CN115604319A - 基于多维度传感器的智慧社区管理平台 - Google Patents
基于多维度传感器的智慧社区管理平台 Download PDFInfo
- Publication number
- CN115604319A CN115604319A CN202211451521.XA CN202211451521A CN115604319A CN 115604319 A CN115604319 A CN 115604319A CN 202211451521 A CN202211451521 A CN 202211451521A CN 115604319 A CN115604319 A CN 115604319A
- Authority
- CN
- China
- Prior art keywords
- community
- data
- image set
- monitoring image
- dimensional sensor
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 claims abstract description 109
- 238000007405 data analysis Methods 0.000 claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000011156 evaluation Methods 0.000 claims abstract description 24
- 238000012502 risk assessment Methods 0.000 claims abstract description 19
- 238000007726 management method Methods 0.000 claims description 44
- 238000007781 pre-processing Methods 0.000 claims description 32
- 238000004458 analytical method Methods 0.000 claims description 27
- 238000004422 calculation algorithm Methods 0.000 claims description 22
- 230000005540 biological transmission Effects 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 21
- 238000001914 filtration Methods 0.000 claims description 15
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 230000009467 reduction Effects 0.000 claims description 9
- 238000004088 simulation Methods 0.000 claims description 7
- 238000013500 data storage Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 238000004806 packaging method and process Methods 0.000 claims description 3
- 239000013598 vector Substances 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 15
- 230000006870 function Effects 0.000 abstract description 11
- 238000010586 diagram Methods 0.000 description 13
- 230000006855 networking Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 9
- 238000001514 detection method Methods 0.000 description 6
- 230000001360 synchronised effect Effects 0.000 description 5
- 230000008520 organization Effects 0.000 description 4
- 101100236764 Caenorhabditis elegans mcu-1 gene Proteins 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 150000001875 compounds Chemical class 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 239000000779 smoke Substances 0.000 description 2
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 1
- 101100434411 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) ADH1 gene Proteins 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 101150102866 adc1 gene Proteins 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- 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
- 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
- G06Q50/16—Real estate
- G06Q50/163—Real estate management
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Computing Systems (AREA)
- Signal Processing (AREA)
- Game Theory and Decision Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Development Economics (AREA)
- Primary Health Care (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了基于多维度传感器的智慧社区管理平台，属于智慧社区技术领域，解决了现有平台中多组物联网传感器相互独立，同时物联网传感器功能分散，不能同步实时处理任务的问题，系统包括：传感数据获取模块；数据分析模块，对多维度传感器数据以及监控影像集合是否存在威胁进行判断；风险评估模块，用于获取多维度传感器数据以及监控影像集合，识别多维度传感器数据以及监控影像集合的威胁阈值；本申请中设置有数据分析模块以及风险评估模块，数据分析模块以及风险评估模块能够对获取的多维度传感器数据以及社区监控影像集合进行分析和判断，精准的预测社区内传感数据的潜在风险和事故概率，方便了平台对险情进行判断处置。
Description
技术领域
本发明属于智慧社区技术领域，具体涉及基于多维度传感器的智慧社区管理平台。
背景技术
社区与居民生活息息相关，随着技术的不断变革，智慧社区成为社区管理服务的一种新型模式，智慧社区基于管理平台运行，同时充分借助移动互联网、大数据、云服务等电子信息技术，深度嵌入到社区智能楼宇、智能家居、安防监控等诸多领域。
智慧社区管理依赖社区管理平台，同时社区管理平台可以在其管理范围内布置传感物联网，传感物联网由大量的传感设备组成，例如视频采集传感器、温湿度传感器、空气质量传感器以及红外测温传感器，通过在社区布局大量的传感器，可以有效避免事故的发生，同时方便居民的生活。
中国专利CN112750060B公开了一种智慧社区标准化平台，包括若干物联网传感器、社区管理服务器、云计算系统和智慧社区全息大屏，若干物联网传感器、社区管理服务器和智慧社区全息大屏分别与云计算系统建立数据连接；但是现有平台中多组物联网传感器相互独立，同时物联网传感器功能分散，不能同步实时处理任务，使得平台无法及时反馈或协调任务处理进程，基于此，我们提出了基于多维度传感器的智慧社区管理平台。
发明内容
本发明的目的在于针对现有技术的不足之处，提供基于多维度传感器的智慧社区管理平台，解决了现有平台中多组物联网传感器相互独立，同时物联网传感器功能分散，不能同步实时处理任务，使得平台无法及时反馈或协调任务处理进程的问题。
智慧社区管理依赖社区管理平台，同时社区管理平台可以在其管理范围内布置传感物联网，传感物联网由大量的传感设备组成，例如视频采集传感器、温湿度传感器、空气质量传感器以及红外测温传感器，通过在社区布局大量的传感器，可以有效避免事故的发生，同时方便居民的生活，但是现有平台中多组物联网传感器相互独立，同时物联网传感器功能分散，不能同步实时处理任务，使得平台无法及时反馈或协调任务处理进程。因此，我们提出了基于多维度传感器的智慧社区管理平台。所述平台包括：传感数据获取模块，用于获取社区内多维度传感器数据以及社区监控影像集合；数据分析模块，存储并分析社区内多维度传感器数据以及社区监控影像集合，并对多维度传感器数据以及监控影像集合是否存在威胁进行判断，风险评估模块，用于获取多维度传感器数据以及监控影像集合。本申请中设置有数据分析模块以及风险评估模块，数据分析模块以及风险评估模块能够对获取的多维度传感器数据以及社区监控影像集合进行分析和判断，精准的预测社区内传感数据的潜在风险和事故概率，方便了平台对险情进行判断处置。
本发明是这样实现的，基于多维度传感器的智慧社区管理平台，所述基于多维度传感器的智慧社区管理平台包括：
传感数据获取模块，用于获取社区内多维度传感器数据以及社区监控影像集合；
数据分析模块，提取社区内多维度传感器数据以及社区监控影像集合，存储并分析社区内多维度传感器数据以及社区监控影像集合，并对多维度传感器数据以及监控影像集合是否存在威胁进行判断，其中，多维度传感器数据以及监控影像集合是否存在威胁进行判断基于威胁判断模型进行；
风险评估模块，用于获取多维度传感器数据以及监控影像集合，识别多维度传感器数据以及监控影像集合的威胁阈值，基于威胁阈值、多维度传感器数据以及监控影像集合对社区潜在风险进行预测，并发布评估结果。
优选地，所述传感数据获取模块包括：
数据更新单元，采集社区内多维度传感器数据以及社区监控影像集合，覆盖并更新原有多维度传感器数据以及社区监控影像集合；
数据预处理单元，加载获取的数据，其中，对每组所述的数据分别分配预处理工具，通过预处理工具对获取的数据进行过滤降噪处理。
优选地，所述传感数据获取模块还包括：
处理输出单元，获取过滤降噪处理后的数据，打包发送所述数据，并将数据输送至数据存储库中存储。
优选地，所述预处理工具为预置的Filebeat工具，预处理工具提供B/S模式的参数配置功能，预处理工具对每组数据对应的过滤降噪路径进行分配。
优选地，所述数据更新单元包括：
物联网数据采集边缘网关，用于采集社区内多维度传感器数据；
与物联网数据采集边缘网关配合工作的物联网视频传输算法网关，所述物联网视频传输算法网关用于采集社区监控影像集合。
优选地，所述数据分析模块包括：
分析提取单元，用于提取过滤降噪后的社区内多维度传感器数据以及社区监控影像集合，存储并分析社区内多维度传感器数据以及社区监控影像集合；
分析判断单元，搭载有威胁判断模型，基于威胁判断模型对多维度传感器数据以及监控影像集合是否存在威胁进行判断。
优选地，所述数据分析模块还包括：
分析转换单元，用于提取过滤降噪后的社区内多维度传感器数据以及社区监控影像集合，并将提取过滤降噪后的社区内多维度传感器数据以及社区监控影像集合转换为可读取的csv文件格式。
优选地，所述威胁判断模型的工作方法，具体包括：
获取分析判断单元端查看请求；
基于查看请求提取对应的可读取的csv文件格式，其中，可读取的csv文件格式分别对应有过滤降噪后的社区内多维度传感器数据以及社区监控影像集合；
循环读取社区内多维度传感器数据以及社区监控影像集合中的数据；
通过威胁判断模型遍历查找威胁值对应的威胁触发值，并逐一对比威胁触发值以及预设阈值；
若威胁触发值小于预设阈值，则处理结束，若威胁触发值大于预设阈值，显示至分析判断单元端，并将处理结果发送至风险评估模块。
优选地，所述风险评估模块包括：
威胁值获取单元，获取威胁触发值；
模拟风险单元，以所述威胁触发值为输入，基于威胁阈值、多维度传感器数据以及监控影像集合对社区潜在风险进行预测；
结果发送单元，获取社区潜在风险预测评估结果，发布评估结果。
优选地，所述模拟风险单元采用CNN-Text模型，其中CNN-Text模型共有输入层、卷积层、全连接层三层，输入层的维度基于词向量的最大长度来定，数据类型为float64。
与现有技术相比，本申请实施例主要有以下有益效果：
本申请中设置有数据分析模块以及风险评估模块，数据分析模块以及风险评估模块能够对获取的多维度传感器数据以及社区监控影像集合进行分析和判断，精准的预测社区内传感数据的潜在风险和事故概率，方便了平台对险情进行判断处置。
附图说明
图1是本发明提供的基于多维度传感器的智慧社区管理平台的结构示意图。
图2是本发明提供的传感数据获取模块的结构示意图。
图3是本发明提供的数据分析模块的结构示意图。
图4是本发明提供的威胁判断模型的工作方法实现流程示意图。
图5是本发明提供的风险评估模块的结构示意图。
图6是本发明提供的基于多维度传感器的智慧社区管理方法的实现流程示意图。
图7是本发明提供的获取社区内多维度传感器数据以及社区监控影像集合方法的实现流程示意图。
图中：100-传感数据获取模块、110-数据更新单元、111-物联网数据采集边缘网关、112-物联网视频传输算法网关、120-数据预处理单元、130-处理输出单元、200-数据分析模块、210-分析提取单元、220-分析判断单元、230-分析转换单元、300-风险评估模块、310-威胁值获取单元、320-模拟风险单元、330-结果发送单元。
具体实施方式
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请技术领域的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请；本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
智慧社区管理依赖社区管理平台，同时社区管理平台可以在其管理范围内布置传感物联网，传感物联网由大量的传感设备组成，例如视频采集传感器、温湿度传感器、空气质量传感器以及红外测温传感器，通过在社区布局大量的传感器，可以有效避免事故的发生，同时方便居民的生活，但是现有平台中多组物联网传感器相互独立，同时物联网传感器功能分散，不能同步实时处理任务，使得平台无法及时反馈或协调任务处理进程。因此，我们提出了基于多维度传感器的智慧社区管理平台。所述平台包括：传感数据获取模块100，用于获取社区内多维度传感器数据以及社区监控影像集合；数据分析模块200，存储并分析社区内多维度传感器数据以及社区监控影像集合，并对多维度传感器数据以及监控影像集合是否存在威胁进行判断，风险评估模块300，用于获取多维度传感器数据以及监控影像集合。本申请中设置有数据分析模块200以及风险评估模块300，数据分析模块200以及风险评估模块300能够对获取的多维度传感器数据以及社区监控影像集合进行分析和判断，精准的预测社区内传感数据的潜在风险和事故概率，方便了平台对险情进行判断处置。
本发明实施例提供了基于多维度传感器的智慧社区管理平台，如图1所示，示出了基于多维度传感器的智慧社区管理平台的结构示意图，所述基于多维度传感器的智慧社区管理平台包括：
传感数据获取模块100，用于获取社区内多维度传感器数据以及社区监控影像集合；
数据分析模块200，提取社区内多维度传感器数据以及社区监控影像集合，存储并分析社区内多维度传感器数据以及社区监控影像集合，并对多维度传感器数据以及监控影像集合是否存在威胁进行判断，其中，多维度传感器数据以及监控影像集合是否存在威胁进行判断基于威胁判断模型进行；
风险评估模块300，用于获取多维度传感器数据以及监控影像集合，识别多维度传感器数据以及监控影像集合的威胁阈值，基于威胁阈值、多维度传感器数据以及监控影像集合对社区潜在风险进行预测，并发布评估结果。
本申请中设置有数据分析模块200以及风险评估模块300，数据分析模块200以及风险评估模块300能够对获取的多维度传感器数据以及社区监控影像集合进行分析和判断，精准的预测社区内传感数据的潜在风险和事故概率，方便了平台对险情进行判断处置。
本发明实施例提供了传感数据获取模块100，如图2所示，示出了传感数据获取模块100的结构示意图，所述传感数据获取模块100包括：
数据更新单元110，采集社区内多维度传感器数据以及社区监控影像集合，覆盖并更新原有多维度传感器数据以及社区监控影像集合；
数据预处理单元120，加载获取的数据，其中，对每组所述的数据分别分配预处理工具，通过预处理工具对获取的数据进行过滤降噪处理。
处理输出单元130，获取过滤降噪处理后的数据，打包发送所述数据，并将数据输送至数据存储库中存储。
在本实施例中，所述预处理工具为预置的Filebeat工具，预处理工具提供B/S模式的参数配置功能，预处理工具对每组数据对应的过滤降噪路径进行分配，同时，预处理工具能够被数据预处理单元120启动，当预处理工具为启动后，Filebeat工具会启动至少一个或多个预处理输入，Filebeat工具查找数据对应的日志，读取对应日志中的日志数据，逐一识别日志数据，实现对日志数据的筛选和过滤处理，然后再将筛选和过滤的数据统一发送至处理输入单元。
同时，需要说明的是，数据更新单元110内置储存器，储存器内存储有历史多维度传感器数据以及社区监控影像集合，当实时获取的多维度传感器数据以及社区监控影像集合与历史多维度传感器数据以及社区监控影像集合一致，则不执行替换作业，否则，执行多维度传感器数据以及社区监控影像集合替换作业，同时，保留三次时间周期内的历史数据，其中，所述的每次时间周期可以为一个月、两个月、三个月或半年。
示例性的，所述社区内多维度传感器数据包括但不限于可燃气体检测传感数据、烟雾检测传感数据、消防检测传感数据、智能门禁传感数据以及红外追踪传感器，而社区监控影像集合的获取仪器通过监控摄像头获取，需要说明的是，多维度传感器数据的获取是基于多维度传感器获取的，而多维度传感器兼具可燃气体检测传感数据、烟雾检测传感数据、消防检测传感数据、智能门禁传感数据以及红外追踪传感数据获取的功能，多维度传感器可以布局在智能社区的多个监测点，且多维度传感器通过DTU通讯或5G通讯的通讯方式与数据更新单元110通讯连接。
示例性的，多维度传感器还可以为光纤传感器，示例性的，多维度传感器设置电路转换模块、MCU1单元，电路转换模块能够将电路转换将直流光信号转换为电信号，MCU1采集经过放大电路的模拟电压，经过多级放大后，得到连续时间段内的模拟电压值，MCU1采集ADC1将模拟电压进行模数转换得到数字量电压值。
同时多维度传感器根据感光量数据对应的阻值和感应电压信号数据，拟合生成感光电压曲线。根据拟合曲线计算得到最终的ADC输出值。光纤传感器的输出直径为2mm，输出电压对应1-10V， 传感器采用12位ADC满足模数转换的精度，本发明能够识别273um的信号。
多维度传感器还内置控制器和放大器，其中，放大器接收控制器的指令可以自动智能调节电子电位器的档位，通过程序内部迭代算法实现智能调节投光功率调节电压输出达到客户的需要。放大器可以通过按键SET一键示教，自动调整到初始电压预设的值。放大器可以通过按键UP增大当前感光量，DN键减小当前感光量，即可以增大/减小当前输出电压（每次40mv）。
控制器与放大器的输出连接，多维度传感器的CPU程序接收来自Jetson Tx2的TCP/IP网络指令，通过ADC+DMA高速采集放大器输出端BK端电压，采集完成进入DMA中断，经过CPU2的模数转换将模拟电压转换为连续数字电压值，通过TCP/IP的方式将10100个数据发送给 Jetson Tx2 GPU，发送完成关闭DMA。
在本申请中，所述数据更新单元110包括：
物联网数据采集边缘网关111，用于采集社区内多维度传感器数据；
与物联网数据采集边缘网关111配合工作的物联网视频传输算法网关112，所述物联网视频传输算法网关112用于采集社区监控影像集合。
示例性的，物联网数据采集边缘网关111以及物联网视频传输算法网关112之间通过通讯连接，物联网数据采集边缘网关111与物联网视频传输算法网关112之间配合工作，使得物联网数据采集边缘网关111与物联网视频传输算法网关112两者任一启动都会驱动另一网关开启，实现数据的同步更新，使得影像数据以及传感数据具有实时性和对比性。
本发明实施例提供了数据分析模块200，如图3所示，示出了数据分析模块200的结构示意图，所述数据分析模块200包括：
分析提取单元210，用于提取过滤降噪后的社区内多维度传感器数据以及社区监控影像集合，存储并分析社区内多维度传感器数据以及社区监控影像集合；
示例性的，本申请中，分析提取单元210是提取过滤降噪后的社区内多维度传感器数据以及社区监控影像集合，而分析提取单元210还对数据开展一致性和无效值验证，在提取的同时判断数据的有效性，从而减轻系统数据处理的负载，考虑到数据中存在无效的代码、标点符号以及空格，因此，需要对无效的代码、标点符号以及空格提取中筛除。
分析判断单元220，搭载有威胁判断模型，基于威胁判断模型对多维度传感器数据以及监控影像集合是否存在威胁进行判断。
分析判断单元220利用大数据记录多维度传感器数据以及监控影像集合与正常数据集合，然后进行回归模型预测、小波变换后，再通过Fast-CNN分类神经网络训练，根据训练出的模型识别实时数据是否为异常信号，若数据为正常数据，则社区监测点正常，继续工作，若判断数据超过模型范围，则判断传感数据以及监测点，进而发出报警信号，提示后台跟进作业。
分析转换单元230，用于提取过滤降噪后的社区内多维度传感器数据以及社区监控影像集合，并将提取过滤降噪后的社区内多维度传感器数据以及社区监控影像集合转换为可读取的csv文件格式。
示例性的，本申请中，分析判断单元220、分析转换单元230以及分析提取单元210均内置有Elasticsearch引擎，需要说明的是Elasticsearch是一个在Lucene基础之上建立起来的分布式多用户能力的全文搜索引擎，可以集中进行数据存储。
需要说明的是，分析提取单元210是基于基于Zabbix框架与不同物联网数据采集边缘网关111以及物联网视频传输算法网关112建立联系，创建不同终端的Zabbix组织架构图，从而实现对物联网数据采集边缘网关111以及物联网视频传输算法网关112的统一管理。
示例性的，Zabbix框架不但能够实现响应物联网数据采集边缘网关111以及物联网视频传输算法网关112设备的组网，还能基于通信协议对物联网数据采集边缘网关111以及物联网视频传输算法网关112进行监控和统一管理，需要说明的是，Zabbix组织架构图创建时，对应产生物联网数据采集边缘网关111以及物联网视频传输算法网关112对应的拓扑架构树，通过拓扑架构树结合随机森林算法对物联网数据采集边缘网关111以及物联网视频传输算法网关112进行权重赋值，且权重赋值是通过主成分分析法计算得到，其中，权重赋值的计算公式如下：
Zj＝Lj1*X1+Lj2*X2+…+Ljp*Xp(j≤p) （1）
公式（1）中，其中，Zj为第j个主权重因素的线性组合；X1，X2，…，Xp为原始的p个物联网数据采集边缘网关111以及物联网视频传输算法网关112；Ljp为第p个物联网数据采集边缘网关111以及物联网视频传输算法网关112在主权重因素Zj中的分配系数。
公式（2）中，
分别表示每个物联网数据采集边缘网关111以及物联网视频传输算
法网关112在拓扑架构树上的权重值，
表示第j种主权重因素的占比，
为常数比例因子，
可以为0.2-0.6。
同时，在公式（2）中，所述
表示第j种主权重因素的占比，并将测算出的主权重因
素赋予数据更新单元110中的相应的网关，且第j种主权重因素的占比的计算公式如下：
在公式（3）中，
为主权重系数，T、S分别为p个物联网数据采集边缘网关111以及物
联网视频传输算法网关112对应的的初始组织架构余枝平均值、变化权重值，需要说明的是
初始组织架构余枝平均值、变化权重值均可以Zabbix组织架构中获取，同时，
为初始组织
架构余枝常量，初始组织架构余枝常量可以为1-10。
在本申请中，分析判断单元220、分析转换单元230以及分析提取单元210之间可以采用DTU、5G或WIFI通讯方式的互相双向通讯连接。
在本实施例中，如图4所示，还公开了威胁判断模型的工作方法，所述威胁判断模型的工作方法，具体包括：
步骤S101，获取分析判断单元220端查看请求；
步骤S102，基于查看请求提取对应的可读取的csv文件格式，其中，可读取的csv文件格式分别对应有过滤降噪后的社区内多维度传感器数据以及社区监控影像集合；
步骤S103，循环读取社区内多维度传感器数据以及社区监控影像集合中的数据；
步骤S104，通过威胁判断模型遍历查找威胁值对应的威胁触发值，并逐一对比威胁触发值以及预设阈值；
步骤S105，若威胁触发值小于预设阈值，则处理结束，若威胁触发值大于预设阈值，显示至分析判断单元220端，并将处理结果发送至风险评估模块300。
示例性的，可读取的csv文件由多个(property，value)二元组构成，采集待压缩任务集后，需要对待判断csv文件进行加密处理，加密流程为，分析判断单元220采集完成后，产生一个QEMU加密进程，产生QEMU加密进程的同时，配合产生一个XDC加密进程，分析判断单元220开启QEMU加密进程与XDC加密进程之间的N个通道，通过N个通道可以实现加密传输数据。
本发明实施例提供了风险评估模块300，如图5所示，示出了风险评估模块300的结构示意图，所述风险评估模块300包括：
威胁值获取单元310，获取威胁触发值；
模拟风险单元320，以所述威胁触发值为输入，基于威胁阈值、多维度传感器数据以及监控影像集合对社区潜在风险进行预测；
结果发送单元330，获取社区潜在风险预测评估结果，发布评估结果。
在本实施例中，所述模拟风险单元320采用CNN-Text模型，其中CNN-Text模型共有输入层、卷积层、全连接层三层，输入层的维度基于词向量的最大长度来定，数据类型为float64。
本发明实施例提供了基于多维度传感器的智慧社区管理平台，如图6所示，示出了基于多维度传感器的智慧社区管理方法的实现流程示意图，所述基于多维度传感器的智慧社区管理方法，具体包括：
步骤S10，获取社区内多维度传感器数据以及社区监控影像集合；
步骤S20，提取社区内多维度传感器数据以及社区监控影像集合，存储并分析社区内多维度传感器数据以及社区监控影像集合，并对多维度传感器数据以及监控影像集合是否存在威胁进行判断，其中，多维度传感器数据以及监控影像集合是否存在威胁进行判断基于威胁判断模型进行；
步骤S30，获取多维度传感器数据以及监控影像集合，识别多维度传感器数据以及监控影像集合的威胁阈值，基于威胁阈值、多维度传感器数据以及监控影像集合对社区潜在风险进行预测，并发布评估结果。
在本实施例中，在工作时，首先获取社区内多维度传感器数据以及社区监控影像集合，然后提取社区内多维度传感器数据以及社区监控影像集合，存储并分析社区内多维度传感器数据以及社区监控影像集合，最后识别多维度传感器数据以及监控影像集合的威胁阈值，基于威胁阈值、多维度传感器数据以及监控影像集合对社区潜在风险进行预测，并发布评估结果。
本申请中设置有数据分析模块200以及风险评估模块300，数据分析模块200以及风险评估模块300能够对获取的多维度传感器数据以及社区监控影像集合进行分析和判断，精准的预测社区内传感数据的潜在风险和事故概率，方便了平台对险情进行判断处置。
本发明实施例提供了获取社区内多维度传感器数据以及社区监控影像集合的方法，如图7所示，示出了获取社区内多维度传感器数据以及社区监控影像集合方法的实现流程示意图，所述获取社区内多维度传感器数据以及社区监控影像集合的方法，具体包括：
步骤S201，采集社区内多维度传感器数据以及社区监控影像集合，覆盖并更新原有多维度传感器数据以及社区监控影像集合；
步骤S202，加载获取的数据，其中，对每组所述的数据分别分配预处理工具，通过预处理工具对获取的数据进行过滤降噪处理。
步骤S203，获取过滤降噪处理后的数据，打包发送所述数据，并将数据输送至数据存储库中存储。
在本实施例中，所述预处理工具为预置的Filebeat工具，预处理工具提供B/S模式的参数配置功能，预处理工具对每组数据对应的过滤降噪路径进行分配，同时，预处理工具能够被数据预处理单元120启动，当预处理工具为启动后，Filebeat工具会启动至少一个或多个预处理输入，Filebeat工具查找数据对应的日志，读取对应日志中的日志数据，逐一识别日志数据，实现对日志数据的筛选和过滤处理，然后再将筛选和过滤的数据统一发送至处理输入单元。
本发明实施例的另一方面，还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序指令，该计算机程序指令可以被处理器执行。该计算机程序指令被执行时实现上述任意一项实施例的方法。
同时，存储器作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本申请实施例中的基于多维度传感器的智慧社区管理方法对应的程序指令/模块。存储器可以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、至少一个功能所需要的应用程序；存储数据区可存储基于多维度传感器的智慧社区管理方法的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至本地模块。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。
最后需要说明的是，本文的计算机可读存储介质（例如，存储器）可以是易失性存储器或非易失性存储器，或者可以包括易失性存储器和非易失性存储器两者。作为例子而非限制性的，非易失性存储器可以包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦写可编程ROM（EEPROM）或快闪存储器。易失性存储器可以包括随机存取存储器（RAM），该RAM可以充当外部高速缓存存储器。作为例子而非限制性的，RAM可以以多种形式获得，比如同步RAM（DRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据速率SDRAM（DDRSDRAM）、增强SDRAM（ESDRAM）、同步链路DRAM（SLDRAM）、以及直接Rambus RAM（DRRAM）。所公开的方面的存储设备意在包括但不限于这些和其它合适类型的存储器。
综上所述，本发明提供了基于多维度传感器的智慧社区管理平台，本申请中设置有数据分析模块200以及风险评估模块300，数据分析模块200以及风险评估模块300能够对获取的多维度传感器数据以及社区监控影像集合进行分析和判断，精准的预测社区内传感数据的潜在风险和事故概率，方便了平台对险情进行判断处置。
需要说明的是，对于前述的各实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可能采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，涉及的动作和模块并不一定是本发明所必须的。
本申请所提供的几个实施例中，应该理解到，所揭露的装置，可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，例如上述单元的划分，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，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或通信连接可以是通过一些接口，装置或单元之间的间接耦合或通信连接，可以是电信或者其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元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单元来实现本实施例方案的目的。
以上实施例仅用以说明本发明的技术方案，而非对发明的保护范围进行限制。显然，所描述的实施例仅仅是本发明部分实施例，而不是全部实施例。基于这些实施例，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，都属于本发明所要保护的范围。尽管参照上述实施例对本发明进行了详细的说明，本领域普通技术人员依然可以在不冲突的情况下，不作出创造性劳动对本发明各实施例中的特征根据情况相互组合、增删或作其他调整，从而得到不同的、本质未脱离本发明的构思的其他技术方案，这些技术方案也同样属于本发明所要保护的范围。
Claims (10)
1.基于多维度传感器的智慧社区管理平台，其特征在于，所述基于多维度传感器的智慧社区管理平台包括：
传感数据获取模块，用于获取社区内多维度传感器数据以及社区监控影像集合；
数据分析模块，提取社区内多维度传感器数据以及社区监控影像集合，存储并分析社区内多维度传感器数据以及社区监控影像集合，并对多维度传感器数据以及监控影像集合是否存在威胁进行判断，其中，多维度传感器数据以及监控影像集合是否存在威胁进行判断基于威胁判断模型进行；
风险评估模块，用于获取多维度传感器数据以及监控影像集合，识别多维度传感器数据以及监控影像集合的威胁阈值，基于威胁阈值、多维度传感器数据以及监控影像集合对社区潜在风险进行预测，并发布评估结果。
2.如权利要求1所述的基于多维度传感器的智慧社区管理平台，其特征在于：所述传感数据获取模块包括：
数据更新单元，采集社区内多维度传感器数据以及社区监控影像集合，覆盖并更新原有多维度传感器数据以及社区监控影像集合；
数据预处理单元，加载获取的数据，其中，对每组所述的数据分别分配预处理工具，通过预处理工具对获取的数据进行过滤降噪处理。
3.如权利要求2所述的基于多维度传感器的智慧社区管理平台，其特征在于：所述传感数据获取模块还包括：
处理输出单元，获取过滤降噪处理后的数据，打包发送所述数据，并将数据输送至数据存储库中存储。
4.如权利要求2所述的基于多维度传感器的智慧社区管理平台，其特征在于：所述预处理工具为预置的Filebeat工具，预处理工具提供B/S模式的参数配置功能，预处理工具对每组数据对应的过滤降噪路径进行分配。
5.如权利要求4所述的基于多维度传感器的智慧社区管理平台，其特征在于：所述数据更新单元包括：
物联网数据采集边缘网关，用于采集社区内多维度传感器数据；
与物联网数据采集边缘网关配合工作的物联网视频传输算法网关，所述物联网视频传输算法网关用于采集社区监控影像集合。
6.如权利要求1-5任一所述的基于多维度传感器的智慧社区管理平台，其特征在于：所述数据分析模块包括：
分析提取单元，用于提取过滤降噪后的社区内多维度传感器数据以及社区监控影像集合，存储并分析社区内多维度传感器数据以及社区监控影像集合；
分析判断单元，搭载有威胁判断模型，基于威胁判断模型对多维度传感器数据以及监控影像集合是否存在威胁进行判断。
7.如权利要求6所述的基于多维度传感器的智慧社区管理平台，其特征在于：所述数据分析模块还包括：
分析转换单元，用于提取过滤降噪后的社区内多维度传感器数据以及社区监控影像集合，并将提取过滤降噪后的社区内多维度传感器数据以及社区监控影像集合转换为可读取的csv文件格式。
8.如权利要求7所述的基于多维度传感器的智慧社区管理平台，其特征在于：所述威胁判断模型的工作方法，具体包括：
获取分析判断单元端查看请求；
基于查看请求提取对应的可读取的csv文件格式，其中，可读取的csv文件格式分别对应有过滤降噪后的社区内多维度传感器数据以及社区监控影像集合；
循环读取社区内多维度传感器数据以及社区监控影像集合中的数据；
通过威胁判断模型遍历查找威胁值对应的威胁触发值，并逐一对比威胁触发值以及预设阈值；
若威胁触发值小于预设阈值，则处理结束，若威胁触发值大于预设阈值，显示至分析判断单元端，并将处理结果发送至风险评估模块。
9.如权利要求8所述的基于多维度传感器的智慧社区管理平台，其特征在于：所述风险评估模块包括：
威胁值获取单元，获取威胁触发值；
模拟风险单元，以所述威胁触发值为输入，基于威胁阈值、多维度传感器数据以及监控影像集合对社区潜在风险进行预测；
结果发送单元，获取社区潜在风险预测评估结果，发布评估结果。
10.如权利要求9所述的基于多维度传感器的智慧社区管理平台，其特征在于：所述模拟风险单元采用CNN-Text模型，其中CNN-Text模型共有输入层、卷积层、全连接层三层，输入层的维度基于词向量的最大长度来定，数据类型为float64。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211451521.XA CN115604319B (zh) | 2022-11-21 | 2022-11-21 | 基于多维度传感器的智慧社区管理平台 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211451521.XA CN115604319B (zh) | 2022-11-21 | 2022-11-21 | 基于多维度传感器的智慧社区管理平台 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115604319A true CN115604319A (zh) | 2023-01-13 |
| CN115604319B CN115604319B (zh) | 2023-03-10 |
Family
ID=84852819
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211451521.XA Active CN115604319B (zh) | 2022-11-21 | 2022-11-21 | 基于多维度传感器的智慧社区管理平台 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115604319B (zh) |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2016170551A2 (en) * | 2015-04-21 | 2016-10-27 | Grade S.R.L. | Command and control system for optimal risk management |
| CN205810056U (zh) * | 2016-06-16 | 2016-12-14 | 海南政法职业学院 | 一种基于物联网的安防系统 |
| CN109087474A (zh) * | 2018-09-28 | 2018-12-25 | 广州市盟果科技有限公司 | 一种基于大数据的轨道交通安全维护方法 |
| CN109640032A (zh) * | 2018-04-13 | 2019-04-16 | 河北德冠隆电子科技有限公司 | 基于人工智能多要素全景监控检测五维预警系统 |
| CN109756571A (zh) * | 2019-01-04 | 2019-05-14 | 湖北诠享科技有限公司 | 一种智慧平安社区大数据云服务平台 |
| US20190149564A1 (en) * | 2017-11-10 | 2019-05-16 | Secureworks Corp. | Systems and methods for secure propogation of statistical models within threat intelligence communities |
| US20200090070A1 (en) * | 2018-09-19 | 2020-03-19 | Wipro Limited | METHOD AND SYSTEM FOR ANALYZING INTERNET OF THINGS (IoT) DATA IN REAL-TIME AND PROVIDING PREDICTIONS |
| CN111311945A (zh) * | 2020-02-20 | 2020-06-19 | 南京航空航天大学 | 一种融合视觉和传感器信息的驾驶决策系统及方法 |
| US20200322434A1 (en) * | 2016-04-01 | 2020-10-08 | Micah J. Sheller | Iot sensor fusion |
| CN112614293A (zh) * | 2020-12-04 | 2021-04-06 | 广东电力通信科技有限公司 | 一种基于边缘计算的电力物联网安全预警方法及系统 |
| CN113075065A (zh) * | 2021-03-05 | 2021-07-06 | 天津大学 | 基于图像识别的深海管道裂纹扩展监测与可靠性评估系统 |
| US20210374456A1 (en) * | 2020-05-27 | 2021-12-02 | Verizon Patent And Licensing Inc. | Systems and methods for identifying a service qualification of a unit of a community |
| US20220122009A1 (en) * | 2020-10-19 | 2022-04-21 | Strongarm Technologies, Inc. | Methods and apparatus for determining and preventing risk of human injury |
| CN114511243A (zh) * | 2022-02-22 | 2022-05-17 | 哈尔滨工业大学（深圳） | 一种基于物联网监测的火灾风险动态评估的方法及系统 |
-
2022
- 2022-11-21 CN CN202211451521.XA patent/CN115604319B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2016170551A2 (en) * | 2015-04-21 | 2016-10-27 | Grade S.R.L. | Command and control system for optimal risk management |
| US20200322434A1 (en) * | 2016-04-01 | 2020-10-08 | Micah J. Sheller | Iot sensor fusion |
| CN205810056U (zh) * | 2016-06-16 | 2016-12-14 | 海南政法职业学院 | 一种基于物联网的安防系统 |
| US20190149564A1 (en) * | 2017-11-10 | 2019-05-16 | Secureworks Corp. | Systems and methods for secure propogation of statistical models within threat intelligence communities |
| CN109640032A (zh) * | 2018-04-13 | 2019-04-16 | 河北德冠隆电子科技有限公司 | 基于人工智能多要素全景监控检测五维预警系统 |
| US20200090070A1 (en) * | 2018-09-19 | 2020-03-19 | Wipro Limited | METHOD AND SYSTEM FOR ANALYZING INTERNET OF THINGS (IoT) DATA IN REAL-TIME AND PROVIDING PREDICTIONS |
| CN109087474A (zh) * | 2018-09-28 | 2018-12-25 | 广州市盟果科技有限公司 | 一种基于大数据的轨道交通安全维护方法 |
| CN109756571A (zh) * | 2019-01-04 | 2019-05-14 | 湖北诠享科技有限公司 | 一种智慧平安社区大数据云服务平台 |
| CN111311945A (zh) * | 2020-02-20 | 2020-06-19 | 南京航空航天大学 | 一种融合视觉和传感器信息的驾驶决策系统及方法 |
| US20210374456A1 (en) * | 2020-05-27 | 2021-12-02 | Verizon Patent And Licensing Inc. | Systems and methods for identifying a service qualification of a unit of a community |
| US20220122009A1 (en) * | 2020-10-19 | 2022-04-21 | Strongarm Technologies, Inc. | Methods and apparatus for determining and preventing risk of human injury |
| CN112614293A (zh) * | 2020-12-04 | 2021-04-06 | 广东电力通信科技有限公司 | 一种基于边缘计算的电力物联网安全预警方法及系统 |
| CN113075065A (zh) * | 2021-03-05 | 2021-07-06 | 天津大学 | 基于图像识别的深海管道裂纹扩展监测与可靠性评估系统 |
| CN114511243A (zh) * | 2022-02-22 | 2022-05-17 | 哈尔滨工业大学（深圳） | 一种基于物联网监测的火灾风险动态评估的方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115604319B (zh) | 2023-03-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113095189B (zh) | 基于机器视觉和数据分析的电力系统变电站运行环境安全智能监测管理系统 | |
| CN110830467A (zh) | 基于模糊预测的网络可疑资产识别方法 | |
| CN104616094A (zh) | 一种温室气体管理系统 | |
| CN115514679B (zh) | 一种基于通信模块的异常来源监测方法及系统 | |
| CN111695730A (zh) | 基于arima及rnn的立磨振动预测方法及装置 | |
| CN114862372B (zh) | 基于区块链的智慧教育数据防篡改处理方法及系统 | |
| CN113554330A (zh) | 水文信息平台的安全态势感知模型的训练方法及应用方法 | |
| CN116910674A (zh) | 一种基于数据融合检验的水务管理监测方法、装置、设备及介质 | |
| CN114997513A (zh) | 基于神经网络的设备预测性维护方法 | |
| CN115604319B (zh) | 基于多维度传感器的智慧社区管理平台 | |
| CN113128612B (zh) | 电力数据中异常值的处理方法及终端设备 | |
| CN110390478A (zh) | 基于物联网的金融贷后监管系统与监管方法 | |
| CN112128950B (zh) | 一种基于多种模型对比的机房温湿度预测方法及系统 | |
| CN110197289B (zh) | 一种基于大数据的节能设备管理系统 | |
| CN115296933B (zh) | 一种工业生产数据风险等级评估方法及系统 | |
| CN115931141A (zh) | 一种基于改进型ann算法的红外测温图谱的温度识别方法 | |
| CN106814269B (zh) | 单片绝缘子自然积污特性试验数据处理系统及处理方法 | |
| CN115238574A (zh) | 基于数字孪生的输电线路数据管理方法 | |
| CN113642669B (zh) | 基于特征分析的防欺诈检测方法、装置、设备及存储介质 | |
| CN111105148B (zh) | 离职概率评估方法、装置及计算机可读存储介质 | |
| CN113570105A (zh) | 电力负荷预测方法、装置及终端 | |
| CN117111540B (zh) | 一种用于io远程控制总线模块的环境监测预警方法及系统 | |
| CN112468560B (zh) | 高压热裂解系统远程集控运维平台 | |
| CN113837404A (zh) | 虚假电梯维保工单的识别方法、装置、设备及存储介质 | |
| CN117557108A (zh) | 电力作业风险智能识别模型的训练方法和装置 |
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 |