CN113656187B - 基于5g的公安大数据算力服务系统 - Google Patents
基于5g的公安大数据算力服务系统 Download PDFInfo
- Publication number
- CN113656187B CN113656187B CN202111213412.XA CN202111213412A CN113656187B CN 113656187 B CN113656187 B CN 113656187B CN 202111213412 A CN202111213412 A CN 202111213412A CN 113656187 B CN113656187 B CN 113656187B
- Authority
- CN
- China
- Prior art keywords
- calculation
- power
- public security
- path
- force
- 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
- 238000004364 calculation method Methods 0.000 claims abstract description 178
- 238000001514 detection method Methods 0.000 claims abstract description 39
- 238000000034 method Methods 0.000 claims description 21
- 230000005540 biological transmission Effects 0.000 claims description 14
- 238000005192 partition Methods 0.000 claims description 13
- 230000007812 deficiency Effects 0.000 claims description 12
- 239000013598 vector Substances 0.000 claims description 7
- 238000002156 mixing Methods 0.000 claims description 6
- 230000008901 benefit Effects 0.000 abstract description 3
- 238000012549 training Methods 0.000 description 5
- 238000003062 neural network model Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5072—Grid computing
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了基于5G的公安大数据算力服务系统,属于公用事业的算力技术领域,包括区域划分模块、算力检测模块、算力调配模块和数据库;所述区域划分模块用于对公安系统中的算力中心进行区域划分,获得算力区域,通过算力检测模块实时对算力区域内公安单位的服务器算力进行检测,建立算力使用百分比P表格,当P>X1时,X1为阈值,在算力使用百分比P表格中进行对应的标记,通过将算力富余的公安单位和算力紧张的公安单位通过合理的区域划分,充分利用区域内的算力,使资源可以发挥出最大效益;通过按照季度的方式建立季度算力富缺表,充分考虑不同地区和单位在不同季度使用算力的不同,缩小时间跨度,提高后续步骤的精准性。
Description
技术领域
本发明属于公用事业的算力技术领域,具体是基于5G的公安大数据算力服务系统。
背景技术
5G通信具有高速率、低时延、省能源、降低成本、提高系统容量和大规模设备连接的特点。它主要提供的是一种快速连接和高速传输的方式,5G的特性,可以将多个大数据中心进行无缝连接,从而加强大数据算力,为公安执行任务提供有效的保障。服务器也称伺服器,是提供计算服务的设备。由于服务器需要响应服务请求,并进行处理,因此一般来说服务器应具备承担服务并且保障服务的能力。
目前不同的公安单位中拥有的服务器数量不同、算力不同,有的公安单位内的算力紧张,有的公安单位内的算力富余,同区域内公安单位内的服务器算力得不到充分利用,为了使区域内公安单位的服务器算力得到充分利用,现提出基于5G的公安大数据算力服务系统。
发明内容
为了解决上述方案存在的问题,本发明提供了基于5G的公安大数据算力服务系统。
本发明的目的可以通过以下技术方案实现:
基于5G的公安大数据算力服务系统,其特征在于,包括区域划分模块、算力检测模块、算力调配模块和数据库;
所述区域划分模块用于对公安系统中的算力中心进行区域划分,获得算力区域,通过算力检测模块实时对算力区域内公安单位的服务器算力进行检测,建立算力使用百分比P表格,当P>X1时,X1为阈值,在算力使用百分比P表格中进行对应的标记,并生成算力超标信号,将算力超标信号和算力使用百分比P表格发送到算力调配模块;
算力调配模块对算力区域内公安单位的服务器算力进行调配,设置算力区域内公安单位的服务器算力调配路径,建立调配路径统计表,对算力使用百分比P表格进行识别,获得标记的检测单元和对应的检测单元编号,将检测单元对应的公安单位标记为需求方,将需求方输入到调配路径统计表中进行匹配,获得对应的算力调配路径和后备调配路径,获取对应的输送方,将输送方对应的检测单元编号输入到算力使用百分比P表格进行匹配,获取检测单元的标记状态,根据标记状态对算力调配路径和后备调配路径进行筛选;
当算力调配路径没有被剔除时,采用算力调配路径进行算力的调配;
当算力调配路径被剔除时,选取剩余的后备调配路径中排序第一的调配路径进行算力的调配。
进一步地,输送方即为算力调配路径和后备调配路径中向需求方进行算力调配的公安单位。
进一步地,区域划分模块对公安系统中的算力中心进行区域划分,获得算力区域的方法包括:
获取同一行政区域内的所有公安单位,采集每家公安单位的实际算力值,获取前N年的每家公安单位在不同季度的历史算力需求值,推算下一季度的算力需求值,根据算力需求值和实际算力值划分季度算力富缺表,以其中一家季度算力富余的公安单位为中心,标记为中心点,以中心点为坐标原点,建立二维坐标系,获取其他公安单位的坐标,建立公安单位的坐标表;
从互联网中获取服务器算力数据,建立算力传输距离曲线,将算力传输距离曲线、公安单位的坐标表、季度算力富缺表整合标记为分区输入数据,建立分区模型,将分区输入数据输入到分区模型中获得算力区域。
进一步地,没有服务器中心的公安单位的实际算力为零。
进一步地,N为正整数,取值范围为[5,10]。
进一步地,季度算力富缺表包括季度算力富余项和季度算力不足项,算力需求值大于实际算力值的公安单位列入季度算力不足项,算力需求值不大于实际算力值的公安单位列入季度算力富余项,并记录每家公安单位的算力富余值和算力不足值。
进一步地,算力检测模块建立算力使用百分比P表格的方法包括:
建立若干个检测单元,为检测单元进行编号,通过检测单元对公安单位内服务器的算力进行实时检测,获取算力使用百分比P,建立算力区域内算力使用百分比P表格。
进一步地,设置算力区域内公安单位的服务器算力调配路径的具体方法包括:
建立最优算力调配路径库,构建余弦相似度函数:
,其中,i和j分别为调配路径i和调配路径j的路径向量,其中调配路径j为最优算力调配路径库中的最优算力调配路径,路径向量包括:调配距离、算力富缺值与算力规模差值;根据调配距离、算力富缺值与算力规模差值确定调配路径的路径函数:
将wij按照由大到小的顺序进行排列,选取排列第一的调配路径i作为算力调配路径,之后的D个调配路径i为后备调配路径;其中D为正整数,取值范围为[3,7]。
进一步地,fij表示调配路径i相对调配路径j的调配距离,fmin为数据库中记录的最小的相对调配距离,fmax为数据库中记录的最大的相对调配距离;tij为调配路径i相对调配路径j的算力富缺值,tmax为数据库中记录的最大的相对算力富缺值,tmin为数据库中记录的最小的相对算力富缺值;rij为调配路径i相对调配路径j的算力规模差值,rmax为数据库中记录的最大的相对算力规模差值,rmin为数据库中记录的最小的相对算力规模差值。
与现有技术相比,本发明的有益效果是:通过将算力富余的公安单位和算力紧张的公安单位通过合理的区域划分,充分利用区域内的算力,使资源可以发挥出最大效益;按照季度的方式建立季度算力富缺表,充分考虑不同地区和单位在不同季度使用算力的不同,缩小时间跨度,提高后续步骤的精准性;通过建立算力使用百分比P表格,方便后续的算力调配,不用再一一获取其他检测单元检测的算力使用百分比P;通过设置算力区域内公安单位的服务器算力调配路径,当需要时,可以快速的获取算力调配路径,并通过设置多个后备调配路径,当算力调配路径不能使用时,还有备用调配路径可以使用。
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的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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为本发明原理框图;
图2为本发明算力调配模块的方法流程图。
具体实施方式
下面将结合实施例对本发明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。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。
如图1至图2所示,基于5G的公安大数据算力服务系统,包括区域划分模块、算力检测模块、算力调配模块和数据库;
所述区域划分模块用于对公安系统中的算力中心进行区域划分,算力体现在服务器上,也可理解为服务器中心,因为不同的公安单位中拥有的服务器数量不同、算力不同,有的公安单位内的算力紧张,有的公安单位内的算力富余,可以通过将算力富余的公安单位和算力紧张的公安单位通过合理的区域划分,充分利用区域内的算力,使资源可以发挥出最大效益;
具体的方法包括:获取同一行政区域内的所有公安单位,例如某某市内全部公安单位,某某县的全部公安单位,采集每家公安单位的实际算力值,其中没有服务器中心的公安单位的实际算力为零,获取前N年的每家公安单位在不同季度的历史算力需求值,推算下一季度的算力需求值,可以通过建立神经网络模型进行训练推算,具体神经网络模型的建立方法为本领域常识,因而在本发明中不进行详细叙述了,因为这个算力需求值并不需要特别的精准,其中N为正整数,取值范围为[5,10],不同季度指的是1月至3月、4月至6月、7月至9月、10月至12月四个季度,根据算力需求值和实际算力值划分季度算力富缺表,季度算力富缺表包括季度算力富余项和季度算力不足项,算力需求值大于实际算力值的公安单位列入季度算力不足项,算力需求值不大于实际算力值的公安单位列入季度算力富余项,并记录每家公安单位的算力富余值和算力不足值,算力富余值和算力不足值均是通过算力需求值和实际算力值进行比较获得的,通过按照季度的方式建立季度算力富缺表,充分考虑不同地区和单位在不同季度使用算力的不同,缩小时间跨度,提高后续步骤的精准性;以其中一家季度算力富余的公安单位为中心,标记为中心点,以中心点为坐标原点,建立二维坐标系,获取其他公安单位的坐标,建立公安单位的坐标表;
从互联网中获取服务器算力数据,建立算力传输距离曲线,算力传输距离曲线即为用于表明服务器算力传输距离与传输效率的关系,当通过互联网中获取的数据不能直接建立算力传输距离曲线时,可以通过建立神经网络模型进行训练,进而建立算力传输距离曲线;将算力传输距离曲线、公安单位的坐标表、季度算力富缺表整合标记为分区输入数据,建立分区模型,将分区输入数据输入到分区模型中获得算力区域;
建立分区模型的方法包括:获取分区历史数据,分区历史数据包括算力传输距离曲线、公安单位的坐标表和季度算力富缺表,为分区历史数据设置对应的算力区域;算力区域即为将若干家公安单位划分为一个区域,该区域内的服务器算力可以互相调配;构建人工智能模型;人工智能模型即为神经网络模型,将分区历史数据和对应的算力区域划分为训练集、测试集和校验集;通过训练集、测试集和校验集对人工智能模型进行训练、测试和校验;将训练完成的人工智能模型标记为分区模型;
所述算力检测模块用于实时对算力区域内公安单位的服务器算力进行检测,具体方法包括:
建立若干个检测单元,检测单元设置在公安单位内,为检测单元进行编号,用于区分检测单元所检测的公安单位,通过检测单元对公安单位内服务器的算力进行实时检测,获取算力使用百分比P,建立算力区域内算力使用百分比P表格,通过建立算力使用百分比P表格,方便后续的算力调配,不用再一一获取其他检测单元检测的算力使用百分比P,当P>X1时,其中,X1为阈值,在算力使用百分比P表格中进行对应的标记,相当于当某个算力使用百分比P超标时,将对应的算力使用百分比P和检测单元进行突出标记,可以通过改变颜色来突出显示,并生成算力超标信号,将算力超标信号和算力使用百分比P表格发送到算力调配模块;
所述算力调配模块用于对算力区域内公安单位的服务器算力进行调配,具体方法包括:
设置算力区域内公安单位的服务器算力调配路径,建立调配路径统计表,调配路径统计表包括算力区域内公安单位的算力调配路径和后备调配路径,按照wij大小进行排列的,获取算力检测模块发送的算力使用百分比P表格,对算力使用百分比P表格进行识别,获得标记的检测单元和对应的检测单元编号,获得对应的公安单位,标记为需求方,将需求方输入到调配路径统计表中进行匹配,获得对应的算力调配路径和后备调配路径,获取对应的输送方,输送方即为算力调配路径和后备调配路径中向需求方进行算力调配的公安单位,获取输送方对应的检测单元编号,将检测单元编号输入到算力使用百分比P表格进行匹配,获取检测单元的标记状态,标记状态即为有没有被标记,根据标记状态对算力调配路径和后备调配路径进行筛选,即为剔除掉被标记的调配路径或后备调配路,当算力调配路径没有被剔除时,采用算力调配路径进行算力的调配;当算力调配路径被剔除时,选取剩余的后备调配路径中排序第一的调配路径进行算力的调配。
通过设置算力区域内公安单位的服务器算力调配路径,当需要时,可以快速的获取算力调配路径,并通过设置多个后备调配路径,当算力调配路径不能使用时,还有备用调配路径可以使用。
设置算力区域内公安单位的服务器算力调配路径的具体方法包括:
建立最优算力调配路径库,最优算力调配路径库用于储存最优算力调配路径,算力调配路径是由专家组进行讨论设置的,综合考虑调配距离、算力富缺值与算力规模差值,其中算力富缺值即为算力调配的两家公安单位的算力富余值与算力不足值之和,算力富余值为正值,算力不足值为负值,算力规模差值即为算力调配的两家公安单位中算力富余方与算力不足方之间的服务器算力的差值;
构建余弦相似度函数,其中,i和j分别为调配路径i和调配路径j的路径向量,其中调配路径j为最优算力调配路径库中的最优算力调配路径,调配路径i为测试的算力区域内的调配路径,i和j的夹角越小,相似度越高,路径向量包括:调配距离、算力富缺值与算力规模差值;
路径向量的格式为三元组(x1,x2,x3),根据调配距离、算力富缺值与算力规模差值确定调配路径的路径函数:
fij表示调配路径i相对调配路径j的调配距离,即为调配路径i与调配路径j之间调配距离的差值的绝对值;fmin为数据库中记录的最小的相对调配距离,fmax为数据库中记录的最大的相对调配距离;tij为调配路径i相对调配路径j的算力富缺值,tmax为数据库中记录的最大的相对算力富缺值,tmin为数据库中记录的最小的相对算力富缺值;rij为调配路径i相对调配路径j的算力规模差值,rmax为数据库中记录的最大的相对算力规模差值,rmin为数据库中记录的最小的相对算力规模差值;
调节系数α1、α2、α3可以在指定范围内,即[0,1]生成随机数,之后通过遗传算法优化系数;可以使用matlab软件中自带的遗传算法工具箱进行迭代计算;
将wij按照由大到小的顺序进行排列,选取排列第一的调配路径i作为算力调配路径,之后的D个调配路径i为后备调配路径;其中D为正整数,取值范围为[3,7]。
上述公式均是去除量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式,公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
在本发明所提供的实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其他的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,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;所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方法的目的。
另对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。
最后应说明的是,以上实施例仅用以说明本发明的技术方法而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。
Claims (7)
1.基于5G的公安大数据算力服务系统,其特征在于,包括区域划分模块、算力检测模块、算力调配模块和数据库;
所述区域划分模块用于对公安系统中的算力中心进行区域划分,获得算力区域,通过算力检测模块实时对算力区域内公安单位的服务器算力进行检测,建立算力使用百分比P表格,当P>X1时,X1为阈值,在算力使用百分比P表格中进行对应的标记,并生成算力超标信号,将算力超标信号和算力使用百分比P表格发送到算力调配模块;
算力调配模块对算力区域内公安单位的服务器算力进行调配,设置算力区域内公安单位的服务器算力调配路径,建立调配路径统计表,对算力使用百分比P表格进行识别,获得标记的检测单元和对应的检测单元编号,将检测单元对应的公安单位标记为需求方,将需求方输入到调配路径统计表中进行匹配,获得对应的算力调配路径和后备调配路径,获取对应的输送方,将输送方对应的检测单元编号输入到算力使用百分比P表格进行匹配,获取检测单元的标记状态,根据标记状态对算力调配路径和后备调配路径进行筛选;
当算力调配路径没有被剔除时,采用算力调配路径进行算力的调配;
当算力调配路径被剔除时,选取剩余的后备调配路径中排序第一的调配路径进行算力的调配;
设置算力区域内公安单位的服务器算力调配路径的具体方法包括:
建立最优算力调配路径库,构建余弦相似度函数:
,其中,i和j分别为调配路径i和调配路径j的路径向量,其中调配路径j为最优算力调配路径库中的最优算力调配路径,路径向量包括:调配距离、算力富缺值与算力规模差值;根据调配距离、算力富缺值与算力规模差值确定调配路径的路径函数:
将wij按照由大到小的顺序进行排列,选取排列第一的调配路径i作为算力调配路径,之后的D个调配路径i为后备调配路径;其中D为正整数,取值范围为[3,7];
fij表示调配路径i相对调配路径j的调配距离,fmin为数据库中记录的最小的相对调配距离,fmax为数据库中记录的最大的相对调配距离;tij为调配路径i相对调配路径j的算力富缺值,tmax为数据库中记录的最大的相对算力富缺值,tmin为数据库中记录的最小的相对算力富缺值;rij为调配路径i相对调配路径j的算力规模差值,rmax为数据库中记录的最大的相对算力规模差值,rmin为数据库中记录的最小的相对算力规模差值。
2.根据权利要求1所述的基于5G的公安大数据算力服务系统,其特征在于,输送方即为算力调配路径和后备调配路径中向需求方进行算力调配的公安单位。
3.根据权利要求1所述的基于5G的公安大数据算力服务系统,其特征在于,区域划分模块对公安系统中的算力中心进行区域划分,获得算力区域的方法包括:
获取同一行政区域内的所有公安单位,采集每家公安单位的实际算力值,获取前N年的每家公安单位在不同季度的历史算力需求值,推算下一季度的算力需求值,根据算力需求值和实际算力值划分季度算力富缺表,以其中一家季度算力富余的公安单位为中心,标记为中心点,以中心点为坐标原点,建立二维坐标系,获取其他公安单位的坐标,建立公安单位的坐标表;
从互联网中获取服务器算力数据,建立算力传输距离曲线,将算力传输距离曲线、公安单位的坐标表、季度算力富缺表整合标记为分区输入数据,建立分区模型,将分区输入数据输入到分区模型中获得算力区域。
4.根据权利要求3所述的基于5G的公安大数据算力服务系统,其特征在于,没有服务器中心的公安单位的实际算力为零。
5.根据权利要求3所述的基于5G的公安大数据算力服务系统,其特征在于,N为正整数,取值范围为[5,10]。
6.根据权利要求3所述的基于5G的公安大数据算力服务系统,其特征在于,季度算力富缺表包括季度算力富余项和季度算力不足项,算力需求值大于实际算力值的公安单位列入季度算力不足项,算力需求值不大于实际算力值的公安单位列入季度算力富余项,并记录每家公安单位的算力富余值和算力不足值。
7.根据权利要求1所述的基于5G的公安大数据算力服务系统,其特征在于,算力检测模块建立算力使用百分比P表格的方法包括:
建立若干个检测单元,为检测单元进行编号,通过检测单元对公安单位内服务器的算力进行实时检测,获取算力使用百分比P,建立算力区域内算力使用百分比P表格。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111213412.XA CN113656187B (zh) | 2021-10-19 | 2021-10-19 | 基于5g的公安大数据算力服务系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111213412.XA CN113656187B (zh) | 2021-10-19 | 2021-10-19 | 基于5g的公安大数据算力服务系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113656187A CN113656187A (zh) | 2021-11-16 |
CN113656187B true CN113656187B (zh) | 2021-12-28 |
Family
ID=78494633
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111213412.XA Active CN113656187B (zh) | 2021-10-19 | 2021-10-19 | 基于5g的公安大数据算力服务系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113656187B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115442375B (zh) * | 2022-11-08 | 2023-01-10 | 深圳市亲邻科技有限公司 | 一种基于云边协同技术的物业数字化管理系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111953526A (zh) * | 2020-07-24 | 2020-11-17 | 新华三大数据技术有限公司 | 一种分层算力网络编排方法、装置及存储介质 |
CN112327711A (zh) * | 2020-11-17 | 2021-02-05 | 深圳杰微芯片科技有限公司 | 多节点算力设备控制系统 |
CN112492652A (zh) * | 2020-11-23 | 2021-03-12 | 中国联合网络通信集团有限公司 | 一种边缘设备算力服务调配的方法、装置及系统 |
CN113079218A (zh) * | 2021-04-09 | 2021-07-06 | 网络通信与安全紫金山实验室 | 一种面向服务的算力网络系统、工作方法及存储介质 |
WO2021190482A1 (zh) * | 2020-03-27 | 2021-09-30 | 中国移动通信有限公司研究院 | 算力处理的网络系统及算力处理方法 |
-
2021
- 2021-10-19 CN CN202111213412.XA patent/CN113656187B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021190482A1 (zh) * | 2020-03-27 | 2021-09-30 | 中国移动通信有限公司研究院 | 算力处理的网络系统及算力处理方法 |
CN111953526A (zh) * | 2020-07-24 | 2020-11-17 | 新华三大数据技术有限公司 | 一种分层算力网络编排方法、装置及存储介质 |
CN112327711A (zh) * | 2020-11-17 | 2021-02-05 | 深圳杰微芯片科技有限公司 | 多节点算力设备控制系统 |
CN112492652A (zh) * | 2020-11-23 | 2021-03-12 | 中国联合网络通信集团有限公司 | 一种边缘设备算力服务调配的方法、装置及系统 |
CN113079218A (zh) * | 2021-04-09 | 2021-07-06 | 网络通信与安全紫金山实验室 | 一种面向服务的算力网络系统、工作方法及存储介质 |
Non-Patent Citations (6)
Title |
---|
云计算、边缘计算和算力网络;蒋林涛;《信息通信技术》;20200815(第04期);4-8 * |
低轨卫星智能多接入边缘计算网络:需求、架构、机遇与挑战;王鹏 等;《移动通信 》;20210915;第45卷(第495期);35-46 * |
基于云、网、边融合的边缘计算新方案:算力网络;雷波 等;《电信科学》;20190920(第9期);44-51 * |
数据流处理系统中优化调度算法研究与实现;傅坦坦;《中国优秀硕士学位论文全文数据库 信息科技辑》;20180215(第2期);I138-4 * |
智慧医疗场景下考虑终端移动性的任务卸载策略;齐平 等;《浙江大学学报(工学版)》;20200611;第54卷(第06期);1126-1137 * |
柔性资源约束的资源水平项目调度问题;喻小光 等;《计算机集成制造系统》;20100915;第16卷(第09期);1967-1976 * |
Also Published As
Publication number | Publication date |
---|---|
CN113656187A (zh) | 2021-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107729935B (zh) | 相似图片的识别方法和装置、服务器、存储介质 | |
US8024205B2 (en) | System and method for calculating damage as a result of natural catastrophes | |
CN102314336B (zh) | 一种数据处理方法和系统 | |
CN104484233B (zh) | 一种资源分配方法 | |
CN106355646B (zh) | 应用于图像处理的表面细化方法、装置以及系统 | |
CN113656187B (zh) | 基于5g的公安大数据算力服务系统 | |
CN115134371A (zh) | 包含边缘网络算力资源的调度方法、系统、设备及介质 | |
CN103677960A (zh) | 一种能耗约束的虚拟机博弈重放置方法 | |
CN114942842A (zh) | 一种物联网智能终端的控制系统及其控制方法 | |
CN114626735A (zh) | 催收案件分配方法、装置、设备及计算机可读存储介质 | |
CN114462849A (zh) | 任务的均衡分配方法以及任务的均衡分配装置 | |
CN111178503A (zh) | 面向移动终端的去中心化目标检测模型训练方法及系统 | |
Fan et al. | Node essentiality assessment and distributed collaborative virtual network embedding in datacenters | |
CN107301094A (zh) | 面向大规模动态事务查询的动态自适应数据模型 | |
CN116962419A (zh) | 服务器分配策略的生成方法及装置、电子设备及存储介质 | |
CN114077492A (zh) | 云计算基础设施资源的预测模型训练、预测方法和系统 | |
CN110909085A (zh) | 数据处理方法、装置、设备及存储介质 | |
CN110458432A (zh) | 一种基于云模型的电力光传输网可靠性诊断方法 | |
CN113795032B (zh) | 室分隐形故障的判断方法、装置、存储介质及设备 | |
CN115600494A (zh) | 一种低压台区拓扑自动识别方法及装置 | |
CN110598930B (zh) | 一种公交线路优化调整方法及装置 | |
CN114971878B (zh) | 风险评估方法、风险评估装置、设备及存储介质 | |
CN113535410B (zh) | 用于gis空间矢量分布式计算的负载均衡方法及系统 | |
CN116467610B (zh) | 基于5g消息的数据拓扑分析方法、装置、设备及存储介质 | |
CN107516106A (zh) | 基于z值的分布式密度峰值聚类算法 |
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 |