CN117118907A - 一种门禁流量动态监测系统及其方法 - Google Patents

Abstract

本发明涉及智能门禁技术领域，尤指一种门禁流量动态监测系统及其方法。包含流量监测、预测、控制和数据分析模块。流量预测模块预测各模块的使用流量并同步至流量监测模块。流量监测模块根据预测方案监测门禁设备的流量使用情况，将数据传至数据分析模块，并反馈达到预警阈值的数据至流量控制模块。流量控制模块管理流量使用并调整方案，将同步至数据分析模块。数据分析模块综合流量使用数据和调整后的方案生成新方案，并同步至流量预测模块。本发明通过流量预测、实时监测、动态控制和数据分析的有机结合，能够提高门禁系统的稳定性、性能和效率，使其能实现动态分配，更加智能化和自适应，为用户提供更好的使用体验。

Description

一种门禁流量动态监测系统及其方法

技术领域

本发明涉及智能门禁技术领域，尤指一种门禁流量动态监测系统及其方法。

背景技术

门禁系统在各类场所广泛应用，以确保安全与便利。在大型公共场所、企业、学校、医院等地，门禁系统的流量控制和分配显得尤为重要。目前国内现有的智能门禁系统的开门方案主要为：刷卡、小程序开门、人脸开门、视频对讲开门、语音对讲开门等，这些开门方式基本上都需要使用网络，而现有的网络方案是使用有线网络或者使用流量卡，而有线网络的安装和使用成本都比较高，所以市面上基本上都是使用流量卡。而使用流量卡来做网络通讯其存在以下问题：为了节省流量，大多数语音或视频通话都是限制时长和次数，影响用户体验；部分门禁设备流量充裕，但是受呼叫次数限制，导致用户无法使用视频或语音通话；人流量大的门禁设备，由于访问人多，容易导致还没到月底，流量卡流量就耗尽，导致用户无法使用该门禁。

因此，提出一种解决上述问题的一种门禁流量动态监测系统及其方法实为必要。

发明内容

为解决上述问题，本发明提供一种门禁流量动态监测系统及其方法。

为实现上述目的，本发明采用的技术方案是：

一种门禁流量动态监测系统，包含：流量监测模块、流量预测模块、流量控制模块和数据分析模块；

所述流量预测模块用于对各个模块使用流量情况进行预测，输出流量预测方案并将流量预测方案同步至所述流量监测模块；

所述流量监测模块用于根据流量预测方案对门禁的流量使用设备进行流量使用监测，并将流量使用数据同步至所述数据分析模块，同时将达到预设的预警阈值的流量使用数据返回至所述流量控制模块；

所述流量控制模块用于控制对应模块的流量的使用，并调整流量使用方案，将所述流量使用方案同步至所述数据分析模块；

所述数据分析模块用于分析流量使用数据，并结合所述流量使用数据和调整后的流量使用方案进行分析，生成新的流量使用方案，并将新的流量使用方案同步至所述流量预测模块。

进一步的，所述流量预测模块设有prophet模型；

所述prophet模型按照以下步骤进行构建：

收集数据，收集并整理时间序列流量使用数据，流量使用数据包含时间戳和对应的观测值；

构建趋势模型；

构建季节性模型；

构建节假日模型；

在构建完模型后，将流量使用数据分为训练集和测试集；

拟合好模型后，使用测试集或未来的时间点进行预测；

完成预测后，将预测结果可视化，与实际观测值进行比较，以评估模型的预测精度；

Prophet模型基于以下公式进行预测：

其中，y(t)表示在时间t的观测值，g(t)表示流量使用数据的整体趋势函数，s(t)表示流量使用数据的周期性变化函数，h(t)表示特殊事件对预测的影响的函数，εt表示误差项。

进一步的，所述流量监测模块通过孤立森林算法对门禁的流量使用设备进行流量使用监测；并将监测结果与预先设定的异常阈值进行比较，以判断流量使用是否异常。

进一步的，所述流量控制模块的流量控制方法包括优先级队列排序方法和阈值控制方法。

更进一步的，所述优先级队列排序方法按照优先级顺序进行排序，每一个元素对应一个优先级，优先级较高的元素先出队列，优先级较低的元素后出队列。

更进一步的，所述阈值控制方法包括以下步骤：

设置流量阈值；

实时监测进出门禁的流量情况，将实时流量与设定的阈值进行对比；

根据与阈值的对比结果，判断当前流量状态是正常或异常；

当流量状态异常时，根据设定的策略自动触发相应的控制措施，以维持流量在预设的范围内。

进一步的，所述数据分析模块设有流量分析模型，所述流量分析模型是多变量线性回归模型；所述数据分析模块还设有机器学习算法。

进一步的，一种门禁流量动态监测系统，还包括门禁设备，所述流量监测模块、所述流量预测模块以及所述流量控制模块设置在所述门禁设备上；

还包括云端系统，所述数据分析模块设置在所述云端系统上；

所述门禁设备对需要使用流量的模块进行优先级排序，对流量使用进行统计，将流量使用数据发送至所述云端系统校验核对，使用所述云端系统调整后的方案；

所述云端系统核对流量使用情况，返回校验结果至所述门禁设备；根据剩余流量以及历史流量使用数据统计进行分析统计，调整流量使用模块的优先级，返回调整后的流量使用方案至所述门禁设备。

进一步的，所述门禁设备设有显示屏，用于查看流量使用情况、校验结果以及优化方案。

一种门禁流量动态监测方法，包含以下步骤：

通过流量预测模块对各个模块使用流量情况进行预测，输出流量预测方案并将流量预测方案同步至所述流量监测模块；

通过流量监测模块根据流量预测方案对门禁的流量使用设备进行流量使用监测，并将流量使用数据同步至所述数据分析模块，同时将达到预设的预警阈值的流量使用数据返回至所述流量控制模块；

通过流量控制模块控制对应模块的流量的使用，并调整流量使用方案，将所述流量使用方案同步至所述数据分析模块；

通过数据分析模块分析流量使用数据，并结合所述流量使用数据和调整后的流量使用方案进行分析，生成新的流量使用方案，并将新的流量使用方案同步至所述流量预测模块。

本发明的有益效果在于：本发明通过流量预测模块，系统可以对各个模块的流量使用情况进行预测和规划。流量监测模块对门禁设备中的流量使用进行实时监测，确保流量使用数据的及时更新和准确性。当流量使用数据达到预设的预警阈值时，流量监测模块会及时将该数据反馈给流量控制模块，以便及时采取相应的控制措施。流量控制模块可以根据流量监测模块反馈的数据，对各个模块的流量使用进行实时调整和控制。这样，系统可以根据实际情况灵活地分配流量资源，优先保障关键功能的使用，避免流量浪费和不必要的流量使用。数据分析模块利用流量使用数据和流量预测方案，结合机器学习算法进行分析，生成新的流量使用方案。

本发明通过动态分配流量，可以根据实时流量状况调整通行方式，提高流量的利用率，根据不同的流量使用情况进行分析，通过升级和降级分配不同的开门方式，提高用户体验，对视频、语音对讲等功能，可以通过流量使用情况，进行动态分配，可以合理的利用分配流量，优先保障开门业务的主功能，通过监测和分析动态流量数据，可以获得实时的流量情况和统计数据，为流量管理和决策提供准确的参考依据，门禁故障率低，维护成本低。

附图说明

图1 是本发明一种门禁流量动态监测系统的流程示意图。

图2 是本发明一种门禁流量动态监测方法的流程示意图。

图3 是本发明中流程控制的优先级排序图。

具体实施方式

请参阅图1-3所示，本发明关于一种门禁流量动态监测系统及其方法。

实施例1

一种门禁流量动态监测系统，包含：流量监测模块、流量预测模块、流量控制模块和数据分析模块；

所述流量预测模块用于对各个模块使用流量情况进行预测，输出流量预测方案并将流量预测方案同步至所述流量监测模块；

所述流量监测模块用于根据流量预测方案对门禁的流量使用设备进行流量使用监测，并将流量使用数据同步至所述数据分析模块，同时将达到预设的预警阈值的流量使用数据返回至所述流量控制模块；

所述流量控制模块用于控制对应模块的流量的使用，并调整流量使用方案，将所述流量使用方案同步至所述数据分析模块；

所述数据分析模块用于分析流量使用数据，并结合所述流量使用数据和调整后的流量使用方案进行分析，生成新的流量使用方案，并将新的流量使用方案同步至所述流量预测模块。

在本实施例中，通过流量预测模块对各个模块使用流量情况进行预测，门禁系统可以提前得知未来的流量变化趋势，从而能够及时调整流量使用方案。流量监测模块根据流量预测方案对门禁设备的流量使用进行监测，实时掌握当前的流量情况。同时，一旦达到预设的预警阈值，系统会及时向流量控制模块发送信息，以便采取相应的流量控制措施，确保门禁系统的稳定运行。流量控制模块根据流量监测模块提供的信息，对各个模块的流量使用进行控制，通过调整流量使用方案，合理分配流量资源，避免流量过度集中或浪费，从而优化门禁系统的性能和效率。数据分析模块对流量使用数据进行分析，结合调整后的流量使用方案，生成新的流量使用方案。这种数据驱动的优化决策可以使门禁系统不断适应变化的使用场景和需求，提高门禁系统的整体运行效率和用户体验。整个系统通过不断的数据循环和优化，实现自适应性和智能化管理。随着时间的推移，门禁系统将逐渐优化自身的流量管理策略，使其更加符合实际需求，提高门禁系统的整体效能。

实施例2

根据实施例1所述的一种门禁流量动态监测系统，其中，所述流量预测模块设有prophet模型；

所述prophet模型按照以下步骤进行构建：

流量数据准备：收集并整理时间序列流量使用数据，确保流量使用数据包含时间戳和对应的观测值。流量使用数据的时间间隔应该是稳定的，如果存在缺失值，需要进行适当的处理，确保流量使用数据包含足够长的历史记录，这有助于模型更好地捕捉趋势和季节性；

构建趋势模型：Prophet提供了一个灵活的框架，可以在趋势模型中添加多个可选的回归分量，以捕捉流量使用数据中的特殊事件或外部影响因素；

构建季节性模型：Prophet模型使用傅里叶级数来捕捉流量使用数据的周期性变化。傅里叶级数是一组正弦和余弦函数，可以逼近任意周期函数。模型会自动检测数据中的季节性，并选择适当的傅里叶项数以捕捉不同时间尺度的周期性；

构建节假日模型：Prophet模型允许用户指定特殊事件对预测的影响；

模型拟合和训练：在构建完模型后，将流量使用数据分为训练集和测试集。使用训练集来拟合Prophet模型，利用历史流量使用数据来学习趋势、季节性和节假日的影响。模型会自动进行参数估计和优化；

预测：拟合好模型后，使用测试集或未来的时间点来进行预测；

可视化和评估：完成预测后，通常需要将预测结果可视化，与实际观测值进行比较，以评估模型的预测精度；

Prophet模型基于以下公式进行预测：

其中，y(t)表示在时间t的观测值，g(t)表示趋势模型，描述流量使用数据的整体趋势，s(t)表示季节性模型，描述流量使用数据的周期性变化，h(t)表示节假日模型，描述特殊事件对预测的影响，εt表示误差项，表示模型无法解释的随机波动。

在本实施例中，Prophet模型是一种时间序列预测模型，能够根据历史流量使用数据捕捉趋势、季节性和特殊事件的影响，从而能够提供准确的流量预测。这有助于门禁流量动态监测系统提前做好准备，合理分配资源，以应对未来流量的波动。也使得门禁流量动态监测系统能够更好地预测这些特殊情况下的流量变化，有助于制定更有效的流量控制策略。Prophet模型能够自动检测数据，并选择适当的傅里叶项数以捕捉不同时间尺度的周期性。这使得门禁流量动态监测系统减少了操作复杂性，并提高了预测的准确性。Prophet模型提供了可视化工具，可以将预测结果与实际观测值进行比较，以评估模型的预测精度。这使得门禁流量动态监测系统能够及时发现预测误差，并进行必要的调整和优化，以提高预测的准确性和可靠性。通过使用Prophet模型，门禁流量动态监测系统能够实现智能化管理，提高了系统的管理效率和响应能力。

实施例3

根据实施例2所述的一种门禁流量动态监测系统，其中，所述流量监测模块通过孤立森林算法对门禁的流量使用设备进行流量使用监测；并将监测结果与预先设定的异常阈值进行比较，以确定流量使用是否异常，所述流量控制模块的流量控制方法包括优先级队列排序方法和阈值控制方法，所述优先级队列方法按照优先级顺序进行排序，每一个元素对应一个优先级，优先级较高的元素先出队列，优先级较低的元素后出队列，根据门禁刚安装时我们对这些模块的流量使用做一个优先级排序：

a.开门作为基础功能，优先级排在第一级；

b.由于门禁是刚安装，所以人脸下发、门禁卡权限下发优先级排在第二级；

c.日志上传、视频对讲、语音对讲优先级排在第三级；

所述阈值控制方法包括以下步骤：

设置流量阈值；

实时监测进出门禁的流量情况，将实时流量与设定的阈值进行对比；

根据与阈值的对比结果，判断当前流量状态是正常或异常；

当流量状态异常时，根据设定的策略自动触发相应的控制措施，以维持流量在预设的范围内。

在本实施例中，通过优先级队列排序方法，门禁系统能够根据不同模块的优先级进行排序，确保基础功能的流量优先处理，如开门、人脸下发、门禁卡权限下发等。这样可以保障门禁系统的基本功能稳定运行，优化资源分配，提高门禁系统的整体性能。通过孤立森林算法对流量进行监测，系统可以及时发现异常流量使用情况。结合预先设定的异常阈值控制方法，一旦检测到流量异常，系统可以自动触发相应的控制措施，快速调整流量使用，以维持流量在预设的范围内，避免系统负载过重或流量不足的情况。通过异常流量检测和优先级控制，门禁系统能够更好地保障系统的安全性。高优先级的基础功能优先处理，保证门禁的正常开门功能，而低优先级的模块如日志上传、视频对讲、语音对讲等则在确保基础功能的情况下逐步进行，避免异常流量对门禁系统造成的安全隐患。阈值控制方法的自动触发能力使门禁系统实现自动化的流量管理。一旦检测到异常流量，系统可以根据预设的策略自动触发相应的控制措施，无需人工干预，提高了门禁系统的智能化程度和自动化水平。

实施例4

根据实施例3所述的一种门禁流量动态监测系统，其中，所述数据分析模块设有流量分析模型，所述流量分析模型是多变量线性回归模型；

所述多变量线性回归模型按照以下步骤进行构建：

收集包含多个自变量和一个因变量的样本流量使用数据；

建立多变量线性回归模型，将因变量与多个自变量之间的关系表示为一个线性方程。假设有n个自变量，模型表示为：

其中，y是因变量（要预测的变量）；x1, x2, ..., xn是自变量（影响因变量的变量）；β0,β1,β2, ..., βn 是回归系数，表示自变量对应的权重；ε是误差项，表示模型无法解释的随机误差。

通过最小二乘法或其他估计方法，估计回归模型中的回归系数（β0, β1, β2,..., βn）。

使用评估指标来评估模型的性能。常见的评估指标包括均方误差（MSE）、平均绝对误差（MAE）、决定系数（R²）等。

根据回归系数的符号和大小，解释各个自变量对因变量的影响。正的回归系数表示自变量与因变量正相关，负的回归系数表示自变量与因变量负相关。回归系数的绝对值越大，表示自变量对因变量的影响越大。

利用建立好的多变量线性回归模型进行预测和分析。可以使用模型来预测因变量的值，也可以通过调整自变量的值来观察因变量的变化，从而进行策略制定和决策支持。

所述数据分析模块还设有机器学习算法。

在本实施例中，通过建立多变量线性回归模型，可以将多个自变量与因变量之间的关系表示为一个线性方程。在门禁系统中，自变量是与流量相关的各种因素，例如时间、特殊事件、节假日等，因变量是流量的实际观测值。通过对历史流量使用数据进行建模和拟合，该模型能够进行流量预测和趋势分析，帮助系统预测未来的流量变化趋势，利用建立好的多变量线性回归模型，数据分析模块可以进行因变量的预测和分析。通过调整自变量的值，观察因变量的变化，可以进行流量优化决策。例如，根据不同时间段和特殊事件的流量预测结果，系统可以制定更合理的流量控制策略，优化流量资源的分配和使用，提高门禁系统的性能和效率，数据分析模块可以使用评估指标如均方误差（MSE）、平均绝对误差（MAE）、决定系数（R²）等来评估多变量线性回归模型的性能。通过不断对模型进行评估和改进，系统可以提高模型的准确性和可靠性，从而更准确地预测流量变化和做出合理的决策，数据分析模块还设有机器学习算法，这意味着系统可以利用更多种类的算法进行流量数据的分析和预测，从而更好地应对不同类型的数据和复杂的情况。机器学习算法的使用能够提高数据分析模块的灵活性和适应性，使门禁系统更具智能化和自适应性。

实施例5

根据实施例4所述的一种门禁流量动态监测系统，其中，还包括门禁设备，所述流量监测模块、所述流量预测模块以及所述流量控制模块设置在所述门禁设备上。

还包括云端系统，所述数据分析模块设置在所述云端系统上；

所述门禁设备对需要使用流量的模块进行优先级排序，对流量使用进行统计，将流量使用数据发送至所述云端系统校验核对，使用所述云端系统调整后的方案；

所述云端系统核对流量使用情况，返回校验结果至所述门禁系统；根据剩余流量以及历史流量使用数据统计进行分析统计，调整流量使用模块的优先级，返回调整后的流量使用方案至所述门禁系统；

所述门禁设备设有显示屏，用于查看流量使用情况、校验结果以及优化方案。

在本实施例中，流量监测模块直接设置在门禁设备上，能够实时监测门禁系统中各个模块的流量使用情况。这样，门禁系统可以及时掌握实时流量情况，准确地进行流量监控和管理。通过流量预测模块，门禁设备能够利用历史流量使用数据通过Prophet模型来预测未来的流量变化趋势。云端系统能够根据剩余流量和历史流量使用数据进行分析和统计，调整流量使用模块的优先级，进一步优化流量控制方案，使门禁系统在未来更加智能地应对流量变化。将数据分析模块设置在云端系统上，可以实现数据的集中处理和分析。门禁设备将流量使用数据发送至云端系统，云端系统进行核对、分析和优化，并返回校验结果和优化方案至门禁设备。这种分布式系统架构可以减轻门禁设备的计算负担，同时能够利用云端的大规模计算和存储能力来处理大量数据，提高系统整体性能。门禁设备设有显示屏，用户可以通过显示屏查看流量使用情况、校验结果以及优化方案。这样的用户交互设计使得门禁系统更加人性化和用户友好，用户能够直观地了解门禁系统的状态和流量使用情况。门禁设备对需要使用流量的模块进行优先级排序，可以根据优先级和云端返回的调整后的流量使用方案，自适应地进行流量管理。这使得门禁系统能够根据实际需求灵活调整流量资源，合理分配流量，提高系统的整体性能和效率。

实施例6

一种门禁流量动态监测方法，包含以下步骤：

收集门禁设备中的流量使用数据；

使用流量预测模块进行流量的长期和短期预测。其中，采用Prophet模型进行流量预测，并输出流量预测方案。在构建Prophet模型时，首先对收集到的流量使用数据进行准备，然后，将数据分为训练集和测试集，用于模型的训练和验证；

将流量预测方案同步至流量监测模块；

流量监测模块根据流量预测方案对门禁的流量使用设备进行流量使用监测，并将流量使用数据同步至数据分析模块；

对门禁的功能模块的流量使用分别进行统计，把统计的结果和流量卡后台的数据进行校验，核对流量使用情况，并进行纠正，把纠正过后的数据同步到门禁设备上；

数据分析模块设有流量分析模型和机器学习算法，使用多变量线性回归模型和机器学习算法对流量使用数据和调整后的流量使用方案进行分析；

根据分析的结果做出相应的控制：

A.当发现流量池剩余流量多足时，可以提高视频对讲、语音对讲得优先级，从而增加高视频对讲和语音对讲的使用时长；

B.当发现流量池剩余流量少时，可以对视频对讲、语音对讲优先级进行降级或者降低视频对讲得清晰度，从而减少流量的使用；

当发现流量池剩余流量到最低使用阈值时，进入低流量模式，在保障最基础的开门功能的同时，对其他功能模块进行降级，控制其使用流量；

并将新的流量使用方案同步至流量预测模块；

流量控制模块使用优先级队列排序方法和阈值控制方法控制对应模块的流量使用，以维持流量在预设的范围内；

当流量使用数据中达到预设的预警阈值时，流量监测模块将该数据返回至流量控制模块；

流量控制模块根据设定的策略自动触发相应的控制措施，对流量使用进行调整；

门禁设备对需要使用流量的模块进行优先级排序，统计流量使用数据，并将流量使用数据发送至云端系统进行校验核对；

云端系统核对流量使用情况，返回校验结果至门禁系统；

根据剩余流量以及历史流量使用数据统计进行分析统计，调整流量使用模块的优先级；

返回调整后的流量使用方案至门禁系统；

门禁设备显示屏用于查看流量使用情况、校验结果以及优化方案。

在本实施例中，通过流量预测模块和数据分析模型，门禁系统能够根据历史数据和未来预测，合理规划流量使用方案。这样能够避免流量的浪费和不必要的超支，从而节约成本。流量监测模块能够实时监测门禁设备的流量使用情况，并及时将数据同步至数据分析模块。这种实时监测能够让系统及时发现流量使用异常，进而采取相应控制措施，避免流量浪费或超额使用。流量控制模块根据设定的策略和预警阈值，能够自动触发相应的控制措施，对流量使用进行调整。这种自动化流量控制可以有效地应对流量波动，保持流量在预设范围内。当流量池剩余流量不足时，系统会根据优先级队列排序方法对门禁的功能模块进行优化。这样可以保障基础的开门功能，同时对其他功能模块进行合理降级，从而保障门禁系统的正常运行。云端系统能够对门禁设备发送的流量使用数据进行校验核对，并根据剩余流量和历史使用数据进行分析统计，进而优化流量使用方案。这种云端核对和优化能够提高门禁系统的整体效率和稳定性。门禁设备显示屏用于查看流量使用情况、校验结果以及优化方案。这种显示功能使得门禁系统的管理员和用户能够实时了解流量使用情况，从而更好地管理和使用门禁系统。

以上实施方式仅仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通工程技术人员对本发明的技术方案作出的各种变形和改进，均应落入本发明的权利要求书确定的保护范围内。

Claims (10)

1.一种门禁流量动态监测系统，其特征在于，包含：流量监测模块、流量预测模块、流量控制模块和数据分析模块；

所述流量预测模块用于对各个模块使用流量情况进行预测，输出流量预测方案并将流量预测方案同步至所述流量监测模块；

所述流量监测模块用于根据流量预测方案对门禁的流量使用设备进行流量使用监测，并将流量使用数据同步至所述数据分析模块，同时将达到预设的预警阈值的流量使用数据返回至所述流量控制模块；

所述流量控制模块用于控制对应模块的流量的使用，并调整流量使用方案，将所述流量使用方案同步至所述数据分析模块；

所述数据分析模块用于分析流量使用数据，并结合所述流量使用数据和调整后的流量使用方案进行分析，生成新的流量使用方案，并将新的流量使用方案同步至所述流量预测模块。

2.根据权利要求1所述的一种门禁流量动态监测系统，其特征在于，所述流量预测模块设有prophet模型；

所述prophet模型按照以下步骤进行构建：

收集数据，收集并整理时间序列流量使用数据，流量使用数据包含时间戳和对应的观测值；

构建趋势模型；

构建季节性模型；

构建节假日模型；

在构建完模型后，将流量使用数据分为训练集和测试集；

拟合好模型后，使用测试集或未来的时间点进行预测；

完成预测后，将预测结果可视化，与实际观测值进行比较，以评估模型的预测精度；

Prophet模型基于以下公式进行预测：

；

其中，y(t)表示在时间t的观测值，g(t)表示流量使用数据的整体趋势函数，s(t)表示流量使用数据的周期性变化函数，h(t)表示特殊事件对预测的影响的函数，εt表示误差项。

3.根据权利要求1所述的一种门禁流量动态监测系统，其特征在于，所述流量监测模块通过孤立森林算法对门禁的流量使用设备进行流量使用监测；并将监测结果与预先设定的异常阈值进行比较，以判断流量使用是否异常。

4.根据权利要求1所述的一种门禁流量动态监测系统，其特征在于，所述流量控制模块的流量控制方法包括优先级队列排序方法和阈值控制方法。

5.根据权利要求4所述的一种门禁流量动态监测系统，其特征在于，所述优先级队列排序方法按照优先级顺序进行排序，每一个元素对应一个优先级，优先级较高的元素先出队列，优先级较低的元素后出队列。

6.根据权利要求4所述的一种门禁流量动态监测系统，其特征在于，所述阈值控制方法包括以下步骤：

设置流量阈值；

实时监测进出门禁的流量情况，将实时流量与设定的阈值进行对比；

根据与阈值的对比结果，判断当前流量状态是正常或异常；

当流量状态异常时，根据设定的策略自动触发相应的控制措施，以维持流量在预设的范围内。

7.根据权利要求1所述的一种门禁流量动态监测系统，其特征在于，所述数据分析模块设有流量分析模型，所述流量分析模型是多变量线性回归模型；所述数据分析模块还设有机器学习算法。

8.根据权利要求1所述的一种门禁流量动态监测系统，其特征在于，还包括门禁设备，所述流量监测模块、所述流量预测模块以及所述流量控制模块设置在所述门禁设备上；

还包括云端系统，所述数据分析模块设置在所述云端系统上；

所述门禁设备对需要使用流量的模块进行优先级排序，对流量使用进行统计，将流量使用数据发送至所述云端系统校验核对，使用所述云端系统调整后的方案；

所述云端系统核对流量使用情况，返回校验结果至所述门禁设备；根据剩余流量以及历史流量使用数据统计进行分析统计，调整流量使用模块的优先级，返回调整后的流量使用方案至所述门禁设备。

9.根据权利要求8所述的一种门禁流量动态监测系统，其特征在于，所述门禁设备设有显示屏，用于查看流量使用情况、校验结果以及优化方案。

10.一种门禁流量动态监测方法，其特征在于，所述方法应用于如权利要求1-9任一项所述的一种门禁流量动态监测系统，包含以下步骤：

通过流量预测模块对各个模块使用流量情况进行预测，输出流量预测方案并将流量预测方案同步至所述流量监测模块；

通过流量监测模块根据流量预测方案对门禁的流量使用设备进行流量使用监测，并将流量使用数据同步至所述数据分析模块，同时将达到预设的预警阈值的流量使用数据返回至所述流量控制模块；

通过流量控制模块控制对应模块的流量的使用，并调整流量使用方案，将所述流量使用方案同步至所述数据分析模块；

通过数据分析模块分析流量使用数据，并结合所述流量使用数据和调整后的流量使用方案进行分析，生成新的流量使用方案，并将新的流量使用方案同步至所述流量预测模块。