CN116634469A - 一种基于多LoRa节点的数据传输管理系统及方法 - Google Patents
一种基于多LoRa节点的数据传输管理系统及方法 Download PDFInfo
- Publication number
- CN116634469A CN116634469A CN202310898137.2A CN202310898137A CN116634469A CN 116634469 A CN116634469 A CN 116634469A CN 202310898137 A CN202310898137 A CN 202310898137A CN 116634469 A CN116634469 A CN 116634469A
- Authority
- CN
- China
- Prior art keywords
- data
- abnormal
- node
- evaluated
- time length
- 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
- 230000005540 biological transmission Effects 0.000 title claims abstract description 92
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 title abstract description 14
- 230000002159 abnormal effect Effects 0.000 claims abstract description 153
- 238000005457 optimization Methods 0.000 claims abstract description 65
- 230000004044 response Effects 0.000 claims abstract description 35
- 238000013210 evaluation model Methods 0.000 claims abstract description 16
- 230000006870 function Effects 0.000 claims description 37
- 238000012544 monitoring process Methods 0.000 claims description 37
- 238000007726 management method Methods 0.000 claims description 27
- 230000008439 repair process Effects 0.000 claims description 26
- 238000005070 sampling Methods 0.000 claims description 23
- 238000011156 evaluation Methods 0.000 claims description 11
- 238000012546 transfer Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000005856 abnormality Effects 0.000 abstract description 3
- 238000012216 screening Methods 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 208000032370 Secondary transmission Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/04—Arrangements for maintaining operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/06—Testing, supervising or monitoring using simulated traffic
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明属于数据传输管理技术领域，具体涉及一种基于多LoRa节点的数据传输管理系统及方法。本发明能够对后端输出数据与前端输入数据之间的响应时长进行分析，以此来判断后端输出数据的有效性，结合评估模型和预测模型能够得出异常预测节点，从而在数据传输出现异常之前结合优化模型的作用，可在下次异常之前实现提前优化，使得历史冗余数据得到筛除，有效的降低前端输入数据和后端输出数据之间的响应时长，保证数据传输的有效性。
Description
技术领域
本发明属于数据传输管理技术领域，具体涉及一种基于多LoRa节点的数据传输管理系统及方法。
背景技术
随着物联网技术的不断发展，支持数据传输的方式也越来越多，Lora通讯便是其中一种，最大特点就是在同样的功耗条件下比其他无线方式传播的距离更远，实现了低功耗和远距离的统一，它在同样的功耗下比传统的无线射频通信距离扩大3到5倍，是当前应用较为普遍的一种数据传输方式。
现有技术中，数据传输会多节点多通道进行传输，并且数据传输过程中，数据冗余量会影响数据传输以及响应时长，但输出及时性往往又与输出数据的有效性息息相关，一旦输出数据延迟过大，便可能直接导致该组数据无效化，此时便需要执行二次传输工作，这无疑就会降低数据传输的效率，并且还可能出现数据传输通道重复占用，连带其他数据一同延迟的现象发生，基于此，本方案提供了一种能够根据输入数据与输出数据之间的响应时长来优化冗余数据量的数据传输管理方法。
发明内容
本发明的目的是提供一种基于多LoRa节点的数据传输管理系统及方法，能够根据输入数据与输出数据之间的响应时长来优化冗余数据量，保证数据传输的有效性。
本发明采取的技术方案具体如下：
一种基于多LoRa节点的数据传输管理方法，包括：
获取数据传输信息以及传输节点，其中，所述数据传输信息包括前端输入数据以及后端输出数据，所述传输节点包括前端输入节点以及后端输出节点；
获取所述后端输出数据与前端输入数据之间的响应时长，并将其标定为待评估时长；
获取延迟阈值，并与所述待评估时长进行比较；
若所述延迟阈值大于待评估时长，则表明所述后端输出数据无效，并将该待评估时长标定为异常数据，且发出告警信号；
若所述延迟阈值小于或等于待评估时长，则表明所述后端输出数据有效，并将该待评估时长标定为有效数据；
构建监测时段，并在所述监测时段内设置多个采样节点，并统计所有所述采样节点下的待评估时长，且汇总为待评估数据集；
从所述待评估数据集中调用异常数据的发生节点，并将其标定为异常节点，再将所有所述异常节点输入至评估模型中，得到异常间隔周期；
获取所有所述异常间隔周期，并输入至预测模型中，得到异常预测节点；
将所述异常预测节点输入至优化模型中，得到优化节点，并在所述优化节点下执行数据传输优化。
在一种优选方案中，所述获取所述后端输出数据与前端输入数据之间的响应时长，并将其标定为待评估时长的步骤，包括：
获取所述前端输入数据，并输入至中转设备，并判断所述中转设备是否能输出与该前端输入数据相对应的后端输出数据；
若否，则表明所述后端输出数据未输出；
若是，则表明所述后端输出数据正常输出，并标定后端输出数据的输出节点；
获取所述前端输入数据的输入节点，且将该输入节点与输出节点之间的响应时长标定为待评估时长。
在一种优选方案中，所述前端输入数据、后端输出数据以及延迟阈值均一一对应。
在一种优选方案中，所述构建监测时段，并在所述监测时段内设置多个采样节点的步骤，包括：
获取每个所述前端输入数据和后端输出数据对应的延迟阈值，并标定为基准时长；
获取与所述基准时长对应的自定义系数，其中，所述自定义系数决定待评估数据集中待评估时长的数量；
获取标准函数，并将所述基准时长以及自定义系数输入至标准函数中，且将其输出结果标定为监测时段，再将所述监测时段内后端输出数据的输出节点标定为采样节点。
在一种优选方案中，所述将所有所述异常节点输入至评估模型中，得到异常间隔周期的步骤，包括：
获取所有所述异常节点以及异常结束节点，并将相邻所述异常节点以及异常结束节点标定为待评估数据；
从所述评估模型中调用评估函数；
将所有待评估数据输入至评估函数中，且将其输出结果标定为异常间隔周期。
在一种优选方案中，所述获取所有所述异常间隔周期，并输入至预测模型中，得到异常预测节点的步骤，包括：
获取所述监测时段内的异常间隔周期；
从所述预测模型中调用预测函数；
将所述异常间隔周期输入至预测函数中，且将所述预测函数的输出结果标定为异常预测节点。
在一种优选方案中，所述将所述异常预测节点输入至优化模型中，得到优化节点的步骤，包括：
获取所述异常预测节点与当前节点之间的时间间隔，并将其标定为待优化参数；
汇总所有所述异常数据的修复时长，并按照由高至低的顺序进行排序，且将取值最高的修复时长标定为标准修复时长；
将所述待优化参数与标准修复时长进行比较，判断是否能对所述异常预测下的异常数据执行优化；
若所述待优化参数大于或等于标准修复时长，则表明所述异常预测下的异常数据能执行优化，并从所述优化模型中调用优化函数，再将所述异常预测节点以及标准修复时长输入至优化函数中，并将其输出结果确定为优化节点；
若所述待优化参数小于标准修复时长，则表明所述异常预测下的异常数据不能执行优化，且同步发出报警信号。
在一种优选方案中，所述在所述优化节点下执行数据传输优化的步骤，包括：
获取所述优化节点下的历史数据冗余量，并汇总为冗余数据集；
获取用户当前需求数据，并将其标定为基准数据；
获取冗余数据集中与基准数据不相关的历史数据，并按照其发生时间从冗余数据集中删除。
本发明还提供了，一种基于多LoRa节点的数据传输管理系统，应用于上述的基于多LoRa节点的数据传输管理方法，包括：
第一获取模块，所述第一获取模块用于获取数据传输信息以及传输节点，其中，所述数据传输信息包括前端输入数据以及后端输出数据，所述传输节点包括前端输入节点以及后端输出节点；
第二获取模块，所述第二获取模块用于获取所述后端输出数据与前端输入数据之间的响应时长，并将其标定为待评估时长；
比对模块，所述比对模块用于获取延迟阈值，并与所述待评估时长进行比较；
若所述延迟阈值大于待评估时长，则表明所述后端输出数据无效，并将该待评估时长标定为异常数据，且发出告警信号；
若所述延迟阈值小于或等于待评估时长，则表明所述后端输出数据有效，并将该待评估时长标定为有效数据；
采样模块，所述采样模块用于构建监测时段，并在所述监测时段内设置多个采样节点，并统计所有所述采样节点下的待评估时长，且汇总为待评估数据集；
评估模块，所述评估模块用于从所述待评估数据集中调用异常数据的发生节点，并将其标定为异常节点，再将所有所述异常节点输入至评估模型中，得到异常间隔周期；
预测模块，所述预测模块用于获取所有所述异常间隔周期，并输入至预测模型中，得到异常预测节点；
优化模块，所述优化模块用于将所述异常预测节点输入至优化模型中，得到优化节点，并在所述优化节点下执行数据传输优化。
以及，一种基于多LoRa节点的数据传输管理终端，包括：
至少一个处理器；
以及与所述至少一个处理器通信连接的存储器；
其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的基于多LoRa节点的数据传输管理方法。
本发明取得的技术效果为：
本发明能够对后端输出数据与前端输入数据之间的响应时长进行分析，以此来判断后端输出数据的有效性，结合评估模型和预测模型能够得出异常预测节点，从而在数据传输出现异常之前结合优化模型的作用，可在下次异常之前实现提前优化，使得历史冗余数据得到筛除，有效的降低前端输入数据和后端输出数据之间的响应时长，保证数据传输的有效性。
附图说明
图1是本发明所提供的方法流程图；
图2是本发明所提供的系统模块图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个较佳的实施方式中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
请参阅图1和图2所示，本发明提供了一种基于多LoRa节点的数据传输管理方法，包括：
S1、获取数据传输信息以及传输节点，其中，数据传输信息包括前端输入数据以及后端输出数据，传输节点包括前端输入节点以及后端输出节点；
S2、获取后端输出数据与前端输入数据之间的响应时长，并将其标定为待评估时长；
S3、获取延迟阈值，并与待评估时长进行比较；
若延迟阈值大于待评估时长，则表明后端输出数据无效，并将该待评估时长标定为异常数据，且发出告警信号；
若延迟阈值小于或等于待评估时长，则表明后端输出数据有效，并将该待评估时长标定为有效数据；
S4、构建监测时段，并在监测时段内设置多个采样节点，并统计所有采样节点下的待评估时长，且汇总为待评估数据集；
S5、从待评估数据集中调用异常数据的发生节点，并将其标定为异常节点，再将所有异常节点输入至评估模型中，得到异常间隔周期；
S6、获取所有异常间隔周期，并输入至预测模型中，得到异常预测节点；
S7、将异常预测节点输入至优化模型中，得到优化节点，并在优化节点下执行数据传输优化。
如上述步骤S1-S7所述，随着物联网技术的不断发展，支持数据传输的方式也越来越多，Lora通讯便是其中一种，最大特点就是在同样的功耗条件下比其他无线方式传播的距离更远，实现了低功耗和远距离的统一，它在同样的功耗下比传统的无线射频通信距离扩大3到5倍，日常应用中，数据传输会多节点多通道进行传输，并且数据传输过程中，其输出及时性往往与输出数据的有效性息息相关，本实施例中，首先获取数据传输信息，根据其传输方式具体可分类为前端输入数据和后端输出数据，并将其对应的传输节点标定为前端输入节点和后端输出节点，实际应用中，可以对这些前端输入节点和后端输出节点进行编号，使得各个节点下的数据能够得到有序且有效的传输，之后获取后端输出数据与前端输入数据之间的响应时长，本实施方式将其标定为待评估时长，以其来反映后端输出数据的有效性，具体是通过预设延迟阈值的方式来与待评估时长进行比较，此处，延迟阈值是根据所传输数据的最大延迟量进行设置的，其根据用户需求的不同，延迟阈值的取值也不相同，且前端输入数据、后端输出数据以及延迟阈值均一一对应，具体应根据实际情况进行设定，文中对此就不加以明确的限制和赘述，而在待评估时长超出延迟阈值的情况下，便会同步发出报警信号，并且将该数据标定为异常数据，而后构建监测时段，组建样本集，即文中提及的待评估数据集，之后从待评估数据集中调用异常数据对应的异常节点，并输入至评估模型中，确定异常间隔周期，再将此异常间隔周期输入至预测模型中，便可得到异常预测节点，结合优化模型的作用，从而可在下次异常之前实现提前优化，有效的降低前端输入数据和后端输出数据之间的响应时长，保证数据传输的有效性。
在一个较佳的实施方式中，获取后端输出数据与前端输入数据之间的响应时长，并将其标定为待评估时长的步骤，包括：
S201、获取前端输入数据，并输入至中转设备，并判断中转设备是否能输出与该前端输入数据相对应的后端输出数据；
S202、若否，则表明后端输出数据未输出；
S203、若是，则表明后端输出数据正常输出，并标定后端输出数据的输出节点；
S204、获取前端输入数据的输入节点，且将该输入节点与输出节点之间的响应时长标定为待评估时长。
如上述步骤S201-S204所述，在确定待评估时长时，首先需要明确前端输入数据是否能够竞购中转设备进行输出，该中转设备可以为中继器、集线器、网桥、交换机、路由器和网关等，在确定中转设备能够输出与前端输入数据对应的后端输出数据之后，直接将其输入节点与输出节点之间的响应时长标定为待评估时长即可。
在一个较佳的实施方式中，构建监测时段，并在监测时段内设置多个采样节点的步骤，包括：
S401、获取每个前端输入数据和后端输出数据对应的延迟阈值，并标定为基准时长；
S402、获取与基准时长对应的自定义系数，其中，自定义系数决定待评估数据集中待评估时长的数量；
S403、获取标准函数，并将基准时长以及自定义系数输入至标准函数中，且将其输出结果标定为监测时段，再将监测时段内后端输出数据的输出节点标定为采样节点。
如上述步骤S401-S403所述，在构建监测时段时，需要保证监测时段内的数据量充足，基于此，本实施方式先行获取每个相互对应的前端输入数据与后端输出数据之间的延迟阈值，再将其标定为基准时长，再结合自定义系数来确定待评估数据集中待评估时长的数量即可，其中，自定义系数优选为不小于1000，之后通过标准函数来测算监测时段的时长即可，其中，标准函数为：，式中，/>表示监测时段的时长，/>表示自定义系数，/>表示基准时长，最后将监测时段内后端输出数据的输出节点标定为采样节点即可；
需要说明的是，构建监测时段时，需要以当前节点为监测时段的结束节点，从而可保证监测时段内的数据能够为后续的评估模型和预测模型的执行提供准确的数据支持。
在一个较佳的实施方式中，将所有异常节点输入至评估模型中，得到异常间隔周期的步骤，包括：
S501、获取所有异常节点以及异常结束节点，并将相邻异常节点以及异常结束节点标定为待评估数据；
S502、从评估模型中调用评估函数；
S503、将所有待评估数据输入至评估函数中，且将其输出结果标定为异常间隔周期。
如上述步骤S501-S503所述，在确定监测时段内的异常节点之后，统计相邻异常节点之间的间隔时段，再将这些间隔时段输入至评估函数中，其中，评估函数为：，式中，/>表示异常间隔周期，/>异常节点，/>表示异常结束节点，其中，/>表示异常节点和异常结束节点的编号，即每次异常数据发生与结束对应一个编号，并不参与实际的运算，基于上式，便可逐一得出多个异常间隔周期。
在一个较佳的实施方式中，获取所有异常间隔周期，并输入至预测模型中，得到异常预测节点的步骤，包括：
S601、获取监测时段内的异常间隔周期；
S602、从预测模型中调用预测函数；
S603、将异常间隔周期输入至预测函数中，且将预测函数的输出结果标定为异常预测节点。
如上述步骤S601-S603所述，在异常间隔周期确定之后，将其直接输入至预测函数中即可，其中，预测函数为：，式中，/>表示异常预测节点，表示当前异常节点，/>表示异常间隔周期的数量，/>与/>表示相邻的异常间隔周期，而后将该公式的输出结果标定为异常预测节点即可，方便后续在异常数据产生之前进行提前优化操作。
在一个较佳的实施方式中，将异常预测节点输入至优化模型中，得到优化节点的步骤，包括：
S701、获取异常预测节点与当前节点之间的时间间隔，并将其标定为待优化参数；
S702、汇总所有异常数据的修复时长，并按照由高至低的顺序进行排序，且将取值最高的修复时长标定为标准修复时长；
S703、将待优化参数与标准修复时长进行比较，判断是否能对异常预测下的异常数据执行优化；
若待优化参数大于或等于标准修复时长，则表明异常预测下的异常数据能执行优化，并从优化模型中调用优化函数，再将异常预测节点以及标准修复时长输入至优化函数中，并将其输出结果确定为优化节点；
若待优化参数小于标准修复时长，则表明异常预测下的异常数据不能执行优化，且同步发出报警信号。
如上述步骤S701-S703所述，在确定优化节点时，需要先行统计已发生异常现象的异常数据的修复时长，并将这些修复时长中取值最高的确定为标准修复时长，再计算当前节点与异常预测节点之间的间隔，本实施方式将其间隔标定为待优化参数，若待优化参数小于标准修复时长，则就表明该间隔内没有充足的时间执行优化操作，但可在该时间间隔内发出报警信号，告知用户保存数据或者停止传输数据，而后进行停机优化操作即可，反之，则就表明有充足的时间完成优化操作，并且不会影响数据的传输，此时从优化模型中调用优化函数，其中，优化函数为：，式中，/>表示优化节点，/>表示标准修复时长。
在一个较佳的实施方式中，在优化节点下执行数据传输优化的步骤，包括：
S704、获取优化节点下的历史数据冗余量，并汇总为冗余数据集；
S705、获取用户当前需求数据，并将其标定为基准数据；
S706、获取冗余数据集中与基准数据不相关的历史数据，并按照其发生时间从冗余数据集中删除。
如上述步骤S704-S706所述，在执行数据传输优化时，本实施方式通过根据用户的当前需求来确实基准数据以及不相关的历史数据，为保证用户的调阅，在删除冗余数据集中的历史数据时，按照其发生顺序执行删除操作，这些数据仅从中转设备中删除，删除之前可将这些数据备份至云端进行存储，方便用户后续进行调阅。
本发明还提供了，一种基于多LoRa节点的数据传输管理系统，应用于上述的基于多LoRa节点的数据传输管理方法，包括：
第一获取模块，第一获取模块用于获取数据传输信息以及传输节点，其中，数据传输信息包括前端输入数据以及后端输出数据，传输节点包括前端输入节点以及后端输出节点；
第二获取模块，第二获取模块用于获取后端输出数据与前端输入数据之间的响应时长，并将其标定为待评估时长；
比对模块，比对模块用于获取延迟阈值，并与待评估时长进行比较；
若延迟阈值大于待评估时长，则表明后端输出数据无效，并将该待评估时长标定为异常数据，且发出告警信号；
若延迟阈值小于或等于待评估时长，则表明后端输出数据有效，并将该待评估时长标定为有效数据；
采样模块，采样模块用于构建监测时段，并在监测时段内设置多个采样节点，并统计所有采样节点下的待评估时长，且汇总为待评估数据集；
评估模块，评估模块用于从待评估数据集中调用异常数据的发生节点，并将其标定为异常节点，再将所有异常节点输入至评估模型中，得到异常间隔周期；
预测模块，预测模块用于获取所有异常间隔周期，并输入至预测模型中，得到异常预测节点；
优化模块，优化模块用于将异常预测节点输入至优化模型中，得到优化节点，并在优化节点下执行数据传输优化。
如上述，在该数据传输管理系统执行时，首先通过第一获取模块来获取数据传输信息以及数据的传输节点，本实施方式将其分类为前端输入数据和后端输出数据，其对应的数据传输节点分别为前端输入节点和后端输出节点，通过第二获取模块来获取前端输入数据与对应的后端输出数据的响应时长，为方便后续对其进行比较，此处将其标定为待评估时长，之后通过比对模块来对待评估时长和延迟阈值进行比较，从而来判断后端输出数据的有效性，且在后端输出数据被判定五小时还能够同步发出报警信号，再通过采样模块来构建检测时段，以此能够得到一个具有充分数据支持的待评估数据集，结合评估模块和预测模块便可侧端出异常预测节点，从而在异常数据发生之前执行优化模块，在不影响数据正常传输的情况下将中转设备中的冗余历史数据删除，当然，在将这些冗余历史数据删除之前可以上传至云端进行存储，方便后续用户进行调阅与浏览。
以及，一种基于多LoRa节点的数据传输管理终端，包括：
至少一个处理器；
以及与至少一个处理器通信连接的存储器；
其中，存储器存储有可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执行，以使至少一个处理器能够执行上述的基于多LoRa节点的数据传输管理方法。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其它变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其它要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。本发明中未具体描述和解释说明的结构、装置以及操作方法，如无特别说明和限定，均按照本领域的常规手段进行实施。
Claims (10)
1.一种基于多LoRa节点的数据传输管理方法，其特征在于：包括：
获取数据传输信息以及传输节点，其中，所述数据传输信息包括前端输入数据以及后端输出数据，所述传输节点包括前端输入节点以及后端输出节点；
获取所述后端输出数据与前端输入数据之间的响应时长，并将其标定为待评估时长；
获取延迟阈值，并与所述待评估时长进行比较；
若所述延迟阈值大于待评估时长，则表明所述后端输出数据无效，并将该待评估时长标定为异常数据，且发出告警信号；
若所述延迟阈值小于或等于待评估时长，则表明所述后端输出数据有效，并将该待评估时长标定为有效数据；
构建监测时段，并在所述监测时段内设置多个采样节点，并统计所有所述采样节点下的待评估时长，且汇总为待评估数据集；
从所述待评估数据集中调用异常数据的发生节点，并将其标定为异常节点，再将所有所述异常节点输入至评估模型中，得到异常间隔周期；
获取所有所述异常间隔周期，并输入至预测模型中，得到异常预测节点；
将所述异常预测节点输入至优化模型中，得到优化节点，并在所述优化节点下执行数据传输优化。
2.根据权利要求1所述的一种基于多LoRa节点的数据传输管理方法，其特征在于：所述获取所述后端输出数据与前端输入数据之间的响应时长，并将其标定为待评估时长的步骤，包括：
获取所述前端输入数据，并输入至中转设备，并判断所述中转设备是否能输出与该前端输入数据相对应的后端输出数据；
若否，则表明所述后端输出数据未输出；
若是，则表明所述后端输出数据正常输出，并标定后端输出数据的输出节点；
获取所述前端输入数据的输入节点，且将该输入节点与输出节点之间的响应时长标定为待评估时长。
3.根据权利要求1所述的一种基于多LoRa节点的数据传输管理方法，其特征在于：所述前端输入数据、后端输出数据以及延迟阈值均一一对应。
4.根据权利要求1所述的一种基于多LoRa节点的数据传输管理方法，其特征在于：所述构建监测时段，并在所述监测时段内设置多个采样节点的步骤，包括：
获取每个所述前端输入数据和后端输出数据对应的延迟阈值，并标定为基准时长；
获取与所述基准时长对应的自定义系数，其中，所述自定义系数决定待评估数据集中待评估时长的数量；
获取标准函数，并将所述基准时长以及自定义系数输入至标准函数中，且将其输出结果标定为监测时段，再将所述监测时段内后端输出数据的输出节点标定为采样节点。
5.根据权利要求1所述的一种基于多LoRa节点的数据传输管理方法，其特征在于：所述将所有所述异常节点输入至评估模型中，得到异常间隔周期的步骤，包括：
获取所有所述异常节点以及异常结束节点，并将相邻所述异常节点以及异常结束节点标定为待评估数据；
从所述评估模型中调用评估函数；
将所有待评估数据输入至评估函数中，且将其输出结果标定为异常间隔周期。
6.根据权利要求1所述的一种基于多LoRa节点的数据传输管理方法，其特征在于：所述获取所有所述异常间隔周期，并输入至预测模型中，得到异常预测节点的步骤，包括：
获取所述监测时段内的异常间隔周期；
从所述预测模型中调用预测函数；
将所述异常间隔周期输入至预测函数中，且将所述预测函数的输出结果标定为异常预测节点。
7.根据权利要求1所述的一种基于多LoRa节点的数据传输管理方法，其特征在于：所述将所述异常预测节点输入至优化模型中，得到优化节点的步骤，包括：
获取所述异常预测节点与当前节点之间的时间间隔，并将其标定为待优化参数；
汇总所有所述异常数据的修复时长，并按照由高至低的顺序进行排序，且将取值最高的修复时长标定为标准修复时长；
将所述待优化参数与标准修复时长进行比较，判断是否能对所述异常预测下的异常数据执行优化；
若所述待优化参数大于或等于标准修复时长，则表明所述异常预测下的异常数据能执行优化，并从所述优化模型中调用优化函数，再将所述异常预测节点以及标准修复时长输入至优化函数中，并将其输出结果确定为优化节点；
若所述待优化参数小于标准修复时长，则表明所述异常预测下的异常数据不能执行优化，且同步发出报警信号。
8.根据权利要求1所述的一种基于多LoRa节点的数据传输管理方法，其特征在于：所述在所述优化节点下执行数据传输优化的步骤，包括：
获取所述优化节点下的历史数据冗余量，并汇总为冗余数据集；
获取用户当前需求数据，并将其标定为基准数据；
获取冗余数据集中与基准数据不相关的历史数据，并按照其发生时间从冗余数据集中删除。
9.一种基于多LoRa节点的数据传输管理系统，应用于权利要求1至8中任意一项所述的基于多LoRa节点的数据传输管理方法，其特征在于：包括：
第一获取模块，所述第一获取模块用于获取数据传输信息以及传输节点，其中，所述数据传输信息包括前端输入数据以及后端输出数据，所述传输节点包括前端输入节点以及后端输出节点；
第二获取模块，所述第二获取模块用于获取所述后端输出数据与前端输入数据之间的响应时长，并将其标定为待评估时长；
比对模块，所述比对模块用于获取延迟阈值，并与所述待评估时长进行比较；
若所述延迟阈值大于待评估时长，则表明所述后端输出数据无效，并将该待评估时长标定为异常数据，且发出告警信号；
若所述延迟阈值小于或等于待评估时长，则表明所述后端输出数据有效，并将该待评估时长标定为有效数据；
采样模块，所述采样模块用于构建监测时段，并在所述监测时段内设置多个采样节点，并统计所有所述采样节点下的待评估时长，且汇总为待评估数据集；
评估模块，所述评估模块用于从所述待评估数据集中调用异常数据的发生节点，并将其标定为异常节点，再将所有所述异常节点输入至评估模型中，得到异常间隔周期；
预测模块，所述预测模块用于获取所有所述异常间隔周期，并输入至预测模型中，得到异常预测节点；
优化模块，所述优化模块用于将所述异常预测节点输入至优化模型中，得到优化节点，并在所述优化节点下执行数据传输优化。
10.一种基于多LoRa节点的数据传输管理终端，其特征在于：包括：
至少一个处理器；
以及与所述至少一个处理器通信连接的存储器；
其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至8中任意一项所述的基于多LoRa节点的数据传输管理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310898137.2A CN116634469B (zh) | 2023-07-21 | 2023-07-21 | 一种基于多LoRa节点的数据传输管理系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310898137.2A CN116634469B (zh) | 2023-07-21 | 2023-07-21 | 一种基于多LoRa节点的数据传输管理系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116634469A true CN116634469A (zh) | 2023-08-22 |
| CN116634469B CN116634469B (zh) | 2023-09-19 |
Family
ID=87610172
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310898137.2A Active CN116634469B (zh) | 2023-07-21 | 2023-07-21 | 一种基于多LoRa节点的数据传输管理系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116634469B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116915348A (zh) * | 2023-09-08 | 2023-10-20 | 南京源兴智达信息科技有限公司 | 基于射频直采的多路信号快速检测方法 |
| CN117649195A (zh) * | 2023-11-27 | 2024-03-05 | 连云港电子口岸信息发展有限公司 | 一种港口装卸机械的移动端电子点检系统及实现方法 |
| CN117719385A (zh) * | 2024-02-18 | 2024-03-19 | 弘安天启(南京)科技有限公司 | 一种智能充电桩控制系统及方法 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108781183A (zh) * | 2016-03-15 | 2018-11-09 | 华为技术有限公司 | 一种业务路径建立的方法、节点设备和系统 |
| CN108809708A (zh) * | 2018-06-04 | 2018-11-13 | 深圳众厉电力科技有限公司 | 一种电力通信网络节点故障检测系统 |
| CN111865707A (zh) * | 2019-04-27 | 2020-10-30 | 北京初速度科技有限公司 | 一种传感器数据的传输时序监控方法及装置 |
| CN112752337A (zh) * | 2020-12-16 | 2021-05-04 | 南京航空航天大学 | 一种基于q学习的无人机中继协助保持信息新鲜度的系统和方法 |
| US20220224443A1 (en) * | 2019-10-03 | 2022-07-14 | Lg Electronics Inc. | Method and apparatus for performing retransmission in wireless communication system |
| CN114785714A (zh) * | 2022-03-01 | 2022-07-22 | 阿里巴巴（中国）有限公司 | 一种报文传输时延检测方法、存储介质及设备 |
| WO2022268175A1 (en) * | 2021-06-23 | 2022-12-29 | Essen Innovation Company Limited | Method for small data transmission in power saving state and related devices |
| WO2022266964A1 (zh) * | 2021-06-24 | 2022-12-29 | Oppo广东移动通信有限公司 | 基于低功耗蓝牙的数据传输方法、装置、设备及存储介质 |
| CN116156512A (zh) * | 2021-11-18 | 2023-05-23 | 中兴通讯股份有限公司 | 通道配置方法及装置、时隙配置方法、设备及介质 |
| CN116346294A (zh) * | 2021-12-24 | 2023-06-27 | 中移(成都)信息通信科技有限公司 | 通信方法、装置、相关设备及存储介质 |
-
2023
- 2023-07-21 CN CN202310898137.2A patent/CN116634469B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108781183A (zh) * | 2016-03-15 | 2018-11-09 | 华为技术有限公司 | 一种业务路径建立的方法、节点设备和系统 |
| CN108809708A (zh) * | 2018-06-04 | 2018-11-13 | 深圳众厉电力科技有限公司 | 一种电力通信网络节点故障检测系统 |
| CN111865707A (zh) * | 2019-04-27 | 2020-10-30 | 北京初速度科技有限公司 | 一种传感器数据的传输时序监控方法及装置 |
| US20220224443A1 (en) * | 2019-10-03 | 2022-07-14 | Lg Electronics Inc. | Method and apparatus for performing retransmission in wireless communication system |
| CN112752337A (zh) * | 2020-12-16 | 2021-05-04 | 南京航空航天大学 | 一种基于q学习的无人机中继协助保持信息新鲜度的系统和方法 |
| WO2022268175A1 (en) * | 2021-06-23 | 2022-12-29 | Essen Innovation Company Limited | Method for small data transmission in power saving state and related devices |
| WO2022266964A1 (zh) * | 2021-06-24 | 2022-12-29 | Oppo广东移动通信有限公司 | 基于低功耗蓝牙的数据传输方法、装置、设备及存储介质 |
| CN116156512A (zh) * | 2021-11-18 | 2023-05-23 | 中兴通讯股份有限公司 | 通道配置方法及装置、时隙配置方法、设备及介质 |
| CN116346294A (zh) * | 2021-12-24 | 2023-06-27 | 中移(成都)信息通信科技有限公司 | 通信方法、装置、相关设备及存储介质 |
| CN114785714A (zh) * | 2022-03-01 | 2022-07-22 | 阿里巴巴（中国）有限公司 | 一种报文传输时延检测方法、存储介质及设备 |
Non-Patent Citations (2)
| Title |
|---|
| FATMA MOHAMMED; A. S. M. KAYES; ERIC PARDEDE; WENNY RAHAYU: "《A Framework for Measuring IoT Data Quality Based on Freshness Metrics》", 2020 IEEE 19TH INTERNATIONAL CONFERENCE ON TRUST, SECURITY AND PRIVACY IN COMPUTING AND COMMUNICATIONS (TRUSTCOM) * |
| 刘基陆;杨锐雄;程乔;: "物联网业务感知分析及优化思路的探讨", 广西通信技术, no. 04 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116915348A (zh) * | 2023-09-08 | 2023-10-20 | 南京源兴智达信息科技有限公司 | 基于射频直采的多路信号快速检测方法 |
| CN116915348B (zh) * | 2023-09-08 | 2023-12-08 | 南京源兴智达信息科技有限公司 | 基于射频直采的多路信号快速检测方法 |
| CN117649195A (zh) * | 2023-11-27 | 2024-03-05 | 连云港电子口岸信息发展有限公司 | 一种港口装卸机械的移动端电子点检系统及实现方法 |
| CN117719385A (zh) * | 2024-02-18 | 2024-03-19 | 弘安天启(南京)科技有限公司 | 一种智能充电桩控制系统及方法 |
| CN117719385B (zh) * | 2024-02-18 | 2024-05-03 | 弘安天启(南京)科技有限公司 | 一种智能充电桩控制系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116634469B (zh) | 2023-09-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116634469B (zh) | 一种基于多LoRa节点的数据传输管理系统及方法 | |
| WO2020119261A1 (zh) | 工程应用中光模块的性能状态检测方法、装置及电子设备 | |
| CN116800334B (zh) | 一种基于模拟光纤通信的数据同步传输优化方法及系统 | |
| US7929461B2 (en) | Controller area network performance parameters measurement | |
| Ashrafuzzaman et al. | On the performance analysis of the contention access period of IEEE 802.15. 4 MAC | |
| CN105247589A (zh) | 通信方法、系统以及通信程序 | |
| CN113993002A (zh) | 一种电缆监控数据上报方法及装置 | |
| CN103716187A (zh) | 网络拓扑结构确定方法和系统 | |
| EP3531621B1 (en) | Method and apparatuses for delay measurement on a network node | |
| CN113784378A (zh) | 室分小区故障检测方法、装置、服务器及存储介质 | |
| CN117692940B (zh) | 一种基于微波链路的微波系统性能检测方法 | |
| CN115686124A (zh) | 一种基于安全保护的储能电池输出功率自调节系统及方法 | |
| CN103118396B (zh) | 一种管理小小区网络的方法及基站 | |
| Srivastava et al. | A fast and accurate performance analysis of beaconless IEEE 802.15. 4 multi-hop networks | |
| CN111953402A (zh) | 一种信道忙闲状态估计方法、装置、设备及存储介质 | |
| CN112800102A (zh) | 告警相关性计算方法、装置及计算设备 | |
| US9854334B2 (en) | Method and device for managing transmissions of measurements periodically carried out by a sensor | |
| CN111929520A (zh) | 电力系统故障录波触发方法及装置 | |
| JP7552721B2 (ja) | センサ収容端末、切断判定方法および切断判定プログラム | |
| CN114915552B (zh) | 一种周期上报环境参数的数字电缆 | |
| CN115664600B (zh) | 一种基于数据分析的数据远程交互检测管控系统 | |
| CN115442401B (zh) | 一种变电站内电能数据获取方法、设备和存储介质 | |
| WO2024109602A1 (zh) | 链路的确定方法、装置、电子设备及存储介质 | |
| CN112671493B (zh) | 一种复杂网络环境下时间传递质量评价方法 | |
| CN117082652B (zh) | 一种基于LoRa自组网同频避让的数据传输方法和系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A data transmission management system and method based on multiple LoRa nodes Effective date of registration: 20231229 Granted publication date: 20230919 Pledgee: Nanjing Branch of Jiangsu Bank Co.,Ltd. Pledgor: Nanjing Yuanxing Zhida Information Technology Co.,Ltd. Registration number: Y2023980075231 |