CN111985726B - 资源数量预测方法、装置、电子设备及存储介质 - Google Patents
资源数量预测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111985726B CN111985726B CN202010894703.9A CN202010894703A CN111985726B CN 111985726 B CN111985726 B CN 111985726B CN 202010894703 A CN202010894703 A CN 202010894703A CN 111985726 B CN111985726 B CN 111985726B
- Authority
- CN
- China
- Prior art keywords
- resource
- resource usage
- prediction
- value
- historical
- 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
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供的资源数量预测方法、装置、电子设备及存储介质,包括获取目标区域在历史时间段内的多个历史资源使用量;根据预设的分配策略对多个历史资源使用量进行分配,获取多个预测区间;预测区间表征资源使用数量范围;每个预测区间内包含至少一个资源数量值;根据多个历史资源使用量估算下一个预设时间段内的目标区域的资源使用量估算值;将与资源使用量估算值匹配的预测区间内的任意一个资源数量值作为下一个预设时间段内目标区域的资源数量预测值。本发明通过统计目标区域在历史时间段内的资源数量使用情况来预测该目标区域在下一个预设时间段内的资源使用数量,预测结果可靠性高,避免了通过固定划分资源带来的资源闲置或资源短缺的现象。
Description
技术领域
本发明涉及视频处理领域,具体而言,涉及一种资源数量预测方法、装置、电子设备及存储介质。
背景技术
随着城市的快速发展,群众的安全感成为城市重点发展的方向之一,为了保障群众的生命财产安全,越来越多的公共场所安装了摄像机,公安/安全部门为了及时的处理事件,一般会在重点区域安装摄像机,且为这些重点区域、特定角度摄像机配置人脸实时解析任务,以便能够在出现事故时第一时间处理。
目前,用户通常通过经验或统计数据,来判断一路摄像机的平均人流量,然后根据平均人流量来固定该区域内摄像机对应的解析资源,但固定划分解析资源存在以下缺陷:当在人流量较少时,会出现资源闲置的情况,在人流量增加时,又会出现资源不够用超出实时解析能力的现象。
因此,如何根据实际的人流量情况来预测不同区域需要使用的解析资源数量,避免出现资源闲置或者资源不够用的现象。
发明内容
有鉴于此,本发明提供一种资源数量预测方法、装置、电子设备及存储介质,用以根据实际的人流量情况来预测不同区域需要使用的解析资源数量,避免出现资源闲置或者资源不够用的现象。
第一方面,本发明提供一种资源数量预测方法,所述方法包括:获取目标区域在历史时间段内的多个历史资源使用量;根据预设的分配策略对所述多个历史资源使用量进行分配,获取多个预测区间;所述预测区间表征资源使用数量范围;每个所述预测区间内包含至少一个资源数量值;根据所述多个历史资源使用量估算下一个预设时间段内的所述目标区域的资源使用量估算值;将与所述资源使用量估算值匹配的预测区间内的任意一个资源数量值作为下一个预设时间段内所述目标区域的资源数量预测值。
可选地,所述根据所述多个所述历史资源使用量估算下一个预设时间段内的所述目标区域的资源使用量估算值的步骤,包括:根据预设的样本基数函数、每个所述预测区间内的资源使用量和所述多个预测区间对应的资源使用总量值确定所述当前资源量估算值;根据所述当前资源量估算值、所述历史资源使用量、预设的学习效率、折扣函数、强化值以及误差函数确定所述资源使用量估算值。
可选地,所述资源使用量估算值满足如下关系式:
Vn+1=Vn+λ(γ+ηVn-1+qn+1)
其中,Vn+1表征下一个预设时间段内的所述资源使用量估算值;Vn表征当前资源量估算值;Vn-1表征历史资源使用量;λ表征所述预设的学习效率;γ=Vn-Vn-1表征所述强化值;q为误差函数。
可选地,所述当前资源量估算值满足如下关系式:
可选地,在将所述资源使用量估算值落入的预测区间内的任意一个资源数量值作为所述目标区域下一个预设时间段内对应的资源数量预测值的步骤之前,所述方法还包括:根据所述预测区间的区间总数确定每个所述预测区间对应的判定条件;当所述资源使用量估算值满足其中任意一个所述判定条件时,则将所述判定条件对应的预测区间作为与所述资源使用量估算值匹配的预测区间。
可选地,所述方法还包括:当与所述资源使用量估算值匹配的预测区间内的资源数量最大值超过预设阈值时,输出告警信息。
可选地,所述预设阈值包含多个;每个预设阈值对应不同的告警信息;所述方法还包括:当与所述资源使用量估算值匹配的预测区间内的资源数量最大值超过预设阈值时,输出所述预设阈值对应的告警信息。
第二方面,本发明提供一种资源数量预测装置,包括:获取模块,用于获取目标区域在历史时间段内的多个所述历史资源使用量;分配模块,用于根据预设的分配策略对所述多个所述历史资源使用量进行分配,获取所述多个预测区间;所述预测区间表征资源使用数量范围;每个所述预测区间内包含至少一个资源数量值;估算模块,用于根据所述多个所述历史资源使用量估算下一个预设时间段内的所述目标区域的资源使用量估算值;预测模块,用于与将所述资源使用量估算值匹配的预测区间内的任意一个资源数量值作为下一个预设时间段内所述目标区域的资源数量预测值。
第三方面,本发明提供一种电子设备,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的机器可执行指令,所述处理器可执行所述机器可执行指令以实现第一方面所述的资源数量预测方法。
第四方面,本发明提供一种存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现第一方面所述的资源数量预测方法。
本发明提供的资源数量预测方法、装置、电子设备及存储介质,包括获取目标区域在历史时间段内的多个历史资源使用量;根据预设的分配策略对所述多个历史资源使用量进行分配,获取多个预测区间;所述预测区间表征资源使用数量范围;每个所述预测区间内包含至少一个资源数量值;根据所述多个历史资源使用量估算下一个预设时间段内的所述目标区域的资源使用量估算值;将与所述资源使用量估算值匹配的预测区间内的任意一个资源数量值作为下一个预设时间段内所述目标区域的资源数量预测值。本发明通过统计目标区域在历史时间段内的资源数量使用情况来预测该目标区域在下一个预设时间段内的资源使用数量,预测结果可靠性高,避免了通过固定划分资源带来的资源闲置或资源短缺的现象。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本发明实施例提供的一种资源数量预测方法的示意性流程图;
图2为本发明实施例提供的一种统计历史资源使用量的场景示意图;
图3为步骤S103的一种实现方式的示意性流程图;
图4为本发明实施例提供的另一种资源数量预测方法的示意性流程图;
图5为本发明实施例提供的另一种资源数量预测方法的示意性流程图;
图6为本发明实施例提供的一种多区域资源数量预测场景图;
图7为本发明实施例提供的一种资源数量预测装置的功能模块图;
图8为本发明实施例提供的一种电子设备的结构框图。
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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。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。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本发明的描述中,需要说明的是,若出现术语“上”、“下”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,或者是该发明产品使用时惯常摆放的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,若出现术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
需要说明的是,在不冲突的情况下,本发明的实施例中的特征可以相互结合。
目前,公安/安全部门为了及时的处理事件,会在一些公共区域的设置摄像机,并对一些终点区域的摄像机配置人脸实时解析功能,以便能够在出现事故时第一时间处理,为了节约成本,在创建人脸实时解析任务的时候,需要为摄像机分配一定数量的解析资源来实时解析的重点区域对应的摄像机获取的视频或图像。
相关技术在通常通过经验或统计数据来估算平均人流量,进而根据平均人流量来为重点区域内摄像机划分固定数量的解析资源,但是不同的区域,人流量是不同的,例如商圈的出入口与角落位置,人流量差异较大;同时不同的时间段,人流量也是不同的,特别是地铁站、机场、火车站、工厂等地方,平时人流量较少,在列车到达、上下班的时候,存在人流量陡增的情况,当前的解决方案是固定摄像机、大部分时间段,使用固定的解析资源。划分固定的解析资源,在人流量较少时,会造成浪费资源的情况,在人流量增加时,超出实时解析能力,会造成人脸丢失的情况。
因此,上述固定划分解析资源存在以下缺陷:当在人流量较少时,会出现资源闲置的情况,在人流量增加时,又会出现资源不够用超出实时解析能力的现象。
为了解决上述技术问题,本发明提供一种资源数量预测方法,其核心在于:统计目标区域内所有摄像机在一段历史时间间隔内的资源使用量,根据历史资源使用量和本发明提供的预测策略来预测目标区域在下一个预设时间段内的资源使用数量。可以看出,历史时间段内的资源使用数量情况能够表征该区域在历史时间间隔的人流量,通过历史资源使用数量来预测未来资源数量,可以避免出现资源闲置的情况和资源不够用现象。
下面将以对一个区域进行资源数量预测为例,详细阐述本发明实施例提供的资源数量预测方法的实现原理,请参见图1,图1为本发明实施例提供的一种资源数量预测方法的示意性流程图,其中包括以下步骤:
S101、获取目标区域在历史时间段内的多个历史资源使用量。
在本发明实施例中,上述“目标区域”可以是具有较高优先级的区域,例如,例如商圈的出入口与角落位置,人流量差异较大,那么出入口的优先级高于角落位置的优先级;上述的“历史时间段”可以理解为距离当前时刻的前一段历史时间,例如,距离当前时刻的前5个小时;上述的“历史资源”指得是进行解析任务需要用到的硬件资源(例如服务器内的显卡),上述的“多个历史资源使用量”表征在历史时间段内每间隔一个时长统计一次目标区域内的一个或多个摄像机的资源使用量(例如服务器内的显卡的数量),例如,当前时刻t0,统计前5个小时内的资源使用量,即每间隔一个时长,统计一次资源使用量。
为了方便理解,请参见图2,图2为本发明实施例提供的一种统计历史资源使用量的场景示意图。图2中t0为当前时刻,历史时间段为当前时刻t0到历史时刻t′5这一段时间;t′5、t′4、t′3、t′2、t′1分别为历史时间段内的各个历史时刻,在历史时间段内统计的多个历史资源使用量为{T1、T2、T3、T4、T5},统计间隔可以理解为|t′5-t′4|。
可以理解的是,上述的历史时间段和统计间隔均可以由用户根据实际的情况设置,此处不作限定。
S102、根据预设的分配策略对多个历史资源使用量进行分配,获取多个预测区间。
在本发明实施例中,上述的“预测区间”表征资源使用数量范围,每个预测区间内包含至少一个资源数量值,本发明实施例中的分配策略可以为:
首先确定预测区间的总个数m,然后将获得的n个资源数量样本{T1,T2…Tn}按从低到高进行排序,将总样本的最低3%的样本区间设置为一个区间,总样本的最高3%的样本区间设置为一个区间,最后将中间区域范围按均分方式分为m-2个区间,由此得到m个预测区间。
例如,假设需要5个预测区间,统计的资源数量样本{T1,T2…Tn}的数值均在60~100内,那么将60~100作为待划分范围进行区间划分,假设n=200,那么则存在200个待划分范围60~100,上述“总样本的最低3%的样本区间设置为一个区间”,即表示:获得60~100中数值最低的6个样本,假设为60,60,60,61,61,61,那么可以确定一个预测范围为:60~61;上述“总样本的最高3%的样本区间设置为一个区间”,即表示:获得60~100中数值最高的6个样本,假设为92,93,95,95,99,100,那么可以确定一个预测范围为:92~100;然后将剩下的60~100的中间区域均分为区间62~71,72~81,82~91,由此可以得到5个预测区间分别为{60~61,62~71,72~81,82~91,92~100},可以看出,每个预测区间都表征资源使用数量范围,例如区间60~61,表明资源使用数量可以为60或者61(例如服务器内60张或者61张显卡)。
S103、根据多个历史资源使用量估算下一个预设时间段内的目标区域的资源使用量估算值。
在本发明实施例中,由于每个区域对应的历史资源使用量能够反映该区域的人流量,在实际的场景中,区域内的人流量变化在一定的时间段内不会出现较大的波动,因此,通过历史资源使用量来预测未来时间段内该区域资源使用量,预测的结果能够满足该区域进行解析认为的资源需求。
S106、将与资源使用量估算值匹配的预测区间内的任意一个资源数量值作为下一个预设时间段内目标区域的资源数量预测值。
在本发明实施例中,通过预估目标区域在下一个预设时间段内的资源使用量,并根据该预估结果与预先划分的预测区间进行匹配,可知每个预测区间懂能够表征资源使用量的使用范围,当预估的资源使用量存在某一个匹配的预测区间时,则可以将该预测区间内所有的资源使用数量作为该目标区域能够候选的资源数量预测值。如此一来,可以为用户提供多个选择会,提高预测的准确度。
本发明实施例提供的一种资源数量预测方法,包括获取目标区域在历史时间段内的多个历史资源使用量;根据预设的分配策略对多个历史资源使用量进行分配,获取多个预测区间;预测区间表征资源使用数量范围;每个预测区间内包含至少一个资源数量值;根据多个历史资源使用量估算下一个预设时间段内的目标区域的资源使用量估算值;将与资源使用量估算值匹配的预测区间内的任意一个资源数量值作为下一个预设时间段内目标区域的资源数量预测值。本发明通过统计目标区域在历史时间段内的资源数量使用情况来预测该目标区域在下一个预设时间段内的资源使用数量,预测结果可靠性高,避免了通过固定划分资源带来的资源闲置或资源短缺的现象。
需要说明的是,通过上述过程获得目标区域内的资源使用数量之后,还可以针对该目标区域内所有接入的摄像机按优先级进行排序(例如商圈的出入口的优先级高于角落位置的优先级),在资源可利用时,即可将所有可利用的资源按照摄像机优先级自上而下地进行解析。由于是实时解析,所以资源需要提前准备,由资源调度中心进行统一调度。
可选地,为了能够获得目标区域的资源使用量估算值,本发明实施例提供了一种估算资源使用量估算值的方式,即可以根据多个历史资源使用量来估算当前资源量,然后将历史资源使用量和估算的当前资源量按照本发明实施例提供的预测策略来获得下一时间段内的资源使用量估算值,下面给出一种本发明实施例获得资源使用量估算值的实现方式,参见图3,图3为步骤S103的一种实现方式的示意性流程图,步骤S103还可以包括以下子步骤:
S103-1、根据预设的样本基数函数、每个预测区间内的资源使用量和多个预测区间对应的资源使用总量值确定当前资源量估算值。
在本发明实施例中,假设有m个预测区间,可以表示为Q=(Q1,Q2,Q3...Qi...Qm),每个预测区间内都包含至少一个资源使用数量,当前资源量估算值的一种可能的实现方式如关系是(1)所示:
通过关系式(1)即可根据历史资源使用量获得当前资源量估算值,然后基于当前资源量估算值进行步骤S103-2。
S103-2、根据当前资源量估算值、历史资源使用量、预设的学习效率、折扣函数、强化值以及误差函数确定资源使用量估算值。
本发明实施例中资源使用量估算值的一种可能的实现方式可以满足如下关系式(2):
Vn+1=Vn+λ(γ+ηVn-1+qn+1)…(2)
其中,Vn+1表征下一个预设时间段内的资源使用量估算值;Vn表征当前资源量估算值;Vn-1表征历史资源使用量;λ表征预设的学习效率;γ=Vn-Vn-1表征强化值;q为误差函数。
可以理解的是,从上述关系式(2)可以看出,下一个时间段内的资源使用量估算值Vn+1受历史资源使用量Vn-1和当前资源量估算值Vn的影响,也可以理解为,下一个时间段内的资源使用量估算值Vn+1可以通过历史资源使用量Vn-1和当前资源量估算值Vn来进行预测,考虑到实时解析需要的资源,在较长的一段时间内具有一定的平稳性,同时在短时内,也具有一定的趋势性,且下一个时间点需要的资源数量,受到前面的资源数量的影响,因此,上述的误差函数即可以起到逐渐减小预测值与真实值之间差异的作用,保证预测结果的可信度,因此,本发明实施例还提供了一种误差函数的实现方式:
qn+1=qn+λ′(γ′+η′qn-1-qn)…(3)
通过对关系(3)进行预测和学习,产生参数的调优,再反馈到之前的数据,最终形成稳定的预测值,会使得γ和γ′越来越小,即所需的资源数量预测的值越来越接近真实状态,误差值也控制在一定的范围内逐渐趋于收敛。
可选地,在获得资源数量估算值之后,可以根据本发明提供的匹配方法来获得与估算的资源数量估算值匹配的预测区间,进而可以将该预测区间内所有资源使用数量作为候选的预测值,下面给出一种获得与估算的资源数量估算值匹配的预测区间的实现方式,在图1的基础上,参见图4,图4为本发明实施例提供的另一种资源数量预测方法示意性流程图,该方法还包括:
S104、根据预测区间的区间总数确定每个预测区间对应的判定条件。
S105、当资源使用量估算值满足其中任意一个判定条件时,则将该判定条件对应的预测区间确定为与资源使用量估算值匹配的预测区间。
本发明实施例中,假设有m个预测区间,可以表示为Q=(Q1,Q2,Q3...Qi...Qm),每个预测区间对应的判定条件可以设置为:
...
...
其中,m为预测区间的总数,V表征资源使用量估算值。可以看出,当资源使用量估算值满足第i个预测区间对应的判定条件时,则第i个预测区间即为资源使用量估算值匹配的区间。例如,第i个预测区间为62~71,则该区间内的10个资源使用数量则可以作为目标区域的资源预测量的候选值。如此一来,可以为目标区域提供冗余的选择机会,提高预测的准确度和可操作性。
可选地,通过上述过程可以看到,每个目标区域的候选资源数量至少有一个,每个预测区间都具有一个资源使用量最大值,在实际的应用场景中,目标区域可能会出现人流量激增的突发情况,为了应对这种情况,在图1的基础上给出一种可能的实现方式,参见图5,图5为本发明实施例提供的另一种资源数量预测方法的示意性流程图,还包括:
S107、当与资源使用量估算值匹配的预测区间内的资源数量最大值超过预设阈值时,输出告警信息。
在本发明实施例中,当与将资源使用量估算值匹配的预测区间内的资源数量值超过预设阈值时,表征目标区域会达到高人流密度,即立即进行告警处理。
需要说明的是,在实际的应用场景中,若与将资源使用量估算值匹配的预测区间内的资源数量值超过预设阈值时数量超过了设定的较高资源数量的阈值时,则可以缩小统计历史时间段资源数量的间隔时长,重复以上步骤,进行更短时间的资源数量的预测,但当调整统计间隔后依然出现上述问题,则可以立即输出告警信息,以提醒用户及时处理。
可选地,本发明实施例还可以设置多个阈值,针对不同的阈值,产生不同的告警信息,针对上述输出告警信息的方式,本发明实施例还可以提供一种可能的实现方式。
当将资源使用量估算值落入的预测区间内的资源数量值超过预设阈值时,输出预设阈值对应的告警信息。
可以理解的是,用户针对不同的告警,可以有多种处理方式,如:引导人群疏散,添加解析资源等。
通过执行上述实施例中各个实施步骤,即可实现预测目标区域在下一个预设时间段内的资源使用数量,预测结果可靠性高,避免了通过固定划分资源带来的资源闲置或资源短缺的现象。同时,本发明可以提供多个资源使用数量的候选数量,为用户提供冗余的选择机会,提高预测的准确度和可操作性。进一步地,在遇到人流量激增的突发情况,本发明实施例还能够及时输出告警信息,提醒用户及时处理突发状况。
需要说明的是,本发明提供的资源数量预测方法还可以同时针对多个不同的区域进行资源数量预测,例如,参见图6,图6为本发明实施例提供的一种场景示意图,在对各个区域进行资源预测之后,统一由资源调度中心根据各个区域内预测的资源数量为各个区域进行资源分配,实现多个区域同时进行资源数量预测的功能。
可以理解的是,上述的“资源调度中心”可以是服务器,所述服务器可以是,但不限于,web(网站)服务器。
为了实现上述实施例中的各个步骤,以达到对应的技术效果,下面给出一种行人特征提取装置的实现方式,本发明实施例还提供了一种资源数量预测装置,参见图7,图7为本发明实施例提供的一种资源数量预测装置的功能模块图,其中,资源数量预测装置70包括:获取模块701、分配模块702、估算模块703和预测模块704。
获取模块701,用于获取目标区域在历史时间段内的多个历史资源使用量。
分配模块702,用于根据预设的分配策略对多个历史资源使用量进行分配,获取多个预测区间;预测区间表征资源使用数量范围;每个预测区间内包含至少两个资源数量值。
估算模块703,用于根据多个历史资源使用量估算下一个预设时间段内的目标区域的资源使用量估算值。
预测模块704,用于将资源使用量估算值落入的预测区间内的任意一个资源数量值作为下一个预设时间段内目标区域的资源数量预测值。
可以理解的是,获取模块701、分配模块702、估算模块703和预测模块704可以用来执行步骤S101、S101、S103、S106以实现相应的技术效果。
可选地,为了能够实现获得资源使用数量估算值的功能,估算模块703,具体用于:根据预设的样本基数函数、每个预测区间内的资源使用量和多个预测区间对应的资源使用总量值确定当前资源量估算值;根据当前资源量估算值、历史资源使用量、预设的学习效率、折扣函数、强化值以及误差函数确定资源使用量估算值。
可以理解的是,估算模块703可以用来执行步骤S103-1至S103-2以实现相应的技术效果。
可选地,为了能够获得与资源使用数量估算值匹配的预测区间,装置还可以包括确定模块,该确定模块用于:根据预测区间的区间总数确定每个预测区间对应的判定条件;当资源使用量估算值满足其中任意一个判定条件时,则将判定条件对应的预测区间作为与资源使用量估算值匹配的预测区间。
可选地,为了能够实现对突发状况输出告警信息的功能,该装置还可以包括输出模块,该输出模块用于:当与资源使用量估算值匹配的预测区间内的资源数量最大值超过预设阈值时,输出告警信息。
可选地,该输出模块还用于当与将资源使用量估算值匹配的预测区间内的资源数量最大值超过预设阈值时,输出预设阈值对应的告警信息。
本发明实施例还提供一种电子设备,如图8,图8为本发明实施例提电子设备结构框图。该电子设备80包括通信接口801、处理器802和存储器803。该处理器802、存储器803和通信接口801相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。存储器803可用于存储软件程序及模块,如本发明实施例所提供的资源数量预测方法对应的程序指令/模块,处理器802通过执行存储在存储器803内的软件程序及模块,从而执行各种功能应用以及数据处理。该通信接口801可用于与其他节点设备进行信令或数据的通信。在本发明中该电子设备80可以具有多个通信接口801。
其中,存储器803可以是但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-OnlyMemory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。
处理器802可以是一种集成电路芯片,具有信号处理能力。该处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(NetworkProcessor,NP)等;还可以是数字信号处理器(Digital Signal Processing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
可以理解的是,上述的资源数量预测装置70的各个模块可以软件或固件(Firmware)的形式存储于电子设备80的存储器803中,并由处理器802执行,同时,执行上述模块所需的数据、程序的代码等可以存储在存储器803中。
本发明实施例提供一种存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如前述实施方式中任一项的资源数量预测方法。该计算机可读存储介质可以是,但不限于,U盘、移动硬盘、ROM、RAM、PROM、EPROM、EEPROM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (7)
1.一种资源数量预测方法,其特征在于,所述方法包括:
获取目标区域在历史时间段内的多个历史资源使用量;
根据预设的分配策略对所述多个历史资源使用量进行分配,获取多个预测区间;所述预测区间表征资源使用数量范围;每个所述预测区间内包含至少一个资源数量值;
根据所述多个历史资源使用量估算下一个预设时间段内的所述目标区域的资源使用量估算值;
将与所述资源使用量估算值匹配的预测区间内的任意一个资源数量值作为下一个预设时间段内所述目标区域的资源数量预测值;
所述根据所述多个所述历史资源使用量估算下一个预设时间段内的所述目标区域的资源使用量估算值的步骤,包括:根据预设的样本基数函数、每个所述预测区间内的资源使用量和所述多个预测区间对应的资源使用总量值确定当前资源量估算值;根据所述当前资源量估算值、所述历史资源使用量、预设的学习效率、折扣函数、强化值以及误差函数确定所述资源使用量估算值;
所述资源使用量估算值满足如下关系式:
Vn+1=Vn+λ(γ+ηVn-1+θn+1)
其中,Vn+1表征下一个预设时间段内的所述资源使用量估算值;Vn表征所述当前资源量估算值;Vn-1表征所述历史资源使用量;λ表征所述预设的学习效率;γ=Vn-Vn-1表征所述强化值;θ为所述误差函数;η为所述折扣函数;
所述当前资源量估算值满足如下关系式:
2.根据权利要求1所述的资源数量预测方法,其特征在于,在将所述资源使用量估算值落入的预测区间内的任意一个资源数量值作为所述目标区域下一个预设时间段内对应的资源数量预测值的步骤之前,所述方法还包括:
根据所述预测区间的区间总数确定每个所述预测区间对应的判定条件;
当所述资源使用量估算值满足其中任意一个所述判定条件时,则将所述判定条件对应的预测区间作为与所述资源使用量估算值匹配的预测区间。
3.根据权利要求1所述的资源数量预测方法,其特征在于,所述方法还包括:
当与所述资源使用量估算值匹配的预测区间内的资源数量最大值超过预设阈值时,输出告警信息。
4.根据权利要求3所述的资源数量预测方法,其特征在于,所述预设阈值包含多个;每个预设阈值对应不同的告警信息;所述方法还包括:
当与所述资源使用量估算值匹配的预测区间内的资源数量最大值超过预设阈值时,输出所述预设阈值对应的告警信息。
5.一种资源数量预测装置,其特征在于,包括:
获取模块,用于获取目标区域在历史时间段内的多个历史资源使用量;
分配模块,用于根据预设的分配策略对所述多个所述历史资源使用量进行分配,获取多个预测区间;所述预测区间表征资源使用数量范围;每个所述预测区间内包含至少一个资源数量值;
估算模块,用于根据所述多个所述历史资源使用量估算下一个预设时间段内的所述目标区域的资源使用量估算值;
预测模块,用于与将所述资源使用量估算值匹配的预测区间内的任意一个资源数量值作为下一个预设时间段内所述目标区域的资源数量预测值;
所述预测模块,具体用于:根据预设的样本基数函数、每个所述预测区间内的资源使用量和所述多个预测区间对应的资源使用总量值确定当前资源量估算值;根据所述当前资源量估算值、所述历史资源使用量、预设的学习效率、折扣函数、强化值以及误差函数确定所述资源使用量估算值;
所述资源使用量估算值满足如下关系式:
Vn+1=Vn+λ(γ+ηVn-1+θn+1)
其中,Vn+1表征下一个预设时间段内的所述资源使用量估算值;Vn表征所述当前资源量估算值;Vn-1表征所述历史资源使用量;λ表征所述预设的学习效率;γ=Vn-Vn-1表征所述强化值;θ为所述误差函数;η为所述折扣函数;
所述当前资源量估算值满足如下关系式:
6.一种电子设备,其特征在于,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的机器可执行指令,所述处理器可执行所述机器可执行指令以实现权利要求1-4任一项所述的资源数量预测方法。
7.一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-4任一项所述的资源数量预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010894703.9A CN111985726B (zh) | 2020-08-31 | 2020-08-31 | 资源数量预测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010894703.9A CN111985726B (zh) | 2020-08-31 | 2020-08-31 | 资源数量预测方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111985726A CN111985726A (zh) | 2020-11-24 |
CN111985726B true CN111985726B (zh) | 2023-04-18 |
Family
ID=73440885
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010894703.9A Active CN111985726B (zh) | 2020-08-31 | 2020-08-31 | 资源数量预测方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111985726B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114640700B (zh) * | 2020-11-30 | 2023-04-07 | 腾讯科技(深圳)有限公司 | 一种调用频次控制方法及装置 |
CN112669091B (zh) * | 2021-01-06 | 2023-12-12 | 腾讯科技(深圳)有限公司 | 数据处理方法、装置及存储介质 |
CN113177490A (zh) * | 2021-05-07 | 2021-07-27 | 中国铁道科学研究院集团有限公司 | 旅客行程信息查询方法和装置 |
CN113837814A (zh) * | 2021-11-01 | 2021-12-24 | 北京字节跳动网络技术有限公司 | 投放资源数量预测的方法、装置、可读介质及电子设备 |
CN114694285B (zh) * | 2022-03-29 | 2023-09-01 | 重庆紫光华山智安科技有限公司 | 人流量告警方法、装置、电子设备和存储介质 |
CN114943456B (zh) * | 2022-05-31 | 2024-05-07 | 北京邮电大学 | 资源的调度方法、装置、电子设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106375115A (zh) * | 2016-08-30 | 2017-02-01 | 东软集团股份有限公司 | 资源分配方法及装置 |
CN110059858A (zh) * | 2019-03-15 | 2019-07-26 | 深圳壹账通智能科技有限公司 | 服务器资源预测方法、装置、计算机设备及存储介质 |
CN110659133A (zh) * | 2019-09-02 | 2020-01-07 | 中国平安人寿保险股份有限公司 | 一种资源分配方法及分配装置、存储介质、电子设备 |
CN110796399A (zh) * | 2020-01-03 | 2020-02-14 | 支付宝(杭州)信息技术有限公司 | 基于区块链的资源分配方法以及装置 |
CN111224806A (zh) * | 2018-11-27 | 2020-06-02 | 华为技术有限公司 | 一种资源分配方法及服务器 |
CN111353797A (zh) * | 2018-12-20 | 2020-06-30 | 北京嘀嘀无限科技发展有限公司 | 资源分配方法、装置以及电子设备 |
CN111538597A (zh) * | 2020-04-27 | 2020-08-14 | 贝壳技术有限公司 | 资源配置方法、装置、计算机可读存储介质及电子设备 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4071668B2 (ja) * | 2003-04-16 | 2008-04-02 | 富士通株式会社 | システムの使用資源を調整する装置および方法 |
US11113612B2 (en) * | 2016-12-26 | 2021-09-07 | Morgan Stanley Services Group Inc. | Predictive asset optimization for computer resources |
-
2020
- 2020-08-31 CN CN202010894703.9A patent/CN111985726B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106375115A (zh) * | 2016-08-30 | 2017-02-01 | 东软集团股份有限公司 | 资源分配方法及装置 |
CN111224806A (zh) * | 2018-11-27 | 2020-06-02 | 华为技术有限公司 | 一种资源分配方法及服务器 |
CN111353797A (zh) * | 2018-12-20 | 2020-06-30 | 北京嘀嘀无限科技发展有限公司 | 资源分配方法、装置以及电子设备 |
CN110059858A (zh) * | 2019-03-15 | 2019-07-26 | 深圳壹账通智能科技有限公司 | 服务器资源预测方法、装置、计算机设备及存储介质 |
CN110659133A (zh) * | 2019-09-02 | 2020-01-07 | 中国平安人寿保险股份有限公司 | 一种资源分配方法及分配装置、存储介质、电子设备 |
CN110796399A (zh) * | 2020-01-03 | 2020-02-14 | 支付宝(杭州)信息技术有限公司 | 基于区块链的资源分配方法以及装置 |
CN111538597A (zh) * | 2020-04-27 | 2020-08-14 | 贝壳技术有限公司 | 资源配置方法、装置、计算机可读存储介质及电子设备 |
Non-Patent Citations (1)
Title |
---|
徐雅斌 等.基于需求预测的PaaS平台资源分配方法.计算机应用.2019,第39卷(第06期),1583-1588. * |
Also Published As
Publication number | Publication date |
---|---|
CN111985726A (zh) | 2020-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111985726B (zh) | 资源数量预测方法、装置、电子设备及存储介质 | |
Whitt | Predicting queueing delays | |
CN110232010A (zh) | 一种告警方法、告警服务器及监控服务器 | |
US20070130357A1 (en) | Unexpected demand detection system and unexpected demand detection program | |
CN109445884B (zh) | 一种功能标签展示方法及终端设备 | |
CN111178380A (zh) | 数据分类方法、装置及电子设备 | |
CN113228574A (zh) | 计算资源调度方法、调度器、物联网系统和计算机可读介质 | |
CN111160793A (zh) | 一种服务网点自助设备数量的配置方法、装置及设备 | |
CN105429792B (zh) | 用户行为流量获取方法及装置、用户行为分析方法及系统 | |
CN111800807A (zh) | 一种基站用户数量告警的方法及装置 | |
CN114064204A (zh) | 一种微服务环境下基于业务预测动态扩容的方法 | |
CN109697155B (zh) | It系统性能评估方法、装置、设备及可读存储介质 | |
CN114743132A (zh) | 一种目标算法的选取方法、装置、电子设备及存储介质 | |
CN108415765B (zh) | 任务调度方法、装置及智能终端 | |
CN108416662B (zh) | 一种数据验证方法及装置 | |
CN110443451B (zh) | 事件定级方法、装置、计算机设备和存储介质 | |
CN112104730A (zh) | 存储任务的调度方法、装置及电子设备 | |
CN111858010A (zh) | 批量数据处理方法和装置 | |
CN114844791B (zh) | 基于大数据的云服务自动管理分配方法、系统及存储介质 | |
CN115994029A (zh) | 容器资源调度方法及装置 | |
CN113657635B (zh) | 一种预测通信用户流失的方法及电子设备 | |
KR102464688B1 (ko) | 모니터링 결과의 이벤트 등급 결정 방법 및 장치 | |
CN109218062B (zh) | 基于置信区间的互联网业务报警方法和装置 | |
CN117591301B (zh) | 一种监控云资源分配优化方法及系统 | |
CN112714037A (zh) | 一种线上服务质量的保障性能评估方法、装置及设备 |
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 |