CN112215273A - 基于云平台的智能楼宇信息监控方法及智能楼宇系统 - Google Patents
基于云平台的智能楼宇信息监控方法及智能楼宇系统 Download PDFInfo
- Publication number
- CN112215273A CN112215273A CN202011051414.9A CN202011051414A CN112215273A CN 112215273 A CN112215273 A CN 112215273A CN 202011051414 A CN202011051414 A CN 202011051414A CN 112215273 A CN112215273 A CN 112215273A
- Authority
- CN
- China
- Prior art keywords
- acquisition
- characteristic
- feature
- behavior
- association
- 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.)
- Withdrawn
Links
Images
Classifications
-
- 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
Abstract
本发明提供一种基于云平台的智能楼宇信息监控方法及智能楼宇系统,通过从相同采集位置且设定的采集任务相关联的至少两个楼宇信息采集节点中分别获得对应的楼宇信息采集行为的采集行为特征,然后对任意两个采集行为特征进行特征之间的关联性分析,得到该任意两个采集行为特征之间的特征关联信息,从而根据所有任意两个采集行为特征之间的特征关联信息确定采集任务的监控调整策略。如此,本发明针对楼宇信息采集节点的联动采集过程采集行为的监控,从而能够便于后续确定下发的采集任务在实际联动采集过程中是否能够达到预期合理的效果,并可以通过采集行为特征之间的特征关联信息针对性地针对采集任务进行调整,提高联动采集过程的可靠性。
Description
技术领域
本发明涉及智能楼宇技术领域,具体而言,涉及一种基于云平台的智能楼宇信息监控方法及智能楼宇系统。
背景技术
在智能楼宇监控过程中,可以通过多个楼宇信息采集节点来实现针对同一监控位置的智能联动信息采集,从而充分发挥多个楼宇信息采集节点的功能,提高监控效率和监控准确率。然而,现有方案中通常仅仅是人为为每个采集任务关联的楼宇信息采集节点下发好采集任务,缺乏针对楼宇信息采集节点的联动采集过程的监控,也难以确定下发的采集任务在实际联动采集过程中是否能够达到预期合理的效果,从而无法针对性地针对采集任务进行调整,造成联动采集过程存在较大的不确定性。
发明内容
为了至少克服现有技术中的上述不足,本发明的目的在于提供一种基于云平台的智能楼宇信息监控方法及智能楼宇系统,以解决或者改善上述问题。
第一方面,本发明提供一种基于云平台的智能楼宇信息监控方法,应用于智能楼宇系统,所述智能楼宇系统包括服务器以及与所述服务器通信连接的楼宇信息采集节点,所述方法包括:
所述服务器从相同采集位置且设定的采集任务相关联的至少两个楼宇信息采集节点中分别获取对应的楼宇信息采集行为,其中,相关联的采集任务是指针对目标信息采集对象的采集过程存在逻辑关联;
所述服务器分别对任意两个所述楼宇信息采集节点对应的楼宇信息采集行为进行特征提取,得到对应的采集行为特征;
所述服务器对提取的任意两个所述采集行为特征进行特征之间的关联性分析,得到该任意两个所述采集行为特征之间的特征关联信息;
所述服务器根据所有任意两个所述采集行为特征之间的特征关联信息确定所述采集任务的任务调整策略,并将所述任务调整策略分别发送给对应的所述至少两个楼宇信息采集节点;
所述楼宇信息采集节点根据所述任务调整策略调整所述采集任务。
在第一方面的一种可能的设计中,所述从相同采集位置且设定的采集任务相关联的至少两个楼宇信息采集节点中分别获取对应的楼宇信息采集行为的步骤,包括:
从相同采集位置且设定的采集任务相关联的至少两个楼宇信息采集节点中分别获取对应的采集过程记录信息的整合特征信息,其中,所述整合特征信息用于表征所述采集过程记录信息在整合时间段内的采集过程变化情况,所述采集过程变化情况包括采集方位变化情况、采集频率变化情况、采集时间段变化情况中的一种或者多种组合;
将所述整合特征信息输入到经过上一次更新后的行为转换矩阵的第二特征表达矩阵中,得到多个第一行为预测单元以及每一个第一行为预测单元对应的第二预测行为;其中,所述行为转换矩阵包括第一特征表达矩阵和第二特征表达矩阵,所述第一特征表达矩阵用于提取采集过程记录信息的整合特征信息,所述第二特征表达矩阵用于根据整合特征信息生成采集过程记录信息的多个第一行为预测单元以及对各第一行为预测单元生成第二预测行为;
根据所述第二预测行为,从多个第一行为预测单元中选取出多个行为预测单元以及所述多个行为预测单元各自对应的第一预测行为,其中,每一个所述行为预测单元对应的第一预测行为基于经过上一次更新后的行为转换矩阵对该行为预测单元内进行分析得到,所述采集过程记录信息包括至少一个采集过程节点,一个采集过程节点对应至少一个行为预测单元,所述采集过程记录信息中添加有各采集过程节点的分别对应的行为单元的行为信息;
根据所述第一预测行为从所述多个行为预测单元中选取至少一个目标行为预测单元,形成目标行为预测单元组,并根据所述目标行为预测单元组中的各目标行为预测单元与所述采集过程记录信息中的各采集过程节点的行为单元之间的覆盖范围值确定所述行为转换矩阵所对应的行为提取信息,其中,所述行为提取信息包括覆盖范围值大于设定范围值对应的目标行为预测单元的行为信息;
根据所述行为转换矩阵所对应的行为提取信息,从所述行为提取信息的初始采集行为中,检测出目标采集行为节点的初始特征信息;
将所述初始采集行为作为前一采集行为以及将所述初始特征信息作为前一特征信息,按照所述前一特征信息和目标采集行为节点策略之间的特征转换关系,对所述前一采集行为的后一采集行为进行特征转换,得到所述后一采集行为中的采集特征信息,其中,所述目标采集行为节点策略用于表示预先设置的目标采集行为节点的预设特征信息;
对所述后一采集行为中的采集特征信息进行检测,得到所述后一采集行为中的目标采集行为节点的第一特征信息;
将所述后一采集行为作为前一采集行为以及将所述后一采集行为中的目标采集行为节点的第一特征信息作为前一特征信息,返回所述按照所述前一特征信息和目标采集行为节点策略之间的特征转换关系,对所述前一采集行为的后一采集行为进行特征转换,得到所述后一采集行为中的采集特征信息的步骤,以进行迭代处理,直至得到所述行为提取信息的最后一个采集行为中的目标采集行为节点的第一特征信息;
将所述最后一个采集行为当作所述初始采集行为的前一采集行为,参照所述最后一个采集行为中的目标采集行为节点的第一特征信息,确定所述初始采集行为中最终的目标采集行为节点的第一特征信息;
在所述行为提取信息中按照设定特征序依次选取当前处理的采集行为,其中,所述设定特征序为时序、空序或者频率序,所述时序用于表示以时间为顺序,所述空序用于表示以空间方位为顺序,所述频率序用于表示以频率为顺序;
从在所述行为提取信息中的设定特征序位于当前处理的采集行为之前的采集行为中,确定相对采集行为,其中,所述相对采集行为为与所述当前处理的采集行为对应的设定特征序相关联的采集行为;
获取所述相对采集行为中目标采集行为节点的第一特征信息,其中,所述第一特征信息为时序特征信息或者空序特征信息;
参照所述第一特征信息和所述目标采集行为节点策略之间的特征转换关系,对当前处理的采集行为进行特征转换,得到当前处理的采集行为的采集特征信息;
对所述采集特征信息进行检测,得到目标采集行为节点的第二特征信息,并从所述采集特征信息中确定目标采集行为,得到目标采集行为的聚集信息;
当所述相对采集行为为多个时,对依照每个相对采集行为中目标采集行为节点的第一特征信息所确定出的目标采集行为的聚集信息进行分类,得到最终的目标采集行为的聚集信息;
分别依照每个相对采集行为中目标采集行为节点的第一特征信息所确定出的第二特征信息,得到最终的目标采集行为节点的第二特征信息;
将所述最终的目标采集行为的聚集信息和所述最终的目标采集行为节点的第二特征信息映射至所述当前处理的采集行为,得到对应的楼宇信息采集行为。
在第一方面的一种可能的设计中,所述分别对任意两个所述楼宇信息采集节点对应的楼宇信息采集行为进行特征提取,得到对应的采集行为特征的步骤,包括:
对所述楼宇信息采集节点对应的楼宇信息采集行为进行分类,得到多个分类采集行为,所述分类采集行为为以时间为采集特征的采集行为、以方位为采集特征的采集行为或者以采集频率为采集特征的采集行为;
对所述多个分类采集行为中每个所述分类采集行为分别进行特征计算,得到每个所述分类采集行为对应的分类采集特征;
基于每个所述分类采集行为对应的分类采集特征分别对所述分类采集行为进行确定,得到每个所述分类采集特征对应的修正采集特征;
基于每个所述分类采集行为对应的分类采集特征确定每个所述修正采集特征对应的特征反转换模型;
根据所述特征反转换模型确定对应的修正采集特征中每个特征单位点在所述分类采集行为中的特征点范围,并计算任意两个对应不同修正采集特征的特征点范围之间的重合率;
确定所述两个对应不同修正采集特征的特征点范围之间的重合率是否不小于设定阈值,当所述两个对应不同修正采集特征的特征点范围之间的重合率不小于设定阈值时,确定该两个对应不同修正采集特征的特征点范围对应同一个采集行为特征;
将同一个所述采集行为特征的所述特征点范围或所述特征单位点生成该同一个采集行为特征的特征集合;
根据各个同一个采集行为特征的特征集合得到所述楼宇信息采集节点对应的楼宇信息采集行为的采集行为特征。
在第一方面的一种可能的设计中,所述任意两个所述采集行为特征分别为第一采集行为特征和第二采集行为特征;
所述对提取的任意两个所述采集行为特征进行特征之间的关联性分析,得到该任意两个所述采集行为特征之间的特征关联信息的步骤,包括:
根据所述第一采集行为特征对应的预设采集采样值构建所述第一采集行为特征对应的第一特征关联模型,所述第一特征关联模型中任意相邻两个特征关联节点之间的节点采样值为所述预设采集采样值,并根据所述第二采集行为特征对应的预设采集采样值构建所述第二采集行为特征对应的第二特征关联模型,所述第二特征关联模型中任意相邻两个特征关联节点之间的节点采样值为所述预设采集采样值,所述第一特征关联模型和所述第二特征关联模型分别包括多个不同采样范围的特征关联节点,其中,所述节点采样值用于表示特征在关联过程中采样的数据量大小,所述特征关联节点用于针对所述第一采集行为特征或者所述第二采集行为特征中的每个单位数据范围的特征数据进行特征关联计算;
提取所述第一采集行为特征在所述第一特征关联模型的任一特征关联节点的初始特征数据,将所述第二特征关联模型中具有最小采样范围的特征关联节点确定为目标特征关联节点;
将所述初始特征数据映射到预设的特征映射空间上,得到初始空间坐标点,其中,所述预设的特征映射空间为以特征数据为基准的三维空间,所述三维空间用于表示特征数据的特征映射位置;
根据所述第一采集行为特征对应的楼宇信息采集节点和所述第二采集行为特征对应的楼宇信息采集节点之间的相对位置以及相对方位信息,将所述初始空间坐标点转换到所述第二采集行为特征的坐标空间下,得到转换空间坐标点;
将所述转换空间坐标点映射到所述第二采集行为特征的坐标空间下具有单位关联度的平面上,得到转换映射点,并对所述转换映射点进行单点坐标变换,将所述转换映射点投射到所述目标特征关联节点中,得到初始映射点,其中,所述单位关联度为所述第二采集行为特征的坐标空间中的设定固定关联度;
在所述初始特征数据在特征关联节点中获取关联特征路径,所述关联特征路径是以所述初始特征数据为基准的附近特征点,其中,所述关联特征路径用于表示所述初始特征数据在特征关联节点中的关联顺序序号;
将所述关联特征路径映射到所述目标特征关联节点,在所述目标特征关联节点中得到关联映射点,并根据所述初始特征数据与所述关联特征路径之间的位置关系、所述初始映射点以及所述关联映射点,生成所述第一采集行为特征和所述第二采集行为特征之间的关联矩阵;
以所述初始映射点为基准参照点在所述目标特征关联节点中获取关联数据块,根据所述关联矩阵对应的逆关联矩阵,将所述关联数据块映射到所述初始特征数据所在特征关联节点,在所述初始特征数据所在特征关联节点中得到所述关联数据块对应的目标关联数据块,并确定所述目标关联数据块的关联范围的数据区域为目标数据区域,其中,所述关联数据块用于表示所述目标特征关联节点所对应的具有关联范围的单位记录数据;
将与所述初始特征数据对应的所述转换空间坐标点,映射到所述第二采集行为特征的坐标空间下具有最小关联度信息的平面上,得到最小映射点,并将与所述初始特征数据对应的所述转换空间坐标点,映射到所述第二采集行为特征的坐标空间下具有最大关联度信息的平面上,得到最大映射点;
将所述最小映射点和所述最大映射点的映射偏差,确定为初始映射偏差范围,并对所述初始映射偏差范围中的每个关联特征路径进行单点坐标变换,并根据所述楼宇信息采集节点模型将变换后的每个关联特征路径投射到所述目标特征关联节点中,得到目标关联匹配范围;
基于所述目标关联匹配范围确定所述目标数据区域在所述目标特征关联节点中对应的多个待关联数据点,并根据所述多个待关联数据点生成每个待关联数据点分别对应的待定关联数据块;
分别获取每个待定关联数据块与所述目标关联数据块之间的关联度,并根据所述关联度确定所述多个待关联数据点中的最大待关联数据点和次大待关联数据点;
若所述最大待关联数据点和所述次大待关联数据点满足设定条件,则将所述最大待关联数据点确定为所述目标数据区域在所述目标特征关联节点中的最大点,并作为目标最大点;
若所述目标特征关联节点的层数大于所述目标数据区域在所述第一特征关联模型中的层数,则将所述目标最大点与所述目标关联匹配范围投射到所述目标特征关联节点的下一特征关联节点;
基于设定的搜索范围,在投射后的目标关联匹配范围中,确定以投射后的目标最大点为基准参照点的待搜索映射偏差范围;
获取在所述下一特征关联节点中的所述待搜索映射偏差范围上的目标最大点,并将所述下一特征关联节点确定为所述目标特征关联节点,将所述下一特征关联节点中的最大点确定为所述目标最大点;
若所述目标特征关联节点在所述第二特征关联模型中的层次与所述目标数据区域在所述第一特征关联模型中的层次一致,则以所述目标数据区域为中心在所述目标关联数据块中获取局部关联数据块,并将最后一次所确定的所述目标最大点作为调整点,在所述调整点所在的特征关联节点中获取以所述调整点为基准参照点的调整关联数据块,所述调整关联数据块的数据区域大小与所述局部关联数据块的数据区域的大小相同;
根据所述调整关联数据块中的数据范围和所述局部关联数据块中的数据范围,调整所述调整关联数据块;
根据位置调整后的所述调整关联数据块中的数据信息,得到该任意两个所述采集行为特征之间的特征关联信息。
在第一方面的一种可能的设计中,所述根据所有任意两个所述采集行为特征之间的特征关联信息确定所述采集任务的任务调整策略的步骤,包括:
根据所有任意两个所述采集行为特征之间的特征关联信息,逐个获得每两个所述采集行为特征之间的特征关联信息在所述采集任务中每一单位项目的任务设定信息,所述单位项目为所述采集任务中的多个任务项目中的任意一个单位;
每获得每两个所述采集行为特征的各单位项目的任务设定信息,便按照由所述特征关联信息计算得到的关联等级对所述单位项目按照与所述关联等级相对应的调整范围进行调整,获得调整后的每两个所述采集行为特征的单位项目,并根据采集所述每两个所述采集行为特征时所使用的采集参数对所述调整后的每两个所述采集行为特征的单位项目进行任务参数调整,以此类推,以确定所述采集任务的任务调整策略,其中,所述采集参数为所述采集行为特征被采集时所对应的楼宇信息采集节点的时序参数、空序参数或者频率序参数中的至少一种。
第二方面,本发明实施例还提供一种基于云平台的智能楼宇信息监控方法,应用于服务器,所述服务器与楼宇信息采集节点通信连接,所述方法包括:
从相同采集位置且设定的采集任务相关联的至少两个楼宇信息采集节点中分别获取对应的楼宇信息采集行为,其中,相关联的采集任务是指针对目标信息采集对象的采集过程存在逻辑关联;
分别对任意两个所述楼宇信息采集节点对应的楼宇信息采集行为进行特征提取,得到对应的采集行为特征;
对提取的任意两个所述采集行为特征进行特征之间的关联性分析,得到该任意两个所述采集行为特征之间的特征关联信息;
根据所有任意两个所述采集行为特征之间的特征关联信息确定所述采集任务的任务调整策略,并将所述任务调整策略分别发送给对应的所述至少两个楼宇信息采集节点,以使所述楼宇信息采集节点根据所述任务调整策略调整所述采集任务。
第三方面,本发明实施例还提供一种基于云平台的智能楼宇信息监控装置,应用于服务器,所述服务器与楼宇信息采集节点通信连接,所述装置包括:
获取模块,用于从相同采集位置且设定的采集任务相关联的至少两个楼宇信息采集节点中分别获取对应的楼宇信息采集行为,其中,相关联的采集任务是指针对目标信息采集对象的采集过程存在逻辑关联;
特征提取模块,用于分别对任意两个所述楼宇信息采集节点对应的楼宇信息采集行为进行特征提取,得到对应的采集行为特征;
分析模块,用于对提取的任意两个所述采集行为特征进行特征之间的关联性分析,得到该任意两个所述采集行为特征之间的特征关联信息;
确定发送模块,用于根据所有任意两个所述采集行为特征之间的特征关联信息确定所述采集任务的任务调整策略,并将所述任务调整策略分别发送给对应的所述至少两个楼宇信息采集节点,以使所述楼宇信息采集节点根据所述任务调整策略调整所述采集任务。
第四方面,本发明实施例还提供一种智能楼宇系统,所述智能楼宇系统包括服务器以及与所述服务器通信连接的楼宇信息采集节点;
所述服务器,用于从相同采集位置且设定的采集任务相关联的至少两个楼宇信息采集节点中分别获取对应的楼宇信息采集行为,其中,相关联的采集任务是指针对目标信息采集对象的采集过程存在逻辑关联;
所述服务器,用于分别对任意两个所述楼宇信息采集节点对应的楼宇信息采集行为进行特征提取,得到对应的采集行为特征;
所述服务器,用于对提取的任意两个所述采集行为特征进行特征之间的关联性分析,得到该任意两个所述采集行为特征之间的特征关联信息;
所述服务器,用于根据所有任意两个所述采集行为特征之间的特征关联信息确定所述采集任务的任务调整策略,并将所述任务调整策略分别发送给对应的所述至少两个楼宇信息采集节点;
所述楼宇信息采集节点,用于根据所述任务调整策略调整所述采集任务。
第五方面,本发明实施例还提供一种服务器,所述服务器包括处理器、机器可读存储介质和网络接口,所述机器可读存储介质、所述网络接口以及所述处理器之间通过总线系统相连,所述网络接口用于与至少一个楼宇信息采集节点通信连接,所述机器可读存储介质用于存储程序、指令或代码,所述处理器用于执行所述机器可读存储介质中的程序、指令或代码,以执行第二方面中的基于云平台的智能楼宇信息监控方法。
第六方面,本发明实施例提供一种计算机可读存储介质,计算机可读存储介质中存储有指令,当其在计算机上实现时,使得计算机执行上述第二方面中的基于云平台的智能楼宇信息监控方法。
基于上述任意一个方面,本发明通过从相同采集位置且设定的采集任务相关联的至少两个楼宇信息采集节点中分别获得对应的楼宇信息采集行为的采集行为特征,然后对任意两个采集行为特征进行特征之间的关联性分析,得到该任意两个采集行为特征之间的特征关联信息,从而根据所有任意两个采集行为特征之间的特征关联信息确定采集任务的监控调整策略。如此,本发明针对楼宇信息采集节点的联动采集过程采集行为的监控,从而能够便于后续确定下发的采集任务在实际联动采集过程中是否能够达到预期合理的效果,并可以通过采集行为特征之间的特征关联信息针对性地针对采集任务进行调整,提高联动采集过程的可靠性。
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智能楼宇系统的应用场景示意图;
图2为本发明实施例提供的基于云平台的智能楼宇信息监控方法的流程示意图之一;
图3为本发明实施例提供的基于云平台的智能楼宇信息监控方法的流程示意图之二;
图4为本发明实施例提供的基于云平台的智能楼宇信息监控装置的功能模块示意图;
图5为本发明实施例提供的用于实现上述的基于云平台的智能楼宇信息监控方法的服务器的结构示意框图。
具体实施方式
下面结合说明书附图对本发明进行具体说明,方法实施例中的具体操作方法也可以应用于装置实施例或系统实施例中。在本发明的描述中,除非另有说明,“至少一个”包括一个或多个。“多个”是指两个或两个以上。例如,A、B和C中的至少一个,包括:单独存在A、单独存在B、同时存在A和B、同时存在A和C、同时存在B和C,以及同时存在A、B和C。在本发明中,“/”表示或的意思,例如,A/B可以表示A或B;本文中的“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。
图1是本发明一种实施例提供的智能楼宇系统10的交互示意图。智能楼宇系统10可以包括服务器100以及与所述服务器100通信连接的楼宇信息采集节点200,服务器100中可以包括执行指令操作的处理器。图1所示的智能楼宇系统10仅为一种可行的示例,在其它可行的实施例中,该智能楼宇系统10也可以仅包括图1所示组成部分的其中一部分或者还可以包括其它的组成部分。
在一些实施例中,服务器100可以是单个服务器,也可以是一个服务器组。运营服务器组可以是集中式的,也可以是分布式的(例如,服务器100可以是分布式系统)。在一些实施例中,服务器100相对于楼宇信息采集节点200,可以是本地的、也可以是远程的。例如,服务器100可以经由网络访问存储在楼宇信息采集节点200以及数据库、或其任意组合中的信息。作为另一示例,服务器100可以直接连接到楼宇信息采集节点200和数据库中的至少一个,以访问其中存储的信息和/或数据。在一些实施例中,服务器100可以在云平台上实现;仅作为示例,云平台可以包括私有云、公有云、混合云、社区云(community cloud)、分布式云、跨云(inter-cloud)、多云(multi-cloud)等,或者它们的任意组合。
在一些实施例中,服务器100可以包括处理器。处理器可以处理与服务请求有关的信息和/或数据,以执行本发明中描述的一个或多个功能。处理器可以包括一个或多个处理核(例如,单核处理器(S)或多核处理器(S))。仅作为举例,处理器可以包括中央处理单元(Central Processing Unit, CPU)、专用集成电路(Application Specific IntegratedCircuit, ASIC)、专用指令集处理器(Application Specific Instruction-setProcessor, ASIP)、图形处理单元(Graphics Processing Unit, GPU)、物理处理单元(Physics Processing Unit, PPU)、数字信号处理器 (Digital Signal Processor,DSP)、现场可编程门阵列( Field Programmable Gate Array, FPGA)、可编程逻辑器件(Programmable Logic Device, PLD)、控制器、微控制器单元、简化指令集计算机(ReducedInstruction Set Computing, RISC)、或微处理器等,或其任意组合。
网络可以用于信息和/或数据的交换。在一些实施例中,智能楼宇系统10中的一个或多个组件(例如,服务器100,楼宇信息采集节点200和数据库)可以向其他组件发送信息和/或数据。在一些实施例中,网络可以是任何类型的有线或者无线网络,或者是他们的结合。仅作为示例,网络130可以包括有线网络、无线网络、光纤网络、远程通信网络、内联网、因特网、局域网(Local Area Network,LAN)、广域网(Wide Area Network,WAN)、无线局域网(Wireless Local Area Networks,WLAN)、城域网(Metropolitan Area Network,MAN)、广域网(Wide Area Network,WAN)、公共电话交换网(Public Switched TelephoneNetwork,PSTN)、蓝牙网络、ZigBee网络、或近场通信(Near Field Communication, NFC)网络等,或其任意组合。在一些实施例中,网络可以包括一个或多个网络接入点。例如,网络可以包括有线或无线网络接入点,例如基站和/或网络交换节点,智能楼宇系统10的一个或多个组件可以通过该接入点连接到网络以交换数据和/或信息。
前述的数据库可以存储数据和/或指令。在一些实施例中,数据库可以存储从楼宇信息采集节点200获得的数据。在一些实施例中,数据库可以存储在本发明中描述的示例性方法的数据和/或指令。在一些实施例中,数据库可以包括大容量存储器、可移动存储器、易失性读写存储器、或只读存储器(Read-Only Memory, ROM)等,或其任意组合。作为举例,大容量存储器可以包括磁盘、光盘、固态驱动器等;可移动存储器可包括闪存驱动器、软盘、光盘、存储卡、zip磁盘、磁带等;易失性读写存储器可以包括随机存取存储器(Random AccessMemory, RAM);RAM可以包括动态RAM(Dynamic Random Access Memory, DRAM),双倍数据速率同步动态RAM(Double Date-Rate Synchronous RAM, DDR SDRAM);静态RAM(StaticRandom-Access Memory, SRAM),晶闸管RAM(Thyristor-Based Random Access Memory,T-RAM)和零电容器RAM(Zero-RAM)等。作为举例,ROM可以包括掩模ROM(Mask Read-OnlyMemory, MROM)、可编程ROM( Programmable Read-Only Memory, PROM)、可擦除可编程ROM(Programmable Erasable Read-only Memory , PEROM)、电可擦除可编程ROM(Electrically Erasable Programmable read only memory, EEPROM)、光盘ROM(CD-ROM)、以及数字通用磁盘ROM等。在一些实施例中,数据库可以在云平台上实现。仅作为示例,云平台可以包括私有云、公有云、混合云、社区云、分布式云、跨云、多云或者其它类似的等,或其任意组合。
在一些实施例中,数据库可以连接到网络以与智能楼宇系统10(例如,服务器100,楼宇信息采集节点200等)中的一个或多个组件通信。智能楼宇系统10中的一个或多个组件可以经由网络访问存储在数据库中的数据或指令。在一些实施例中,数据库可以直接连接到智能楼宇系统10中的一个或多个组件(例如,服务器100,楼宇信息采集节点200等);或者,在一些实施例中,数据库也可以是服务器100的一部分。
其中,所述楼宇信息采集节点200可以用于采集楼宇信息,例如各类传感器的信息,各类图像传感器的信息,各类验证终端(人脸扫描终端、停车收费扫描终端等)的信息等,在此不作具体限制。
为了解决前述背景技术中的技术问题,图2为本发明实施例提供的基于云平台的智能楼宇信息监控方法的流程示意图,本实施例提供的基于云平台的智能楼宇信息监控方法可以由图1中所示的智能楼宇系统10执行,下面对该基于云平台的智能楼宇信息监控方法进行详细介绍。
步骤S110,服务器100从相同采集位置且设定的采集任务相关联的至少两个楼宇信息采集节点200中分别获取对应的楼宇信息采集行为,其中,相关联的采集任务是指针对目标信息采集对象的采集过程存在逻辑关联。
例如,针对楼宇中的某个标志性监控对象,可以下发一个采集任务时,使得用于采集该标志性监控对象的两个楼宇信息采集节点200在前后不同的时序段依次配合采集该标志性监控对象的楼宇采集信息,如某个楼宇信息采集节点200在某个区间段采集该标志性监控对象的楼宇采集信息后,另一个楼宇信息采集节点200马上在某个区间段采集该标志性监控对象的楼宇采集信息,这就表示这两个楼宇信息采集节点200针对目标信息采集对象的采集过程存在逻辑关联。
可以理解,在其它可能的设计中,本领域技术人员也可以根据实际需求确定相关联的采集任务是何种采集任务,只需保证这些采集任务并不是独立进行采集即可。
步骤S120,服务器100分别对任意两个楼宇信息采集节点200对应的楼宇信息采集行为进行特征提取,得到对应的采集行为特征。
步骤S130,服务器100对提取的任意两个采集行为特征进行特征之间的关联性分析,得到该任意两个采集行为特征之间的特征关联信息。
步骤S140,服务器100根据所有任意两个采集行为特征之间的特征关联信息确定采集任务的任务调整策略,并将任务调整策略分别发送给对应的至少两个楼宇信息采集节点200。
步骤S150,楼宇信息采集节点200根据任务调整策略调整采集任务。
基于上述步骤,本实施例通过从相同采集位置且设定的采集任务相关联的至少两个楼宇信息采集节点200中分别获得对应的楼宇信息采集行为的采集行为特征,然后对任意两个采集行为特征进行特征之间的关联性分析,得到该任意两个采集行为特征之间的特征关联信息,从而根据所有任意两个采集行为特征之间的特征关联信息确定采集任务的监控调整策略。如此,本发明针对楼宇信息采集节点200的联动采集过程采集行为的监控,从而能够便于后续确定下发的采集任务在实际联动采集过程中是否能够达到预期合理的效果,并可以通过采集行为特征之间的特征关联信息针对性地针对采集任务进行调整,提高联动采集过程的可靠性。
在一种可能的设计中,针对步骤S110,本实施例可以从相同采集位置且设定的采集任务相关联的至少两个楼宇信息采集节点200中分别获取对应的采集过程记录信息的整合特征信息,其中,整合特征信息用于表征采集过程记录信息在整合时间段内的采集过程变化情况,例如,该采集过程变化情况包括采集方位变化情况、采集频率变化情况、采集时间段变化情况中的一种或者多种组合。
接着,可以将整合特征信息输入到经过上一次更新后的行为转换矩阵的第二特征表达矩阵中,得到多个第一行为预测单元以及每一个第一行为预测单元对应的第二预测行为。其中,行为转换矩阵包括第一特征表达矩阵和第二特征表达矩阵,第一特征表达矩阵用于提取采集过程记录信息的整合特征信息,第二特征表达矩阵用于根据整合特征信息生成采集过程记录信息的多个第一行为预测单元以及对各第一行为预测单元生成第二预测行为。
接着,可以根据第二预测行为,从多个第一行为预测单元中选取出多个行为预测单元以及多个行为预测单元各自对应的第一预测行为。其中,每一个行为预测单元对应的第一预测行为基于经过上一次更新后的行为转换矩阵对该行为预测单元内进行分析得到,采集过程记录信息包括至少一个采集过程节点,一个采集过程节点对应至少一个行为预测单元,采集过程记录信息中添加有各采集过程节点的分别对应的行为单元的行为信息。
接着,可以根据第一预测行为从多个行为预测单元中选取至少一个目标行为预测单元,形成目标行为预测单元组,并根据目标行为预测单元组中的各目标行为预测单元与采集过程记录信息中的各采集过程节点的行为单元之间的覆盖范围值确定行为转换矩阵所对应的行为提取信息。其中,上述的行为提取信息可以包括覆盖范围值大于设定范围值对应的目标行为预测单元的行为信息。
接着,可以根据行为转换矩阵所对应的行为提取信息,从行为提取信息的初始采集行为中,检测出目标采集行为节点的初始特征信息。
接着,可以将初始采集行为作为前一采集行为以及将初始特征信息作为前一特征信息,按照前一特征信息和目标采集行为节点策略之间的特征转换关系,对前一采集行为的后一采集行为进行特征转换,得到后一采集行为中的采集特征信息,其中,目标采集行为节点策略用于表示预先设置的目标采集行为节点的预设特征信息。
接着,可以对后一采集行为中的采集特征信息进行检测,得到后一采集行为中的目标采集行为节点的第一特征信息。
接着,可以将后一采集行为作为前一采集行为以及将后一采集行为中的目标采集行为节点的第一特征信息作为前一特征信息,返回按照前一特征信息和目标采集行为节点策略之间的特征转换关系,对前一采集行为的后一采集行为进行特征转换,得到后一采集行为中的采集特征信息的步骤,以进行迭代处理,直至得到行为提取信息的最后一个采集行为中的目标采集行为节点的第一特征信息。
接着,可以将最后一个采集行为当作初始采集行为的前一采集行为,参照最后一个采集行为中的目标采集行为节点的第一特征信息,确定初始采集行为中最终的目标采集行为节点的第一特征信息。
接着,可以在行为提取信息中按照设定特征序依次选取当前处理的采集行为,其中,设定特征序为时序、空序或者频率序,时序用于表示以时间为顺序,空序用于表示以空间方位为顺序,频率序用于表示以频率为顺序。
接着,可以从在行为提取信息中的设定特征序位于当前处理的采集行为之前的采集行为中,确定相对采集行为,其中,相对采集行为为与当前处理的采集行为对应的设定特征序相关联的采集行为。
接着,可以获取相对采集行为中目标采集行为节点的第一特征信息,其中,第一特征信息为时序特征信息或者空序特征信息。
接着,可以参照第一特征信息和目标采集行为节点策略之间的特征转换关系,对当前处理的采集行为进行特征转换,得到当前处理的采集行为的采集特征信息。
接着,可以对采集特征信息进行检测,得到目标采集行为节点的第二特征信息,并从采集特征信息中确定目标采集行为,得到目标采集行为的聚集信息。
当相对采集行为为多个时,对依照每个相对采集行为中目标采集行为节点的第一特征信息所确定出的目标采集行为的聚集信息进行分类,得到最终的目标采集行为的聚集信息。
接着,可以分别依照每个相对采集行为中目标采集行为节点的第一特征信息所确定出的第二特征信息,得到最终的目标采集行为节点的第二特征信息。
接着,可以将最终的目标采集行为的聚集信息和最终的目标采集行为节点的第二特征信息映射至当前处理的采集行为,得到对应的楼宇信息采集行为。
在一种可能的设计中,针对步骤S120,本实施例可以对楼宇信息采集节点200对应的楼宇信息采集行为进行分类,得到多个分类采集行为,分类采集行为为以时间为采集特征的采集行为、以方位为采集特征的采集行为或者以采集频率为采集特征的采集行为。
接着,可以对多个分类采集行为中每个分类采集行为分别进行特征计算,得到每个分类采集行为对应的分类采集特征。
接着,可以基于每个分类采集行为对应的分类采集特征分别对分类采集行为进行确定,得到每个分类采集特征对应的修正采集特征。
接着,可以基于每个分类采集行为对应的分类采集特征确定每个修正采集特征对应的特征反转换模型。
接着,可以根据特征反转换模型确定对应的修正采集特征中每个特征单位点在分类采集行为中的特征点范围,并计算任意两个对应不同修正采集特征的特征点范围之间的重合率。
接着,可以确定两个对应不同修正采集特征的特征点范围之间的重合率是否不小于设定阈值,当两个对应不同修正采集特征的特征点范围之间的重合率不小于设定阈值时,确定该两个对应不同修正采集特征的特征点范围对应同一个采集行为特征。
接着,可以将同一个采集行为特征的特征点范围或特征单位点生成该同一个采集行为特征的特征集合。
接着,可以根据各个同一个采集行为特征的特征集合得到楼宇信息采集节点200对应的楼宇信息采集行为的采集行为特征。
在一种可能的设计中,前述的任意两个采集行为特征分别为第一采集行为特征和第二采集行为特征。
针对步骤S130,本实施例可以根据第一采集行为特征对应的预设采集采样值构建第一采集行为特征对应的第一特征关联模型,第一特征关联模型中任意相邻两个特征关联节点之间的节点采样值为预设采集采样值,并根据第二采集行为特征对应的预设采集采样值构建第二采集行为特征对应的第二特征关联模型,第二特征关联模型中任意相邻两个特征关联节点之间的节点采样值为预设采集采样值,第一特征关联模型和第二特征关联模型分别包括多个不同采样范围的特征关联节点,其中,节点采样值用于表示特征在关联过程中采样的数据量大小,特征关联节点用于针对第一采集行为特征或者第二采集行为特征中的每个单位数据范围的特征数据进行特征关联计算。
接着,可以提取第一采集行为特征在第一特征关联模型的任一特征关联节点的初始特征数据,将第二特征关联模型中具有最小采样范围的特征关联节点确定为目标特征关联节点。
接着,可以将初始特征数据映射到预设的特征映射空间上,得到初始空间坐标点,其中,预设的特征映射空间为以特征数据为基准的三维空间,三维空间用于表示特征数据的特征映射位置。
接着,可以根据第一采集行为特征对应的楼宇信息采集节点200和第二采集行为特征对应的楼宇信息采集节点200之间的相对位置以及相对方位信息,将初始空间坐标点转换到第二采集行为特征的坐标空间下,得到转换空间坐标点。
接着,可以将转换空间坐标点映射到第二采集行为特征的坐标空间下具有单位关联度的平面上,得到转换映射点,并对转换映射点进行单点坐标变换,将转换映射点投射到目标特征关联节点中,得到初始映射点,其中,单位关联度为第二采集行为特征的坐标空间中的设定固定关联度。
接着,可以在初始特征数据在特征关联节点中获取关联特征路径,关联特征路径是以初始特征数据为基准的附近特征点,其中,关联特征路径用于表示初始特征数据在特征关联节点中的关联顺序序号。
接着,可以将关联特征路径映射到目标特征关联节点,在目标特征关联节点中得到关联映射点,并根据初始特征数据与关联特征路径之间的位置关系、初始映射点以及关联映射点,生成第一采集行为特征和第二采集行为特征之间的关联矩阵。
接着,可以以初始映射点为基准参照点在目标特征关联节点中获取关联数据块,根据关联矩阵对应的逆关联矩阵,将关联数据块映射到初始特征数据所在特征关联节点,在初始特征数据所在特征关联节点中得到关联数据块对应的目标关联数据块,并确定目标关联数据块的关联范围的数据区域为目标数据区域,其中,关联数据块用于表示目标特征关联节点所对应的具有关联范围的单位记录数据。
接着,可以将与初始特征数据对应的转换空间坐标点,映射到第二采集行为特征的坐标空间下具有最小关联度信息的平面上,得到最小映射点,并将与初始特征数据对应的转换空间坐标点,映射到第二采集行为特征的坐标空间下具有最大关联度信息的平面上,得到最大映射点。
接着,可以将最小映射点和最大映射点的映射偏差,确定为初始映射偏差范围,并对初始映射偏差范围中的每个关联特征路径进行单点坐标变换,并根据楼宇信息采集节点200模型将变换后的每个关联特征路径投射到目标特征关联节点中,得到目标关联匹配范围。
接着,可以基于目标关联匹配范围确定目标数据区域在目标特征关联节点中对应的多个待关联数据点,并根据多个待关联数据点生成每个待关联数据点分别对应的待定关联数据块。
接着,可以分别获取每个待定关联数据块与目标关联数据块之间的关联度,并根据关联度确定多个待关联数据点中的最大待关联数据点和次大待关联数据点。
若最大待关联数据点和次大待关联数据点满足设定条件,则将最大待关联数据点确定为目标数据区域在目标特征关联节点中的最大点,并作为目标最大点。
若目标特征关联节点的层数大于目标数据区域在第一特征关联模型中的层数,则将目标最大点与目标关联匹配范围投射到目标特征关联节点的下一特征关联节点。
接着,可以基于设定的搜索范围,在投射后的目标关联匹配范围中,确定以投射后的目标最大点为基准参照点的待搜索映射偏差范围。
接着,可以获取在下一特征关联节点中的待搜索映射偏差范围上的目标最大点,并将下一特征关联节点确定为目标特征关联节点,将下一特征关联节点中的最大点确定为目标最大点。
若目标特征关联节点在第二特征关联模型中的层次与目标数据区域在第一特征关联模型中的层次一致,则以目标数据区域为中心在目标关联数据块中获取局部关联数据块,并将最后一次所确定的目标最大点作为调整点,在调整点所在的特征关联节点中获取以调整点为基准参照点的调整关联数据块,调整关联数据块的数据区域大小与局部关联数据块的数据区域的大小相同。
接着,可以根据调整关联数据块中的数据范围和局部关联数据块中的数据范围,调整调整关联数据块。
接着,可以根据位置调整后的调整关联数据块中的数据信息,得到该任意两个采集行为特征之间的特征关联信息。
在一种可能的设计中,针对步骤S140,本实施例可以根据所有任意两个采集行为特征之间的特征关联信息,逐个获得每两个采集行为特征之间的特征关联信息在采集任务中每一单位项目的任务设定信息,单位项目为采集任务中的多个任务项目中的任意一个单位。
接着,可以每获得每两个采集行为特征的各单位项目的任务设定信息,便按照由特征关联信息计算得到的关联等级对单位项目按照与关联等级相对应的调整范围进行调整,获得调整后的每两个采集行为特征的单位项目,并根据采集每两个采集行为特征时所使用的采集参数对调整后的每两个采集行为特征的单位项目进行任务参数调整,以此类推,以确定采集任务的任务调整策略,其中,采集参数为采集行为特征被采集时所对应的楼宇信息采集节点200的时序参数、空序参数或者频率序参数中的至少一种。
图4示出了本发明实施还提供的另一种基于云平台的智能楼宇信息监控方法的流程示意图,与上面实施例不同的是,本基于云平台的智能楼宇信息监控方法由服务器100执行,可以理解的是,接下来要描述的基于云平台的智能楼宇信息监控方法中涉及的步骤在上面实施例中已经描述过,具体各个步骤的详尽内容可参照上面的实施例描述,下面仅对服务器100执行步骤进行简要说明。
步骤S210,从相同采集位置且设定的采集任务相关联的至少两个楼宇信息采集节点200中分别获取对应的楼宇信息采集行为,其中,相关联的采集任务是指针对目标信息采集对象的采集过程存在逻辑关联。
步骤S220,分别对任意两个楼宇信息采集节点200对应的楼宇信息采集行为进行特征提取,得到对应的采集行为特征。
步骤S230,对提取的任意两个采集行为特征进行特征之间的关联性分析,得到该任意两个采集行为特征之间的特征关联信息。
步骤S240,根据所有任意两个采集行为特征之间的特征关联信息确定采集任务的任务调整策略,并将任务调整策略分别发送给对应的至少两个楼宇信息采集节点200,以使楼宇信息采集节点200根据任务调整策略调整采集任务。
图4为本发明实施例提供的基于云平台的智能楼宇信息监控装置300的功能模块示意图,本实施例可以根据上述服务器100执行的方法实施例对该基于云平台的智能楼宇信息监控装置300进行功能模块的划分。例如,可以对应各个功能划分各个功能模块,也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。需要说明的是,本发明中对模块的划分是示意性的,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。比如,在采用对应各个功能划分各个功能模块的情况下,图4示出的基于云平台的智能楼宇信息监控装置300只是一种装置示意图。其中,基于云平台的智能楼宇信息监控装置300可以包括获取模块310、特征提取模块320、分析模块330以及确定发送模块340,下面分别对该基于云平台的智能楼宇信息监控装置300的各个功能模块的功能进行详细阐述。
获取模块310,用于从相同采集位置且设定的采集任务相关联的至少两个楼宇信息采集节点200中分别获取对应的楼宇信息采集行为,其中,相关联的采集任务是指针对目标信息采集对象的采集过程存在逻辑关联。
特征提取模块320,用于分别对任意两个楼宇信息采集节点200对应的楼宇信息采集行为进行特征提取,得到对应的采集行为特征。
分析模块330,用于对提取的任意两个采集行为特征进行特征之间的关联性分析,得到该任意两个采集行为特征之间的特征关联信息。
确定发送模块340,用于根据所有任意两个采集行为特征之间的特征关联信息确定采集任务的任务调整策略,并将任务调整策略分别发送给对应的至少两个楼宇信息采集节点200,以使楼宇信息采集节点200根据任务调整策略调整采集任务。
进一步地,图5为本发明实施例提供的用于执行上述基于云平台的智能楼宇信息监控方法的服务器100的结构示意图。如图5所示,该服务器100可包括网络接口110、机器可读存储介质120、处理器130以及总线140。处理器130可以是一个或多个,图5中以一个处理器130为例。网络接口110、机器可读存储介质120以及处理器130可以通过总线140或其他方式连接,图5中以通过总线140连接为例。
机器可读存储介质120作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的基于云平台的智能楼宇信息监控方法对应的程序指令/模块(例如图4中所示的基于云平台的智能楼宇信息监控装置300的获取模块310、特征提取模块320、分析模块330以及确定发送模块340)。处理器130通过检测存储在机器可读存储介质120中的软件程序、指令以及模块,从而执行终端设备的各种功能应用以及数据处理,即实现上述的基于云平台的智能楼宇信息监控方法,在此不再赘述。
机器可读存储介质120可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,机器可读存储介质120可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(Read-OnlyMemory,ROM)、可编程只读存储器(Programmable ROM,PROM)、可擦除可编程只读存储器(Erasable PROM,EPROM)、电可擦除可编程只读存储器(Electrically EPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(Static RAM,SRAM)、动态随机存取存储器(Dynamic RAM,DRAM)、同步动态随机存取存储器(Synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(Double DataRateSDRAM,DDR SDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM,SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM,DR RAM)。应注意,本文描述的系统和方法的存储器旨在包括但不限于这些和任意其它适合发布节点的存储器。在一些实例中,机器可读存储介质120可进一步包括相对于处理器130远程设置的存储器,这些远程存储器可以通过网络连接至服务器100。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
处理器130可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法实施例的各步骤可以通过处理器130中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器130可以是通用处理器、数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(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。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。
服务器100可以通过网络接口110和其它设备(例如楼宇信息采集节点200)进行信息交互。网络接口110可以是电路、总线、收发器或者其它任意可以用于进行信息交互的装置。处理器130可以利用网络接口110收发信息。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘(solid state disk,SSD))等。
本发明实施例是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本发明实施例进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明实施例的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (7)
1.一种基于云平台的智能楼宇信息监控方法,其特征在于,应用于服务器,所述服务器与楼宇信息采集节点通信连接,服务器经由网络访问存储在楼宇信息采集节点中的信息,服务器在云平台上实现,网络包括有线或无线网络接入点,所述楼宇信息采集节点用于采集楼宇信息,所述楼宇信息包括各类传感器的信息以及各类验证终端的信息,所述方法包括:
从相同采集位置且设定的采集任务相关联的至少两个楼宇信息采集节点中分别获取对应的楼宇信息采集行为,其中,相关联的采集任务是指针对目标信息采集对象的采集过程存在逻辑关联,针对目标信息采集对象的采集过程存在逻辑关联是指,针对楼宇中的标志性监控对象,在下发一个采集任务时,使得用于采集该标志性监控对象的两个楼宇信息采集节点在前后不同的时序段依次配合采集该标志性监控对象的楼宇采集信息所对应的逻辑关联;
分别对任意两个所述楼宇信息采集节点对应的楼宇信息采集行为进行特征提取,得到对应的采集行为特征;
对提取的任意两个所述采集行为特征进行特征之间的关联性分析,得到该任意两个所述采集行为特征之间的特征关联信息;
根据所有任意两个所述采集行为特征之间的特征关联信息确定所述采集任务的任务调整策略,并将所述任务调整策略分别发送给对应的所述至少两个楼宇信息采集节点,以使所述楼宇信息采集节点根据所述任务调整策略调整所述采集任务。
2.根据权利要求1所述的基于云平台的智能楼宇信息监控方法,其特征在于,所述分别对任意两个所述楼宇信息采集节点对应的楼宇信息采集行为进行特征提取,得到对应的采集行为特征的步骤,包括:
对所述楼宇信息采集节点对应的楼宇信息采集行为进行分类,得到多个分类采集行为,所述分类采集行为为以时间为采集特征的采集行为、以方位为采集特征的采集行为或者以采集频率为采集特征的采集行为;
对所述多个分类采集行为中每个所述分类采集行为分别进行特征计算,得到每个所述分类采集行为对应的分类采集特征;
基于每个所述分类采集行为对应的分类采集特征分别对所述分类采集行为进行确定,得到每个所述分类采集特征对应的修正采集特征;
基于每个所述分类采集行为对应的分类采集特征确定每个所述修正采集特征对应的特征反转换模型;
根据所述特征反转换模型确定对应的修正采集特征中每个特征单位点在所述分类采集行为中的特征点范围,并计算任意两个对应不同修正采集特征的特征点范围之间的重合率;
确定所述两个对应不同修正采集特征的特征点范围之间的重合率是否不小于设定阈值,当所述两个对应不同修正采集特征的特征点范围之间的重合率不小于设定阈值时,确定该两个对应不同修正采集特征的特征点范围对应同一个采集行为特征;
将同一个所述采集行为特征的所述特征点范围或所述特征单位点生成该同一个采集行为特征的特征集合;
根据各个同一个采集行为特征的特征集合得到所述楼宇信息采集节点对应的楼宇信息采集行为的采集行为特征。
3.根据权利要求1所述的基于云平台的智能楼宇信息监控方法,其特征在于,所述任意两个所述采集行为特征分别为第一采集行为特征和第二采集行为特征;
所述对提取的任意两个所述采集行为特征进行特征之间的关联性分析,得到该任意两个所述采集行为特征之间的特征关联信息的步骤,包括:
根据所述第一采集行为特征对应的预设采集采样值构建所述第一采集行为特征对应的第一特征关联模型,所述第一特征关联模型中任意相邻两个特征关联节点之间的节点采样值为所述预设采集采样值,并根据所述第二采集行为特征对应的预设采集采样值构建所述第二采集行为特征对应的第二特征关联模型,所述第二特征关联模型中任意相邻两个特征关联节点之间的节点采样值为所述预设采集采样值,所述第一特征关联模型和所述第二特征关联模型分别包括多个不同采样范围的特征关联节点,其中,所述节点采样值用于表示特征在关联过程中采样的数据量大小,所述特征关联节点用于针对所述第一采集行为特征或者所述第二采集行为特征中的每个单位数据范围的特征数据进行特征关联计算;
提取所述第一采集行为特征在所述第一特征关联模型的任一特征关联节点的初始特征数据,将所述第二特征关联模型中具有最小采样范围的特征关联节点确定为目标特征关联节点;
将所述初始特征数据映射到预设的特征映射空间上,得到初始空间坐标点,其中,所述预设的特征映射空间为以特征数据为基准的三维空间,所述三维空间用于表示特征数据的特征映射位置;
根据所述第一采集行为特征对应的楼宇信息采集节点和所述第二采集行为特征对应的楼宇信息采集节点之间的相对位置以及相对方位信息,将所述初始空间坐标点转换到所述第二采集行为特征的坐标空间下,得到转换空间坐标点;
将所述转换空间坐标点映射到所述第二采集行为特征的坐标空间下具有单位关联度的平面上,得到转换映射点,并对所述转换映射点进行单点坐标变换,将所述转换映射点投射到所述目标特征关联节点中,得到初始映射点,其中,所述单位关联度为所述第二采集行为特征的坐标空间中的设定固定关联度;
在所述初始特征数据在特征关联节点中获取关联特征路径,所述关联特征路径是以所述初始特征数据为基准的附近特征点,其中,所述关联特征路径用于表示所述初始特征数据在特征关联节点中的关联顺序序号;
将所述关联特征路径映射到所述目标特征关联节点,在所述目标特征关联节点中得到关联映射点,并根据所述初始特征数据与所述关联特征路径之间的位置关系、所述初始映射点以及所述关联映射点,生成所述第一采集行为特征和所述第二采集行为特征之间的关联矩阵;
以所述初始映射点为基准参照点在所述目标特征关联节点中获取关联数据块,根据所述关联矩阵对应的逆关联矩阵,将所述关联数据块映射到所述初始特征数据所在特征关联节点,在所述初始特征数据所在特征关联节点中得到所述关联数据块对应的目标关联数据块,并确定所述目标关联数据块的关联范围的数据区域为目标数据区域,其中,所述关联数据块用于表示所述目标特征关联节点所对应的具有关联范围的单位记录数据;
将与所述初始特征数据对应的所述转换空间坐标点,映射到所述第二采集行为特征的坐标空间下具有最小关联度信息的平面上,得到最小映射点,并将与所述初始特征数据对应的所述转换空间坐标点,映射到所述第二采集行为特征的坐标空间下具有最大关联度信息的平面上,得到最大映射点;
将所述最小映射点和所述最大映射点的映射偏差,确定为初始映射偏差范围,并对所述初始映射偏差范围中的每个关联特征路径进行单点坐标变换,并根据所述楼宇信息采集节点模型将变换后的每个关联特征路径投射到所述目标特征关联节点中,得到目标关联匹配范围;
基于所述目标关联匹配范围确定所述目标数据区域在所述目标特征关联节点中对应的多个待关联数据点,并根据所述多个待关联数据点生成每个待关联数据点分别对应的待定关联数据块;
分别获取每个待定关联数据块与所述目标关联数据块之间的关联度,并根据所述关联度确定所述多个待关联数据点中的最大待关联数据点和次大待关联数据点;
若所述最大待关联数据点和所述次大待关联数据点满足设定条件,则将所述最大待关联数据点确定为所述目标数据区域在所述目标特征关联节点中的最大点,并作为目标最大点;
若所述目标特征关联节点的层数大于所述目标数据区域在所述第一特征关联模型中的层数,则将所述目标最大点与所述目标关联匹配范围投射到所述目标特征关联节点的下一特征关联节点;
基于设定的搜索范围,在投射后的目标关联匹配范围中,确定以投射后的目标最大点为基准参照点的待搜索映射偏差范围;
获取在所述下一特征关联节点中的所述待搜索映射偏差范围上的目标最大点,并将所述下一特征关联节点确定为所述目标特征关联节点,将所述下一特征关联节点中的最大点确定为所述目标最大点;
若所述目标特征关联节点在所述第二特征关联模型中的层次与所述目标数据区域在所述第一特征关联模型中的层次一致,则以所述目标数据区域为中心在所述目标关联数据块中获取局部关联数据块,并将最后一次所确定的所述目标最大点作为调整点,在所述调整点所在的特征关联节点中获取以所述调整点为基准参照点的调整关联数据块,所述调整关联数据块的数据区域大小与所述局部关联数据块的数据区域的大小相同;
根据所述调整关联数据块中的数据范围和所述局部关联数据块中的数据范围,调整所述调整关联数据块;
根据位置调整后的所述调整关联数据块中的数据信息,得到该任意两个所述采集行为特征之间的特征关联信息。
4.根据权利要求1所述的基于云平台的智能楼宇信息监控方法,其特征在于,所述根据所有任意两个所述采集行为特征之间的特征关联信息确定所述采集任务的任务调整策略的步骤,包括:
根据所有任意两个所述采集行为特征之间的特征关联信息,逐个获得每两个所述采集行为特征之间的特征关联信息在所述采集任务中每一单位项目的任务设定信息,所述单位项目为所述采集任务中的多个任务项目中的任意一个单位;
每获得每两个所述采集行为特征的各单位项目的任务设定信息,便按照由所述特征关联信息计算得到的关联等级对所述单位项目按照与所述关联等级相对应的调整范围进行调整,获得调整后的每两个所述采集行为特征的单位项目,并根据采集所述每两个所述采集行为特征时所使用的采集参数对所述调整后的每两个所述采集行为特征的单位项目进行任务参数调整,以此类推,以确定所述采集任务的任务调整策略,其中,所述采集参数为所述采集行为特征被采集时所对应的楼宇信息采集节点的时序参数、空序参数或者频率序参数中的至少一种。
5.一种基于云平台的智能楼宇信息监控方法,其特征在于,应用于服务器,所述服务器与楼宇信息采集节点通信连接,服务器经由网络访问存储在楼宇信息采集节点中的信息,服务器在云平台上实现,网络包括有线或无线网络接入点,所述楼宇信息采集节点用于采集楼宇信息,楼宇信息包括各类传感器的信息以及各类验证终端的信息,所述方法包括:
从相同采集位置且设定的采集任务相关联的至少两个楼宇信息采集节点中分别获取对应的楼宇信息采集行为,其中,相关联的采集任务是指针对目标信息采集对象的采集过程存在逻辑关联,针对目标信息采集对象的采集过程存在逻辑关联是指,针对楼宇中的标志性监控对象,在下发一个采集任务时,使得用于采集该标志性监控对象的两个楼宇信息采集节点在前后不同的时序段依次配合采集该标志性监控对象的楼宇采集信息所对应的逻辑关联;
分别对任意两个所述楼宇信息采集节点对应的楼宇信息采集行为进行特征提取,得到对应的采集行为特征;
对提取的任意两个所述采集行为特征进行特征之间的关联性分析,得到该任意两个所述采集行为特征之间的特征关联信息;
根据所有任意两个所述采集行为特征之间的特征关联信息确定所述采集任务的任务调整策略,并将所述任务调整策略分别发送给对应的所述至少两个楼宇信息采集节点,以使所述楼宇信息采集节点根据所述任务调整策略调整所述采集任务。
6.一种智能楼宇系统,其特征在于,所述智能楼宇系统包括服务器以及与所述服务器通信连接的楼宇信息采集节点,服务器经由网络访问存储在楼宇信息采集节点中的信息,服务器在云平台上实现,网络包括有线或无线网络接入点,所述楼宇信息采集节点用于采集楼宇信息,楼宇信息包括各类传感器的信息以及各类验证终端的信息;
所述服务器,用于从相同采集位置且设定的采集任务相关联的至少两个楼宇信息采集节点中分别获取对应的楼宇信息采集行为,其中,相关联的采集任务是指针对目标信息采集对象的采集过程存在逻辑关联,针对目标信息采集对象的采集过程存在逻辑关联是指,针对楼宇中的标志性监控对象,在下发一个采集任务时,使得用于采集该标志性监控对象的两个楼宇信息采集节点在前后不同的时序段依次配合采集该标志性监控对象的楼宇采集信息所对应的逻辑关联;
所述服务器,用于分别对任意两个所述楼宇信息采集节点对应的楼宇信息采集行为进行特征提取,得到对应的采集行为特征;
所述服务器,用于对提取的任意两个所述采集行为特征进行特征之间的关联性分析,得到该任意两个所述采集行为特征之间的特征关联信息;
所述服务器,用于根据所有任意两个所述采集行为特征之间的特征关联信息确定所述采集任务的任务调整策略,并将所述任务调整策略分别发送给对应的所述至少两个楼宇信息采集节点;
所述楼宇信息采集节点,用于根据所述任务调整策略调整所述采集任务。
7.一种基于云平台的智能楼宇信息监控方法,其特征在于,应用于智能楼宇系统,所述智能楼宇系统包括服务器以及与所述服务器通信连接的楼宇信息采集节点,服务器经由网络访问存储在楼宇信息采集节点中的信息,服务器在云平台上实现,网络包括有线或无线网络接入点,所述楼宇信息采集节点用于采集楼宇信息,楼宇信息包括各类传感器的信息以及各类验证终端的信息,所述方法包括:
所述服务器从相同采集位置且设定的采集任务相关联的至少两个楼宇信息采集节点中分别获取对应的楼宇信息采集行为,其中,相关联的采集任务是指针对目标信息采集对象的采集过程存在逻辑关联,针对目标信息采集对象的采集过程存在逻辑关联是指,针对楼宇中的标志性监控对象,在下发一个采集任务时,使得用于采集该标志性监控对象的两个楼宇信息采集节点在前后不同的时序段依次配合采集该标志性监控对象的楼宇采集信息所对应的逻辑关联;
所述服务器分别对任意两个所述楼宇信息采集节点对应的楼宇信息采集行为进行特征提取,得到对应的采集行为特征;
所述服务器对提取的任意两个所述采集行为特征进行特征之间的关联性分析,得到该任意两个所述采集行为特征之间的特征关联信息;
所述服务器根据所有任意两个所述采集行为特征之间的特征关联信息确定所述采集任务的任务调整策略,并将所述任务调整策略分别发送给对应的所述至少两个楼宇信息采集节点;
所述楼宇信息采集节点根据所述任务调整策略调整所述采集任务。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011051414.9A CN112215273A (zh) | 2020-01-04 | 2020-01-04 | 基于云平台的智能楼宇信息监控方法及智能楼宇系统 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010007355.9A CN111245912B (zh) | 2020-01-04 | 2020-01-04 | 智能楼宇信息监控方法、装置、服务器及智能楼宇系统 |
CN202011051414.9A CN112215273A (zh) | 2020-01-04 | 2020-01-04 | 基于云平台的智能楼宇信息监控方法及智能楼宇系统 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010007355.9A Division CN111245912B (zh) | 2020-01-04 | 2020-01-04 | 智能楼宇信息监控方法、装置、服务器及智能楼宇系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112215273A true CN112215273A (zh) | 2021-01-12 |
Family
ID=70868309
Family Applications (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011051414.9A Withdrawn CN112215273A (zh) | 2020-01-04 | 2020-01-04 | 基于云平台的智能楼宇信息监控方法及智能楼宇系统 |
CN202010007355.9A Active CN111245912B (zh) | 2020-01-04 | 2020-01-04 | 智能楼宇信息监控方法、装置、服务器及智能楼宇系统 |
CN202011055383.4A Withdrawn CN112200233A (zh) | 2020-01-04 | 2020-01-04 | 智能楼宇信息监控方法及系统 |
Family Applications After (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010007355.9A Active CN111245912B (zh) | 2020-01-04 | 2020-01-04 | 智能楼宇信息监控方法、装置、服务器及智能楼宇系统 |
CN202011055383.4A Withdrawn CN112200233A (zh) | 2020-01-04 | 2020-01-04 | 智能楼宇信息监控方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (3) | CN112215273A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112839413A (zh) * | 2021-02-01 | 2021-05-25 | 山东泰和能源股份有限公司 | 一种照明监控系统 |
CN113589729A (zh) * | 2021-07-30 | 2021-11-02 | 季伟 | 一种智慧楼宇自控方法及装置 |
CN114143310A (zh) * | 2021-10-25 | 2022-03-04 | 北京银盾泰安网络科技有限公司 | 一种云平台集控系统及方法 |
CN115550609A (zh) * | 2022-09-19 | 2022-12-30 | 上海永天科技股份有限公司 | 一种可实现自动适配的楼宇物联网监控系统 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112327788B (zh) * | 2020-11-24 | 2021-05-18 | 中山永发纸业有限公司 | 一种瓦楞芯纸生产在线连续监控方法及系统 |
CN114225288B (zh) * | 2021-12-15 | 2022-08-30 | 山东驰宇消防科技有限公司 | 一种楼宇用自巡检灭火控制系统 |
CN116630091B (zh) * | 2023-07-20 | 2023-10-13 | 赛维斯智慧环境科技(山东)有限公司 | 一种工业实时数据联动解析系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101419441A (zh) * | 2007-10-26 | 2009-04-29 | 上海宝信软件股份有限公司 | 用于监控系统的历史数据采集方法 |
CN204740446U (zh) * | 2015-07-22 | 2015-11-04 | 余汉华 | 智能楼宇联动监控装置 |
CN105444349B (zh) * | 2015-11-27 | 2019-04-16 | 小米科技有限责任公司 | 室内空气净化的方法及装置 |
CN107230187B (zh) * | 2016-03-25 | 2022-05-24 | 北京三星通信技术研究有限公司 | 多媒体信息处理的方法和装置 |
CN206696678U (zh) * | 2017-04-27 | 2017-12-01 | 南京国铁电气有限责任公司 | 楼宇监控装置及系统 |
US10288166B2 (en) * | 2017-07-24 | 2019-05-14 | Caterpillar Inc. | System and method for predicting and responding to soft underfoot conditions |
-
2020
- 2020-01-04 CN CN202011051414.9A patent/CN112215273A/zh not_active Withdrawn
- 2020-01-04 CN CN202010007355.9A patent/CN111245912B/zh active Active
- 2020-01-04 CN CN202011055383.4A patent/CN112200233A/zh not_active Withdrawn
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112839413A (zh) * | 2021-02-01 | 2021-05-25 | 山东泰和能源股份有限公司 | 一种照明监控系统 |
CN113589729A (zh) * | 2021-07-30 | 2021-11-02 | 季伟 | 一种智慧楼宇自控方法及装置 |
CN114143310A (zh) * | 2021-10-25 | 2022-03-04 | 北京银盾泰安网络科技有限公司 | 一种云平台集控系统及方法 |
CN115550609A (zh) * | 2022-09-19 | 2022-12-30 | 上海永天科技股份有限公司 | 一种可实现自动适配的楼宇物联网监控系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111245912A (zh) | 2020-06-05 |
CN112200233A (zh) | 2021-01-08 |
CN111245912B (zh) | 2020-11-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111245912B (zh) | 智能楼宇信息监控方法、装置、服务器及智能楼宇系统 | |
CN111339129B (zh) | 远程抄表异常监测方法、装置、燃气表系统及云服务器 | |
CN110492480B (zh) | 配电网拓扑识别方法、装置、计算机设备和可读存储介质 | |
CN111352712B (zh) | 云计算任务跟踪处理方法、装置、云计算系统及服务器 | |
CN111371856A (zh) | 云计算任务调度方法、装置、云计算系统及服务器 | |
CN111210198B (zh) | 信息投递方法、装置及服务器 | |
CN110162379B (zh) | 虚拟机迁移方法、装置和计算机设备 | |
CN111209336A (zh) | 基于区块链的数据分配方法、装置及服务器 | |
CN111614579B (zh) | 边缘设备的接入方法、接入装置和接入系统 | |
CN111258968B (zh) | 企业冗余数据清理方法、装置及大数据平台 | |
CN112035490B (zh) | 基于云平台的电动车信息监控方法、装置及系统 | |
CN111249106B (zh) | 老年康复机器人的训练控制装置及系统 | |
CN110826606A (zh) | 要素匹配方法、装置、服务器及可读存储介质 | |
CN111148046B (zh) | 轨迹记录方法、装置及系统 | |
CN109471852B (zh) | 医疗数据库建立方法、装置、计算机设备和存储介质 | |
CN109195123B (zh) | 室内定位中指纹信息的更新方法、装置、存储介质及系统 | |
CN111107162B (zh) | 基于物联网的室内定位数据处理方法、装置及系统 | |
CN111209943B (zh) | 数据融合方法、装置及服务器 | |
CN112398944A (zh) | 远程抄表数据处理方法及燃气表系统 | |
CN114253938A (zh) | 数据管理方法、数据管理装置及存储介质 | |
CN115002871B (zh) | 信号连接系统、信号连接方法、计算机设备和存储介质 | |
CN113779572B (zh) | 一种基于多计数器的休眠式计算机病毒发现方法 | |
CN111209509B (zh) | 基于大数据平台的信息展示方法、装置及大数据平台 | |
CN113726749B (zh) | 基于大数据和智慧安防的数据管理系统 | |
CN112215744A (zh) | 基于云平台的图像数据处理方法、装置及系统 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210112 |