CN113391984A - 监测数据处理方法、装置、计算机设备和存储介质 - Google Patents
监测数据处理方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN113391984A CN113391984A CN202010175118.3A CN202010175118A CN113391984A CN 113391984 A CN113391984 A CN 113391984A CN 202010175118 A CN202010175118 A CN 202010175118A CN 113391984 A CN113391984 A CN 113391984A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- data
- index
- result
- indexes
- 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.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 645
- 238000003672 processing method Methods 0.000 title abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 76
- 230000002159 abnormal effect Effects 0.000 claims abstract description 75
- 238000004458 analytical method Methods 0.000 claims abstract description 23
- 238000000034 method Methods 0.000 claims abstract description 21
- 238000004590 computer program Methods 0.000 claims description 12
- 239000000779 smoke Substances 0.000 claims description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 3
- 239000000523 sample Substances 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 231100000045 chemical toxicity Toxicity 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000009545 invasion Effects 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000035807 sensation Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 241000238631 Hexapoda Species 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000383 hazardous chemical Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 231100000419 toxicity Toxicity 0.000 description 1
- 230000001988 toxicity Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3409—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Computer Hardware Design (AREA)
- Alarm Systems (AREA)
Abstract
本申请涉及一种监测数据处理方法、装置、计算机设备和存储介质。所述方法包括:确定监测目标的类型,并确定与类型相匹配的至少一个的监测维度和各监测维度对应的至少一个的监测指标。在对监测目标进行监测时,分别采集与监测指标各自对应的待处理的监测数据。将监测指标各自对应的监测数据与对应的预设比对数据进行比对,得到与监测指标各自对应的指标监测结果。对指标监测结果进行异常分析处理,确定与监测目标对应的整体监测结果;整体监测结果用于反映监测目标在整体态势上的异常情况。采用本方法能够提升监测效率,便于监测管理。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种监测数据处理方法、装置、计算机设备和存储介质。
背景技术
随着计算机技术的发展,出现了监测技术,通过监测技术可对需要监测的目标对象或目标场地进行实时的数据采集和数据分析等,从而便于管理目标对象或目标场地。监测技术被广泛的应用于会展场地的监控和管理,传统的会展监测是根据单个系统,单独从人流、环境以及车辆等方面进行监测,监测数据反馈至各自对应的系统服务器,由各自对应的系统服务器进行数据处理,得到各自对应的监测分析结果,进而相关的管理人员可根据各自对应的监测结果进行相应的管理。
然而,目前的监测系统比较散乱,监测效率低,容易导致监测不到位的情况,从而增大了统一管理的难度。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提升监测效率、便于监测管理的监测数据处理方法、装置、计算机设备和存储介质。
一种监测数据处理方法,所述方法包括:
确定监测目标的类型,并确定与所述类型相匹配的至少一个的监测维度和各监测维度对应的至少一个的监测指标;
在对所述监测目标进行监测时,分别采集与所述监测指标各自对应的待处理的监测数据;
将所述监测指标各自对应的监测数据与对应的预设比对数据进行比对,得到与所述监测指标各自对应的指标监测结果;
对所述指标监测结果进行异常分析处理,确定与所述监测目标对应的整体监测结果;所述整体监测结果用于反映所述监测目标在整体态势上的异常情况。
一种监测数据处理装置,所述装置包括:
确定模块,用于确定监测目标的类型,并确定与所述类型相匹配的至少一个的监测维度和各监测维度对应的至少一个的监测指标;
采集模块,用于在对所述监测目标进行监测时,分别采集与所述监测指标各自对应的待处理的监测数据;
比对模块,用于将所述监测指标各自对应的监测数据与对应的预设比对数据进行比对,得到与所述监测指标各自对应的指标监测结果;
处理模块,用于对所述指标监测结果进行异常分析处理,确定与所述监测目标对应的整体监测结果;所述整体监测结果用于反映所述监测目标在整体态势上的异常情况。
一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
确定监测目标的类型,并确定与所述类型相匹配的至少一个的监测维度和各监测维度对应的至少一个的监测指标;
在对所述监测目标进行监测时,分别采集与所述监测指标各自对应的待处理的监测数据;
将所述监测指标各自对应的监测数据与对应的预设比对数据进行比对,得到与所述监测指标各自对应的指标监测结果;
对所述指标监测结果进行异常分析处理,确定与所述监测目标对应的整体监测结果;所述整体监测结果用于反映所述监测目标在整体态势上的异常情况。
一种计算机可读存储介质,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以下步骤:
确定监测目标的类型,并确定与所述类型相匹配的至少一个的监测维度和各监测维度对应的至少一个的监测指标;
在对所述监测目标进行监测时,分别采集与所述监测指标各自对应的待处理的监测数据;
将所述监测指标各自对应的监测数据与对应的预设比对数据进行比对,得到与所述监测指标各自对应的指标监测结果;
对所述指标监测结果进行异常分析处理,确定与所述监测目标对应的整体监测结果;所述整体监测结果用于反映所述监测目标在整体态势上的异常情况。
上述监测数据处理方法、装置、计算机设备和存储介质,由于监测目标的类型有多种,且每种类型的监测目标所对应的监测维度和各监测维度对应的监测指标也不同。通过确定要监测的监测目标的类型,进而自动调整与监测目标的类型相匹配的监测维度和各监测维度对应的监测指标,使得监测更加个性化。将采集到的监测数据与对应的预设比对数据进行比对,得到与监测指标各自对应指标监测结果,进而对指标监测结果进行异常分析处理,得到与监测目标的对应的整体监测结果。这样,通过将原来各自独立的与各监测维度对应的监测系统进行整体的异常分析处理,得到监测目标的整体状态的整体监测结果,提升了监测效率,便于监测目标的监测管理,进一步保障了监测目标的安全。
附图说明
图1为一个实施例中监测数据处理方法的应用场景图;
图2为一个实施例中监测数据处理方法的流程示意图;
图3为一个实施例中整体监测结果与各监测维度和各监测指标的关联示意图;
图4为一个实施例中监测数据处理装置的结构框图;
图5为另一个实施例中监测数据处理装置的结构框图;
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的监测数据处理方法,可以应用于如图1所示的应用环境中。该应用环境包括人员维度对应的数据采集系统101、交通维度对应的数据采集系统102、环境维度对应的数据采集系统103、物品维度对应的数据采集系统104、消防维度对应的数据采集系统105和数据处理服务器106。各数据采集系统与数据处理服务器106之间通过网络进行连接。具体地,人员维度对应的数据采集系统101可包括人数统计系统1011、探针定位系统1012和人脸识别系统1013等。交通维度对应的数据采集系统102可包括交通监测系统1021、车位管理系统1022和车辆管理系统1023等。环境维度对应的数据采集系统103可包括能源管理系统1031、楼宇系统1032和动环系统1033等。物品维度对应的数据采集系统104可包括运维系统1041、设备管理系统1042和资产管理系统1043等。消防维度对应的数据采集系统105可包括消防烟感系统1051、消防明火系统1052和消防给水系统1053等。各数据采集系统可以包括终端和服务器,其中,用户终端具体可以是台式终端或移动终端,移动终端具体可以手机、平板电脑、笔记本电脑等中的至少一种。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。本领域技术人员可以理解,图1中示出的应用环境,仅仅是与本申请方案相关的部分场景,并不构成对本申请方案应用环境的限定。
数据处理服务器106确定监测目标的类型,并确定与类型相匹配的至少一个的监测维度和各监测维度对应的至少一个的监测指标。在对监测目标进行监测时,数据处理服务器106从人员维度对应的数据采集系统101、交通维度对应的数据采集系统102、环境维度对应的数据采集系统103、物品维度对应的数据采集系统104和消防维度对应的数据采集系统105中,分别采集与监测指标各自对应的待处理的监测数据。将监测指标各自对应的监测数据与对应的预设比对数据进行比对,得到与监测指标各自对应的指标监测结果。数据处理服务器106对指标监测结果进行异常分析处理,确定与监测目标对应的整体监测结果。整体监测结果用于反映监测目标在整体态势上的异常情况。
在一个实施例中,如图2所示,提供了一种监测数据处理方法,以该方法应用于图1中的数据处理服务器106为例进行说明,包括以下步骤:
S202,确定监测目标的类型,并确定与类型相匹配的至少一个的监测维度和各监测维度对应的至少一个的监测指标。
具体地,监测目标的类型可以分为很多种,不同类型的监测目标,其对应的监测维度和监测指标也不同。数据处理服务器可通过先确定监测目标的类型,从而根据确定的类型自动确定与类型相匹配的至少一个的监测维度和各监测维度对应的至少一个的监测指标。
在一个实施例中,监测维度包括人员维度、交通维度、环境维度、物品维度和消防维度中的至少一种;人员维度对应的监测指标所对应的监测数据包括人数数据、热力密度数据和人脸识别数据中的至少一种;交通维度对应的监测指标所对应的监测数据包括交通拥堵数据、车位数据和违规停放数据中的至少一种;环境维度对应的监测指标所对应的监测数据包括温度数据、湿度数据和有害气体数据中的至少一种;物品维度对应的监测指标所对应的监测数据包括设备故障数据、设备离线数据、电流电压数据和物品入侵数据中的至少一种;消防维度对应的监测指标所对应的监测数据包括烟感告警数据、火灾告警数据、消防给水数据和可燃气体数据中的至少一种。这样,可将多个独立的监测系统整合起来,便于监测目标的整体态势异常的监测,进一步提升监测效率。
在一个实施例中,监测目标具体可以是会展所在区域,数据处理服务器可确定会展的类型,进而可根据会展的类型,自动确定出相应的监测维度、以及各监测维度下相应的监测指标。可以理解,会展的类型不同,会展所在区域对应的监测维度也不同,以及不同监测维度下的监测指标也不同,从而实现对不同会展的个性化监测。举例说明,消费类的展会重点在于人流量,其他盗窃、观众车辆、珍贵物品及电流电源等监测指标次之。家具类的展会重点在于消防,其他货运车辆、电流电压、人群拥挤以及危化毒害等监测指标次之。机械类的展会重点在于装卸困难,交通拥堵,其他危化毒害、电流电压、消防以及人群拥挤等监测指标次之。化工类的展会重点在于危化毒害,其他电流电压、危险施工、消防、观众车辆以及货运车辆等监测指标次之。
S204,在对监测目标进行监测时,分别采集与监测指标各自对应的待处理的监测数据。
具体地,根据监测目标所对应的监测维度以及各监测维度对应的监测指标,对监测目标进行实时监测。在对监测目标进行实时监测时,数据处理服务器可从与各监测指标对应的各监测系统中,采集与监测指标各自对应的待处理的监测数据。举例说明,人数数据可通过人数统计系统监测特定区域采集得到。热力密度数据可通过探针定位系统监测特定区域采集得到。人脸识别数据可通过人脸识别系统采集得到,进而管控监测目标的人员情况,比如,监测目标是展会所在区域,则可管控展虫和公安系统中的黑名单,禁止参加展会。交通拥堵数据可通过交通监测系统监测周边交通拥堵情况采集得到。车位数据可通过车位管理系统采集得到,比如可监测货车轮候区域是否已满。违规停放数据可通过车辆管理系统采集得到,比如监测是否存在僵尸车、是否存在违规停放等。温度数据、湿度数据和有害气体数据可通过源管理系统、楼宇系统和动环系统采集得到,比如,监测目标是展会所在区域,则监测区域包括但不限于展馆、物资仓库、密闭空间、设备机房等,实时监测其当前状态。设备故障数据可通过数据运维系统采集得到。设备离线数据可通过设备管理系统采集得到。电流电压数据可通过资产管理系统采集得到。物品入侵数据可通过入侵报警系统,监测监测目标区域内的物品入侵情况。烟感告警数据可通过消防烟感系统采集得到。火灾告警数据可通过消防明火系统采集得到。消防给水数据可通过消防给水系统采集得到。
在一个实施例中,对于一些没有对应的监测数据反馈的监测指标,可通过人工排查的方式采集得到。可通过人工排查的方式采集的监测指标可包括但不限于安全帽、高空吊挂、展位坍塌、消防通道等。
S206,将监测指标各自对应的监测数据与对应的预设比对数据进行比对,得到与监测指标各自对应的指标监测结果。
其中,指标监测结果是根据各监测指标进行监测而得到的针对各监测指标的监测情况,比如,各指标监测结果可以是正常或异常。
具体地,数据处理服务器中设定或者存储有预设比对数据,当数据处理服务器从各监测系统中获取到监测指标各自对应的监测数据时,数据处理服务器可将监测指标各自对应的监测数据与对应的预设比对数据进行比对,并得到与监测指标各自对应的指标监测结果。
举例说明,针对监测目标对应的烟感这一指标的监测,数据处理服务器可通过监测到的烟的浓度和设定的范围进行比较,如果不在正常范围内,则为异常情况。针对人脸识别这一指标,数据处理服务器可将拍摄到的人脸和本地的库内的人脸进行比对,当匹配成功则为异常,其中,库内的人脸为展虫的照片或公安系统中的黑名单对应的人脸。
S208,对指标监测结果进行异常分析处理,确定与监测目标对应的整体监测结果;整体监测结果用于反映监测目标在整体态势上的异常情况。
其中,整体监测结果是根据各监测指标对应的监测结果整合得到的监测目标的整体情况,比如,整体监测结果可以是正常、异常或危险。
具体地,指标监测结果可包括监测结果为异常的监测指标所对应的指标监测结果,数据处理服务器可从各指标监测结果中,筛选出监测结果为异常的监测指标所对应的指标监测结果,并对监测结果为异常的监测指标所对应的指标监测结果进行异常分析处理,进而确定与监测目标对应的整体监测结果。该整体监测结果可用于反映监测目标在整体态势上的异常情况,从而可快速、统筹地了解整个监测目标中存在的全部异常问题。
上述监测数据处理方法中,由于监测目标的类型有多种,且每种类型的监测目标所对应的监测维度和各监测维度对应的监测指标也不同。通过确定要监测的监测目标的类型,进而自动调整与监测目标的类型相匹配的监测维度和各监测维度对应的监测指标,使得监测更加个性化。将采集到的监测数据与对应的预设比对数据进行比对,得到与监测指标各自对应指标监测结果,进而对指标监测结果进行异常分析处理,得到与监测目标的对应的整体监测结果。这样,通过将原来各自独立的与各监测维度对应的监测系统进行整体的异常分析处理,得到监测目标的整体状态的整体监测结果,提升了监测效率,便于监测目标的监测管理,进一步保障了监测目标的安全。
在一个实施例中,步骤S202,也就是确定监测目标的类型,并确定与类型相匹配的至少一个的监测维度和各监测维度对应的至少一个的监测指标的步骤,具体包括:确定监测目标的类型,并从本地存储的多于一个的第一关联信息中筛选出与类型相匹配的至少一个的监测维度和各监测维度对应的至少一个的监测指标;其中,第一关联信息是通过预先将各个监测目标所对应的类型与相应的监测维度和监测指标进行关联而得到。
具体地,对监测目标进行监测前监测和采集监测数据之前,数据处理服务器可在本地预先将各个监测目标所对应的类型与相应的监测维度和监测指标进行关联,生成多于一个的第一关联信息,并将第一关联信息存储在本地。当对监测目标进行监测时,确定监测目标的类型,并从本地存储的多于一个的第一关联信息中筛选出与类型相匹配的至少一个的监测维度和各监测维度对应的至少一个的监测指标,进而根据确定的监测维度和监测指标对监测目标进行监测和监测数据采集。
上述实施例中,通过对不同类型的监测目标与对应的监测维度和监测指标进行关联,可以自动根据监测目标类型的不同适当调整监测维度和监测指标,使得监测更加个性化。
在一个实施例中,预设比对数据包括预设范围和/或预设比对库,指标监测结果包括正常和异常,步骤S206,也就是将监测指标各自对应的监测数据与对应的预设比对数据进行比对,得到与监测指标各自对应的指标监测结果的步骤,具体包括:将监测指标各自对应的监测数据与对应的预设范围进行比对,当监测数据在预设范围内时,与监测指标各自对应的指标监测结果为正常,否则为异常;和/或,将监测指标各自对应的监测数据与对应的预设比对库进行比对,当在预设比对库匹配到监测数据时,与监测指标各自对应的指标监测结果为异常,否则为正常。
具体地,监测指标所对应的监测数据具体可以是数值数据,比如,人数数据,也可以是非数值数据,比如人脸识别数据。监测数据的类型不同,其对应的预设比对数据也不同,预设比对数据包括预设范围和/或预设比对库。指标监测结果包括正常和异常。针对监测数据是数值数据的情况,数据处理服务器可将监测指标各自对应的监测数据与对应的预设范围进行比对,当监测数据在预设范围内时,与监测指标各自对应的指标监测结果为正常,否则为异常。针对监测数据是非数值数据的情况,数据处理服务器可将监测指标各自对应的监测数据与对应的预设比对库进行比对,当在预设比对库匹配到监测数据时,与监测指标各自对应的指标监测结果为异常,否则为正常。
上述实施例中,通过将采集到的监测数据与对应的比对数据进行比对,从而判断监测数据是否出现异常,使得表现为异常的监测数据能够及时被发现和处理,保障了监测目标的安全。
在一个实施例中,步骤S208,也就是对指标监测结果进行异常分析处理,确定与监测目标对应的整体监测结果的步骤,具体包括:确定指标监测结果中表示监测异常的异常指标监测结果;根据异常指标监测结果的告警信息,对异常指标监测结果进行告警分类,得到告警分类结果;告警分类结果包括一般告警、危险告警、设备连接异常、异常处置效率和异常超时信息中的至少一种;对告警分类结果中的每一类分别进行数量统计,得到与告警分类结果中的每一类分别对应的统计结果,并根据统计结果,确定与监测目标对应的整体监测结果。
具体地,指标监测结果中可包括表示监测正常的正常指标监测结果,以及表示监异常的异常指标监测结果。数据处理服务器可确定指标监测结果中表示监测异常的异常指标监测结果,各异常指标监测结果对应有各自告警信息,告警信息具体可包括异常指标监测结果所对应的监测指标、异常发生的时间和地点、发生异常的原因以及异常的等级等。数据处理服务器可根据各异常指标监测结果的告警信息,对异常指标监测结果进行告警分类,得到告警分类结果。其中,告警分类结果可包括一般告警、危险告警、设备连接异常、异常处置效率和异常超时信息中的至少一种。数据处理服务器可对告警分类结果中的每一类分别进行数量统计,得到与告警分类结果中的每一类分别对应的统计结果。其中,统计结果是各类告警分类结果所对应异常的数量,比如,一般告警数量为3、危险告警数量为1以及设备连接异常数量为2等。进而数据处理服务器可根据统计结果,确定与监测目标对应的整体监测结果。
上述实施例中,通过对表现异常的各指标监测结果进行异常处理分析,并根据表现异常的各指标监测结果中的告警信息和告警分类结果对出现异常的指标监测结果进行数量统计,进而确定与监测目标对应的整体监测结果,使得监测目标的监测管理更为便捷。
在一个实施例中,整体监测结果包括正常、异常和危险,根据统计结果,确定与监测目标对应的整体监测结果的步骤,具体包括:确定与告警分类结果各自对应的第一预设阈值和第二预设阈值,并将统计结果与对应的第一预设阈值和第二阈值进行比对;第二预设阈值大于第一预设阈值;当统计结果小于第一预设阈值时,确定监测目标的整体监测结果为正常;当统计结果大于等于第一预设阈值且小于等于第二阈值时,确定监测目标的整体监测结果为异常;当统计结果大于第二预设阈值时,确定监测目标的整体监测结果为危险。
具体地,数据处理服务器可在本地确定与告警分类结果各自对应的第一预设阈值和第二预设阈值,其中,第二预设阈值大于第一预设阈值。比如,一般告警所对应的第一预设阈值可以是3,第二阈值可以是10。危险告警所对应的第一预设阈值可以是1,第二阈值可以是5。数据处理服务器可将各统计结果与对应的第一预设阈值和第二阈值进行比对。当统计结果小于第一预设阈值时,数据处理服务器可确定监测目标的整体监测结果为正常;当统计结果大于等于第一预设阈值且小于等于第二阈值时,数据处理服务器可确定监测目标的整体监测结果为异常;当统计结果大于第二预设阈值时,数据处理服务器可确定监测目标的整体监测结果为危险。
上述实施例中,通过设定与告警分类结果各自对应的阈值,并通过将统计结果与对应的阈值进行比对,通过比对情况确定整体监测结果是正常、异常还是危险,使得整体监测结果等级分明,便于相关管理人员及时根据整体监测结果进行相应的管理。
在一个实施例中,监测数据处理方法还包括:将整体监测结果与监测维度的维度信息和各监测维度对应的监测指标的指标信息进行关联,得到第二关联信息,并将第二关联信息发送至显示设备,发送的第二关联信息用于指示显示设备将第二关联信息进行显示。
具体地,数据处理服务器可将监测目标对应的整体监测结果,与监测维度的维度信息和各监测维度对应的监测指标的指标信息进行关联,得到第二关联信息,并将第二关联信息发送至显示设备。显示设备在接收到第二关联信息后,将第二关联信息进行显示,从而能够快速、统筹地了解整个监测目标中存在的全部异常问题,为相关管理人员快速解决异常问题提供保障。
在一个实施例中,如图3所示,数据处理服务器可根据树状结构,依次从设备连接、监测指标、事故等级、事故地点、管理维度、异常处置效率以及当前状态等方面,进行多层级的关联展示,从而直观地展示监测目标的整体态势。其中,当前的监测目标的整体监测结果,可根据一般告警数、危险告警数、设备连接异常、异常处置效率以及异常超时信息综合得出。
上述实施例中,通过将监测目标的整体监测结果与监测维度及监测指标进行关联,并将管理信息进行显示,使得信息层次分明,便于监测结果的管理。
在一个实施例中,监测目标可以是展会所在的区域,监测目标的类型具体可以是消费类的展会、家具类的展会、机械类的展会或者化工类的展会。数据处理服务器可根据展会的类型不同,自动确定与展会的类型对应的监测维度和各监测维度对应的监测指标。监测维度具体可以是人员维度、交通维度、环境维度和物品维度等多个监测维度。其中,各监测维度的监测数据具体可以从对应的监测指标对应的数据采集得到。举例说明,人员维度可通过以下方式采集,即通过场馆计数系统,监测场馆人数。通过探针定位系统,监测特定区域的密度热力。通过人脸识别系统,管控展虫和黑名单。交通维度可通过以下方式采集,即通过展馆周边交通的拥堵情况、货车轮候区域是否已满、是否存在僵尸车、是否存在违规停放,监测交通情况。环境维度可通过以下方式采集,即通过能源管理系统、楼宇系统、动环系统监测各个场景,包括但不限于场馆、物资仓库、密闭空间、设备机房,实时判断其当前状态。物品维度可通过以下方式采集,即通过BIM(Building Information Modeling,建筑信息模型)运维系统,监测设备故障;通过能源管理系统,监测电流电压,通过资产管理系统,监测展品搬移。通过入侵报警系统,监测展品入侵。消防维度可通过以下方式采集,即通过消防系统,监测消防设施、明火、烟感、消防给水、可燃气体、一键求助这些指标。其中,对于一些指标没有数据反馈,包括但不限于安全帽、高空吊挂、展位坍塌、消防通道,通过人工排查的方式发现。进而,数据处理服务器可根据相应的监测指标进行监测,将监测数据按照该监测指标对应的检测逻辑异常监测分析,并根据各异常监测分析结果分析整体态势的异常,将整体态势的异常监测结果展示在全域监测的统筹指挥台的界面上。从而能够快速、统筹地了解整个会展场馆中存在的全部异常问题。
应该理解的是,虽然图2的各个步骤按照顺序依次显示,但是这些步骤并不是必然按照顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,上述图2中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图4所示,提供了一种监测数据处理装置400,包括:确定模块401、采集模块402、比对模块403和处理模块404,其中:
确定模块401,用于确定监测目标的类型,并确定与类型相匹配的至少一个的监测维度和各监测维度对应的至少一个的监测指标。
采集模块402,用于在对监测目标进行监测时,分别采集与监测指标各自对应的待处理的监测数据。
比对模块403,用于将监测指标各自对应的监测数据与对应的预设比对数据进行比对,得到与监测指标各自对应的指标监测结果。
处理模块404,用于对指标监测结果进行异常分析处理,确定与监测目标对应的整体监测结果;整体监测结果用于反映监测目标在整体态势上的异常情况。
在一个实施例中,确定模块401还用于确定监测目标的类型,并从本地存储的多于一个的第一关联信息中筛选出与类型相匹配的至少一个的监测维度和各监测维度对应的至少一个的监测指标;其中,第一关联信息是通过预先将各个监测目标所对应的类型与相应的监测维度和监测指标进行关联而得到。
在一个实施例中,比对模块403还用于将监测指标各自对应的监测数据与对应的预设范围进行比对,当监测数据在预设范围内时,与监测指标各自对应的指标监测结果为正常,否则为异常;和/或,将监测指标各自对应的监测数据与对应的预设比对库进行比对,当在预设比对库匹配到监测数据时,与监测指标各自对应的指标监测结果为异常,否则为正常。
在一个实施例中,处理模块404还用于确定指标监测结果中表示监测异常的异常指标监测结果;根据异常指标监测结果的告警信息,对异常指标监测结果进行告警分类,得到告警分类结果;告警分类结果包括一般告警、危险告警、设备连接异常、异常处置效率和异常超时信息中的至少一种;对告警分类结果中的每一类分别进行数量统计,得到与告警分类结果中的每一类分别对应的统计结果,并根据统计结果,确定与监测目标对应的整体监测结果。
在一个实施例中,处理模块404还用于确定与告警分类结果各自对应的第一预设阈值和第二预设阈值,并将统计结果与对应的第一预设阈值和第二阈值进行比对;第二预设阈值大于第一预设阈值;当统计结果小于第一预设阈值时,确定监测目标的整体监测结果为正常;当统计结果大于等于第一预设阈值且小于等于第二阈值时,确定监测目标的整体监测结果为异常;当统计结果大于第二预设阈值时,确定监测目标的整体监测结果为危险。
参考图5,在一个实施例中,监测数据处理装置400还包括:关联模块405,其中:
关联模块405,用于将整体监测结果与监测维度的维度信息和各监测维度对应的监测指标的指标信息进行关联,得到第二关联信息,并将第二关联信息发送至显示设备,发送的第二关联信息用于指示显示设备将第二关联信息进行显示。
上述监测数据处理装置,由于监测目标的类型有多种,且每种类型的监测目标所对应的监测维度和各监测维度对应的监测指标也不同。通过确定要监测的监测目标的类型,进而自动调整与监测目标的类型相匹配的监测维度和各监测维度对应的监测指标,使得监测更加个性化。将采集到的监测数据与对应的预设比对数据进行比对,得到与监测指标各自对应指标监测结果,进而对指标监测结果进行异常分析处理,得到与监测目标的对应的整体监测结果。这样,通过将原来各自独立的与各监测维度对应的监测系统进行整体的异常分析处理,得到监测目标的整体状态的整体监测结果,提升了监测效率,便于监测目标的监测管理,进一步保障了监测目标的安全。
关于监测数据处理装置的具体限定可以参见上文中对于监测数据处理方法的限定,在此不再赘述。上述监测数据处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是上述图1中的数据处理服务器106,其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储监测数据处理数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种监测数据处理方法。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,计算机程序被处理器执行时,使得处理器执行上述监测数据处理方法的步骤。此处监测数据处理方法的步骤可以是上述各个实施例的监测数据处理方法中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,存储有计算机程序,计算机程序被处理器执行时,使得处理器执行上述监测数据处理方法的步骤。此处监测数据处理方法的步骤可以是上述各个实施例的监测数据处理方法中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种监测数据处理方法,包括:
确定监测目标的类型,并确定与所述类型相匹配的至少一个的监测维度和各监测维度对应的至少一个的监测指标;
在对所述监测目标进行监测时,分别采集与所述监测指标各自对应的待处理的监测数据;
将所述监测指标各自对应的监测数据与对应的预设比对数据进行比对,得到与所述监测指标各自对应的指标监测结果;
对所述指标监测结果进行异常分析处理,确定与所述监测目标对应的整体监测结果;所述整体监测结果用于反映所述监测目标在整体态势上的异常情况。
2.根据权利要求1所述的方法,其特征在于,所述确定监测目标的类型,并确定与所述类型相匹配的至少一个的监测维度和各监测维度对应的至少一个的监测指标,包括:
确定监测目标的类型,并从本地存储的多于一个的第一关联信息中筛选出与所述类型相匹配的至少一个的监测维度和各监测维度对应的至少一个的监测指标;其中,所述第一关联信息是通过预先将各个监测目标所对应的类型与相应的监测维度和监测指标进行关联而得到。
3.根据权利要求1所述的方法,其特征在于,所述预设比对数据包括预设范围和/或预设比对库,所述指标监测结果包括正常和异常,所述将所述监测指标各自对应的监测数据与对应的预设比对数据进行比对,得到与所述监测指标各自对应的指标监测结果,包括:
将所述监测指标各自对应的监测数据与对应的预设范围进行比对,当所述监测数据在所述预设范围内时,与所述监测指标各自对应的指标监测结果为正常,否则为异常;和/或,
将所述监测指标各自对应的监测数据与对应的预设比对库进行比对,当在所述预设比对库匹配到所述监测数据时,与所述监测指标各自对应的指标监测结果为异常,否则为正常。
4.根据权利要求1所述的方法,其特征在于,所述对所述指标监测结果进行异常分析处理,确定与所述监测目标对应的整体监测结果,包括:
确定所述指标监测结果中表示监测异常的异常指标监测结果;
根据所述异常指标监测结果的告警信息,对所述异常指标监测结果进行告警分类,得到告警分类结果;所述告警分类结果包括一般告警、危险告警、设备连接异常、异常处置效率和异常超时信息中的至少一种;
对所述告警分类结果中的每一类分别进行数量统计,得到与所述告警分类结果中的每一类分别对应的统计结果,并根据所述统计结果,确定与所述监测目标对应的整体监测结果。
5.根据权利要求4所述的方法,其特征在于,所述整体监测结果包括正常、异常和危险,所述根据所述统计结果,确定与所述监测目标对应的整体监测结果,包括:
确定与告警分类结果各自对应的第一预设阈值和第二预设阈值,并将所述统计结果与对应的所述第一预设阈值和所述第二阈值进行比对;所述第二预设阈值大于所述第一预设阈值;
当所述统计结果小于所述第一预设阈值时,确定所述监测目标的整体监测结果为正常;
当所述统计结果大于等于所述第一预设阈值且小于等于所述第二阈值时,确定所述监测目标的整体监测结果为异常;
当所述统计结果大于所述第二预设阈值时,确定所述监测目标的整体监测结果为危险。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
将所述整体监测结果与所述监测维度的维度信息和各监测维度对应的监测指标的指标信息进行关联,得到第二关联信息,并将所述第二关联信息发送至显示设备,发送的所述第二关联信息用于指示所述显示设备将所述第二关联信息进行显示。
7.根据权利要求1至6中任一项所述的方法,其特征在于,所述监测维度包括人员维度、交通维度、环境维度、物品维度和消防维度中的至少一种;所述人员维度对应的监测指标所对应的监测数据包括人数数据、热力密度数据和人脸识别数据中的至少一种;所述交通维度对应的监测指标所对应的监测数据包括交通拥堵数据、车位数据和违规停放数据中的至少一种;环境维度对应的监测指标所对应的监测数据包括温度数据、湿度数据和有害气体数据中的至少一种;物品维度对应的监测指标所对应的监测数据包括设备故障数据、设备离线数据、电流电压数据和物品入侵数据中的至少一种;消防维度对应的监测指标所对应的监测数据包括烟感告警数据、火灾告警数据、消防给水数据和可燃气体数据中的至少一种。
8.一种监测数据处理装置,其特征在于,所述装置包括:
确定模块,用于确定监测目标的类型,并确定与所述类型相匹配的至少一个的监测维度和各监测维度对应的至少一个的监测指标;
采集模块,用于在对所述监测目标进行监测时,分别采集与所述监测指标各自对应的待处理的监测数据;
比对模块,用于将所述监测指标各自对应的监测数据与对应的预设比对数据进行比对,得到与所述监测指标各自对应的指标监测结果;
处理模块,用于对所述指标监测结果进行异常分析处理,确定与所述监测目标对应的整体监测结果;所述整体监测结果用于反映所述监测目标在整体态势上的异常情况。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,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权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010175118.3A CN113391984A (zh) | 2020-03-13 | 2020-03-13 | 监测数据处理方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010175118.3A CN113391984A (zh) | 2020-03-13 | 2020-03-13 | 监测数据处理方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113391984A true CN113391984A (zh) | 2021-09-14 |
Family
ID=77615886
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010175118.3A Pending CN113391984A (zh) | 2020-03-13 | 2020-03-13 | 监测数据处理方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113391984A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114220242A (zh) * | 2021-12-10 | 2022-03-22 | 珠海格力电器股份有限公司 | 室内状态的监测方法、装置、存储介质及设备 |
CN115512458A (zh) * | 2022-09-27 | 2022-12-23 | 上汽通用五菱汽车股份有限公司 | 监测数据分析方法、装置、设备及存储介质 |
CN116028309A (zh) * | 2023-02-01 | 2023-04-28 | 中煤协联合认证(北京)中心 | 一种体系运行情况的量化监测系统及其监测方法 |
CN117855107A (zh) * | 2024-03-06 | 2024-04-09 | 上海朋熙半导体有限公司 | 水系统监测处理方法、系统及可读介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170344620A1 (en) * | 2016-05-27 | 2017-11-30 | Adobe Systems Incorporated | Feature Summarization Filter With Applications Using Data Analytics |
CN109560977A (zh) * | 2017-09-25 | 2019-04-02 | 北京国双科技有限公司 | 网站业务监控方法、装置、存储介质、处理器及电子设备 |
CN109711155A (zh) * | 2018-11-13 | 2019-05-03 | 同盾控股有限公司 | 一种预警确定方法和装置 |
CN109829628A (zh) * | 2019-01-07 | 2019-05-31 | 平安科技(深圳)有限公司 | 基于大数据的风险预警方法、装置和计算机设备 |
-
2020
- 2020-03-13 CN CN202010175118.3A patent/CN113391984A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170344620A1 (en) * | 2016-05-27 | 2017-11-30 | Adobe Systems Incorporated | Feature Summarization Filter With Applications Using Data Analytics |
CN109560977A (zh) * | 2017-09-25 | 2019-04-02 | 北京国双科技有限公司 | 网站业务监控方法、装置、存储介质、处理器及电子设备 |
CN109711155A (zh) * | 2018-11-13 | 2019-05-03 | 同盾控股有限公司 | 一种预警确定方法和装置 |
CN109829628A (zh) * | 2019-01-07 | 2019-05-31 | 平安科技(深圳)有限公司 | 基于大数据的风险预警方法、装置和计算机设备 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114220242A (zh) * | 2021-12-10 | 2022-03-22 | 珠海格力电器股份有限公司 | 室内状态的监测方法、装置、存储介质及设备 |
CN115512458A (zh) * | 2022-09-27 | 2022-12-23 | 上汽通用五菱汽车股份有限公司 | 监测数据分析方法、装置、设备及存储介质 |
CN115512458B (zh) * | 2022-09-27 | 2023-09-15 | 上汽通用五菱汽车股份有限公司 | 监测数据分析方法、装置、设备及存储介质 |
CN116028309A (zh) * | 2023-02-01 | 2023-04-28 | 中煤协联合认证(北京)中心 | 一种体系运行情况的量化监测系统及其监测方法 |
CN117855107A (zh) * | 2024-03-06 | 2024-04-09 | 上海朋熙半导体有限公司 | 水系统监测处理方法、系统及可读介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113391984A (zh) | 监测数据处理方法、装置、计算机设备和存储介质 | |
CN106485871B (zh) | 通过应用统计推断模型来提供误报警的早期预测和预报的系统和方法 | |
US10970995B2 (en) | System for monitoring event related data | |
CN105303755B (zh) | 用于建筑物信息模型中的设备的自动配置的系统和方法 | |
CN104050787B (zh) | 具有分类属性的异常检测的系统和方法 | |
US9779614B2 (en) | System and method of alerting CMS and registered users about a potential duress situation using a mobile application | |
US10565838B2 (en) | Building access control system with complex event processing | |
US20210157311A1 (en) | Maintenance plan forecast using automation control devices' usage pattern through big data analytics | |
CN109872482A (zh) | 智慧安防监管方法、系统以及存储介质 | |
US20220167142A1 (en) | Digital twin disaster management system customized for underground public areas | |
CN113011833A (zh) | 施工现场的安全管理方法、装置、计算机设备和存储介质 | |
CN108038808A (zh) | 一种监控方法、装置、终端设备及存储介质 | |
CN109377716A (zh) | 仓储安防监控装置、系统、方法、计算机设备及存储介质 | |
CN111523762B (zh) | 展会数据处理方法、装置、计算机设备和存储介质 | |
CN111611439A (zh) | 消防安全监测方法、装置、计算机设备和存储介质 | |
CA2845949A1 (en) | System and method of anomaly detection | |
CN111539595A (zh) | 处置告警的方法、装置、计算机设备和存储介质 | |
CN107895453A (zh) | 楼宇安全报警系统及方法 | |
CN212624326U (zh) | 一种智能识别告警系统 | |
CN114723972A (zh) | 基于数据和图像对比的安全管控方法及安全管控系统 | |
CN112489258A (zh) | 门锁报警处理方法、装置、计算机设备和存储介质 | |
CN111105582B (zh) | 森林防火监测方法、系统、计算机设备和可读存储介质 | |
Uma et al. | A multimodel fire detection and alarm system for automobiles using internet of things and machine learning | |
US11277590B2 (en) | Method and a system for preserving intrusion event/s captured by camera/s | |
CN117173847B (zh) | 一种智能门窗防盗警报系统及其工作方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210914 |