27 | 无锡科技职业学院 | 一种基于数据融合的船舶电站故障诊断方法 |
CN104917802A (zh) * | 2014-03-12 | 2015-09-16 | 国家电网公司 | 一种多传感器数据源的处理方法和装置 |
CN105376193A (zh) * | 2014-08-15 | 2016-03-02 | 中国电信股份有限公司 | 安全事件的智能关联分析方法与装置 |
CN107408144A (zh) * | 2014-11-14 | 2017-11-28 | Zoll医疗公司 | 医疗先兆事件估计 |
WO2018004955A1 (en) * | 2016-06-29 | 2018-01-04 | Intel Corporation | Network edge device with image thresholding |
CN106875629A (zh) * | 2017-03-07 | 2017-06-20 | 吉林真才信息技术有限公司 | 基于体感网的居家养老系统及其控制方法 |
CN107451623A (zh) * | 2017-09-01 | 2017-12-08 | 南京森斯哈贝电子科技有限公司 | 一种多传感器数据融合方法及装置 |
Non-Patent Citations (3)
Title |
---|
"多传感器多目标跟踪的数据关联算法研究";高祺;《中国优秀硕士学位论文全文数据库 信息科技辑》;20131231;全文 * |
"多传感器数据关联与状态跟踪算法研究";史盟钊;《中国优秀硕士学位论文全文数据库 信息科技辑》;20141231;全文 * |
"多源传感器信息融合技术";佚名;《https://www.doc88.com/p-3397474048610.html》;20171124;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109361728A (zh) | 2019-02-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109361728B (zh) | 一种基于多源传感数据关联度的分级事件报告系统及方法 | |
US10476749B2 (en) | Graph-based fusing of heterogeneous alerts | |
CN105847029B (zh) | 一种基于大数据的信息安全事件自动关联及快速响应系统 | |
Lestari et al. | Fire hotspots detection system on CCTV videos using you only look once (YOLO) method and tiny YOLO model for high buildings evacuation | |
US10476752B2 (en) | Blue print graphs for fusing of heterogeneous alerts | |
US11037420B2 (en) | Method and apparatus for tiered analytics in a multi-sensor environment | |
CN202205305U (zh) | 一种基于振动和视频监控的防区型安防入侵系统 | |
WO2008140563A2 (en) | Multilayered configurable data fusion systems and methods for power and bandwidth efficient sensor networks | |
WO2018232846A1 (zh) | 一种大范围周边安全监控方法和系统 | |
CN110619738B (zh) | 一种联防报警方法及装置 | |
KR20180118979A (ko) | 다중로그 데이터 기반의 공공안전 위험상황 감지, 예측, 대응 방법 및 장치 | |
WO2008058175A2 (en) | Systems and methods for dynamic situational signal processing for target detection and classification | |
CN104036623B (zh) | 数据信息误报纠正的方法 | |
CN102111788A (zh) | 一种告警处理方法及告警管理系统 | |
CN112801359A (zh) | 工业互联网安全态势预测方法、装置、电子设备及介质 | |
CN104683741B (zh) | 基于周边环境动态控制云台和监控前端 | |
Mwedzi et al. | Machine learning applications for fire detection in a residential building | |
CN114677640A (zh) | 基于机器视觉的智慧工地安全监测系统及方法 | |
CN107025747B (zh) | 空时二维信息融合的智能家居入侵检测系统及检测方法 | |
Tang et al. | A framework of mining trajectories from untrustworthy data in cyber-physical system | |
WO2017176676A1 (en) | Graph-based fusing of heterogeneous alerts | |
CN105959184A (zh) | 一种智能室内空气净化系统 | |
CN109802966A (zh) | 一种基于信帧的网络入侵行为分析检测方法 | |
Hubner et al. | Audio-video sensor fusion for the detection of security critical events in public spaces | |
US10416654B2 (en) | Apparatus and method for identifying web page for industrial control system |
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 |