CN117439897A - 一种用于数字孪生场景的大数据分析系统及方法 - Google Patents
一种用于数字孪生场景的大数据分析系统及方法 Download PDFInfo
- Publication number
- CN117439897A CN117439897A CN202311424597.8A CN202311424597A CN117439897A CN 117439897 A CN117439897 A CN 117439897A CN 202311424597 A CN202311424597 A CN 202311424597A CN 117439897 A CN117439897 A CN 117439897A
- Authority
- CN
- China
- Prior art keywords
- area
- monitoring camera
- patrol
- static
- patrol area
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000007405 data analysis Methods 0.000 title claims abstract description 22
- 238000012544 monitoring process Methods 0.000 claims abstract description 204
- 230000003068 static effect Effects 0.000 claims abstract description 138
- 238000013507 mapping Methods 0.000 claims abstract description 41
- 238000005516 engineering process Methods 0.000 claims abstract description 12
- 230000008447 perception Effects 0.000 claims abstract description 12
- 238000004458 analytical method Methods 0.000 claims description 23
- 230000008569 process Effects 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000012502 risk assessment Methods 0.000 claims description 6
- 101150050759 outI gene Proteins 0.000 claims 1
- 238000012806 monitoring device Methods 0.000 abstract description 5
- 230000009471 action Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003362 replicative effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Environmental & Geological Engineering (AREA)
- Alarm Systems (AREA)
- Closed-Circuit Television Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种用于数字孪生场景的大数据分析系统及方法,属于数据分析技术领域。对数字孪生场景进行映射,通过二维平面式的单位网格,精准地划分各个巡防区域,便于寻找静态重合区域;形成预警感知区域集合,并通过静态重合区域来对各个监控设备之间的关联关系进行分析;形成关联关系对和无关区域集合,分析各个监控设备的标签值;在不同的巡防范围内,进行动态故障标记,实时感知发生故障的监控设备,分析巡防区域内的动态故障风险度,进行预警和人工作业安排;继而能够结合数字孪生技术,实时感知监控设备故障情况的同时,避免造成监控体系的潜在危险情况发生,并且通过监控设备的动态故障行为感知,能够精准地把控巡防区域的危险程度。
Description
技术领域
本发明涉及数据分析技术领域,具体为一种用于数字孪生场景的大数据分析系统及方法。
背景技术
数字孪生是一种虚拟模型,可以将实际物体、过程或系统的数字映像与其实时运行状态相匹配,从而精确地复制和模拟实际物理系统;数字孪生技术已应用在诸多的领域或行业中,其中,在智能安防管控中的应用主要体现在:通过对数据的分析和模拟,帮助优化安防巡检过程,识别出巡检路线上的瓶颈、潜在的危险区域和设备故障,并提供相应的建议和指导;
现实中,通过数字孪生技术能够非常直观地对单个监控设备进行故障预警,但是,对于以监控设备故障后的监控范围失察情况为导向的,造成监控体系的潜在危险情况的动态变动,而引发的危险程度,依然很难精准感知和有力把控。
发明内容
本发明的目的在于提供一种用于数字孪生场景的大数据分析系统及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:
一种用于数字孪生场景的大数据分析系统,本系统包括:数字孪生场景映射模块、预警感知识别模块、预警分析模块和风险处理模块;
所述数字孪生场景映射模块,用于对数字孪生场景进行二维平面式的全域范围映射,并对映射形成的二维平面划分网格,根据划分的网格,生成巡防区域网格范围集合;
所述预警感知识别模块,根据巡防区域网格范围集合,在各个巡防区域之间识别静态重合区域,并进行静态重合区域的统筹,生成预警感知区域集合;
所述预警分析模块,根据预警感知区域集合,分析静态重合区域之间的关联关系,生成关联关系对和无关区域集合,并分析以静态重合区域之间关联关系为导向的,监控摄像头的标签值;
所述风险处理模块,用于在巡防区域内,实时动态感知各个监控摄像头的故障情况,并对发生故障的监控摄像头进行标记,根据标记结果,分析各个巡防区域的动态故障风险度,并根据动态故障风险度,安排人工现场巡防工作。
进一步的,所述数字孪生场景映射模块还包括数字孪生映射单元和区域自动识别单元;
所述数字孪生映射单元,用于通过遥感影像技术,对数字孪生场景进行二维平面式的全域范围映射,并对全域范围映射形成的二维平面进行均匀的单位网格划分,且对划分的单位网格进行统一编号;
所述区域自动识别单元,用于在二维平面中,根据划分的单位网格,将每一个巡防区域包含的单位网格在二维平面中进行显示,所述巡防区域为安置在巡防区域范围内的监控摄像机拍摄到的画面,所述拍摄到的画面为监控摄像头在旋转监控过程中旋转一次情况下的所拍摄到的最大连续画面,其中,一个巡防区域安置一个监控摄像头;根据监控摄像头的数量,对巡防区域进行统一编号,对巡防区域在二维平面中显示的全部单位网格进行统筹,并生成巡防区域网格范围集合,记为SARi={R1,R2,...,Rm},其中,SARi表示第i个监控摄像头监控的巡防区域对应生成的巡防区域网格范围集合,R1,R2,...,Rm分别表示第i个巡防区域包含的第1,2,...,m个单位网格。
进一步的,所述预警感知识别模块还包括区域比对单元和预警识别单元;
所述区域比对单元,用于任意选取一个巡防区域网格范围集合SARi,以巡防区域网格范围集合SARi为对比目标,将除巡防区域网格范围集合SARi外的任意一个巡防区域网格范围集合SARj与巡防区域网格范围集合SARi进行比对,寻找静态重合区域,记为QCRij=SARi∩SARj,其中,j表示监控摄像头编号;
所述预警识别单元,用于在第i个监控摄像头监控的巡防区域内,统筹全部静态重合区域,并生成预警感知区域集合,记为EWPi={QCRij|j∈[1,n]},其中,n表示第i个监控摄像头监控的巡防区域内各个静态重合区域中最大的监控摄像头编号。
进一步的,所述预警分析模块还包括区域关系分析单元和标签值分析单元;
所述区域关系分析单元,根据预警感知区域集合,分析第i个监控摄像头监控的巡防区域内的各个静态重合区域之间的关联关系,在预警感知区域集合中,如果存在至少两个静态重合区域存在重合情况,则在存在重合关系的各个静态重合区域之间建立关联关系,并生成关联关系对,记为y:{QCRij|j∈[1,x]},其中,y表示关联关系中的关联关系对的编号,x表示第y个关联关系对中最大的监控摄像头编号;如果不存在至少两个静态重合区域存在重合情况,则无法建立关联关系,且统筹无法建立关联关系的全部静态重合区域,并生成无关区域集合,记为UNi={QCRij|j∈[1,s]},其中,s表示无关区域集合UNi中最大的监控摄像头编号;
所述标签值分析单元,根据关联关系对和无关区域集合,分析以静态重合区域之间关联关系为导向的,监控摄像头的标签值,在任意一个关联关系对y:{QCRij|j∈[1,x]}中任意选取一个静态重合区域QCRij,计算第j个监控摄像头的标签值,具体计算公式如下:
LVj=[NUM(QCRij)-Σy=1 YNUM(y)]/NUM(SARi)
其中,LVj表示第j个监控摄像头的标签值,NUM(QCRij)表示静态重合区域QCRij中包含的单位网格数量,NUM(y)表示第y个关联关系对中各个静态重合区域重合的单位网格数量,Y表示静态重合区域QCRij出现在关联关系对中的最大关联关系对编号,NUM(SARi)表示巡防区域网格范围集合SARi中包含的单位网格数量;如果静态重合区域QCRij存在在无关区域集合UNi中,则令Σy=1 YNUM(y)=0。
进一步的,所述风险处理模块还包括故障标记单元和风险分析单元;
所述故障标记单元,用于在第i个监控摄像头监控的巡防区域内,感知各个静态重合区域对应的监控摄像头的实时动态故障情况,如果静态重合区域QCRij对应的第j个监控摄像头出现故障,则对第j个监控摄像头进行动态故障标记,统计第i个监控摄像头监控的巡防区域内动态故障标记的全部监控摄像头的数量记为w;
所述风险分析单元,根据标记的监控摄像头,分析第i个监控摄像头监控的巡防区域的动态故障风险情况,计算动态故障风险度RDi=Σj=1 wLVj,并预警输出动态故障风险度至工作人员,工作人员根据动态故障风险度的由大到小的顺序,安排人工现场巡防工作。
一种用于数字孪生场景的大数据分析方法,本方法包括以下步骤:
步骤S100:对数字孪生场景进行二维平面式的全域范围映射,并对映射形成的二维平面划分网格,根据划分的网格,生成巡防区域网格范围集合;
步骤S200:根据巡防区域网格范围集合,在各个巡防区域之间识别静态重合区域,并进行静态重合区域的统筹,生成预警感知区域集合;
步骤S300:根据预警感知区域集合,分析静态重合区域之间的关联关系,生成关联关系对和无关区域集合,并分析以静态重合区域之间关联关系为导向的,监控摄像头的标签值;
步骤S400:在巡防区域内,实时动态感知各个监控摄像头的故障情况,并对发生故障的监控摄像头进行标记,根据标记结果,分析各个巡防区域的动态故障风险度,并根据动态故障风险度,安排人工现场巡防工作。
进一步的,所述步骤S100的具体实施过程包括:
步骤S101:通过遥感影像技术,对数字孪生场景进行二维平面式的全域范围映射,并对全域范围映射形成的二维平面进行均匀的单位网格划分,且对划分的单位网格进行统一编号;
步骤S102:在二维平面中,根据划分的单位网格,将每一个巡防区域包含的单位网格在二维平面中进行显示,所述巡防区域为安置在巡防区域范围内的监控摄像机拍摄到的画面,所述拍摄到的画面为监控摄像头在旋转监控过程中旋转一次情况下的所拍摄到的最大连续画面,其中,一个巡防区域安置一个监控摄像头;根据监控摄像头的数量,对巡防区域进行统一编号,对巡防区域在二维平面中显示的全部单位网格进行统筹,并生成巡防区域网格范围集合,记为SARi={R1,R2,...,Rm},其中,SARi表示第i个监控摄像头监控的巡防区域对应生成的巡防区域网格范围集合,R1,R2,...,Rm分别表示第i个巡防区域包含的第1,2,...,m个单位网格;
根据上述方法,通过遥感影像技术能够很好地对数字孪生场景进行映射,从而将监控体系下的各个巡防区域,能够通过二维平面式的单位网格,而精准地划分,进而便于寻找静态重合区域,且,现实中,监控摄像头在旋转监控过程中,旋转一次能够拍摄到的画面范围有一定的极限,进而形成的巡防区域网格范围集合,需要以旋转一次情况下的所拍摄到的最大连续画面为依据,才能完整诠释单个监控摄像头的监控范围。
进一步的,所述步骤S200的具体实施过程包括:
步骤S201:任意选取一个巡防区域网格范围集合SARi,以巡防区域网格范围集合SARi为对比目标,将除巡防区域网格范围集合SARi外的任意一个巡防区域网格范围集合SARj与巡防区域网格范围集合SARi进行比对,寻找静态重合区域,记为QCRij=SARi∩SARj,其中,j表示监控摄像头编号;
步骤S202:在第i个监控摄像头监控的巡防区域内,统筹全部静态重合区域,并生成预警感知区域集合,记为EWPi={QCRij|j∈[1,n]},其中,n表示第i个监控摄像头监控的巡防区域内各个静态重合区域中最大的监控摄像头编号;
根据上述方法,安置多个监控摄像头从而形成一套完整监控体系,但是,现实中,监控摄像头监控的画面往往存在一定的重合范围,重合范围在监控体系中的重要作用往往体现在,企业可以将重要的物资或需要时刻监控的事务放在重合范围内,通过多个监控摄像头的监控,而形成24小时不间断的巡防,同时也避免某个监控摄像头发生断网等故障后,导致监控范围失察情况的发生,进而本申请发明立足于重合范围来对各个监控摄像头之间的关联关系进行分析,形成了静态重合区域和预警感知区域集合,静态重合区域的静态表示旋转一次情况下的所拍摄到的最大连续画面是静态下的,而静态重合区域中的重合区域体现出最大连续画面的重要性,同时,对各个静态重合区域进行整合,形成第i个监控摄像头监控的巡防区域内预警感知区域集合。
进一步的,所述步骤S300的具体实施过程包括:
步骤S301:根据预警感知区域集合,分析第i个监控摄像头监控的巡防区域内的各个静态重合区域之间的关联关系,在预警感知区域集合中,如果存在至少两个静态重合区域存在重合情况,则在存在重合关系的各个静态重合区域之间建立关联关系,并生成关联关系对,记为y:{QCRij|j∈[1,x]},其中,y表示关联关系中的关联关系对的编号,x表示第y个关联关系对中最大的监控摄像头编号;如果不存在至少两个静态重合区域存在重合情况,则无法建立关联关系,且统筹无法建立关联关系的全部静态重合区域,并生成无关区域集合,记为UNi={QCRij|j∈[1,s]},其中,s表示无关区域集合UNi中最大的监控摄像头编号;
步骤S302:根据关联关系对和无关区域集合,分析以静态重合区域之间关联关系为导向的,监控摄像头的标签值,在任意一个关联关系对y:{QCRij|j∈[1,x]}中任意选取一个静态重合区域QCRij,计算第j个监控摄像头的标签值,具体计算公式如下:
LVj=[NUM(QCRij)-Σy=1 YNUM(y)]/NUM(SARi)
其中,LVj表示第j个监控摄像头的标签值,NUM(QCRij)表示静态重合区域QCRij中包含的单位网格数量,NUM(y)表示第y个关联关系对中各个静态重合区域重合的单位网格数量,Y表示静态重合区域QCRij出现在关联关系对中的最大关联关系对编号,NUM(SARi)表示巡防区域网格范围集合SARi中包含的单位网格数量;如果静态重合区域QCRij存在在无关区域集合UNi中,则令Σy=1 YNUM(y)=0;
根据上述方法,在第i个监控摄像头监控的巡防区域内存在两种情况,第一种是存在静态重合区域之间存在重合的情况,会导致通过关联关系对来分析监控摄像头的标签值不准确,第二种情况是静态重合区域之间不存在重合的情况,即生成了无关区域集合,存储各个不重合的独立的静态重合区域,进而标签值计算公式中Σy=1 YNUM(y)=0;同时,同一个静态重合区域可能存在在不同的关联关系对中,如A与B存在重合,B与C存在重合,且A与C不存在重合,则B存在在A→B和B→C的两个关联关系对中,另如,A与B存在重合,B与C存在重合,且A与C也存在重合,则形成一个关联关系对A→B→C;在本申请中,监控摄像头的标签值越大,表示当该监控摄像头出现故障或者断网的时候,对监控范围内的失察情况影响越大。
进一步的,所述步骤S400的具体实施过程包括:
步骤S401:在第i个监控摄像头监控的巡防区域内,感知各个静态重合区域对应的监控摄像头的实时动态故障情况,如果静态重合区域QCRij对应的第j个监控摄像头出现故障,则对第j个监控摄像头进行动态故障标记,统计第i个监控摄像头监控的巡防区域内动态故障标记的全部监控摄像头的数量记为w;
步骤S402:根据标记的监控摄像头,分析第i个监控摄像头监控的巡防区域的动态故障风险情况,计算动态故障风险度RDi=Σj=1 wLVj,并预警输出动态故障风险度至工作人员,工作人员根据动态故障风险度的由大到小的顺序,安排人工现场巡防工作;
根据上述方法,在不同的监控摄像头监控的巡防区域内,可能同时出现多个监控设备的故障或者断网情况发生,进而进行动态故障标记,并计算巡防区域内的动态故障风险度,从而对巡防区域内的整体失察风险情况进行预警。
与现有技术相比,本发明所达到的有益效果是:本发明提供的一种用于数字孪生场景的大数据分析系统及方法中,对数字孪生场景进行映射,通过二维平面式的单位网格,精准地划分各个巡防区域,便于寻找静态重合区域;形成预警感知区域集合,并通过静态重合区域来对各个监控设备之间的关联关系进行分析;形成关联关系对和无关区域集合,分析各个监控设备的标签值;在不同的巡防范围内,进行动态故障标记,实时感知发生故障的监控设备,分析巡防区域内的动态故障风险度,进行预警和人工作业安排;继而能够结合数字孪生技术,实时感知监控设备故障情况的同时,避免以监控设备故障后的监控范围失察情况为导向,而造成监控体系的潜在危险情况发生,并且通过监控设备的动态故障行为感知,能够精准地把控巡防区域的危险程度。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并且不构成对本发明的限制。在附图中:
图1是本发明一种用于数字孪生场景的大数据分析系统的结构示意图;
图2是本发明一种用于数字孪生场景的大数据分析方法的步骤示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中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。
请参阅图1-图2,本发明提供技术方案:
请参阅图1,在本实施例一中:提供一种用于数字孪生场景的大数据分析系统,该系统包括:数字孪生场景映射模块、预警感知识别模块、预警分析模块和风险处理模块;
数字孪生场景映射模块,用于对数字孪生场景进行二维平面式的全域范围映射,并对映射形成的二维平面划分网格,根据划分的网格,生成巡防区域网格范围集合;
其中,数字孪生场景映射模块还包括数字孪生映射单元和区域自动识别单元;
数字孪生映射单元,用于通过遥感影像技术,对数字孪生场景进行二维平面式的全域范围映射,并对全域范围映射形成的二维平面进行均匀的单位网格划分,且对划分的单位网格进行统一编号;
区域自动识别单元,用于在二维平面中,根据划分的单位网格,将每一个巡防区域包含的单位网格在二维平面中进行显示,巡防区域为安置在巡防区域范围内的监控摄像机拍摄到的画面,拍摄到的画面为监控摄像头在旋转监控过程中旋转一次情况下的所拍摄到的最大连续画面,其中,一个巡防区域安置一个监控摄像头;根据监控摄像头的数量,对巡防区域进行统一编号,对巡防区域在二维平面中显示的全部单位网格进行统筹,并生成巡防区域网格范围集合,记为SARi={R1,R2,...,Rm},其中,SARi表示第i个监控摄像头监控的巡防区域对应生成的巡防区域网格范围集合,R1,R2,...,Rm分别表示第i个巡防区域包含的第1,2,...,m个单位网格;
预警感知识别模块,根据巡防区域网格范围集合,在各个巡防区域之间识别静态重合区域,并进行静态重合区域的统筹,生成预警感知区域集合;
其中,预警感知识别模块还包括区域比对单元和预警识别单元;
区域比对单元,用于任意选取一个巡防区域网格范围集合SARi,以巡防区域网格范围集合SARi为对比目标,将除巡防区域网格范围集合SARi外的任意一个巡防区域网格范围集合SARj与巡防区域网格范围集合SARi进行比对,寻找静态重合区域,记为QCRij=SARi∩SARj,其中,j表示监控摄像头编号;
预警识别单元,用于在第i个监控摄像头监控的巡防区域内,统筹全部静态重合区域,并生成预警感知区域集合,记为EWPi={QCRij|j∈[1,n]},其中,n表示第i个监控摄像头监控的巡防区域内各个静态重合区域中最大的监控摄像头编号;
预警分析模块,根据预警感知区域集合,分析静态重合区域之间的关联关系,生成关联关系对和无关区域集合,并分析以静态重合区域之间关联关系为导向的,监控摄像头的标签值;
其中,预警分析模块还包括区域关系分析单元和标签值分析单元;
区域关系分析单元,根据预警感知区域集合,分析第i个监控摄像头监控的巡防区域内的各个静态重合区域之间的关联关系,在预警感知区域集合中,如果存在至少两个静态重合区域存在重合情况,则在存在重合关系的各个静态重合区域之间建立关联关系,并生成关联关系对,记为y:{QCRij|j∈[1,x]},其中,y表示关联关系中的关联关系对的编号,x表示第y个关联关系对中最大的监控摄像头编号;如果不存在至少两个静态重合区域存在重合情况,则无法建立关联关系,且统筹无法建立关联关系的全部静态重合区域,并生成无关区域集合,记为UNi={QCRij|j∈[1,s]},其中,s表示无关区域集合UNi中最大的监控摄像头编号;
标签值分析单元,根据关联关系对和无关区域集合,分析以静态重合区域之间关联关系为导向的,监控摄像头的标签值,在任意一个关联关系对y:{QCRij|j∈[1,x]}中任意选取一个静态重合区域QCRij,计算第j个监控摄像头的标签值,具体计算公式如下:
LVj=[NUM(QCRij)-Σy=1 YNUM(y)]/NUM(SARi)
其中,LVj表示第j个监控摄像头的标签值,NUM(QCRij)表示静态重合区域QCRij中包含的单位网格数量,NUM(y)表示第y个关联关系对中各个静态重合区域重合的单位网格数量,Y表示静态重合区域QCRij出现在关联关系对中的最大关联关系对编号,NUM(SARi)表示巡防区域网格范围集合SARi中包含的单位网格数量;如果静态重合区域QCRij存在在无关区域集合UNi中,则令Σy=1 YNUM(y)=0;
风险处理模块,用于在巡防区域内,实时动态感知各个监控摄像头的故障情况,并对发生故障的监控摄像头进行标记,根据标记结果,分析各个巡防区域的动态故障风险度,并根据动态故障风险度,安排人工现场巡防工作;
其中,风险处理模块还包括故障标记单元和风险分析单元;
故障标记单元,用于在第i个监控摄像头监控的巡防区域内,感知各个静态重合区域对应的监控摄像头的实时动态故障情况,如果静态重合区域QCRij对应的第j个监控摄像头出现故障,则对第j个监控摄像头进行动态故障标记,统计第i个监控摄像头监控的巡防区域内动态故障标记的全部监控摄像头的数量记为w;
风险分析单元,根据标记的监控摄像头,分析第i个监控摄像头监控的巡防区域的动态故障风险情况,计算动态故障风险度RDi=Σj=1 wLVj,并预警输出动态故障风险度至工作人员,工作人员根据动态故障风险度的由大到小的顺序,安排人工现场巡防工作。
请参阅图2,在本实施例二中:提供一种用于数字孪生场景的大数据分析方法,该方法包括以下步骤:
对数字孪生场景进行二维平面式的全域范围映射,并对映射形成的二维平面划分网格,根据划分的网格,生成巡防区域网格范围集合;
通过遥感影像技术,对数字孪生场景进行二维平面式的全域范围映射,并对全域范围映射形成的二维平面进行均匀的单位网格划分,且对划分的单位网格进行统一编号;
在二维平面中,根据划分的单位网格,将每一个巡防区域包含的单位网格在二维平面中进行显示,巡防区域为安置在巡防区域范围内的监控摄像机拍摄到的画面,拍摄到的画面为监控摄像头在旋转监控过程中旋转一次情况下的所拍摄到的最大连续画面,其中,一个巡防区域安置一个监控摄像头;根据监控摄像头的数量,对巡防区域进行统一编号,对巡防区域在二维平面中显示的全部单位网格进行统筹,并生成巡防区域网格范围集合,记为SARi={R1,R2,...,Rm},其中,SARi表示第i个监控摄像头监控的巡防区域对应生成的巡防区域网格范围集合,R1,R2,...,Rm分别表示第i个巡防区域包含的第1,2,...,m个单位网格;
根据巡防区域网格范围集合,在各个巡防区域之间识别静态重合区域,并进行静态重合区域的统筹,生成预警感知区域集合;
任意选取一个巡防区域网格范围集合SARi,以巡防区域网格范围集合SARi为对比目标,将除巡防区域网格范围集合SARi外的任意一个巡防区域网格范围集合SARj与巡防区域网格范围集合SARi进行比对,寻找静态重合区域,记为QCRij=SARi∩SARj,其中,j表示监控摄像头编号;
在第i个监控摄像头监控的巡防区域内,统筹全部静态重合区域,并生成预警感知区域集合,记为EWPi={QCRij|j∈[1,n]},其中,n表示第i个监控摄像头监控的巡防区域内各个静态重合区域中最大的监控摄像头编号;
根据预警感知区域集合,分析静态重合区域之间的关联关系,生成关联关系对和无关区域集合,并分析以静态重合区域之间关联关系为导向的,监控摄像头的标签值;
根据预警感知区域集合,分析第i个监控摄像头监控的巡防区域内的各个静态重合区域之间的关联关系,在预警感知区域集合中,如果存在至少两个静态重合区域存在重合情况,则在存在重合关系的各个静态重合区域之间建立关联关系,并生成关联关系对,记为y:{QCRij|j∈[1,x]},其中,y表示关联关系中的关联关系对的编号,x表示第y个关联关系对中最大的监控摄像头编号;如果不存在至少两个静态重合区域存在重合情况,则无法建立关联关系,且统筹无法建立关联关系的全部静态重合区域,并生成无关区域集合,记为UNi={QCRij|j∈[1,s]},其中,s表示无关区域集合UNi中最大的监控摄像头编号;
根据关联关系对和无关区域集合,分析以静态重合区域之间关联关系为导向的,监控摄像头的标签值,在任意一个关联关系对y:{QCRij|j∈[1,x]}中任意选取一个静态重合区域QCRij,计算第j个监控摄像头的标签值,具体计算公式如下:
LVj=[NUM(QCRij)-Σy=1 YNUM(y)]/NUM(SARi)
其中,LVj表示第j个监控摄像头的标签值,NUM(QCRij)表示静态重合区域QCRij中包含的单位网格数量,NUM(y)表示第y个关联关系对中各个静态重合区域重合的单位网格数量,Y表示静态重合区域QCRij出现在关联关系对中的最大关联关系对编号,NUM(SARi)表示巡防区域网格范围集合SARi中包含的单位网格数量;如果静态重合区域QCRij存在在无关区域集合UNi中,则令Σy=1 YNUM(y)=0;
在巡防区域内,实时动态感知各个监控摄像头的故障情况,并对发生故障的监控摄像头进行标记,根据标记结果,分析各个巡防区域的动态故障风险度,并根据动态故障风险度,安排人工现场巡防工作;
在第i个监控摄像头监控的巡防区域内,感知各个静态重合区域对应的监控摄像头的实时动态故障情况,如果静态重合区域QCRij对应的第j个监控摄像头出现故障,则对第j个监控摄像头进行动态故障标记,统计第i个监控摄像头监控的巡防区域内动态故障标记的全部监控摄像头的数量记为w;
根据标记的监控摄像头,分析第i个监控摄像头监控的巡防区域的动态故障风险情况,计算动态故障风险度RDi=Σj=1 wLVj,并预警输出动态故障风险度至工作人员,工作人员根据动态故障风险度的由大到小的顺序,安排人工现场巡防工作;
例如,在第5个监控摄像头监控的巡防范围内,存在5个静态重合区域,其中,静态重合区域1和3存在关联关系,且在静态重合区域1和3组成的关联关系对中,重合的单位网格数量为10,而静态重合区域1包含的网格数量为15,第5个监控摄像头监控的巡防范围包含的单位网格数量m=50,则第1个监控摄像头的标签值为LV1=[NUM(QCR51)-Σy=1 YNUM(y)]/NUM(SAR5)=(15-10)/50=0.1,则当第1个监控摄像头发生故障时,对第5个监控摄像头监控的巡防范围的失察情况程度为0.1。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他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、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并且不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种用于数字孪生场景的大数据分析方法,其特征在于,该方法包括以下步骤:
步骤S100:对数字孪生场景进行二维平面式的全域范围映射,并对映射形成的二维平面划分网格,根据划分的网格,生成巡防区域网格范围集合;
步骤S200:根据巡防区域网格范围集合,在各个巡防区域之间识别静态重合区域,并进行静态重合区域的统筹,生成预警感知区域集合;
步骤S300:根据预警感知区域集合,分析静态重合区域之间的关联关系,生成关联关系对和无关区域集合,并分析以静态重合区域之间关联关系为导向的,监控摄像头的标签值;
步骤S400:在巡防区域内,实时动态感知各个监控摄像头的故障情况,并对发生故障的监控摄像头进行标记,根据标记结果,分析各个巡防区域的动态故障风险度,并根据动态故障风险度,安排人工现场巡防工作。
2.根据权利要求1所述的一种用于数字孪生场景的大数据分析方法,其特征在于,所述步骤S100的具体实施过程包括:
步骤S101:通过遥感影像技术,对数字孪生场景进行二维平面式的全域范围映射,并对全域范围映射形成的二维平面进行均匀的单位网格划分,且对划分的单位网格进行统一编号;
步骤S102:在二维平面中,根据划分的单位网格,将每一个巡防区域包含的单位网格在二维平面中进行显示,所述巡防区域为安置在巡防区域范围内的监控摄像机拍摄到的画面,所述拍摄到的画面为监控摄像头在旋转监控过程中旋转一次情况下的所拍摄到的最大连续画面,其中,一个巡防区域安置一个监控摄像头;根据监控摄像头的数量,对巡防区域进行统一编号,对巡防区域在二维平面中显示的全部单位网格进行统筹,并生成巡防区域网格范围集合,记为SARi={R1,R2,...,Rm},其中,SARi表示第i个监控摄像头监控的巡防区域对应生成的巡防区域网格范围集合,R1,R2,...,Rm分别表示第i个巡防区域包含的第1,2,...,m个单位网格。
3.根据权利要求2所述的一种用于数字孪生场景的大数据分析方法,其特征在于,所述步骤S200的具体实施过程包括:
步骤S201:任意选取一个巡防区域网格范围集合SARi,以巡防区域网格范围集合SARi为对比目标,将除巡防区域网格范围集合SARi外的任意一个巡防区域网格范围集合SARj与巡防区域网格范围集合SARi进行比对,寻找静态重合区域,记为QCRij=SARi∩SARj,其中,j表示监控摄像头编号;
步骤S202:在第i个监控摄像头监控的巡防区域内,统筹全部静态重合区域,并生成预警感知区域集合,记为EWPi={QCRij|j∈[1,n]},其中,n表示第i个监控摄像头监控的巡防区域内各个静态重合区域中最大的监控摄像头编号。
4.根据权利要求3所述的一种用于数字孪生场景的大数据分析方法,其特征在于,所述步骤S300的具体实施过程包括:
步骤S301:根据预警感知区域集合,分析第i个监控摄像头监控的巡防区域内的各个静态重合区域之间的关联关系,在预警感知区域集合中,如果存在至少两个静态重合区域存在重合情况,则在存在重合关系的各个静态重合区域之间建立关联关系,并生成关联关系对,记为y:{QCRij|j∈[1,x]},其中,y表示关联关系中的关联关系对的编号,x表示第y个关联关系对中最大的监控摄像头编号;如果不存在至少两个静态重合区域存在重合情况,则无法建立关联关系,且统筹无法建立关联关系的全部静态重合区域,并生成无关区域集合,记为UNi={QCRij|j∈[1,s]},其中,s表示无关区域集合UNi中最大的监控摄像头编号;
步骤S302:根据关联关系对和无关区域集合,分析以静态重合区域之间关联关系为导向的,监控摄像头的标签值,在任意一个关联关系对y:{QCRij|j∈[1,x]}中任意选取一个静态重合区域QCRij,计算第j个监控摄像头的标签值,具体计算公式如下:
LVj=[NUM(QCRij)-Σy=1 YNUM(y)]/NUM(SARi)
其中,LVj表示第j个监控摄像头的标签值,NUM(QCRij)表示静态重合区域QCRij中包含的单位网格数量,NUM(y)表示第y个关联关系对中各个静态重合区域重合的单位网格数量,Y表示静态重合区域QCRij出现在关联关系对中的最大关联关系对编号,NUM(SARi)表示巡防区域网格范围集合SARi中包含的单位网格数量;如果静态重合区域QCRij存在在无关区域集合UNi中,则令Σy=1 YNUM(y)=0。
5.根据权利要求4所述的一种用于数字孪生场景的大数据分析方法,其特征在于,所述步骤S400的具体实施过程包括:
步骤S401:在第i个监控摄像头监控的巡防区域内,感知各个静态重合区域对应的监控摄像头的实时动态故障情况,如果静态重合区域QCRij对应的第j个监控摄像头出现故障,则对第j个监控摄像头进行动态故障标记,统计第i个监控摄像头监控的巡防区域内动态故障标记的全部监控摄像头的数量记为w;
步骤S402:根据标记的监控摄像头,分析第i个监控摄像头监控的巡防区域的动态故障风险情况,计算动态故障风险度RDi=Σj=1 wLVj,并预警输出动态故障风险度至工作人员,工作人员根据动态故障风险度的由大到小的顺序,安排人工现场巡防工作。
6.一种用于数字孪生场景的大数据分析系统,其特征在于,所述系统包括:数字孪生场景映射模块、预警感知识别模块、预警分析模块和风险处理模块;
所述数字孪生场景映射模块,用于对数字孪生场景进行二维平面式的全域范围映射,并对映射形成的二维平面划分网格,根据划分的网格,生成巡防区域网格范围集合;
所述预警感知识别模块,根据巡防区域网格范围集合,在各个巡防区域之间识别静态重合区域,并进行静态重合区域的统筹,生成预警感知区域集合;
所述预警分析模块,根据预警感知区域集合,分析静态重合区域之间的关联关系,生成关联关系对和无关区域集合,并分析以静态重合区域之间关联关系为导向的,监控摄像头的标签值;
所述风险处理模块,用于在巡防区域内,实时动态感知各个监控摄像头的故障情况,并对发生故障的监控摄像头进行标记,根据标记结果,分析各个巡防区域的动态故障风险度,并根据动态故障风险度,安排人工现场巡防工作。
7.根据权利要求6所述的一种用于数字孪生场景的大数据分析系统,其特征在于:所述数字孪生场景映射模块还包括数字孪生映射单元和区域自动识别单元;
所述数字孪生映射单元,用于通过遥感影像技术,对数字孪生场景进行二维平面式的全域范围映射,并对全域范围映射形成的二维平面进行均匀的单位网格划分,且对划分的单位网格进行统一编号;
所述区域自动识别单元,用于在二维平面中,根据划分的单位网格,将每一个巡防区域包含的单位网格在二维平面中进行显示,所述巡防区域为安置在巡防区域范围内的监控摄像机拍摄到的画面,所述拍摄到的画面为监控摄像头在旋转监控过程中旋转一次情况下的所拍摄到的最大连续画面,其中,一个巡防区域安置一个监控摄像头;根据监控摄像头的数量,对巡防区域进行统一编号,对巡防区域在二维平面中显示的全部单位网格进行统筹,并生成巡防区域网格范围集合,记为SARi={R1,R2,...,Rm},其中,SARi表示第i个监控摄像头监控的巡防区域对应生成的巡防区域网格范围集合,R1,R2,...,Rm分别表示第i个巡防区域包含的第1,2,...,m个单位网格。
8.根据权利要求7所述的一种用于数字孪生场景的大数据分析系统,其特征在于:所述预警感知识别模块还包括区域比对单元和预警识别单元;
所述区域比对单元,用于任意选取一个巡防区域网格范围集合SARi,以巡防区域网格范围集合SARi为对比目标,将除巡防区域网格范围集合SARi外的任意一个巡防区域网格范围集合SARj与巡防区域网格范围集合SARi进行比对,寻找静态重合区域,记为QCRij=SARi∩SARj,其中,j表示监控摄像头编号;
所述预警识别单元,用于在第i个监控摄像头监控的巡防区域内,统筹全部静态重合区域,并生成预警感知区域集合,记为EWPi={QCRij|j∈[1,n]},其中,n表示第i个监控摄像头监控的巡防区域内各个静态重合区域中最大的监控摄像头编号。
9.根据权利要求8所述的一种用于数字孪生场景的大数据分析系统,其特征在于:所述预警分析模块还包括区域关系分析单元和标签值分析单元;
所述区域关系分析单元,根据预警感知区域集合,分析第i个监控摄像头监控的巡防区域内的各个静态重合区域之间的关联关系,在预警感知区域集合中,如果存在至少两个静态重合区域存在重合情况,则在存在重合关系的各个静态重合区域之间建立关联关系,并生成关联关系对,记为y:{QCRij|j∈[1,x]},其中,y表示关联关系中的关联关系对的编号,x表示第y个关联关系对中最大的监控摄像头编号;如果不存在至少两个静态重合区域存在重合情况,则无法建立关联关系,且统筹无法建立关联关系的全部静态重合区域,并生成无关区域集合,记为UNi={QCRij|j∈[1,s]},其中,s表示无关区域集合UNi中最大的监控摄像头编号;
所述标签值分析单元,根据关联关系对和无关区域集合,分析以静态重合区域之间关联关系为导向的,监控摄像头的标签值,在任意一个关联关系对y:{QCRij|j∈[1,x]}中任意选取一个静态重合区域QCRij,计算第j个监控摄像头的标签值,具体计算公式如下:
LVj=[NUM(QCRij)-Σy=1 YNUM(y)]/NUM(SARi)
其中,LVj表示第j个监控摄像头的标签值,NUM(QCRij)表示静态重合区域QCRij中包含的单位网格数量,NUM(y)表示第y个关联关系对中各个静态重合区域重合的单位网格数量,Y表示静态重合区域QCRij出现在关联关系对中的最大关联关系对编号,NUM(SARi)表示巡防区域网格范围集合SARi中包含的单位网格数量;如果静态重合区域QCRij存在在无关区域集合UNi中,则令Σy=1 YNUM(y)=0。
10.根据权利要求9所述的一种用于数字孪生场景的大数据分析系统,其特征在于:所述风险处理模块还包括故障标记单元和风险分析单元;
所述故障标记单元,用于在第i个监控摄像头监控的巡防区域内,感知各个静态重合区域对应的监控摄像头的实时动态故障情况,如果静态重合区域QCRij对应的第j个监控摄像头出现故障,则对第j个监控摄像头进行动态故障标记,统计第i个监控摄像头监控的巡防区域内动态故障标记的全部监控摄像头的数量记为w;
所述风险分析单元,根据标记的监控摄像头,分析第i个监控摄像头监控的巡防区域的动态故障风险情况,计算动态故障风险度RDi=Σj=1 wLVj,并预警输出动态故障风险度至工作人员,工作人员根据动态故障风险度的由大到小的顺序,安排人工现场巡防工作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311424597.8A CN117439897A (zh) | 2023-10-31 | 2023-10-31 | 一种用于数字孪生场景的大数据分析系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311424597.8A CN117439897A (zh) | 2023-10-31 | 2023-10-31 | 一种用于数字孪生场景的大数据分析系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117439897A true CN117439897A (zh) | 2024-01-23 |
Family
ID=89557998
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311424597.8A Pending CN117439897A (zh) | 2023-10-31 | 2023-10-31 | 一种用于数字孪生场景的大数据分析系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117439897A (zh) |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101049758B1 (ko) * | 2011-01-18 | 2011-07-19 | 한국비전기술(주) | 어린이보호구역 통합 감시 방법 및 그 시스템 |
KR20200026492A (ko) * | 2018-09-03 | 2020-03-11 | 주식회사 월드씨엔에스 | IoT기반의 카메라 그룹핑을 이용한 터널 내 유고 감시 시스템 |
CN112380894A (zh) * | 2020-09-30 | 2021-02-19 | 北京智汇云舟科技有限公司 | 一种基于三维地理信息系统的视频重叠区域目标去重方法和系统 |
CN113011085A (zh) * | 2021-02-26 | 2021-06-22 | 青岛弯弓信息技术有限公司 | 一种设备数字孪生建模方法及系统 |
KR102278121B1 (ko) * | 2021-01-01 | 2021-07-16 | 채령 | 스마트폴(방범용 cctv 및 pa/av 방송장치 및 가로/보안등) 결합 cpted box 및 방범용 cctv, pa/av 방송장치, 가로/보안등을 포함하는 스마트폴 cpted box 3자단가 다수공급자 시스템 및 자치단체 홍보 안내방송 방법 및 근로자 재해예방 목적 산업안전보건관리 cctv 감시카메라 |
EP3926564A1 (de) * | 2020-06-15 | 2021-12-22 | Hesotech GmbH automatisieren - visualisieren | Computerimplementiertes verfahren, computersystem und computerprogramm zur automatisierten überwachung einer elektrischen schaltanlage |
KR20220033003A (ko) * | 2021-06-07 | 2022-03-15 | 주식회사 스탠스 | 디지털 트윈 기술을 이용한 시설물 감시 시스템 |
CN115190278A (zh) * | 2022-09-14 | 2022-10-14 | 国家电网有限公司 | 一种基于数字换流站的监控系统及方法 |
CN115220411A (zh) * | 2022-07-29 | 2022-10-21 | 广域铭岛数字科技有限公司 | 基于数字孪生的产线管理方法、系统、设备及介质 |
CN115565330A (zh) * | 2022-09-22 | 2023-01-03 | 中建八局发展建设有限公司 | 一种建筑施工现场布点式火情监控系统及方法 |
CN116191662A (zh) * | 2022-12-14 | 2023-05-30 | 国网江苏省电力有限公司电力科学研究院 | 一种基于数字孪生的变电站运维方法 |
KR20230087130A (ko) * | 2021-12-09 | 2023-06-16 | 주식회사 젠스템 | 가스 정압 설비에 대한 3차원 디지털 트윈 모델 생성 및 이를 이용한 모니터링 방법 |
CN116298701A (zh) * | 2023-05-22 | 2023-06-23 | 广东电网有限责任公司江门供电局 | 一种基于数字孪生系统的配电网故障检测方法及相关装置 |
CN116452779A (zh) * | 2022-11-28 | 2023-07-18 | 国能乌海能源信息技术有限公司 | 预设空间的巡检方法、装置和处理器 |
CN116596518A (zh) * | 2023-07-17 | 2023-08-15 | 南京上古网络科技有限公司 | 一种基于数字孪生的电网故障隐患管理系统及方法 |
CN116798272A (zh) * | 2023-08-23 | 2023-09-22 | 威海爱思特传感技术有限公司 | 基于车辆通信的道路十字路口盲区车辆预警系统及方法 |
-
2023
- 2023-10-31 CN CN202311424597.8A patent/CN117439897A/zh active Pending
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101049758B1 (ko) * | 2011-01-18 | 2011-07-19 | 한국비전기술(주) | 어린이보호구역 통합 감시 방법 및 그 시스템 |
KR20200026492A (ko) * | 2018-09-03 | 2020-03-11 | 주식회사 월드씨엔에스 | IoT기반의 카메라 그룹핑을 이용한 터널 내 유고 감시 시스템 |
EP3926564A1 (de) * | 2020-06-15 | 2021-12-22 | Hesotech GmbH automatisieren - visualisieren | Computerimplementiertes verfahren, computersystem und computerprogramm zur automatisierten überwachung einer elektrischen schaltanlage |
CN112380894A (zh) * | 2020-09-30 | 2021-02-19 | 北京智汇云舟科技有限公司 | 一种基于三维地理信息系统的视频重叠区域目标去重方法和系统 |
KR102278121B1 (ko) * | 2021-01-01 | 2021-07-16 | 채령 | 스마트폴(방범용 cctv 및 pa/av 방송장치 및 가로/보안등) 결합 cpted box 및 방범용 cctv, pa/av 방송장치, 가로/보안등을 포함하는 스마트폴 cpted box 3자단가 다수공급자 시스템 및 자치단체 홍보 안내방송 방법 및 근로자 재해예방 목적 산업안전보건관리 cctv 감시카메라 |
CN113011085A (zh) * | 2021-02-26 | 2021-06-22 | 青岛弯弓信息技术有限公司 | 一种设备数字孪生建模方法及系统 |
KR20220033003A (ko) * | 2021-06-07 | 2022-03-15 | 주식회사 스탠스 | 디지털 트윈 기술을 이용한 시설물 감시 시스템 |
KR20230087130A (ko) * | 2021-12-09 | 2023-06-16 | 주식회사 젠스템 | 가스 정압 설비에 대한 3차원 디지털 트윈 모델 생성 및 이를 이용한 모니터링 방법 |
CN115220411A (zh) * | 2022-07-29 | 2022-10-21 | 广域铭岛数字科技有限公司 | 基于数字孪生的产线管理方法、系统、设备及介质 |
CN115190278A (zh) * | 2022-09-14 | 2022-10-14 | 国家电网有限公司 | 一种基于数字换流站的监控系统及方法 |
CN115565330A (zh) * | 2022-09-22 | 2023-01-03 | 中建八局发展建设有限公司 | 一种建筑施工现场布点式火情监控系统及方法 |
CN116452779A (zh) * | 2022-11-28 | 2023-07-18 | 国能乌海能源信息技术有限公司 | 预设空间的巡检方法、装置和处理器 |
CN116191662A (zh) * | 2022-12-14 | 2023-05-30 | 国网江苏省电力有限公司电力科学研究院 | 一种基于数字孪生的变电站运维方法 |
CN116298701A (zh) * | 2023-05-22 | 2023-06-23 | 广东电网有限责任公司江门供电局 | 一种基于数字孪生系统的配电网故障检测方法及相关装置 |
CN116596518A (zh) * | 2023-07-17 | 2023-08-15 | 南京上古网络科技有限公司 | 一种基于数字孪生的电网故障隐患管理系统及方法 |
CN116798272A (zh) * | 2023-08-23 | 2023-09-22 | 威海爱思特传感技术有限公司 | 基于车辆通信的道路十字路口盲区车辆预警系统及方法 |
Non-Patent Citations (1)
Title |
---|
顾耀杰: "基于摄像头图像分析的夜景灯故障检测研究", 江苏大学, 16 April 2022 (2022-04-16), pages 59 - 67 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Thomson et al. | A typology for visualizing uncertainty | |
CN110222672A (zh) | 施工现场的安全帽佩戴检测方法、装置、设备及存储介质 | |
Goel et al. | A data-driven alarm and event management framework | |
CN116596518B (zh) | 一种基于数字孪生的电网故障隐患管理系统及方法 | |
CN113823396A (zh) | 医疗设备管理方法、装置、计算机设备和存储介质 | |
CN111860187A (zh) | 一种高精度的佩戴口罩识别方法及系统 | |
CN114970621A (zh) | 异常聚集事件的检测方法、装置、电子设备和存储介质 | |
Mohan et al. | Artificial intelligence enabled safety for construction sites | |
EP4097577A1 (en) | Systems and methods for resource analysis, optimization, or visualization | |
EP3885972A1 (en) | Context based perception method and system for managing environmental safety in a computing environment | |
Subedi et al. | Mapping datafication in construction-worker safety research to minimize injury-related disputes | |
CN117439897A (zh) | 一种用于数字孪生场景的大数据分析系统及方法 | |
CN115859689B (zh) | 一种全景可视化数字孪生应用的方法 | |
CN116027903B (zh) | 基于大数据的计算机网络安全分析系统及方法 | |
CN115205761A (zh) | 一种事故原因离线智能诊断系统 | |
Banerjee et al. | Multimodal behavior analysis in computer-enabled laboratories using nonverbal cues | |
Halboob et al. | Crowd Management Intelligence Framework: Umrah Use Case | |
Meyer et al. | Evaluation of an AOI mapping and analysis tool for the identification of visual scan pattern | |
EP4350590A1 (en) | System for managing/monitoring natural ecosystem | |
Wang et al. | Image Recognition Technology and Digital Twin in the Power Industry | |
CN117253176B (zh) | 基于视频分析与计算机视觉的安全生产Al智能检测方法 | |
CN117575550B (zh) | 一种基于bim技术的风电场数据三维可视化管理系统 | |
CN117077040B (zh) | 基于机器学习的大型复杂装备故障诊断与预测系统 | |
CN115793862B (zh) | 一种图像目标隐式标注方法、系统、电子设备及存储介质 | |
CN117670291A (zh) | 事件处置系统接数可视化方法及系统 |
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 |