CN116796008B - 一种基于知识图谱的运维分析管理系统以及方法 - Google Patents
一种基于知识图谱的运维分析管理系统以及方法 Download PDFInfo
- Publication number
- CN116796008B CN116796008B CN202311023209.5A CN202311023209A CN116796008B CN 116796008 B CN116796008 B CN 116796008B CN 202311023209 A CN202311023209 A CN 202311023209A CN 116796008 B CN116796008 B CN 116796008B
- Authority
- CN
- China
- Prior art keywords
- information
- knowledge graph
- scene information
- maintenance
- personnel
- 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
- 238000012423 maintenance Methods 0.000 title claims abstract description 143
- 238000004458 analytical method Methods 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000007689 inspection Methods 0.000 claims abstract description 81
- 230000005540 biological transmission Effects 0.000 claims description 33
- 238000007726 management method Methods 0.000 claims description 26
- 230000009471 action Effects 0.000 claims description 22
- 230000006978 adaptation Effects 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 238000001228 spectrum Methods 0.000 abstract 1
- 230000015654 memory Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 230000003245 working effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- 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
- G06Q10/20—Administration of product repair or maintenance
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Resources & Organizations (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Computational Linguistics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Databases & Information Systems (AREA)
- Animal Behavior & Ethology (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明适用于计算机领域,提供了一种基于知识图谱的运维分析管理系统以及方法,所述方法包括:当根据巡检信息判定区域运维故障时,获取区域运维故障的前置时段内的第一场景信息;提取所述第一场景信息中人机特征信息,所述人机特征信息用于表征相应人员与第一设备之间存在直接使用关系或者间接使用关系;获取第一设备所关联的第一知识图谱,提取第一知识图谱中与人机特征信息所关联的第二知识图谱,所述第一知识图谱用于表征第一设备的运维分配关系,本申请实施例的技术方案,能够基于区域运维故障直接匹配操作关联度最大的知识图谱,提高了运维的针对性,利于提高运维效率。
Description
技术领域
本发明属于计算机领域,尤其涉及一种基于知识图谱的运维分析管理系统以及方法。
背景技术
设备的故障可能引起区域的整体故障或者局部故障,非设备位置的故障可能会引发设备的故障。
现有技术中,当区域的运维量较大时,可能涉及多运维人员的运维,此时运维是按照既有的分配排班来排布的,例如将待分配的运维人员和运维子区域输入到排班系统中,系统会自动根据排班的频率来进行安排,保证运维分配的公平。但是,在一些紧急的情况下,运维人员需要额外来进行补充排布,此时,如果还按照排班的频率来进行安排,将会导致运维不具有针对性,不利于故障的及时解决。
发明内容
本发明实施例的目的在于提供一种基于知识图谱的运维分析管理系统以及方法,旨在解决上述背景技术中提出的问题。
本发明实施例是这样实现的,一方面,一种基于知识图谱的运维分析管理方法,所述方法包括以下步骤:
当根据巡检信息判定区域运维故障时,获取区域运维故障的前置时段内的第一场景信息;
提取所述第一场景信息中人机特征信息,所述人机特征信息用于表征相应人员与第一设备之间存在直接使用关系或者间接使用关系;
获取第一设备所关联的第一知识图谱,提取第一知识图谱中与人机特征信息所关联的第二知识图谱,所述第一知识图谱用于表征第一设备的运维分配关系;
识别第二知识图谱中与第一设备所对应的至少两个不同层级的运维人员;
根据至少两个不同层级的运维人员的身份标识,生成区域运维故障提示信息并且进行提示。
作为本发明的另一方面,所述方法还包括:
获取移动巡检件按照巡检路线移动采集的巡检信息,其中当移动巡检件进入某标识区域时,根据移动巡检件的定位信息读取与定位信息所对应的区域标识,并且将区域标识作为某标识区域的标识,根据巡检路线的长度和移动巡检件在标识区域内的巡检速度确定巡检移动时长,根据巡检移动时长确定最长传输时长,根据最长传输时长和集成设备中所集成的巡检信息的存量计算传输参数,根据集成设备的位置和传输参数确定传输对应的巡检路段。
当通过移动巡检件获取巡检信息时,所述最长传输时长不大于巡检移动时长。
作为收集巡检信息的另一种方式,所述方法还包括:获取申报人员输入的包括区域故障标记的申报信息,所述巡检信息包括申报信息。
作为本发明的进一步方案,所述提取所述第一场景信息中人机特征信息包括:
检测所述第一场景信息中是否存在相应人员;
当所述第一场景信息中存在相应人员时,对第一场景信息进行分割,生成包括相应人员的第二场景信息;
识别第二场景信息中相应人员携带的配合使用物,所述配合使用物与第一设备存在使用适配关系;
截取包括所述配合使用物且满足设定时长的第三场景信息,提取所述第三场景信息中的人机特征信息。
作为本发明的进一步方案,提取所述第一场景信息中人机特征信息还包括:
当所述第二场景信息中相应人员不存在携带配合使用物时,根据已有的标识识别第二场景信息中第一设备的实际位置;
按照等时间间隔对所述第二场景信息进行划分,得到第四场景信息;
基于第四场景信息,识别所述第四场景信息中相关人员在等时间间隔内的移动距离;
当所述移动距离不大于设定距离时,判断不大于设定距离的移动距离是否覆盖实际位置;
若是,则判定覆盖所述实际位置的设定距离对应的第四场景信息为第五场景信息,提取所述第五场景信息中的人机特征信息。
作为本发明的进一步方案,所述获取第一设备所关联的第一知识图谱,提取第一知识图谱中与人机特征信息所关联的第二知识图谱,包括:
在预先存储的知识图谱库中检索将第一设备作为运维实体的第一知识图谱;
识别人机特征信息所对应的至少一个第一设备的作用位置;
识别所述作用位置在第一知识图谱中的分类实体,所述分类实体至少包括最小分类实体;
将分类实体对应的第一知识图谱作为第二知识图谱。
作为本发明的进一步方案,所述获取第一设备所关联的第一知识图谱,提取第一知识图谱中与人机特征信息所关联的第二知识图谱,还包括:
当未识别到所述作用位置时,识别人机特征信息中人员标识信息;
根据人员标识信息在第一知识图谱中检索,得到第三知识图谱,所述第三知识图谱中运维人员与相应人员存在绑定关系,所述第二知识图谱包括第三知识图谱。
作为本发明的又一方面,一种基于知识图谱的运维分析管理系统,所述系统包括:
信息获取模块,用于当根据巡检信息判定区域运维故障时,获取区域运维故障的前置时段内的第一场景信息;
提取模块,用于提取所述第一场景信息中人机特征信息,所述人机特征信息用于表征相应人员与第一设备之间存在直接使用关系或者间接使用关系;
知识图谱确定模块,用于获取第一设备所关联的第一知识图谱,提取第一知识图谱中与人机特征信息所关联的第二知识图谱,所述第一知识图谱用于表征第一设备的运维分配关系;
人员识别模块,用于识别第二知识图谱中与第一设备所对应的至少两个不同层级的运维人员;
提示模块,用于根据至少两个不同层级的运维人员的身份标识,生成区域运维故障提示信息并且进行提示。
本发明实施例提供的一种基于知识图谱的运维分析管理系统以及方法,获取区域运维故障的前置时段内的第一场景信息;提取所述第一场景信息中人机特征信息;获取第一设备所关联的第一知识图谱,提取第一知识图谱中与人机特征信息所关联的第二知识图谱;识别第二知识图谱中与第一设备所对应的至少两个不同层级的运维人员;根据至少两个不同层级的运维人员的身份标识,生成区域运维故障提示信息并且进行提示,能够基于区域运维故障直接匹配操作关联度最大的知识图谱,提高了运维的针对性,利于提高运维效率。
附图说明
图1是一种基于知识图谱的运维分析管理方法的主流程图。
图2是一种基于知识图谱的运维分析管理方法中提取所述第一场景信息中人机特征信息的第一流程图。
图3是一种基于知识图谱的运维分析管理方法中提取所述第一场景信息中人机特征信息的第二流程图。
图4是一种基于知识图谱的运维分析管理方法中提取第一知识图谱中与人机特征信息所关联的第二知识图谱的第一流程图。
图5是一种基于知识图谱的运维分析管理方法中提取第一知识图谱中与人机特征信息所关联的第二知识图谱的第二流程图。
图6是一种基于知识图谱的运维分析管理系统的主结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
以下结合具体实施例对本发明的具体实现进行详细描述。
本发明提供的一种基于知识图谱的运维分析管理系统以及方法,解决了背景技术中的技术问题。
如图1所示,为本发明的一个实施例提供的一种基于知识图谱的运维分析管理方法的主流程图,所述一种基于知识图谱的运维分析管理方法包括:
步骤S10:当根据巡检信息判定区域运维故障时,获取区域运维故障的前置时段内的第一场景信息;
巡检信息中设备工作的相关参数超过设定的正常范围,或者由巡检人员所直接确定的区域运维故障时,可以获取运维区域的场景信息,其中,通过区域运维故障的时间节点确定前置时段内的场景信息为第一场景信息;前置时段一般为上一次故障解决后到本次故障的间隔时段;区域运维故障应当至少包括故障位置;故障位置可以是具体的确定的位置或者粗略确定的位置;故障位置包含在区域运维故障中;
步骤S11:提取所述第一场景信息中人机特征信息,所述人机特征信息用于表征相应人员与第一设备之间存在直接使用关系或者间接使用关系;
人机特征信息表明相应人员与第一设备之间存在直接使用关系或者间接使用关系,也即其对第一设备的直接操作或者间接操作可能引发了区域运维故障;第一设备界定为区域中的主要工作设备,也即功能设备,也包括容易引发故障的设备;其具体的设备类型,在此不做限定;
步骤S12:获取第一设备所关联的第一知识图谱,提取第一知识图谱中与人机特征信息所关联的第二知识图谱,所述第一知识图谱用于表征第一设备的运维分配关系;
第一设备所关联的知识图谱表征第一设备的运维分配关系;
通俗地讲,知识图谱就是把所有不同种类的信息连接在一起而得到的一个关系网络,每个节点表示现实世界中存在的“实体”,每条边为实体与实体之间的“关系”,知识图谱的核心其实就是三元组,三元组是由实体、属性和关系组成的;第一知识图谱包括若干设备层级的知识图谱,例如针对设备的零件层级的,针对设备的设备不同层级的;根据人机特征信息,可以识别出与相关人员的操作关联度最大的知识图谱,也即第二知识图谱;
步骤S13:识别第二知识图谱中与第一设备所对应的至少两个不同层级的运维人员;第二知识图谱由于覆盖了设备的设备不同层级的运维关系,因此可以通过识别第二知识图谱来直接提取运维人员;两个不同层级的运维人员包括,处于同一设备层级的不同运维层级的人员;处于不同设备层级的运维人员;当设备层级大于等于2时,应当首选设备不同层级的运维人员,否则选取同一设备不同运维层级的人员;
步骤S14:根据至少两个不同层级的运维人员的身份标识,生成区域运维故障提示信息并且进行提示。
身份标识包括区域与设备绑定的设备标识、手机号等至少一种,因而基于身份标识来进行提示和通知,例如通知到运维人员所在的终端,用以及时通知区域的运维故障信息,可以包括前述的故障位置等。至少两个不同层级的运维人员的意义是,还可以包括负责的运维人员,如区域整体的负责运维人员,提高运维的整体适配性。
本实施例在应用时,获取区域运维故障的前置时段内的第一场景信息;提取所述第一场景信息中人机特征信息;获取第一设备所关联的第一知识图谱,提取第一知识图谱中与人机特征信息所关联的第二知识图谱;识别第二知识图谱中与第一设备所对应的至少两个不同层级的运维人员;根据至少两个不同层级的运维人员的身份标识,生成区域运维故障提示信息并且进行提示,能够基于区域运维故障直接匹配操作关联度最大的知识图谱,提高了运维的针对性,利于提高运维效率。
作为本发明的一种优选实施例,所述方法还包括:
步骤:获取移动巡检件按照巡检路线移动采集的巡检信息,其中当移动巡检件进入某标识区域时,根据移动巡检件的定位信息读取与定位信息所对应的区域标识;
当移动巡检件按照预先规划的巡检路线进行巡检时,巡检路线覆盖待巡检的区域,并且每个待巡检的区域作为标识区域,当经过某个巡检区域时,该巡检区域作为某标识区域;每个标识区域与定位信息严格对应,也即当定位信息定位在标识区域中时,均可以用于判定该区域的区域属性;
并且将区域标识作为某标识区域的标识,根据巡检路线的长度和移动巡检件在标识区域内的巡检速度确定巡检移动时长;
此时移动巡检件向集成设备发送用于表征其进入某巡检区域的指示信号,并且要求集成设备反馈用于表征其接收的集成设备中所集成的巡检信息的存量信息,而巡检速度和巡检路线的长度均是事先已确定好的,移动时长为巡检路线的长度在某标识区域内的巡检子路线和巡检速度的比值,巡检速度一般是可以调整的;集成设备中所集成的巡检信息的存量信息,是用于检测设备信息等相关的传感器或者设备传输给集成设备的;
根据巡检移动时长确定最长传输时长,根据最长传输时长和集成设备中所集成的巡检信息的存量计算传输参数,根据集成设备的位置和传输参数确定传输对应的巡检路段。所述最长传输时长不大于巡检移动时长。
将最长传输时长限定不大于移动时长,主要是保证移动巡检件在靠近集成设备的中心区域内完成和集成设备之间的巡检信息的接收,以此保证传输参数的优化;传输参数包括传输速率,传输速率可以通过无线通信中传输信道的带宽来保证,或者说在蓝牙传输的信号强度和处理器的性能有限的条件下,可以保证较优的传输速率;巡检路段为巡检子路线的一部分,也即在移动巡检时,允许移动巡检件在部分路线(巡检路段)上进行巡检信息的传输,而这巡检路段为以集成设备的位置为中心确定的居中巡检路段,可以保证利于传输条件的进行;例如,当确定巡检移动时长为20s时,初步确定的最长传输时长为10s,巡检信息的存量为1.2M,传输速率为500k/s-900k/s,因此估算实际的传输时长在1.3-2.5s,考虑到以集成设备的位置为中心的数据传输,因此,居中巡检路段确定为实际的传输时长和巡检移动时长的比值与巡检子路线的乘积;按照此进行计算可知,居中巡检路段占据巡检子路线的比值为0.065-0.125,因此将该比值以集成设备的位置为中心进行对称分配或者趋于对阵分配,即可得到居中巡检路段;因而通过以上方法,可以优化巡检信息的传输过程,并且可以进行移动巡检时的数据传输。
作为另一种优化的实施例,所述方法还包括:
步骤:获取申报人员输入的包括区域故障标记的申报信息,所述巡检信息包括申报信息。作为巡检信息另一种形式,当申报信息作为巡检信息上报时,其包含区域故障标记和故障位置,区域故障标记是申报人员在亲自巡视或者基于监控巡视所得到的结论,区域故障标记用于标记区域中疑似故障或者存在潜在问题的位置,区域故障标记可以包括设备的故障位置。
如图2所示,作为本发明的一种优选实施例,所述提取所述第一场景信息中人机特征信息包括:
步骤S1111:检测所述第一场景信息中是否存在相应人员;
该步骤涉及目标识别,目标为宽泛化的人;也可以包括识别到带有某种特征的人员即为相应人员,例如穿有相应的制服;第一场景信息包括视频和/或者图像;
步骤S1112:当所述第一场景信息中存在相应人员时,对第一场景信息进行分割,生成包括相应人员的第二场景信息;第二场景信息包括图像;
在目标区域的每个功能子区域中严格验证无关人员进入的情况下,识别到的人员一般就是相应人员;
当存在相应人员时,为了便于对后续继续进行相应的数据处理,因此将带有相关人员的第二场景信息从第一场景信息中分离出来;可以减少后续处理的数据量;
步骤S1113:识别第二场景信息中相应人员携带的配合使用物,所述配合使用物与第一设备存在使用适配关系;
对相应人员的携带物进行识别,当基于第二场景信息,识别到携带物为配合使用物时,也即包括携带物和配合使用物之间的相似度达到预设相似度时,可判定相应人员携带的配合使用物;举例而言,当第一设备为机械设备时,配合使用物为可以分离使用的器械,比如拆卸工具或者作业辅助器械;当第一设备为电器设备时,配合使用物包括绝缘工具和作业辅助工具等,配合使用物一般是指不允许自行操作的使用物;
步骤S1114:截取包括所述配合使用物且满足设定时长的第三场景信息,提取所述第三场景信息中的人机特征信息。
通过截取满足设定时长的第三场景信息,进而提取人机特征信息,第三场景信息需要满足的条件为包括所述配合使用物,也即包括相应人员和配合使用物,且第三场景信息满足设定时长;因而该处的人机特征信息包括相应人员携带的配合使用物的特征状态;
通过以上实施例,能够辨别用户携带配合使用物的场景,并且通过以上步骤中从相关人员到携带的配合使用物,再到第三场景信息,逐级识别,有利于提高人机特征信息识别的精准性。
如图3所示,作为本发明的一种优选实施例,所述提取所述第一场景信息中人机特征信息还包括:
步骤S1121:当所述第二场景信息中相应人员不存在携带配合使用物时,根据已有的标识识别第二场景信息中第一设备的实际位置;
已有的标识一般包括用于指示实际位置的标识,比如指示箭头,或者与第一设备构成明显方位关系的物体的标识,如第一设备旁边带有标号的建筑,如柱子;
步骤S1122:按照等时间间隔对所述第二场景信息进行划分,得到第四场景信息;
划分后的第四场景信息为按照等时间间隔划分的,因此,第四场景信息相当于第三场景信息的子信息;将第四场景信息中相关人员的位置投射到同一第四场景内,可以用来计算相关人员在等时间间隔内的移动距离;
步骤S1123:基于第四场景信息,识别所述第四场景信息中相关人员在等时间间隔内的移动距离;
具体的,通过将按照等时间间隔划分的第四场景信息中相关人员的位置投射到同一第四场景内后,比如最后一个第四场景信息后,因此在同一第四场景内,相关人员之间的时间间隔是等时间间隔的,相邻两个位置之间的距离即为移动距离;
步骤S1124:当所述移动距离不大于设定距离时,判断不大于设定距离的移动距离是否覆盖实际位置;
当距离不大于设定距离时,表明相关人员可能存在基于实际位置中第一设备的操作等行为;设定距离一般根据实际需要来进行设定,在此不做限定;
步骤S1125:若是,则判定覆盖所述实际位置的设定距离对应的第四场景信息为第五场景信息,提取所述第五场景信息中的人机特征信息。当否时,应当返回步骤S1123,识别其他移动距离是否覆盖实际位置;直到流程结束。
由于前述已经通过已有的标识识别出被遮挡的第一设备的位置,因此借助于第四场景信息的识别和移动距离的判断,可以有效划分出第五场景信息,第五场景信息即很明显的包含人机特征信息,因而该处人机特征信息包括相应人员所在的特征位置(第一设备的操作位置);这种遮挡极有可能是故意遮挡的,表情其行为具有一定的可疑或者过失性;
实际上,第二场景信息可以包括视频,因而第三场景信息和第四场景信息包括图像;
本实施例在应用时,考虑到相应人员和第一设备之间可能存在操作的关系,因此分别考虑到第一设备的实际位置和等时间间隔下相关人员的移动距离,以此筛选出覆盖所述实际位置的设定距离对应的第四场景信息,提高人机特征信息提取的效率和有效性,可以避免在不存在携带配合使用物和第一设备不明显条件下造成的人机特征信息的遗漏。
如图4所示,作为本发明的一种优选实施例,所述获取第一设备所关联的第一知识图谱,提取第一知识图谱中与人机特征信息所关联的第二知识图谱,包括:
步骤S1211:在预先存储的知识图谱库中检索将第一设备作为运维实体的第一知识图谱;
预先存储了关于实体的知识图谱库,其中一种实体为运维实体,检索将第一设备实体,可以得到若干第一知识图谱,预先存储的知识图谱是建立好的,第一知识图谱包括以若干分类实体的第二知识图谱;
步骤S1212:识别人机特征信息所对应的至少一个第一设备的作用位置;
作用位置的识别包括相关人员接触的第一设备的位置,这种接触包括直接接触和间接接触,还包括配合使用物所作用的位置;这些均是作用位置;作用位置的识别并不困难,借助于图像识别技术或者接触点的接触检测等均可以得到;
步骤S1213:识别所述作用位置在第一知识图谱中的分类实体,所述分类实体至少包括最小分类实体;
对于作用位置而言,其可能直接对应一个较大的分类实体,也可能对应较小的分类实体,乃至最小分类实体,最小分类实体一般是一个零件部位或者一个组件,较大的实体包括零部件所组成的模组;例如,对于某设备而言,分类实体的层级从小达到分别为:紧固螺钉→紧固板→紧固组件→紧固模组;对于分类实体而言,如果分类实体越精细,也即其层级越低下,其对应的三元组越具有针对性;
步骤S1214:将分类实体对应的第一知识图谱作为第二知识图谱。
分类实体至少包括了最小分类实体,也即第二知识图谱至少包括最小分类实体对应的三元组,该三元组中实体分别为分类实体和运维人员,二者的实体关系为运维对应关系;
可以理解的是,通过识别人机特征信息所对应的至少一个第一设备的作用位置,并且至少选取作用位置对应的第一知识图谱,因而包括分类实体和运维人员的三元实体具有较强的运维针对性,能够至少基于最小分类实体进行精细的运行维护,而对于包括最小分类实体以上的三元组,也能够方便进行运维。
进一步,本申请再给出一种可选的实施例,在一些作用位置并非识别得很清楚或者无法识别的情况汇总,如图5所示,所述获取第一设备所关联的第一知识图谱,提取第一知识图谱中与人机特征信息所关联的第二知识图谱,还包括:
步骤S1221:当未识别到所述作用位置时,识别人机特征信息中人员标识信息;
当未识别到作用位置时,其原因包括:相关人员的作用位置较为隐蔽或者其本身遮挡了作用位置;此时识别人员标识信息,其具体包括识别人员的衣着(可以表示其工作性质)、人员编号等至少一种,可以用来表征其出现在前述的场景信息中,识别标识信息的主要目的是从人机特征信息中识别符合预设工作方式的人员在从事与设备相关的工作,以便于下一步从第一知识图谱中检索;
步骤S1222:根据人员标识信息在第一知识图谱中检索,得到第三知识图谱,所述第三知识图谱中运维人员与相应人员存在绑定关系,所述第二知识图谱包括第三知识图谱。
在确定存在符合标识信息的相应人员的前提下,可以进一步对第一知识图谱进行有效的缩小范围,以提高运维人员进行运维的针对性。在第一知识图谱中,每个相应人员具有其对应工作(工种的)属性,在该种属性下,分别对应若干运维人员,也即这种绑定关系具有一定的针对性,运维人员能够熟悉对应相应人员的工作属性,从而便于维护。对于第一知识图谱而言,(设备)工作→运维工作,二者的关系为绑定关系,并且对这两个实体而言,均可以对应至少一个具体的人员。
以上实施例充分考虑到相关人员的作用位置较为隐蔽或者其本身遮挡了作用位置的情况,在该种情况下,可以直接通过标识信息来调用第三知识图谱,从而将工作的属性进行了匹配,提高了该种特殊情况下的运维针对性,利于提高运维效率。
如图6所示,作为本发明的另一种优选实施例,另一方面,一种基于知识图谱的运维分析管理系统,所述系统包括:
信息获取模块100,用于当根据巡检信息判定区域运维故障时,获取区域运维故障的前置时段内的第一场景信息;
提取模块200,用于提取所述第一场景信息中人机特征信息,所述人机特征信息用于表征相应人员与第一设备之间存在直接使用关系或者间接使用关系;
知识图谱确定模块300,用于获取第一设备所关联的第一知识图谱,提取第一知识图谱中与人机特征信息所关联的第二知识图谱,所述第一知识图谱用于表征第一设备的运维分配关系;
人员识别模块400,用于识别第二知识图谱中与第一设备所对应的至少两个不同层级的运维人员;
提示模块500,用于根据至少两个不同层级的运维人员的身份标识,生成区域运维故障提示信息并且进行提示。
需要说明的是,参照前述实施例中对一种基于知识图谱的运维分析管理方法的具体实施描述,本系统与该方法的实施方法完全对应,在此不再叙述。
本发明上述实施例中提供了一种基于知识图谱的运维分析管理方法,并基于该基于知识图谱的运维分析管理方法提供了一种基于知识图谱的运维分析管理系统,通过获取区域运维故障的前置时段内的第一场景信息;提取所述第一场景信息中人机特征信息;获取第一设备所关联的第一知识图谱,提取第一知识图谱中与人机特征信息所关联的第二知识图谱;识别第二知识图谱中与第一设备所对应的至少两个不同层级的运维人员;根据至少两个不同层级的运维人员的身份标识,生成区域运维故障提示信息并且进行提示,能够基于区域运维故障直接匹配操作关联度最大的知识图谱,提高了运维的针对性,利于提高运维效率。
为了能够加载上述方法和系统能够顺利运行,该系统除了包括上述各种模块之外,还可以包括比上述描述更多或更少的部件,或者组合某些部件,或者不同的部件,例如可以包括输入输出设备、网络接入设备、总线、处理器和存储器等。
所称处理器可以是中央处理单元(CentralProcessingUnit,CPU),还可以是其他通用处理器、数字信号处理器(DigitalSignalProcessor,DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit,ASIC)、现成可编程门阵列(Field-ProgrammableGateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,上述处理器是上述系统的控制中心,利用各种接口和线路连接各个部分。
上述存储器可用于存储计算机以及系统程序和/或模块,上述处理器通过运行或执行存储在存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现上述各种功能。存储器可主要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、至少一个功能所需的应用程序(比如信息采集模板展示功能、产品信息发布功能等)等。存储数据区可存储根据泊位状态显示系统的使用所创建的数据(比如不同产品种类对应的产品信息采集模板、不同产品提供方需要发布的产品信息等)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,例如硬盘、内存、插接式硬盘,智能存储卡(SmartMediaCard,SMC),安全数字(SecureDigital,SD)卡,闪存卡(FlashCard)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本应该理解的是,虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。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,各实施例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。
以上所述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发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本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,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于知识图谱的运维分析管理方法,其特征在于,所述方法包括:
当根据巡检信息判定区域运维故障时,获取区域运维故障的前置时段内的第一场景信息;
提取所述第一场景信息中人机特征信息,所述人机特征信息用于表征相应人员与第一设备之间存在直接使用关系或者间接使用关系;
获取第一设备所关联的第一知识图谱,提取第一知识图谱中与人机特征信息所关联的第二知识图谱,所述第一知识图谱用于表征第一设备的运维分配关系;
识别第二知识图谱中与第一设备所对应的至少两个不同层级的运维人员;
根据至少两个不同层级的运维人员的身份标识,生成区域运维故障提示信息并且进行提示;
所述提取所述第一场景信息中人机特征信息包括:
检测所述第一场景信息中是否存在相应人员;
当所述第一场景信息中存在相应人员时,对第一场景信息进行分割,生成包括相应人员的第二场景信息;
识别第二场景信息中相应人员携带的配合使用物,所述配合使用物与第一设备存在使用适配关系;
截取包括所述配合使用物且满足设定时长的第三场景信息,提取所述第三场景信息中的人机特征信息;
所述方法还包括:
当所述第二场景信息中相应人员不存在携带配合使用物时,根据已有的标识识别第二场景信息中第一设备的实际位置;
按照等时间间隔对所述第二场景信息进行划分,得到第四场景信息;
基于第四场景信息,识别所述第四场景信息中相关人员在等时间间隔内的移动距离;
当所述移动距离不大于设定距离时,判断不大于设定距离的移动距离是否覆盖实际位置;
若是,则判定覆盖所述实际位置的设定距离对应的第四场景信息为第五场景信息,提取所述第五场景信息中的人机特征信息。
2.根据权利要求1所述的基于知识图谱的运维分析管理方法,其特征在于,所述方法还包括:
获取移动巡检件按照巡检路线移动采集的巡检信息,其中当移动巡检件进入某标识区域时,根据移动巡检件的定位信息读取与定位信息所对应的区域标识,并且将区域标识作为某标识区域的标识,根据巡检路线的长度和移动巡检件在标识区域内的巡检速度确定巡检移动时长,根据巡检移动时长确定最长传输时长,根据最长传输时长和集成设备中所集成的巡检信息的存量计算传输参数,根据集成设备的位置和传输参数确定传输对应的巡检路段。
3.根据权利要求2所述的基于知识图谱的运维分析管理方法,其特征在于,所述最长传输时长不大于巡检移动时长。
4.根据权利要求1所述的基于知识图谱的运维分析管理方法,其特征在于,所述方法还包括:获取申报人员输入的包括区域故障标记的申报信息,所述巡检信息包括申报信息。
5.根据权利要求1所述的基于知识图谱的运维分析管理方法,其特征在于,所述获取第一设备所关联的第一知识图谱,提取第一知识图谱中与人机特征信息所关联的第二知识图谱,包括:
在预先存储的知识图谱库中检索将第一设备作为运维实体的第一知识图谱;
识别人机特征信息所对应的至少一个第一设备的作用位置;
识别所述作用位置在第一知识图谱中的分类实体,所述分类实体至少包括最小分类实体;
将分类实体对应的第一知识图谱作为第二知识图谱。
6.根据权利要求5所述的基于知识图谱的运维分析管理方法,其特征在于,所述方法还包括:
当未识别到所述作用位置时,识别人机特征信息中人员标识信息;
根据人员标识信息在第一知识图谱中检索,得到第三知识图谱,所述第三知识图谱中运维人员与相应人员存在绑定关系,所述第二知识图谱包括第三知识图谱。
7.一种基于知识图谱的运维分析管理系统,其特征在于,所述系统包括:
信息获取模块,用于当根据巡检信息判定区域运维故障时,获取区域运维故障的前置时段内的第一场景信息;
提取模块,用于提取所述第一场景信息中人机特征信息,所述人机特征信息用于表征相应人员与第一设备之间存在直接使用关系或者间接使用关系;
知识图谱确定模块,用于获取第一设备所关联的第一知识图谱,提取第一知识图谱中与人机特征信息所关联的第二知识图谱,所述第一知识图谱用于表征第一设备的运维分配关系;
人员识别模块,用于识别第二知识图谱中与第一设备所对应的至少两个不同层级的运维人员;
提示模块,用于根据至少两个不同层级的运维人员的身份标识,生成区域运维故障提示信息并且进行提示;
所述提取所述第一场景信息中人机特征信息包括:
检测所述第一场景信息中是否存在相应人员;
当所述第一场景信息中存在相应人员时,对第一场景信息进行分割,生成包括相应人员的第二场景信息;
识别第二场景信息中相应人员携带的配合使用物,所述配合使用物与第一设备存在使用适配关系;
截取包括所述配合使用物且满足设定时长的第三场景信息,提取所述第三场景信息中的人机特征信息;
所述系统还用于:
当所述第二场景信息中相应人员不存在携带配合使用物时,根据已有的标识识别第二场景信息中第一设备的实际位置;
按照等时间间隔对所述第二场景信息进行划分,得到第四场景信息;
基于第四场景信息,识别所述第四场景信息中相关人员在等时间间隔内的移动距离;
当所述移动距离不大于设定距离时,判断不大于设定距离的移动距离是否覆盖实际位置;
若是,则判定覆盖所述实际位置的设定距离对应的第四场景信息为第五场景信息,提取所述第五场景信息中的人机特征信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311023209.5A CN116796008B (zh) | 2023-08-15 | 2023-08-15 | 一种基于知识图谱的运维分析管理系统以及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311023209.5A CN116796008B (zh) | 2023-08-15 | 2023-08-15 | 一种基于知识图谱的运维分析管理系统以及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116796008A CN116796008A (zh) | 2023-09-22 |
CN116796008B true CN116796008B (zh) | 2024-02-13 |
Family
ID=88038697
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311023209.5A Active CN116796008B (zh) | 2023-08-15 | 2023-08-15 | 一种基于知识图谱的运维分析管理系统以及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116796008B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117540905B (zh) * | 2023-10-30 | 2024-07-02 | 南京信息职业技术学院 | 一种电力数据中心管理系统及其管理方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112612902A (zh) * | 2020-12-23 | 2021-04-06 | 国网浙江省电力有限公司电力科学研究院 | 一种电网主设备的知识图谱构建方法及设备 |
CN112775970A (zh) * | 2021-01-06 | 2021-05-11 | 嘉兴学院 | 一种巡检机器人多传感器系统及巡检方法 |
WO2022095651A1 (zh) * | 2020-11-05 | 2022-05-12 | 通号通信信息集团有限公司 | 视频巡检方法、装置、电子设备及可读介质 |
CN116091045A (zh) * | 2023-02-28 | 2023-05-09 | 武汉烽火技术服务有限公司 | 一种基于知识图谱的通信网络运维方法和运维装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11093755B2 (en) * | 2019-11-19 | 2021-08-17 | International Business Machines Corporation | Video segmentation based on weighted knowledge graph |
US20230127121A1 (en) * | 2021-10-22 | 2023-04-27 | Robert Bosch Gmbh | System and Method for Knowledge-Based Entity Prediction |
-
2023
- 2023-08-15 CN CN202311023209.5A patent/CN116796008B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022095651A1 (zh) * | 2020-11-05 | 2022-05-12 | 通号通信信息集团有限公司 | 视频巡检方法、装置、电子设备及可读介质 |
CN112612902A (zh) * | 2020-12-23 | 2021-04-06 | 国网浙江省电力有限公司电力科学研究院 | 一种电网主设备的知识图谱构建方法及设备 |
CN112775970A (zh) * | 2021-01-06 | 2021-05-11 | 嘉兴学院 | 一种巡检机器人多传感器系统及巡检方法 |
CN116091045A (zh) * | 2023-02-28 | 2023-05-09 | 武汉烽火技术服务有限公司 | 一种基于知识图谱的通信网络运维方法和运维装置 |
Also Published As
Publication number | Publication date |
---|---|
CN116796008A (zh) | 2023-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116796008B (zh) | 一种基于知识图谱的运维分析管理系统以及方法 | |
CN109040674B (zh) | 一种数据传输方法和装置 | |
CN106060442B (zh) | 一种录像存储方法、装置及系统 | |
CN113011753A (zh) | 基于人工智能与大数据的智慧园区管理方法及云平台系统 | |
CN111695495A (zh) | 人脸识别方法、电子设备及存储介质 | |
CN109243139A (zh) | 一种人员安全监控方法、终端设备、系统及存储介质 | |
CN112419120A (zh) | 群体性聚集事件预警方法、装置、系统和电子设备 | |
CN116755891B (zh) | 基于多线程的事件队列处理方法和系统 | |
CN108288025A (zh) | 一种车载视频监控方法、装置及设备 | |
CN112770265A (zh) | 一种行人身份信息获取方法、系统、服务器和存储介质 | |
CN106301975B (zh) | 一种数据检测方法及其装置 | |
CN109800656B (zh) | 定位方法及相关产品 | |
CN108008973B (zh) | 一种关联应用程序的方法、装置及服务器 | |
CN113194474A (zh) | 伪基站的定位方法、装置、电子设备及可读存储介质 | |
CN109698921B (zh) | 一种记录方法、装置及设备 | |
CN110519324B (zh) | 一种基于网络轨迹大数据的人物追踪方法与系统 | |
CN109120896B (zh) | 安防视频监控卫士系统 | |
CN110807052A (zh) | 用户群分类方法、装置、设备及存储介质 | |
CN112906651B (zh) | 目标检测方法及装置 | |
CN111178113A (zh) | 一种信息处理方法、装置及存储介质 | |
CN112235589B (zh) | 网络直播识别方法、边缘服务器、计算机设备及存储介质 | |
CN111325186B (zh) | 视频处理方法、装置、介质及系统 | |
CN113453261A (zh) | 异常小区识别方法、装置和电子设备 | |
CN116304249B (zh) | 一种数据可视化分析方法以及系统 | |
CN113128262A (zh) | 一种目标的识别方法及装置、存储介质及电子装置 |
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 |