CN113098963B - 面向物联网云计算的处理分析系统 - Google Patents

面向物联网云计算的处理分析系统 Download PDF

Info

Publication number
CN113098963B
CN113098963B CN202110354286.3A CN202110354286A CN113098963B CN 113098963 B CN113098963 B CN 113098963B CN 202110354286 A CN202110354286 A CN 202110354286A CN 113098963 B CN113098963 B CN 113098963B
Authority
CN
China
Prior art keywords
data
analysis result
value
time interval
acquisition time
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
Application number
CN202110354286.3A
Other languages
English (en)
Other versions
CN113098963A (zh
Inventor
司燕青
刘俊栋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Bohao Intelligent Technology Co ltd
Original Assignee
Jiangsu Bohao Intelligent Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangsu Bohao Intelligent Technology Co ltd filed Critical Jiangsu Bohao Intelligent Technology Co ltd
Priority to CN202110354286.3A priority Critical patent/CN113098963B/zh
Publication of CN113098963A publication Critical patent/CN113098963A/zh
Application granted granted Critical
Publication of CN113098963B publication Critical patent/CN113098963B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y10/00—Economic sectors
    • G16Y10/80—Homes; Buildings
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/10—Detection; Monitoring
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/20—Analytics; Diagnosis
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
    • H04L12/2803—Home automation networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04Q—SELECTING
    • H04Q9/00—Arrangements in telecontrol or telemetry systems for selectively calling a substation from a main station, in which substation desired apparatus is selected for applying a control signal thereto or for obtaining measured values therefrom

Landscapes

  • Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Health & Medical Sciences (AREA)
  • Signal Processing (AREA)
  • General Health & Medical Sciences (AREA)
  • Structural Engineering (AREA)
  • Civil Engineering (AREA)
  • Architecture (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • Automation & Control Theory (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明涉及物联网技术领域，尤其涉及一种面向物联网云计算的处理分析系统，包括：数据采集模块，按照通过设定算法计算得出的采集时间间隔，对家居环境内的数据进行采集；传输模块，对所采集的数据进行传输；分析模块，对来自传输模块的当前数据与前一数据进行分析，得出分析结果；云存储/计算服务器，将分析结果作为设定算法中的参数计算下一次数据采集时间间隔，且对当前数据进行存储。本发明中通过设定算法对数据采集时间间隔进行计算，可改变数据的采集频率，旨在降低无价值数据的采集量，从而提高数据的处理效率，且更易对有效信息进行识别，从而更好的提供智能决策。

Description

面向物联网云计算的处理分析系统
技术领域
本发明涉及物联网技术领域，尤其涉及一种面向物联网云计算的处理分析系统。
背景技术
目前，物联网产业早已渗透至智能家居领域，通过对家居环境中包括温度、湿度、光照或烟雾等数据进行采集和利用，会对相关产业人员的研究和生产等起到不可估量的作用，数据的支撑使得人们的生活行为和生活环境更好的被获知和分析，从而为更佳的生活方式提供更多可能。
然而目前物联网普遍所处理的数据量呈现出海量特征，因此如何对这些数据进行高效处理，从中获取有用的信息，进而提供智能决策，是物联网面临的关键问题。
鉴于上述问题，本设计人基于从事此类产品工程应用多年丰富的实务经验及专业知识，并配合学理的运用，积极加以研究创新，以期设计一种面向物联网云计算的处理分析系统。
发明内容
本发明提供了一种面向物联网云计算的处理分析系统，可有效解决背景技术中问题。
为了达到上述目的，本发明所采用的技术方案是：
面向物联网云计算的处理分析系统，包括：
数据采集模块，按照通过设定算法计算得出的采集时间间隔，对家居环境内的数据进行采集；
传输模块，对所采集的数据进行传输；
分析模块，对来自所述传输模块的当前数据与存储的前一数据进行分析，得出分析结果；
云存储/计算服务器，将所述分析结果作为所述设定算法中的参数计算下一次数据的采集时间间隔，且对当前数据进行存储。
进一步地，所述分析结果的计算公式如下：
分析结果＝|当前数据-前一数据|。
进一步地，所述分析结果的计算公式如下：
Figure BDA0003003184320000021
进一步地，所述云存储/计算服务器同样对所述分析结果进行存储。
进一步地，所述设定算法的计算公式为：
T＝aKT1
其中，T1为前一次数据的采集时间间隔；
T为需要确定的下一次数据的采集时间间隔；
K为调整参数，与所述分析结果相关：当所述分析结果大于设定值时，0＜K＜1，当所述分析结果小于设定值时，K＞1，当所述分析结果等于设定值时，K＝1，其中，设定值为系统设定的正值；
a为系统设定的正值参数，对K值的调整幅度进行调节。
进一步地，当所述分析结果大于设定值时，K的计算公式为：
Figure BDA0003003184320000022
其中，所述设定值为根据以往的所述分析结果进行设定的正值。
进一步地，当所述分析结果小于设定值时，K的计算公式为：
Figure BDA0003003184320000031
其中，所述设定值为根据以往的所述分析结果进行设定的正值。
进一步地，K值具有上限值，当计算求得所述K值大于等于所述上限值时，将下一次数据的采集时间间隔回置为初始的采集时间间隔。
进一步地，K值具有下限值，当计算求得所述K值小于等于所述下限值时，将下一次数据的采集时间间隔回置为初始的采集时间间隔。
通过本发明的技术方案，可实现以下技术效果：
本发明中通过设定算法对数据采集时间间隔进行计算，可改变数据的采集频率，旨在降低无价值数据的采集量，从而提高数据的处理效率，且更易对有效信息进行识别，从而更好的提供智能决策；本发明中的设定算法从一定程度上反应的是数据采集的价值度，当判断数据采集的价值度较低时，可延长采集时间间隔，降低数据的采集量；而当数据采集的价值度较高时，则缩短采集时间间隔，提高数据采集量；本发明中与现有技术不同的是，并非在数据采集后对数据进行判断而剔除，而是在采集的过程中通过采集时间间隔的适时调整直接降低无价值数据的采集量，从本质上降低了数据量，且整个计算过程相对简单且准确，实时的调整性具有较高的灵敏度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，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为面向物联网云计算的处理分析系统的框架图。
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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
如图1所示，面向物联网云计算的处理分析系统，包括：数据采集模块，按照通过设定算法计算得出的采集时间间隔，对家居环境内的数据进行采集；传输模块，对所采集的数据进行传输；分析模块，对来自传输模块的当前数据与存储的前一数据进行分析，得出分析结果；云存储/计算服务器，将分析结果作为设定算法中的参数计算下一次数据的采集时间间隔，且对当前数据进行存储。
本发明中通过设定算法对数据采集时间间隔进行计算，可改变数据的采集频率，旨在降低无价值数据的采集量，从而提高数据的处理效率，且更易对有效信息进行识别，从而更好的提供智能决策。
本发明中的设定算法从一定程度上反应的是数据采集的价值度，当判断数据采集的价值度较低时，可延长采集时间间隔，降低数据的采集量；而当数据采集的价值度较高时，则缩短采集时间间隔，提高数据采集量。
其中，作为一种分析结果的获取方式，分析结果的计算公式如下：
分析结果＝|当前数据-前一数据|。
本优选方案中通过分析模块进行的分析过程能够确定明确的分析结果，分析过程和分析结果均较为简单。
或者为了实现更为精确的计算，分析结果的另一种获取方式如下：分析结果的计算公式如下：
分析结果＝|(当前数据-前一数据)/前一数据|
此种分析结果的计算方式进一步的考虑到了数据变化的相对程度，比上一实施方式中数据变化的绝对程度而言，准确性更强，其中，当前一数据为零时，则可直接结束此次分析结果、设定算法和采集时间间隔的计算，而直接确认为下一次数据的采集时间间隔等于上一次数据的采集时间间隔。
其中，云存储/计算服务器同样对分析结果进行存储。
作为一种设定算法的具体实施方式，设定算法的计算公式为：
T＝aKT1
其中，T1为前一次数据的采集时间间隔；
T为需要确定的下一次数据的采集时间间隔；
K为调整参数，与分析结果相关：当分析结果大于设定值时，0＜K＜1，当分析结果小于设定值时，K＞1，当分析结果等于设定值时，K＝1，其中，设定值为系统设定的正值；
a为系统设定的正值参数，对K值的调整幅度进行调节。
在上述实施例中，分析结果代表了当前数据相对于前一数据的变化程度，而此种程度在一定程度上反映了设定的时间段内数据采集的价值，当某段时间内采集的数据量均极为近似时，在数据随时间变化的曲线上，该时间段两端点之间的连线和各个采集点之间的连线差异是极小的，因此判定中间数据是可剔除的。
本发明中与现有技术不同的是，并非在数据采集后对数据进行判断而剔除，而是在采集的过程中通过采集时间间隔的适时调整直接降低无价值数据的采集量，从本质上降低了数据量，且整个计算过程相对简单且准确，实时的调整性具有较高的灵敏度。
采集的数据可包括温度、湿度、光照或烟雾等多种类型，其中，导致数据变化的因素并不在本发明的考虑范围内，本发明仅仅关注数据的变化结果。初始的数据采集时间间隔由系统设定，当0＜K＜1时，表示两次所采集的数据相差比较大，从客观上反映出数据的变化率较高，因此本发明中增大数据的采集密度从而获知更加准确的数据变化过程，当K＞1时，表示两次所采集的数据相差比较小，从客观上反映出数据的变化率较低，因此本发明中减小数据的采集密度，同样可获得与多点采集近似的分析结果。
具体地，当分析结果大于设定值时，K的计算公式为：
Figure BDA0003003184320000061
其中，设定值为根据以往的分析结果进行设定的正值。
在系统正常的工作过程中，分析结果为前后两次数据的相对或绝对变化，当采集时间间隔的初始值设定完成时，决定了正常的情况下分析结果的大致数据范围，而本发明中正是根据以往对分析结果的存储情况而进行设定值的选取，当设定值设定完成时，K的取值会伴随分析结果的增大而减小，从而可使得越大的数据变化程度则获得越大的数据采集密度。
当分析结果小于设定值时，K的计算公式为：
Figure BDA0003003184320000071
其中，设定值同样为根据以往的分析结果进行设定的正值，当然，此处的设定值与上述设定值不同。
同样地，当设定值设定完成时，在分析结果的设定范围内，K的取值会伴随分析结果的增大而减小，同样可使得越大的数据变化程度则获得越大的数据采集密度。
在具体实施的过程中，为了避免异常数据的影响，K值具有上限值，当计算求得K值大于等于上限值时，将下一次数据的采集时间间隔回置为初始的采集时间间隔，以及，K值具有下限值，当计算求得K值小于等于下限值时，将下一次数据的采集时间间隔回置为初始的采集时间间隔。
以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (5)

1.面向物联网云计算的处理分析系统，其特征在于，包括：
数据采集模块，按照通过设定算法计算得出的采集时间间隔，对家居环境内的数据进行采集；
传输模块，对所采集的数据进行传输；
分析模块，对来自所述传输模块的当前数据与存储的前一数据进行分析，得出分析结果；
云存储/计算服务器，将所述分析结果作为所述设定算法中的参数计算下一次数据的采集时间间隔，且对当前数据进行存储；
所述分析结果的计算公式如下：
Figure DEST_PATH_IMAGE001
或者，所述分析结果的计算公式如下：
Figure 913113DEST_PATH_IMAGE002
所述云存储/计算服务器同样对所述分析结果进行存储；
所述设定算法的计算公式为：
Figure DEST_PATH_IMAGE003
其中， T1为前一次数据的采集时间间隔；
T为需要确定的下一次数据的采集时间间隔；
K为调整参数，与所述分析结果相关：当所述分析结果大于设定值时，0＜K＜1，当所述分析结果小于设定值时，K＞1，当所述分析结果等于设定值时，K＝1，其中，设定值为系统设定的正值；
a为系统设定的正值参数，对K 值的调整幅度进行调节。
2.根据权利要求1所述的面向物联网云计算的处理分析系统，其特征在于，当所述分析结果大于设定值时，K 的计算公式为：
Figure 659614DEST_PATH_IMAGE004
其中，所述设定值为根据以往的所述分析结果进行设定的正值。
3.根据权利要求1所述的面向物联网云计算的处理分析系统，其特征在于，当所述分析结果小于设定值时，K 的计算公式为：
Figure DEST_PATH_IMAGE005
其中，所述设定值为根据以往的所述分析结果进行设定的正值。
4.根据权利要求2所述的面向物联网云计算的处理分析系统，其特征在于，K 值具有上限值，当计算求得所述K 值大于等于所述上限值时，将下一次数据的采集时间间隔回置为初始的采集时间间隔。
5.根据权利要求2所述的面向物联网云计算的处理分析系统，其特征在于，K 值具有下限值，当计算求得所述K 值小于等于所述下限值时，将下一次数据的采集时间间隔回置为初始的采集时间间隔。
CN202110354286.3A 2021-04-01 2021-04-01 面向物联网云计算的处理分析系统 Active CN113098963B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110354286.3A CN113098963B (zh) 2021-04-01 2021-04-01 面向物联网云计算的处理分析系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110354286.3A CN113098963B (zh) 2021-04-01 2021-04-01 面向物联网云计算的处理分析系统

Publications (2)

Publication Number Publication Date
CN113098963A CN113098963A (zh) 2021-07-09
CN113098963B true CN113098963B (zh) 2021-11-23

Family

ID=76672605

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110354286.3A Active CN113098963B (zh) 2021-04-01 2021-04-01 面向物联网云计算的处理分析系统

Country Status (1)

Country Link
CN (1) CN113098963B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105278353A (zh) * 2014-05-29 2016-01-27 中国电信股份有限公司 智能采集数据的方法、系统与数据处理装置
CN106535253A (zh) * 2016-11-23 2017-03-22 北京必创科技股份有限公司 一种无线数据动态采集和传输方法
CN107222360A (zh) * 2017-05-24 2017-09-29 郑州云海信息技术有限公司 一种基于分布式集群的数据采集系统及方法
CN107864071A (zh) * 2017-11-02 2018-03-30 江苏物联网研究发展中心 一种面向主动安全的数据动态采集方法、装置及系统
CN108981069A (zh) * 2018-06-29 2018-12-11 珠海格力电器股份有限公司 数据采集频率的控制方法、装置及空调系统
CN110500718A (zh) * 2019-08-26 2019-11-26 珠海格力电器股份有限公司 温度采集器控制方法、装置、存储介质及系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5259683B2 (ja) * 2010-11-19 2013-08-07 株式会社東芝 サーバ装置及びプログラム
JP5699715B2 (ja) * 2011-03-18 2015-04-15 日本電気株式会社 データ保存装置、データ保存方法
CN110264458B (zh) * 2019-06-20 2023-01-06 漳州智觉智能科技有限公司 模具监视系统及方法
CN110867968B (zh) * 2019-11-28 2021-03-26 广州供电局有限公司 无线配网相量测量装置数据上送控制方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105278353A (zh) * 2014-05-29 2016-01-27 中国电信股份有限公司 智能采集数据的方法、系统与数据处理装置
CN106535253A (zh) * 2016-11-23 2017-03-22 北京必创科技股份有限公司 一种无线数据动态采集和传输方法
CN107222360A (zh) * 2017-05-24 2017-09-29 郑州云海信息技术有限公司 一种基于分布式集群的数据采集系统及方法
CN107864071A (zh) * 2017-11-02 2018-03-30 江苏物联网研究发展中心 一种面向主动安全的数据动态采集方法、装置及系统
CN108981069A (zh) * 2018-06-29 2018-12-11 珠海格力电器股份有限公司 数据采集频率的控制方法、装置及空调系统
CN110500718A (zh) * 2019-08-26 2019-11-26 珠海格力电器股份有限公司 温度采集器控制方法、装置、存储介质及系统

Also Published As

Publication number Publication date
CN113098963A (zh) 2021-07-09

Similar Documents

Publication Publication Date Title
CN116186634B (zh) 一种建筑工程施工数据智能管理系统
CN109727446B (zh) 一种用电数据异常值的识别与处理方法
CN115861011B (zh) 一种基于多源数据融合的智慧城市优化管理方法和系统
CN106708989A (zh) 基于空间时序数据流应用的Skyline查询方法
CN103970891A (zh) 一种基于情境的用户兴趣信息查询方法
CN111652422A (zh) 基于建筑物分类的供热系统负荷预测方法、装置及系统
CN113098963B (zh) 面向物联网云计算的处理分析系统
CN116883026B (zh) 基于大数据的农产品产地溯源方法及系统
CN117633696B (zh) 一种基于bim模型的水利工程施工监测方法及系统
Tang et al. Predicting housing price based on ensemble learning algorithm
Shahzad et al. Mean estimation using robust quantile regression with two auxiliary variables
CN116384594B (zh) 基于大数据分析的作物虫害预警方法、系统、终端及介质
CN116878590A (zh) 一种数智化服务协同运营管理系统
CN116470491A (zh) 基于copula函数的光伏功率概率预测方法及系统
CN110517226A (zh) 基于双边滤波的多特征纹理图像融合的烟梗区域提取方法
CN113312587B (zh) 基于arima预测和回归预测的传感器采集数据缺失值处理方法
CN111709611A (zh) 一种农业大数据处理方法和装置
Zhang et al. Collaborative Forecasting and Analysis of Fish Catch in Hokkaido From Multiple Scales by Using Neural Network and ARIMA Model
CN111709602A (zh) 一种泛在电力物联网系统中可靠性的评价方法
Ye et al. Automatic grading technology and application of baijiu based on segmented characteristics and IIoT
CN115358636B (zh) 基于工业大数据的汽化炉运行状态评价方法和系统
CN117312617B (zh) 基于污水数据监测的实时污水处理方法及系统
CN110322063A (zh) 一种耗电功率仿真预测方法及存储介质
CN113487080B (zh) 一种基于风速分类的风速动态场景生成方法、系统及终端
CN116107630B (zh) 一种大数据运维监控的多平台适配方法

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