CN109981354A - 一种基于业务模型的智能布控预警方法 - Google Patents

Abstract

本发明提供一种基于业务模型的智能布控预警方法，属于信息布控技术领域，本发明通过业务模型配置工具实现对利用消息总线技术实时接入的异构数据资源进行快速的比对碰撞，找寻符合业务模型的结果数据，再通过总线将信息及时推送给消费方，实现信息的实时布控预警功能。

Description

一种基于业务模型的智能布控预警方法

技术领域

本发明涉及信息布控技术，尤其涉及一种基于业务模型的智能布控预警方法。

背景技术

公安行业经过多年的警务云建设，已形成数据、平台、应用的多维度标准化体系，大大提高了数据的高效利用及共享，并借助大数据技术实现了海量数据的挖掘分析能力，全面提升了公安行业的信息化水平。随着信息技术运用的不断深入，智能化、定制化的要求不断显现，一方面要求针对大量数据的业务定制，将数据按照业务需求进行建模，快速实现业务功能落地，另一方面需要提供海量数据的快速处理能力，实时响应业务要求，更为实战化的智能分析能力。布控作为公安行业中比较重要的业务需求，它是对关注对象的实时掌控，通过分析对象的实时轨迹向用户提供预警信息，对于处理突发事件及对象管控有着重要作用。新形势下对于原有功能，提出了新要求。

发明内容

为了实现布控模型的配置化管理以及布控引擎实时运算预警能力提供解决方案本发明提出了一种基于业务模型的智能布控预警方法，打破关注对象及布控模式单一，不可扩展的局限，实现了如触网预警、模型预警、自定义预警等多种模式，采用建模方式相应用户需求，从对象、流程到业务逻辑实现全方位定制化服务。布控对象的订阅模式保证数据的安全共享，灵活运用。

本发明依托消息总线Kafka、内存数据库redis、大数据计算引擎MapReduce、流式计算storm、反向代理Nginx等技术，通过平台提供统一的管理，如布控对象模型设置、布控流程模型设置、布控源模型设置、逻辑模型构建等功能，提供针对不同对象、不同业务模型的，海量数据实时接入，利用布控引擎的强大处理能力快速计算出结果，再借助总线的高并发及高吞吐特性，安全可靠的将结果推送到目标消费者，实现布控预警功能。同时提供通用的rest架构服务模式，实现功能的微服务化，从而对于功能的扩展和再利用提供弹性支撑。

主要针对布控模型的构建及相应引擎处理方式提供解决方案，同时提供重要环节的服务化支撑方式。

通过业务模型配置工具实现对利用消息总线技术实时接入的异构数据资源进行快速的比对碰撞，找寻符合业务模型的结果数据，再通过总线将信息及时推送给消费方，实现信息的实时布控预警功能。

主要包括1)模型管理和2)计算引擎两大步骤，

其中，

1)模型管理针对布控源、布控对象、布控流程、布控模型、布控订阅、服务管理内容进行模型定制。

布控源管理是对接入的对象轨迹资源进行配置，包括资源类型、接入资源、布控范围、比对内容设置，支持一种以上的异构资源适配，屏蔽资源的技术细节，针对布控需求定制源头接入。

布控对象管理打破原有对象模式固定，不可扩展的情况，将人、车、手机作为模式化实例配置出来，在此基础上可以根据业务需要配制出更多类型的布控对象，为布控引擎计算提供支撑。

布控流程配置将流程按照图形化配置模式实现定制，响应不同的个性化需求，保障业务流转的权限管控。

布控模型管理利用可视化模式实现布控逻辑的设置、加载、运行，与布控引擎无缝对接，快速响应用户业务落地。

布控订阅管理是对布控结果的订阅配置，实现不同资源、不同范围、不同时间的灵活定制，将计算结果进行分配管控，提升信息应用的高效及安全。

服务管理则是对以上各功能模块的服务化，通过rest架构服务为第三方提供技术及数据支持，方便系统的扩展。

2)计算引擎包括对象资源加载、布控资源接入、实时比对计算、数据分流推送、服务总线支撑功能，利用内存数据库redis的可扩展、高效存储能力，借助分布式流式计算storm和分布式计算引擎MapReduce实现大数据的快速处理能力。

对象资源加载提供布控对象的内存加载，并且根据模型配置中对象有效时间设置的信息进行全生命周期管理，保障对象的有效性和时效性，支持对象的批量加载以及资源库接入加载。

布控资源接入通过模型配置内容将数据通过消息总线引入引擎运算池中，再通过实时计算引擎按照业务模型设置进行分析计算，推出结果到数据分流总线，将结果发送到相应订阅用户。

本发明的有益效果是

提供一套完整、高效的布控预警解决方案，利用主流的大数据处理技术，可视化操作手段，模型配置管理模式实现业务需求快速响应，大数据实时预警，结果信息高效共享的愿景。通过成熟的开源技术整合减少资金投入，降低投资风险。利用服务化的模式提升信息的安全使用，业务模型的定制化，贴近实战化应用，提升工作效率。

附图说明

图1是本发明的工作构架示意图；

图2是本发明的逻辑架构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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做出创造性劳动的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。

本发明为用户提供布控源模型配置、布控对象模型配置、布控流程模型配置、布控结果订阅配置、布控引擎计算、结果信息分发等功能。

主要针对布控模型的构建及相应引擎处理方式提供解决方案，同时提供重要环节的服务化支撑方式。

包括模型管理和计算引擎量大部分。模型管理针对布控源、布控对象、布控流程、布控模型、布控订阅、服务管理等内容进行模型定制。布控源管理是对接入的对象轨迹资源进行配置，包括资源类型、接入资源、布控范围、比对内容等设置，支持多种异构资源适配，屏蔽资源的技术细节，针对布控需求定制源头接入；布控对象管理打破原有对象模式固定，不可扩展的情况，将人、车、手机等作为模式化实例配置出来，在此基础上可以根据业务需要配制出更多类型的布控对象，为布控引擎计算提供支撑；布控流程配置将流程按照图形化配置模式实现定制，响应不同的个性化需求，保障业务流转的权限管控；布控模型管理利用可视化模式实现布控逻辑的设置、加载、运行，与布控引擎无缝对接，快速响应用户业务落地；布控订阅管理是对布控结果的订阅配置，实现不同资源、不同范围、不同时间的灵活定制，将计算结果进行分配管控，提升信息应用的高效及安全；服务管理则是对以上各功能模块的服务化，通过rest架构服务为第三方提供技术及数据支持，方便系统的扩展。计算引擎包括对象资源加载、布控资源接入、实时比对计算、数据分流推送、服务总线支撑等功能，利用高效的内存数据库redis的可扩展、高效存储能力，借助分布式流式计算storm和分布式计算引擎MapReduce实现大数据的快速处理能力。对象资源加载提供布控对象的内存加载，并且根据模型配置中对象有效时间设置的信息进行全生命周期管理，保障对象的有效性和时效性，支持对象的批量加载以及资源库接入加载。布控资源接入通过模型配置内容将数据通过消息总线引入引擎运算池中，再通过实时计算引擎按照业务模型设置进行分析计算，推出结果到数据分流总线，将结果发送到相应订阅用户，实现布控结果准确、高效、安全的共享。服务总线提供强大的服务支撑能力，保障其他系统对于计算引擎的应用。

如图1所示，构架中包括数据接入总线、预警引擎、模型管理系统、服务总线、消息分发等模块。接入总线负责接入各种异构数据源；预警引擎加载模型管理系统配置的模型信息与接入的数据资源进行实时运算；模型管理负责各种模型的设置为引擎运算提供依据；服务总线则是将系统的功能以服务化的方式提供给第三方使用；消息分发则是对结果数据的分流处理，保障结果信息准确推送到目的地。

如图2所示，将系统分为规则引擎部分和订阅推动部分，前者主要负责资源的接入、模型的加载和引擎计算，后者负责结果信息的订阅分配和消息推送。

利用模型构建工具实现布控源、布控对象、布控流程、布控模型、布控结果、布控服务的各环节的模型配置，实现灵活的、可扩展的、可定制的、可兼容的服务模式。与计算引擎无缝对接，借助消息总线kafka、分布式计算引擎MapReduce、分布式流式处理引擎storm、分布式内存数据库redise等技术手段实现高并发、高吞吐、高实时的布控预警功能。

模型配置创新式的将布控各个环节、关注点都进行的共性提取归类，实现从资源、对象、流程、逻辑、结果甚至到服务的全方位定制模式。不需要重新开发就可以实现客户大多数布控业务需求，真正实现布控定制化管理。

订阅模式开启布控结果灵活订阅，针对不同数据应用和场景提供不同应对方案。日志采集针对数据的订阅和使用情况实现用户的智能化推荐

本解决方案利用模型构建的方式实现关注数据的实时预警运算，结合可视化的工具，降低用户数据建模的难度，从广度、深度及应用上大大提升使用价值。该方法即支持布控对象定制，业务流程定制，也支持统计分析功能。服务化与定制化模式扩大使用范围，提升兼容性。利用主流的大数据及内存计算技术实现运算高效性，保障结果准确性。

以上所述仅为本发明的较佳实施例，仅用于说明本发明的技术方案，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做的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (10)

1.一种基于业务模型的智能布控预警方法，其特征在于，

通过业务模型配置工具实现对利用消息总线技术实时接入的异构数据资源进行快速的比对碰撞，找寻符合业务模型的结果数据，再通过总线将信息及时推送给消费方，实现信息的实时布控预警功能。

2.根据权利要求1所述的方法，其特征在于，

主要包括模型管理和计算引擎两大步骤，

其中，

模型管理针对布控源、布控对象、布控流程、布控模型、布控订阅、服务管理内容进行模型定制；

计算引擎包括对象资源加载、布控资源接入、实时比对计算、数据分流推送、服务总线支撑功能，利用内存数据库redis的可扩展、高效存储能力，借助分布式流式计算storm和分布式计算引擎MapReduce实现大数据的快速处理能力。

3.根据权利要求2所述的方法，其特征在于，

布控源管理是对接入的对象轨迹资源进行配置，包括资源类型、接入资源、布控范围、比对内容设置，支持一种以上的异构资源适配，屏蔽资源的技术细节，针对布控需求定制源头接入。

4.根据权利要求3所述的方法，其特征在于，

布控对象管理打破原有对象模式固定，不可扩展的情况，将人、车、手机作为模式化实例配置出来，在此基础上可以根据业务需要配制出更多类型的布控对象，为布控引擎计算提供支撑。

5.根据权利要求4所述的方法，其特征在于，

布控流程配置将流程按照图形化配置模式实现定制，响应不同的个性化需求，保障业务流转的权限管控。

6.根据权利要求5所述的方法，其特征在于，

布控模型管理利用可视化模式实现布控逻辑的设置、加载、运行，与布控引擎无缝对接，快速响应用户业务落地。

7.根据权利要求6所述的方法，其特征在于，

布控订阅管理是对布控结果的订阅配置，实现不同资源、不同范围、不同时间的灵活定制，将计算结果进行分配管控，提升信息应用的高效及安全。

8.根据权利要求7所述的方法，其特征在于，

服务管理则是对以上各功能模块的服务化，通过rest架构服务为第三方提供技术及数据支持，方便系统的扩展。

9.根据权利要求2所述的方法，其特征在于,

对象资源加载提供布控对象的内存加载，并且根据模型配置中对象有效时间设置的信息进行全生命周期管理，保障对象的有效性和时效性，支持对象的批量加载以及资源库接入加载。

10.根据权利要求9所述的方法，其特征在于,

布控资源接入通过模型配置内容将数据通过消息总线引入引擎运算池中，再通过实时计算引擎按照业务模型设置进行分析计算，推出结果到数据分流总线，将结果发送到相应订阅用户。