CN117793106A - 一种智能网关、物联网数据采集方法及物联网系统 - Google Patents
一种智能网关、物联网数据采集方法及物联网系统 Download PDFInfo
- Publication number
- CN117793106A CN117793106A CN202410210699.8A CN202410210699A CN117793106A CN 117793106 A CN117793106 A CN 117793106A CN 202410210699 A CN202410210699 A CN 202410210699A CN 117793106 A CN117793106 A CN 117793106A
- Authority
- CN
- China
- Prior art keywords
- data
- logic judgment
- intelligent gateway
- logic
- virtual memory
- 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 76
- 230000006870 function Effects 0.000 claims abstract description 139
- 230000007246 mechanism Effects 0.000 claims abstract description 70
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000011156 evaluation Methods 0.000 claims description 51
- 230000008569 process Effects 0.000 claims description 50
- 230000004913 activation Effects 0.000 claims description 49
- 230000032683 aging Effects 0.000 claims description 30
- 239000011159 matrix material Substances 0.000 claims description 18
- 238000012163 sequencing technique Methods 0.000 claims description 18
- 238000004891 communication Methods 0.000 claims description 8
- 230000003213 activating effect Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims 4
- 230000005540 biological transmission Effects 0.000 abstract description 4
- 238000004364 calculation method Methods 0.000 description 5
- 238000007781 pre-processing Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Abstract
本发明公开了一种智能网关、物联网数据采集方法及物联网系统，在目标区域内各边缘终端上部署智能网关；根据各边缘终端的历史数据在各边缘终端的智能网关内添加当前采集周期各个数据类型的逻辑判断函数；智能网关采集当前采集周期内边缘终端生成的数据后，判断所述数据中包含的若干数据类型在边缘终端的智能网关的数据库模块中是否存在对应的逻辑判断函数，根据判断结果调用智能网关内的逻辑判断函数，并根据所述智能网关的虚拟内存模块内的空闲虚拟内存资源以及所述对应的逻辑判断函数的逻辑判断资源消耗量启动不同采集机制，所述采集机制包括极速采集机制和延时采集机制，减少云端服务器的数据处理压力，同时也降低数据传输的成本和带宽需求。
Description
技术领域
本发明涉及智能网关技术领域，具体是一种智能网关、物联网数据采集方法及物联网系统。
背景技术
现有技术CN116527718A“一种工业物联网网关的数据采集方法及其系统”涉及一种工业物联网网关的数据采集方法及其系统，属于数据采集技术领域，包括以下步骤：生成数据采集任务；将数据采集任务下达至物联网网关，物联网网关根据数据采集任务与相关工业设备或PLC系统建立连接，并采集相关工业设备或PLC系统的相关数据；将采集到的数据进行预处理，后将已预处理的数据转发至云平台。根据现场边缘侧PLC通讯时延、网络稳定性和边缘网关采集点位限制等条件智能生成多个边缘网关采集任务表，并可实现自动下发数据采集任务表至边缘网关，无需用户在现场进行复杂繁琐的信号采集设置，在异常情况下更换边缘网关只需进行任务再次下发即可，可大幅提高采集系统稳定性，保证了数据采集效果，提高了数据采集效率。
现有技术CN105704198A“一种物联网管理控制系统及方法”的传感网络端的变送器、控制器和多功能网关设备之间可自由组网，变送器进行数据采集和封装，并将封装后的数据包传输到控制器，控制器将该数据包通过多功能网关设备传输到物联网处理平台进行解析、预处理、存储以及显示，其中，在物联网处理平台显示之前智能的进行数据与变量之间关联，减少了人为操作造成的误差，采用本申请中的上述技术方案，避免了现有工业物联网系统搭建过程复杂、人员技术要求高、成本高、灵活性差、稳定性差、自愈性不足的问题。
智能网关在物联网中起着至关重要的角色，它们作为边缘计算节点，连接工业现场的传统控制系统与现代的信息技术系统，这些网关不仅负责数据采集和传输，还负责对数据进行预处理和分析，以及实现设备间的通信，如何通过在网关上进行数据预处理和分析，减少云端服务器的数据处理压力和响应时间，降低数据传输的成本和带宽需求，并根据处理需求和时效性要求，决定在本地还是在云上处理数据是我们亟需解决的问题。
发明内容
为了解决上述技术问题，本发明的目的在于提供一种物联网数据采集方法，包括以下步骤：
步骤S1：在目标区域内各边缘终端上部署智能网关，所述边缘终端与云服务器之间通过智能网关进行分布式的连接，所述智能网关用于采集若干边缘终端生成的数据；
步骤S2：根据各边缘终端的历史数据在各边缘终端的智能网关内添加当前采集周期各个数据类型的逻辑判断函数；
步骤S3：智能网关采集当前采集周期内边缘终端生成的数据后，判断所述数据中包含的若干数据类型在边缘终端的智能网关的数据库模块中是否存在对应的逻辑判断函数，根据判断结果调用智能网关内的逻辑判断函数，并根据所述智能网关的虚拟内存模块内的空闲虚拟内存资源以及所述对应的逻辑判断函数的逻辑判断资源消耗量启动不同采集机制，所述采集机制包括极速采集机制和延时采集机制。
进一步的，智能网关包括虚拟内存模块和数据库模块，所述数据库模块用于存储添加至智能网关的逻辑判断函数，所述虚拟内存模块用于根据已激活的逻辑判断函数对数据进行逻辑判断，获取逻辑判断结果。
进一步的，根据各边缘终端的历史数据在各边缘终端的智能网关内添加当前采集周期各个数据类型的逻辑判断函数的过程包括：
获取边缘终端生成的若干历史采集周期内各个数据类型的时效时长、数据大小、产生频率以及逻辑判断资源消耗量，将所述边缘终端的若干历史采集周期内各个数据类型的时效时长、数据大小、产生频率以及逻辑判断资源消耗量作为评价指标，设置评价指标的指标权重和重要性评价等级，根据评价指标确定边缘终端的各个数据类型的评价因素集合，通过模糊综合评价判断评价因素对重要性评价等级的隶属度，得到隶属度矩阵；
根据所述隶属度矩阵以及指标权重获取模糊综合评价结果，根据模糊综合评价结果获取当前采集周期的边缘终端的各个数据类型的重要性评价等级；
设置重要性等级阈值，将当前采集周期的边缘终端的各个数据类型的重要性评价等级与重要性等级阈值进行比较，筛选出重要性评价等级大于等于重要性等级阈值的数据类型，获取所述数据类型的逻辑判断函数，在所述边缘终端的智能网关内添加所述数据类型的逻辑判断函数。
进一步的，采集当前采集周期内边缘终端生成的数据，判断所述数据中包含的若干数据类型在边缘终端的智能网关的数据库模块中是否存在对应的逻辑判断函数，根据判断结果调用智能网关内的逻辑判断函数，并根据所述智能网关的虚拟内存模块内的空闲虚拟内存资源以及所述对应的逻辑判断函数的逻辑判断资源消耗量启动不同采集机制的过程包括：
采集当前采集周期内边缘终端生成的数据，判断所述数据中包含的若干数据类型在边缘终端的智能网关的数据库模块中是否存在对应的逻辑判断函数，若存在对应的逻辑判断函数，则获取所述智能网关的虚拟内存模块内的空闲虚拟内存资源以及所述对应的逻辑判断函数的逻辑判断资源消耗量，将所述空闲虚拟内存资源与所述逻辑判断资源消耗量进行比较；
若所述空闲虚拟内存资源大于所述逻辑判断资源消耗量，则启动极速采集机制；
若所述空闲虚拟内存资源小于等于所述逻辑判断资源消耗量，则启动延时采集机制；
若不存在对应的逻辑判断函数，则直接将数据上传至云服务器。
进一步的，启动极速采集机制的过程包括：
根据当前采集周期内边缘终端生成的数据中包含的若干数据类型，调用数据库模块中对应若干数据类型的逻辑判断函数，并获取所述逻辑判断函数对应的实时激活时长；
在虚拟内存模块根据逻辑判断函数对当前类型的数据进行逻辑判断，获取逻辑判断结果后，将所述逻辑判断结果上传至云服务器，当前类型的数据对应的逻辑判断函数则继续占用虚拟内存模块的虚拟内存资源，并根据逻辑判断函数的实时激活时长开始倒计时，若在实时激活时长内，智能网关未采集当前类型的数据，则将逻辑判断函数调回数据库模块中；
若在实时激活时长内，智能网关采集当前类型的数据，则自动刷新逻辑判断函数的实时激活时长，重新根据新的实时激活时长进行倒计时。
进一步的，获取逻辑判断函数的实时激活时长的过程包括：
根据边缘终端的各数据类型在若干历史采集周期内的产生频率获取各数据类型对应的逻辑判断函数的初始激活时长；
获取当前采集周期已采集的各数据类型的采集记录，所述采集记录包括各数据类型的采集时刻、采集频率以及数据大小；
在当前采集周期内设置时间滑动窗口，将当前采集周期的采集记录划分为不同时刻的时间滑动窗口内的采集记录，根据采集记录获取各时间滑动窗口内各数据类型的采集频率以及数据大小，根据各时间滑动窗口内各数据类型的采集频率以及数据大小获取各时间滑动窗口内的激活时长，随后通过遗忘系数算法将不同时刻的时间滑动窗口内各类型数据的激活时长按照时刻顺序进行加权平均处理，得到各数据类型的第一激活时长，根据各数据类型的初始激活时长和第一激活时长获取当前时刻的各数据类型对应的逻辑判断函数的实时激活时长。
进一步的，启动延时采集机制的过程包括：
根据当前采集周期内边缘终端生成的数据中包含的若干数据类型，获取各个数据类型对应的时效时长以及各个数据类型对应的逻辑判断函数的逻辑判断资源消耗量，获取延时虚拟内存资源，通过各个数据类型对应的时效时长对各个数据类型进行倒序排序，时效时长越短，则数据类型排序越高，获取排序链表，并根据各个数据类型对应的时效时长获取排序链表中各个数据类型的最迟逻辑判断时间戳；
根据排序链表激活逻辑判断资源消耗量总量小于等于延时虚拟内存资源的若干逻辑判断函数，获取若干逻辑判断函数对应的排序链表中的前若干个数据类型，所述若干逻辑判断函数对对应数据类型的数据进行逻辑判断，并将所述逻辑判断过程标记为第一逻辑判断过程；
当第一逻辑判断过程中的各个数据类型的数据完成逻辑判断后，将各个数据类型从排序链表中剔除，并将各个数据类型逻辑判断结果上传至云服务器，随后根据排序链表激活逻辑判断资源消耗量总量小于等于延时虚拟内存资源的若干逻辑判断函数，获取若干逻辑判断函数对应的排序链表中的前若干个数据类型，所述若干逻辑判断函数对对应数据类型的数据进行逻辑判断，并将所述逻辑判断过程标记为第二逻辑判断过程，以此类推，直至排序链表无数据类型；
若排序链表中的数据类型在对应的最迟逻辑判断时间戳仍未进行逻辑判断，则将所述数据类型对应的数据直接上传至云服务器。
进一步的，获取延时虚拟内存资源的过程包括：
获取虚拟内存模块中正在进行逻辑判断的若干数据类型的时效时长，预设时效时长阈值，获取时效时长大于等于时效时长阈值的数据类型，暂停所述数据类型对应的逻辑判断函数的逻辑判断过程，并将所述逻辑判断函数调回数据库模块中，随后获取虚拟内存模块的空闲虚拟内存资源，将所述空闲虚拟内存资源标记为延时虚拟内存资源。
一种物联网系统，包括云服务器，所述云服务器通信连接有智能网关、逻辑匹配模块和机制匹配模块；
在目标区域内各边缘终端上部署智能网关，所述边缘终端与云服务器之间通过智能网关进行分布式的连接，所述智能网关用于采集若干边缘终端生成的数据；
所述逻辑匹配模块用于根据各边缘终端的历史数据在各边缘终端的智能网关内添加当前采集周期各个数据类型的逻辑判断函数；
所述机制匹配模块用于根据智能网关采集当前采集周期内边缘终端生成的数据后，判断所述数据中包含的若干数据类型在边缘终端的智能网关的数据库模块中是否存在对应的逻辑判断函数，根据判断结果调用智能网关内的逻辑判断函数，并根据所述智能网关的虚拟内存模块内的空闲虚拟内存资源以及所述对应的逻辑判断函数的逻辑判断资源消耗量启动不同采集机制，所述采集机制包括极速采集机制和延时采集机制。
一种智能网关，所述智能网关通信连接有虚拟内存模块、数据库模块、逻辑匹配模块和机制匹配模块；
所述数据库模块用于存储添加至智能网关的逻辑判断函数，所述虚拟内存模块用于根据已激活的逻辑判断函数对数据进行逻辑判断，获取逻辑判断结果；
所述逻辑匹配模块用于根据各边缘终端的历史数据在各边缘终端的智能网关内添加当前采集周期各个数据类型的逻辑判断函数；
所述机制匹配模块用于根据智能网关采集当前采集周期内边缘终端生成的数据后，判断所述数据中包含的若干数据类型在边缘终端的智能网关的数据库模块中是否存在对应的逻辑判断函数，根据判断结果调用智能网关内的逻辑判断函数，并根据所述智能网关的虚拟内存模块内的空闲虚拟内存资源以及所述对应的逻辑判断函数的逻辑判断资源消耗量启动不同采集机制，所述采集机制包括极速采集机制和延时采集机制。
与现有技术相比，本发明的有益效果是：
1、根据各边缘终端的历史数据在各边缘终端的智能网关内添加当前采集周期各个数据类型的逻辑判断函数，使智能网关可以在本地进行边缘计算，处理大量数据并做出实时响应，降低了对远程云服务的依赖，减少云端服务器的数据处理压力和响应时间，同时也降低了数据传输的成本和带宽需求。
2、判断所述数据中包含的若干数据类型在边缘终端的智能网关的数据库模块中是否存在对应的逻辑判断函数，根据判断结果调用智能网关内的逻辑判断函数，并根据所述智能网关的虚拟内存模块内的空闲虚拟内存资源以及所述对应的逻辑判断函数的逻辑判断资源消耗量启动不同采集机制，通过极速采集机制，无须重复调用逻辑判断函数，从而快速响应请求，减少了智能网关的本地边缘计算延迟，从而形成资源充分利用和效率的提高，另一方面，通过延迟采集机制，在本地边缘计算时优先计算时效时长短的数据类型，从而提高边缘数据计算的数据有效性和成本效率。
附图说明
图1为本申请实施例的一种物联网数据采集方法的原理图。
图2为本申请实施例的一种物联网系统的原理图。
图3为本申请实施例的一种智能网关的原理图。
具体实施方式
下面结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域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，都属于本申请保护的范围。
如图1所示，一种物联网数据采集方法，包括以下步骤：
步骤S1：在目标区域内各边缘终端上部署智能网关，所述边缘终端与云服务器之间通过智能网关进行分布式的连接，所述智能网关用于采集若干边缘终端生成的数据；
步骤S2：根据各边缘终端的历史数据在各边缘终端的智能网关内添加当前采集周期各个数据类型的逻辑判断函数；
步骤S3：智能网关采集当前采集周期内边缘终端生成的数据后，判断所述数据中包含的若干数据类型在边缘终端的智能网关的数据库模块中是否存在对应的逻辑判断函数，根据判断结果调用智能网关内的逻辑判断函数，并根据所述智能网关的虚拟内存模块内的空闲虚拟内存资源以及所述对应的逻辑判断函数的逻辑判断资源消耗量启动不同采集机制，所述采集机制包括极速采集机制和延时采集机制。
需要进一步说明的是，在具体实施过程中，智能网关包括虚拟内存模块和数据库模块，所述数据库模块用于存储添加至智能网关的逻辑判断函数，所述虚拟内存模块用于根据已激活的逻辑判断函数对数据进行逻辑判断，获取逻辑判断结果。
需要进一步说明的是，在具体实施过程中，根据各边缘终端的历史数据在各边缘终端的智能网关内添加当前采集周期各个数据类型的逻辑判断函数的过程包括：
获取边缘终端生成的若干历史采集周期内各个数据类型的时效时长、数据大小、产生频率以及逻辑判断资源消耗量，将所述边缘终端的若干历史采集周期内各个数据类型的时效时长、数据大小、产生频率以及逻辑判断资源消耗量作为评价指标，设置评价指标的指标权重和重要性评价等级，根据评价指标确定边缘终端的各个数据类型的评价因素集合，通过模糊综合评价判断评价因素对重要性评价等级的隶属度，得到隶属度矩阵；
根据所述隶属度矩阵以及指标权重获取模糊综合评价结果，根据模糊综合评价结果获取当前采集周期的边缘终端的各个数据类型的重要性评价等级；
设置重要性等级阈值，将当前采集周期的边缘终端的各个数据类型的重要性评价等级与重要性等级阈值进行比较，筛选出重要性评价等级大于等于重要性等级阈值的数据类型，获取所述数据类型的逻辑判断函数，在所述边缘终端的智能网关内添加所述数据类型的逻辑判断函数。
需要进一步说明的是，在具体实施过程中，所述边缘终端的智能网关内每个采集周期的添加的逻辑判断函数会根据边缘终端的各个数据类型每个采集周期的重要性评价等级实时更新。
需要进一步说明的是，在具体实施过程中，根据所述隶属度矩阵以及指标权重获取模糊综合评价结果，根据模糊综合评价结果获取边缘终端的各个数据类型的重要性评价等级的过程包括：
通过如下公式融合所述各个数据类型的隶属度矩阵及指标权重以获得各个数据类型的模糊综合评价矩阵，根据所述模糊综合评价矩阵获取各个数据类型的重要性评价等级；
其中，所述公式为：
；
其中，为所述各个数据类型的模糊综合评价矩阵，/>为所述评价指标的权重矩阵，/>为所述隶属度矩阵，“/>”表示所述评价指标的权重矩阵和所述隶属度矩阵相对应位置处的元素相乘，/>为用于控制所述各个数据类型的模糊综合评价矩阵中所述评价指标的权重矩阵和所述隶属度矩阵之间的平衡的加权参数。
需要进一步说明的是，在具体实施过程中，采集当前采集周期内边缘终端生成的数据，判断所述数据中包含的若干数据类型在边缘终端的智能网关的数据库模块中是否存在对应的逻辑判断函数，根据判断结果调用智能网关内的逻辑判断函数，并根据所述智能网关的虚拟内存模块内的空闲虚拟内存资源以及所述对应的逻辑判断函数的逻辑判断资源消耗量启动不同采集机制的过程包括：
采集当前采集周期内边缘终端生成的数据，判断所述数据中包含的若干数据类型在边缘终端的智能网关的数据库模块中是否存在对应的逻辑判断函数，若存在对应的逻辑判断函数，则获取所述智能网关的虚拟内存模块内的空闲虚拟内存资源以及所述对应的逻辑判断函数的逻辑判断资源消耗量，将所述空闲虚拟内存资源与所述逻辑判断资源消耗量进行比较；
若所述空闲虚拟内存资源大于所述逻辑判断资源消耗量，则启动极速采集机制；
若所述空闲虚拟内存资源小于等于所述逻辑判断资源消耗量，则启动延时采集机制；
若不存在对应的逻辑判断函数，则直接将数据上传至云服务器。
需要进一步说明的是，在具体实施过程中，启动极速采集机制的过程包括：
根据当前采集周期内边缘终端生成的数据中包含的若干数据类型，调用数据库模块中对应若干数据类型的逻辑判断函数，并获取所述逻辑判断函数对应的实时激活时长；
在虚拟内存模块根据逻辑判断函数对当前类型的数据进行逻辑判断，获取逻辑判断结果后，将所述逻辑判断结果上传至云服务器，当前类型的数据对应的逻辑判断函数则继续占用虚拟内存模块的虚拟内存资源，并根据逻辑判断函数的实时激活时长开始倒计时，若在实时激活时长内，智能网关未采集当前类型的数据，则将逻辑判断函数调回数据库模块中；
若在实时激活时长内，智能网关采集当前类型的数据，则自动刷新逻辑判断函数的实时激活时长，重新根据新的实时激活时长进行倒计时。
需要进一步说明的是，在具体实施过程中，获取逻辑判断函数的实时激活时长的过程包括：
根据边缘终端的各数据类型在若干历史采集周期内的产生频率获取各数据类型对应的逻辑判断函数的初始激活时长；
初始激活时长的计算公式为；
；
其中，表示初始激活时长；/>表示若干历史采集周期内的平均产生频率；/>表示转换系数；
获取当前采集周期已采集的各数据类型的采集记录，所述采集记录包括各数据类型的采集时刻、采集频率以及数据大小；
在当前采集周期内设置时间滑动窗口，将当前采集周期的采集记录划分为不同时刻的时间滑动窗口内的采集记录，根据采集记录获取各时间滑动窗口内各数据类型的采集频率以及数据大小，根据各时间滑动窗口内各数据类型的采集频率以及数据大小获取各时间滑动窗口内的激活时长，随后通过遗忘系数算法将不同时刻的时间滑动窗口内各类型数据的激活时长按照时刻顺序进行加权平均处理，得到各数据类型的第一激活时长，根据各数据类型的初始激活时长和第一激活时长获取当前时刻的各数据类型对应的逻辑判断函数的实时激活时长。
需要进一步说明的是，在具体实施过程中，设定时间滑动窗口，随后通过遗忘系数算法将不同时刻的时间滑动窗口内各类型数据的激活时长按照时刻顺序进行加权平均处理，得到各数据类型的第一激活时长的过程包括：
时间滑动窗口大小设置为0.2秒时间间隔的时间窗口大小，时间滑动窗口是滑动的，获取时间滑动窗口内连续的各类型数据的激活时长，对于不同时刻的时间滑动窗口内的各类型数据的激活时长通过遗忘系数方法进行加权平均处理，采用以下公式：
；
；
其中，td表示采集周期时间跨度；t表示时刻；表示第t时刻所属的时间滑动窗口的第i类型数据的激活时长；/>表示第t时刻所属的时间滑动窗口的权重因子；/>表示遗忘系数；e表示指数；i表示数据类型。
需要进一步说明的是，在具体实施过程中，启动延时采集机制的过程包括：
根据当前采集周期内边缘终端生成的数据中包含的若干数据类型，获取各个数据类型对应的时效时长以及各个数据类型对应的逻辑判断函数的逻辑判断资源消耗量，获取延时虚拟内存资源，通过各个数据类型对应的时效时长对各个数据类型进行倒序排序，时效时长越短，则数据类型排序越高，获取排序链表，并根据各个数据类型对应的时效时长获取排序链表中各个数据类型的最迟逻辑判断时间戳；
根据排序链表激活逻辑判断资源消耗量总量小于等于延时虚拟内存资源的若干逻辑判断函数，获取若干逻辑判断函数对应的排序链表中的前若干个数据类型，所述若干逻辑判断函数对对应数据类型的数据进行逻辑判断，并将所述逻辑判断过程标记为第一逻辑判断过程；
当第一逻辑判断过程中的各个数据类型的数据完成逻辑判断后，将各个数据类型从排序链表中剔除，并将各个数据类型逻辑判断结果上传至云服务器，随后根据排序链表激活逻辑判断资源消耗量总量小于等于延时虚拟内存资源的若干逻辑判断函数，获取若干逻辑判断函数对应的排序链表中的前若干个数据类型，所述若干逻辑判断函数对对应数据类型的数据进行逻辑判断，并将所述逻辑判断过程标记为第二逻辑判断过程，以此类推，直至排序链表无数据类型；
若排序链表中的数据类型在对应的最迟逻辑判断时间戳仍未进行逻辑判断，则将所述数据类型对应的数据直接上传至云服务器。
需要进一步说明的是，在具体实施过程中，获取延时虚拟内存资源的过程包括：
获取虚拟内存模块中正在进行逻辑判断的若干数据类型的时效时长，预设时效时长阈值，获取时效时长大于等于时效时长阈值的数据类型，暂停所述数据类型对应的逻辑判断函数的逻辑判断过程，并将所述逻辑判断函数调回数据库模块中，随后获取虚拟内存模块的空闲虚拟内存资源，将所述空闲虚拟内存资源标记为延时虚拟内存资源。
如图2所示，一种物联网系统，包括云服务器，所述云服务器通信连接有智能网关、逻辑匹配模块和机制匹配模块；
在目标区域内各边缘终端上部署智能网关，所述边缘终端与云服务器之间通过智能网关进行分布式的连接，所述智能网关用于采集若干边缘终端生成的数据；
所述逻辑匹配模块用于根据各边缘终端的历史数据在各边缘终端的智能网关内添加当前采集周期各个数据类型的逻辑判断函数；
所述机制匹配模块用于根据智能网关采集当前采集周期内边缘终端生成的数据后，判断所述数据中包含的若干数据类型在边缘终端的智能网关的数据库模块中是否存在对应的逻辑判断函数，根据判断结果调用智能网关内的逻辑判断函数，并根据所述智能网关的虚拟内存模块内的空闲虚拟内存资源以及所述对应的逻辑判断函数的逻辑判断资源消耗量启动不同采集机制，所述采集机制包括极速采集机制和延时采集机制。
如图3所示，一种智能网关，所述智能网关通信连接有虚拟内存模块、数据库模块、逻辑匹配模块和机制匹配模块；
所述数据库模块用于存储添加至智能网关的逻辑判断函数，所述虚拟内存模块用于根据已激活的逻辑判断函数对数据进行逻辑判断，获取逻辑判断结果；
所述逻辑匹配模块用于根据各边缘终端的历史数据在各边缘终端的智能网关内添加当前采集周期各个数据类型的逻辑判断函数；
所述机制匹配模块用于根据智能网关采集当前采集周期内边缘终端生成的数据后，判断所述数据中包含的若干数据类型在边缘终端的智能网关的数据库模块中是否存在对应的逻辑判断函数，根据判断结果调用智能网关内的逻辑判断函数，并根据所述智能网关的虚拟内存模块内的空闲虚拟内存资源以及所述对应的逻辑判断函数的逻辑判断资源消耗量启动不同采集机制，所述采集机制包括极速采集机制和延时采集机制。
以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。
Claims (10)
1.一种物联网数据采集方法，其特征在于，包括以下步骤：
步骤S1：在目标区域内各边缘终端上部署智能网关，所述边缘终端与云服务器之间通过智能网关进行分布式的连接，所述智能网关用于采集若干边缘终端生成的数据；
步骤S2：根据各边缘终端的历史数据在各边缘终端的智能网关内添加当前采集周期各个数据类型的逻辑判断函数；
步骤S3：智能网关采集当前采集周期内边缘终端生成的数据后，判断所述数据中包含的若干数据类型在边缘终端的智能网关的数据库模块中是否存在对应的逻辑判断函数，根据判断结果调用智能网关内的逻辑判断函数，并根据所述智能网关的虚拟内存模块内的空闲虚拟内存资源以及所述对应的逻辑判断函数的逻辑判断资源消耗量启动不同采集机制，所述采集机制包括极速采集机制和延时采集机制。
2.根据权利要求1所述的一种物联网数据采集方法，其特征在于，智能网关包括虚拟内存模块和数据库模块，所述数据库模块用于存储添加至智能网关的逻辑判断函数，所述虚拟内存模块用于根据已激活的逻辑判断函数对数据进行逻辑判断，获取逻辑判断结果。
3.根据权利要求2所述的一种物联网数据采集方法，其特征在于，根据各边缘终端的历史数据在各边缘终端的智能网关内添加当前采集周期各个数据类型的逻辑判断函数的过程包括：
获取边缘终端生成的若干历史采集周期内各个数据类型的时效时长、数据大小、产生频率以及逻辑判断资源消耗量，将所述边缘终端的若干历史采集周期内各个数据类型的时效时长、数据大小、产生频率以及逻辑判断资源消耗量作为评价指标，设置评价指标的指标权重和重要性评价等级，根据评价指标确定边缘终端的各个数据类型的评价因素集合，通过模糊综合评价判断评价因素对重要性评价等级的隶属度，得到隶属度矩阵；
根据所述隶属度矩阵以及指标权重获取模糊综合评价结果，根据模糊综合评价结果获取当前采集周期的边缘终端的各个数据类型的重要性评价等级；
设置重要性等级阈值，将当前采集周期的边缘终端的各个数据类型的重要性评价等级与重要性等级阈值进行比较，筛选出重要性评价等级大于等于重要性等级阈值的数据类型，获取所述数据类型的逻辑判断函数，在所述边缘终端的智能网关内添加所述数据类型的逻辑判断函数。
4.根据权利要求3所述的一种物联网数据采集方法，其特征在于，采集当前采集周期内边缘终端生成的数据，判断所述数据中包含的若干数据类型在边缘终端的智能网关的数据库模块中是否存在对应的逻辑判断函数，根据判断结果调用智能网关内的逻辑判断函数，并根据所述智能网关的虚拟内存模块内的空闲虚拟内存资源以及所述对应的逻辑判断函数的逻辑判断资源消耗量启动不同采集机制的过程包括：
采集当前采集周期内边缘终端生成的数据，判断所述数据中包含的若干数据类型在边缘终端的智能网关的数据库模块中是否存在对应的逻辑判断函数，若存在对应的逻辑判断函数，则获取所述智能网关的虚拟内存模块内的空闲虚拟内存资源以及所述对应的逻辑判断函数的逻辑判断资源消耗量，将所述空闲虚拟内存资源与所述逻辑判断资源消耗量进行比较；
若所述空闲虚拟内存资源大于所述逻辑判断资源消耗量，则启动极速采集机制；
若所述空闲虚拟内存资源小于等于所述逻辑判断资源消耗量，则启动延时采集机制；
若不存在对应的逻辑判断函数，则直接将数据上传至云服务器。
5.根据权利要求4所述的一种物联网数据采集方法，其特征在于，启动极速采集机制的过程包括：
根据当前采集周期内边缘终端生成的数据中包含的若干数据类型，调用数据库模块中对应若干数据类型的逻辑判断函数，并获取所述逻辑判断函数对应的实时激活时长；
在虚拟内存模块根据逻辑判断函数对当前类型的数据进行逻辑判断，获取逻辑判断结果后，将所述逻辑判断结果上传至云服务器，当前类型的数据对应的逻辑判断函数则继续占用虚拟内存模块的虚拟内存资源，并根据逻辑判断函数的实时激活时长开始倒计时，若在实时激活时长内，智能网关未采集当前类型的数据，则将逻辑判断函数调回数据库模块中；
若在实时激活时长内，智能网关采集当前类型的数据，则自动刷新逻辑判断函数的实时激活时长，重新根据新的实时激活时长进行倒计时。
6.根据权利要求5所述的一种物联网数据采集方法，其特征在于，获取逻辑判断函数的实时激活时长的过程包括：
根据边缘终端的各数据类型在若干历史采集周期内的产生频率获取各数据类型对应的逻辑判断函数的初始激活时长；
获取当前采集周期已采集的各数据类型的采集记录，所述采集记录包括各数据类型的采集时刻、采集频率以及数据大小；
在当前采集周期内设置时间滑动窗口，将当前采集周期的采集记录划分为不同时刻的时间滑动窗口内的采集记录，根据采集记录获取各时间滑动窗口内各数据类型的采集频率以及数据大小，根据各时间滑动窗口内各数据类型的采集频率以及数据大小获取各时间滑动窗口内的激活时长，随后通过遗忘系数算法将不同时刻的时间滑动窗口内各类型数据的激活时长按照时刻顺序进行加权平均处理，得到各数据类型的第一激活时长，根据各数据类型的初始激活时长和第一激活时长获取当前时刻的各数据类型对应的逻辑判断函数的实时激活时长。
7.根据权利要求6所述的一种物联网数据采集方法，其特征在于，启动延时采集机制的过程包括：
根据当前采集周期内边缘终端生成的数据中包含的若干数据类型，获取各个数据类型对应的时效时长以及各个数据类型对应的逻辑判断函数的逻辑判断资源消耗量，获取延时虚拟内存资源，通过各个数据类型对应的时效时长对各个数据类型进行倒序排序，时效时长越短，则数据类型排序越高，获取排序链表，并根据各个数据类型对应的时效时长获取排序链表中各个数据类型的最迟逻辑判断时间戳；
根据排序链表激活逻辑判断资源消耗量总量小于等于延时虚拟内存资源的若干逻辑判断函数，获取若干逻辑判断函数对应的排序链表中的前若干个数据类型，所述若干逻辑判断函数对对应数据类型的数据进行逻辑判断，并将所述逻辑判断过程标记为第一逻辑判断过程；
当第一逻辑判断过程中的各个数据类型的数据完成逻辑判断后，将各个数据类型从排序链表中剔除，并将各个数据类型逻辑判断结果上传至云服务器，随后根据排序链表激活逻辑判断资源消耗量总量小于等于延时虚拟内存资源的若干逻辑判断函数，获取若干逻辑判断函数对应的排序链表中的前若干个数据类型，所述若干逻辑判断函数对对应数据类型的数据进行逻辑判断，并将所述逻辑判断过程标记为第二逻辑判断过程，以此类推，直至排序链表无数据类型；
若排序链表中的数据类型在对应的最迟逻辑判断时间戳仍未进行逻辑判断，则将所述数据类型对应的数据直接上传至云服务器。
8.根据权利要求7所述的一种物联网数据采集方法，其特征在于，获取延时虚拟内存资源的过程包括：
获取虚拟内存模块中正在进行逻辑判断的若干数据类型的时效时长，预设时效时长阈值，获取时效时长大于等于时效时长阈值的数据类型，暂停所述数据类型对应的逻辑判断函数的逻辑判断过程，并将所述逻辑判断函数调回数据库模块中，随后获取虚拟内存模块的空闲虚拟内存资源，将所述空闲虚拟内存资源标记为延时虚拟内存资源。
9.一种物联网系统，具体应用于权利要求1至8任一项所述的一种物联网数据采集方法，其特征在于，包括云服务器，所述云服务器通信连接有智能网关、逻辑匹配模块和机制匹配模块；
在目标区域内各边缘终端上部署智能网关，所述边缘终端与云服务器之间通过智能网关进行分布式的连接，所述智能网关用于采集若干边缘终端生成的数据；
所述逻辑匹配模块用于根据各边缘终端的历史数据在各边缘终端的智能网关内添加当前采集周期各个数据类型的逻辑判断函数；
所述机制匹配模块用于根据智能网关采集当前采集周期内边缘终端生成的数据后，判断所述数据中包含的若干数据类型在边缘终端的智能网关的数据库模块中是否存在对应的逻辑判断函数，根据判断结果调用智能网关内的逻辑判断函数，并根据所述智能网关的虚拟内存模块内的空闲虚拟内存资源以及所述对应的逻辑判断函数的逻辑判断资源消耗量启动不同采集机制，所述采集机制包括极速采集机制和延时采集机制。
10.一种智能网关，具体应用于权利要求1至8任一项所述的一种物联网数据采集方法，其特征在于，所述智能网关通信连接有虚拟内存模块、数据库模块、逻辑匹配模块和机制匹配模块；
所述数据库模块用于存储添加至智能网关的逻辑判断函数，所述虚拟内存模块用于根据已激活的逻辑判断函数对数据进行逻辑判断，获取逻辑判断结果；
所述逻辑匹配模块用于根据各边缘终端的历史数据在各边缘终端的智能网关内添加当前采集周期各个数据类型的逻辑判断函数；
所述机制匹配模块用于根据智能网关采集当前采集周期内边缘终端生成的数据后，判断所述数据中包含的若干数据类型在边缘终端的智能网关的数据库模块中是否存在对应的逻辑判断函数，根据判断结果调用智能网关内的逻辑判断函数，并根据所述智能网关的虚拟内存模块内的空闲虚拟内存资源以及所述对应的逻辑判断函数的逻辑判断资源消耗量启动不同采集机制，所述采集机制包括极速采集机制和延时采集机制。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410210699.8A CN117793106A (zh) | 2024-02-27 | 2024-02-27 | 一种智能网关、物联网数据采集方法及物联网系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410210699.8A CN117793106A (zh) | 2024-02-27 | 2024-02-27 | 一种智能网关、物联网数据采集方法及物联网系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117793106A true CN117793106A (zh) | 2024-03-29 |
Family
ID=90393013
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410210699.8A Pending CN117793106A (zh) | 2024-02-27 | 2024-02-27 | 一种智能网关、物联网数据采集方法及物联网系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117793106A (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20200225655A1 (en) * | 2016-05-09 | 2020-07-16 | Strong Force Iot Portfolio 2016, Llc | Methods, systems, kits and apparatuses for monitoring and managing industrial settings in an industrial internet of things data collection environment |
| CN114466259A (zh) * | 2022-04-13 | 2022-05-10 | 大唐融合通信股份有限公司 | 一种物联网关的数据处理方法、装置、设备及物联网关 |
| CN114710353A (zh) * | 2022-04-11 | 2022-07-05 | 万申科技股份有限公司 | 一种基于AIoT智能边缘网关的风险管控系统 |
| CN115580619A (zh) * | 2022-11-25 | 2023-01-06 | 江苏金恒信息科技股份有限公司 | 数据处理系统和数据处理方法 |
| CN115811537A (zh) * | 2023-02-20 | 2023-03-17 | 江苏金恒信息科技股份有限公司 | 资源调整方法、装置、计算机设备和存储介质 |
| CN116055525A (zh) * | 2023-01-04 | 2023-05-02 | 中轻长泰(长沙)智能科技股份有限公司 | 基于边缘计算的数据采集系统 |
| CN116932224A (zh) * | 2023-08-30 | 2023-10-24 | 中国工商银行股份有限公司 | 大数据函数资源消耗评估方法及装置 |
| CN117221352A (zh) * | 2023-09-15 | 2023-12-12 | 淮阴工学院 | 物联网数据采集与智能化的大数据处理方法及云平台系统 |
| CN117217136A (zh) * | 2023-09-26 | 2023-12-12 | 上海思尔芯技术股份有限公司 | 一种基于rtl设计的fpga资源消耗估计方法 |
-
2024
- 2024-02-27 CN CN202410210699.8A patent/CN117793106A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20200225655A1 (en) * | 2016-05-09 | 2020-07-16 | Strong Force Iot Portfolio 2016, Llc | Methods, systems, kits and apparatuses for monitoring and managing industrial settings in an industrial internet of things data collection environment |
| CN114710353A (zh) * | 2022-04-11 | 2022-07-05 | 万申科技股份有限公司 | 一种基于AIoT智能边缘网关的风险管控系统 |
| CN114466259A (zh) * | 2022-04-13 | 2022-05-10 | 大唐融合通信股份有限公司 | 一种物联网关的数据处理方法、装置、设备及物联网关 |
| CN115580619A (zh) * | 2022-11-25 | 2023-01-06 | 江苏金恒信息科技股份有限公司 | 数据处理系统和数据处理方法 |
| CN116055525A (zh) * | 2023-01-04 | 2023-05-02 | 中轻长泰(长沙)智能科技股份有限公司 | 基于边缘计算的数据采集系统 |
| CN115811537A (zh) * | 2023-02-20 | 2023-03-17 | 江苏金恒信息科技股份有限公司 | 资源调整方法、装置、计算机设备和存储介质 |
| CN116932224A (zh) * | 2023-08-30 | 2023-10-24 | 中国工商银行股份有限公司 | 大数据函数资源消耗评估方法及装置 |
| CN117221352A (zh) * | 2023-09-15 | 2023-12-12 | 淮阴工学院 | 物联网数据采集与智能化的大数据处理方法及云平台系统 |
| CN117217136A (zh) * | 2023-09-26 | 2023-12-12 | 上海思尔芯技术股份有限公司 | 一种基于rtl设计的fpga资源消耗估计方法 |
Non-Patent Citations (2)
| Title |
|---|
| YOU SHI; CHANGYAN YI COLLEGE OF COMPUTER SCIENCE AND TECHNOLOGY, NANJING UNIVERSITY OF AERONAUTICS AND ASTRONAUTICS, NANJING, CHIN: "Joint Online Optimization of Data Sampling Rate and Preprocessing Mode for Edge–Cloud Collaboration-Enabled Industrial IoT", 《 IEEE INTERNET OF THINGS JOURNAL》, 10 February 2022 (2022-02-10) * |
| 赵鑫: "边缘环境下物联网数据分发、存储平台的设计与实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》, 15 January 2024 (2024-01-15) * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111741073B (zh) | 基于5g通信网络的电力数据传输系统 | |
| CN105337575B (zh) | 光伏电站状态预测及故障诊断方法和系统 | |
| CN102891916B (zh) | 一种预测用户操作的方法及移动终端 | |
| CN112650580B (zh) | 一种基于边缘计算的工业大数据监测系统 | |
| CN114801751B (zh) | 一种基于数据分析的汽车电池故障预测系统 | |
| CN101079184A (zh) | 基于can总线的电能质量实时监测及评估系统 | |
| CN117057670A (zh) | 基于物联网的物业智能能源管理系统 | |
| CN115469627B (zh) | 基于物联网的智能工厂运行管理系统 | |
| CN110753276A (zh) | 一种智能抄表系统和控制方法 | |
| CN108053132B (zh) | 桥梁缺损智能推送系统 | |
| CN112731852B (zh) | 一种基于边缘计算的建筑能耗监测系统及其监测方法 | |
| CN111222653A (zh) | 结合物联网实现的高空作业设备保养计划智能制定方法及系统 | |
| CN102571429B (zh) | 一种面向对象的智能配用电通信业务分析方法及相应装置 | |
| CN112491668A (zh) | 一种智能家居物联网安全监控装置 | |
| CN106849064B (zh) | 一种基于气象数据的区域电网负荷预测管理系统 | |
| CN117793106A (zh) | 一种智能网关、物联网数据采集方法及物联网系统 | |
| CN116361377B (zh) | 基于工业物联网服务平台的负载预测系统、方法及介质 | |
| CN116962469A (zh) | 一种智慧园区电能监测管理系统 | |
| CN116937645A (zh) | 充电站集群调控潜力评估方法、装置、设备及介质 | |
| CN116684472A (zh) | 一种面向端侧算力网络的服务部署系统及其服务部署方法 | |
| CN116389944A (zh) | 基于远程抄表数据采集的排查策略定制系统 | |
| CN113988509A (zh) | 一种基建现场系统物资调控管理系统及方法 | |
| CN116150195A (zh) | 一种多类型园区用户安全低碳用电在线监测系统及方法 | |
| CN114051033A (zh) | 一种低功耗的输电线路数据传输方法及终端 | |
| CN110572791B (zh) | 一种基于LoRa技术的信息传输系统 |
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 |