CN119066100B - 一种物联网数据的快速查找方法 - Google Patents
一种物联网数据的快速查找方法 Download PDFInfo
- Publication number
- CN119066100B CN119066100B CN202411577980.1A CN202411577980A CN119066100B CN 119066100 B CN119066100 B CN 119066100B CN 202411577980 A CN202411577980 A CN 202411577980A CN 119066100 B CN119066100 B CN 119066100B
- Authority
- CN
- China
- Prior art keywords
- data
- event execution
- equipment
- scene
- target
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Quality & Reliability (AREA)
- Computational Linguistics (AREA)
- Computer And Data Communications (AREA)
Abstract
本发明公开了一种物联网数据的快速查找方法，涉及数据管理查询技术领域，提高了物联网数据的检索效率。本发明通过设置若干个设备数据节点和动态目标数据节点，根据设备运行数据和目标状态数据之间的关联性，连接各个设备数据节点和动态目标数据节点得到相应的事件执行记录数据树，并在带有异常数据标注的设备运行数据和目标状态数据之间设置关联标注，进而整合全部事件执行记录数据树得到场景数据关联网络，根据数据索引请求从场景数据关联网络调取若干个事件执行记录数据树，进而根据带有关联标注的数据片段所在位置以及数据索引请求，对各个事件执行记录数据树进行修剪整合。
Description
技术领域
本发明涉及数据管理查询技术领域，具体是一种物联网数据的快速查找方法。
背景技术
在物联网迅速发展的背景下，连接的设备数量急剧增加，产生了海量的传感器数据。物联网系统中的数据通常具有高频、实时和多样化的特征，这使得对数据进行有效的存储和快速查询变得尤为重要。传统的数据处理和存储方式往往难以满足物联网环境下对实时性和精确性的需求。
现有物联网数据技术存在以下缺陷：
索引结构不足：现有方法中的索引结构可能不够灵活，无法高效支持多维查询，导致在面对复杂查询时性能下降。
实时性问题：许多物联网应用需要实时数据处理，但现有技术在响应时间和数据更新方面可能无法满足实时性要求，从而影响系统的整体性能。
数据冗余与重复存储：物联网设备产生的数据量巨大，常常会存在数据冗余和重复存储的问题，导致查询效率降低，浪费存储资源。
因此怎样在基于时间维度调度的基础进行物联网数据检索调度的同时，提高物联网数据的检索效率是现有技术的难点，为此提供一种物联网数据的快速查找方法。
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的快速查找方法。
为了实现上述目的，本发明提供如下技术方案：
一种物联网数据的快速查找方法，包括以下步骤：
步骤S1、对应用场景内各个功能设备和目标执行物体设置多种传感器，并设置若干种场景运行事件以及相应的事件执行指令，进而采集各个事件执行指令执行过程时功能设备和目标执行物体的设备运行数据和目标状态数据，并整合全部设备运行数据和目标状态数据生成相应事件执行指令的事件执行记录数据集；
步骤S2、根据事件执行记录数据集获得应用场景在各个场景运行事件下，各个功能设备和目标执行物体的正常设备运行数据或正常目标状态数据区间，进而根据功能设备的各项正常运行数据区间对事件执行记录数据集内的数据设置异常数据标注；
步骤S3、设置若干个设备数据节点和动态目标数据节点，根据事件执行记录数据集中设备运行数据和目标状态数据之间的关联性，连接各个设备数据节点和动态目标数据节点得到相应的事件执行记录数据树，并在带有异常数据标注的设备运行数据和目标状态数据之间设置关联标注，进而整合全部事件执行记录数据树得到场景数据关联网络；
步骤S4、用户上传数据索引请求，根据数据索引请求从场景数据关联网络调取若干个事件执行记录数据树，进而根据带有关联标注的数据片段所在位置以及数据索引请求，对各个事件执行记录数据树进行修剪整合，并将修剪整合后的事件执行记录数据树发送至用户。
进一步的，所述事件执行指令包括场景运行事件名称、目标执行物体以及执行功能设备种类名称和数量。
进一步的，所述事件执行记录数据集的生成过程包括：
对各个功能设备设置编号，进而根据事件执行指令中的执行功能设备种类和数量，判断应用场景当前相应种类的功能设备以及数量是否满足执行对应事件执行指令的条件，根据判断结果将事件执行指令发送至相应的功能设备，进而各个功能设备通过无线通信装置相互确认将要共同执行的事件执行指令；
在功能设备执行事件执行指令过程中，位于功能设备上的各个传感器采集功能设备的设备运行数据，以及与功能设备产生交互的目标执行物体的目标状态数据；
在事件执行指令执行的过程中，每当相关功能设备进行交互时，对应功能设备上各个传感器在其当前时间节点生成设备运行数据和目标状态数据，设置进行交互的功能设备编号；
当前事件执行指令执行结束，整合事件执行指令相关的功能设备上各个传感器生成设备运行数据和目标状态数据得到事件执行记录数据集，并对事件执行记录数据集标注对应事件执行指令的执行始末时间。
进一步的，所述正常设备运行数据或正常目标状态数据区间的获取过程包括：
将各个目标状态数据划分为若干个数据片段，对相同时间顺序的数据片段进行正态分布获得各个时间顺序下的正常数据片段区间，将各个时间顺序下的正常数据片段区间依次连接得到正常目标状态数据区间；
采用生成正常目标状态数据区间的过程，获得各个种类设备运行数据的正常设备运行数据区间，重复获得正常目标状态数据区间以及正常设备运行数据区间的过程，进而获得各个场景运行事件下，各个功能设备的各种设备运行数据的正常设备运行数据区间，以及各种目标执行物体的各种目标状态数据的正常目标状态数据区间。
进一步的，对事件执行记录数据集内的数据设置异常数据标注的过程包括：
进而将各个事件执行记录数据集内的各项数据与相应的正常目标状态数据区间或正常设备运行数据区间进行对比，若数据有不在相应正常目标状态数据区间或正常设备运行数据区间内的片段，则在对应事件执行记录数据集标注相应数据片段设置一个异常数据标注，否则不做任何操作。
进一步的，所述事件执行记录数据树的建立过程包括：
根据事件执行记录数据集内各项数据对应的功能设备编号以及目标执行物体种类，建立若干个设备数据节点和一个动态目标数据节点；
将各个设备运行数据存储至相应的设备数据节点中，并根据各个设备运行数据带有其他功能设备编号时的时间节点，在相应设备数据节点之间设置有向连接线；
同时将目标状态数据输入至动态目标数据节点，进而根据目标执行物体在各个时间节点下所关联的功能设备编号，在动态目标数据节点与各个设备数据节点之间设置时效连接线，进而得到对应事件执行指令的事件执行记录数据树。
进一步的，所述场景数据关联网络的建立过程包括：
设置时间间隔阈值，判断目标状态数据或设备运行数据中带有异常数据标注的数据片段，与设备运行数据或目标状态数据中的带有异常数据标注的数据片段之间的时间间隔数值是否小于等于时间间隔阈值，根据判断结果在对应带有异常数据标注的数据片段之间设置关联标注；
设置场景数据关联网络，根据应用场景内各个功能设备在不同时间节点上的实际位置分布，将各个设备数据节点映射于场景数据关联网络中，在场景数据关联网络中设置场景时间轴，使得各个设备数据节点在场景数据关联网络中的分布随着场景时间轴上的时间变化而变化；
根据场景数据关联网络中的设备数据节点分布状况，将各个事件执行记录数据树映射于场景数据管理网络中。
进一步的，根据数据索引请求从场景数据关联网络调取若干个事件执行记录数据树的过程包括：
根据数据索引请求中的索引主体从场景数据关联网络抽离出相应的事件执行记录数据树，再根据索引限定条件对事件执行记录数据树直接剔除不相关的设备数据节点或目标数据节点，或剔除设备数据节点或目标数据节点中不相关的设备运行数据或目标状态数据；
同时在剔除事件执行记录数据树不相关数据的过程中，判断当前事件执行记录数据树预计保留的数据是否存在带有异常数据标注的数据片段，若存在带有异常数据标注的数据片段，则再次判断对应数据片段是否带有关联标注，若判断带有关联标注，则在后续剔除不相关数据的过程中，强制保留对应数据片段所关联的数据片段，否则不做任何操作；
若不存在带有异常数据标注的数据片段，则继续剔除不相关数据的操作；
当根据数据索引请求从场景数据关联网络获取并剔除不相关数据操作结束后，将全部事件执行记录数据树发送至对应用户。
与现有技术相比，本发明的有益效果是：
本发明通过设置若干个设备数据节点和动态目标数据节点，根据事件执行记录数据集中设备运行数据和目标状态数据之间的关联性，连接各个设备数据节点和动态目标数据节点得到相应的事件执行记录数据树，并在带有异常数据标注的设备运行数据和目标状态数据之间设置关联标注，进而整合全部事件执行记录数据树得到场景数据关联网络，用户上传数据索引请求，根据数据索引请求从场景数据关联网络调取若干个事件执行记录数据树，进而根据带有关联标注的数据片段所在位置以及数据索引请求，对各个事件执行记录数据树进行修剪整合，实现了在基于时间维度调度的基础进行物联网数据检索调度的同时，提高物联网数据的检索效率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例。
图1为本发明的方法流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行详细的描述。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的前提下所得到的所有其它实施方式，都属于本发明所保护的范围。
实施例1:如图1所示，一种物联网数据的快速查找方法，包括以下步骤：
步骤S1、对应用场景内各个功能设备和目标执行物体设置多种传感器，并设置若干种场景运行事件以及相应的事件执行指令，进而采集各个事件执行指令执行过程时功能设备和目标执行物体的设备运行数据和目标状态数据，并整合全部设备运行数据和目标状态数据生成相应事件执行指令的事件执行记录数据集；
步骤S2、根据事件执行记录数据集获得应用场景在各个场景运行事件下，各个功能设备和目标执行物体的正常设备运行数据或正常目标状态数据区间，进而根据功能设备的各项正常运行数据区间对事件执行记录数据集内的数据设置异常数据标注；
步骤S3、设置若干个设备数据节点和动态目标数据节点，根据事件执行记录数据集中设备运行数据和目标状态数据之间的关联性，连接各个设备数据节点和动态目标数据节点得到相应的事件执行记录数据树，并在带有异常数据标注的设备运行数据和目标状态数据之间设置关联标注，进而整合全部事件执行记录数据树得到场景数据关联网络；
步骤S4、用户上传数据索引请求，根据数据索引请求从场景数据关联网络调取若干个事件执行记录数据树，进而根据带有关联标注的数据片段所在位置以及数据索引请求，对各个事件执行记录数据树进行修剪整合，并将修剪整合后的事件执行记录数据树发送至用户。
实施例2:本实施例是对实施例1的进一步的限定，所述步骤S1通过以下过程实现：
对应用场景内各个功能设备设置编号a1、a2、a3、……、an，并对各个功能设备设置多种传感器以及无线通信装置，例如温度传感器、压力传感器等，其中n为大于0的自然数；
需要说明的是，不同种类功能设备设置的传感器种类不完全相同，例如应用场景为工厂时，功能设备包括产品加工设备、物料搬运设备等，则产品加工设备设置的传感器种类包括摄像头、压力传感器、温度传感器等，物料搬运设备设置传感器种类包括激光传感器、压力传感器等；
根据应用场景种类设置若干个场景运行事件，所述场景运行事件包括产品加工、物件搬运、产品打包等；
用户上传事件执行指令，所述事件执行指令包括场景运行事件名称、目标执行物体以及执行功能设备种类名称和数量，其中目标执行物体包括加工原材料、加工产品等；
所述事件目标可包括目标执行物体的起始所在位置、执行结果目标，其中执行结果目标可为目标执行物体的执行结果位置或形态等。
进一步的，每当用户上传新的事件执行指令，根据事件执行指令中的执行功能设备种类和数量，判断应用场景当前相应种类的功能设备以及数量是否满足执行对应事件执行指令的条件，若不满足执行条件，则暂时执行对应事件执行指令；
若满足执行条件，则将事件执行指令发送至相应的功能设备，进而各个功能设备通过无线通信装置相互确认将要共同执行的事件执行指令；
在功能设备执行事件执行指令过程中，位于功能设备上的各个传感器采集功能设备的设备运行数据，以及与功能设备产生交互的目标执行物体的目标状态数据，需要说明的是，应用场景内可同时多个事件执行指令并行执行；
在事件执行指令执行的过程中，每当相关功能设备进行交互时，对应功能设备上各个传感器在其当前时间节点生成设备运行数据和目标状态数据，设置进行交互的功能设备编号；
当前事件执行指令执行结束，整合事件执行指令相关的功能设备上各个传感器生成设备运行数据和目标状态数据得到事件执行记录数据集，并对事件执行记录数据集标注对应事件执行指令的执行始末时间。
实施例3:本实施例是对实施例1的进一步的限定，所述步骤S2通过以下过程实现：
从对应同种场景运行事件的事件执行记录数据集中提取出全部目标状态数据，并建立多维坐标系，进而将同种目标状态数据映射于多维坐标系上；
将各个目标状态数据划分为若干个数据片段，并对相同时间顺序的数据片段进行正态分布，进而从正态分布结果中心位置开始，选取该位置左右相对于正态部分的25%部分，作为对应时间顺序下正常数据片段区间；
进而将各个时间顺序下的正常数据片段区间依次连接，得到对应种类目标状态数据的正常目标状态数据区间；
采用生成正常目标状态数据区间的过程，获得各个种类设备运行数据的正常设备运行数据区间，重复获得正常目标状态数据区间以及正常设备运行数据区间的过程，进而获得各个场景运行事件下，各个功能设备的各种设备运行数据的正常设备运行数据区间，以及各种目标执行物体的各种目标状态数据的正常目标状态数据区间。
进而将各个事件执行记录数据集内的各项数据与相应的正常目标状态数据区间或正常设备运行数据区间进行对比，若数据有不在相应正常目标状态数据区间或正常设备运行数据区间内的片段，则在对应事件执行记录数据集标注相应数据片段设置一个异常数据标注；
若数据全部在相应正常目标状态数据区间或正常设备运行数据区间内，则不做任何操作。
实施例4:本实施例是对实施例1的进一步的限定，所述步骤S3通过以下过程实现：
从事件执行记录数据集提取出全部设备运行数据和执行状态数据，并根据各项数据对应的功能设备编号以及目标执行物体种类，建立若干个设备数据节点和一个动态目标数据节点，进而对各个设备数据节点标注相应的功能设备编号；
将事件执行记录数据集中各个设备运行数据根据其对应的功能设备，将各个设备运行数据存储至相应的设备数据节点中，并根据各个设备运行数据带有其他功能设备编号时的时间节点，在相应设备数据节点之间设置有向连接线，其中有向连接线的指向表示对应功能设备进行目标执行物体交互的方向，且有向连接线上标注对应功能设备进行交互的时间节点；
需要说明的是，对于任一个事件执行记录数据集，可存在两个设备数据节点之间设置多根有向连接线；
同时将事件执行记录数据集中目标状态数据输入至动态目标数据节点，进而根据目标执行物体在各个时间节点下所关联的功能设备编号，在动态目标数据节点与各个设备数据节点之间设置时效连接线，使得动态目标数据节点随着时间变化，与各个设备数据节点动态连接或断开，进而得到对应事件执行指令的事件执行记录数据树；
所述时效连接线设置有显示时间区段，其中显示时间区段等于目标执行物体与相应功能设备交互的时间区段；
将存在时效连接线时的动态目标数据节点与设备数据节点中目标状态数据和设备运行数据按时间顺序进行排序，设置时间间隔阈值；
进而判断目标状态数据或设备运行数据中带有异常数据标注的数据片段，与设备运行数据或目标状态数据中的带有异常数据标注的数据片段之间的时间间隔数值是否小于等于时间间隔阈值；
若小于等于，则在对应带有异常数据标注的数据片段之间设置关联标注，若大于，则不做任何操作。
进一步的，设置场景数据关联网络，并根据应用场景内各个功能设备在不同时间节点上的实际位置分布，将各个设备数据节点映射于场景数据关联网络中，在场景数据关联网络中设置场景时间轴，使得各个设备数据节点在场景数据关联网络中的分布随着场景时间轴上的时间变化而变化；
根据场景数据关联网络中的设备数据节点分布状况，将各个事件执行指令的事件执行记录数据树映射于场景数据管理网络中，进而对场景数据关联网络内的各个设备数据节点以及设备数据节点内的数据进行整合，使得各个设备数据节点以及设备数据节点内的各项数据，使得对于场景时间轴上的任一个时间节点，各个设备数据节点以及设备数据节点内的各项数据对应时间相同且吻合。
实施例5:本实施例是对实施例1的进一步的限定，所述步骤S4通过以下过程实现：
用户上传数据索引请求，所述数据索引请求包括一个或多个索引主体以及若干个索引限定条件；
其中所述索引主体例如可为场景运行事件名称、功能设备编号、目标执行物体名称等，所述索引限定条件例如时间、数据种类、数据特征（例如异常数据片段）等；
进而根据数据索引请求中的索引主体从场景数据关联网络抽离出相应的事件执行记录数据树，再根据索引限定条件对事件执行记录数据树直接剔除不相关的设备数据节点或目标数据节点，或剔除设备数据节点或目标数据节点中不相关的设备运行数据或目标状态数据；
同时在剔除事件执行记录数据树不相关数据的过程中，判断当前事件执行记录数据树预计保留的数据是否存在带有异常数据标注的数据片段，若存在带有异常数据标注的数据片段，则再次判断对应数据片段是否带有关联标注，若判断带有关联标注，则在后续剔除不相关数据的过程中，强制保留对应数据片段所关联的数据片段，否则不做任何操作；
若不存在带有异常数据标注的数据片段，则继续剔除不相关数据的操作；
当根据数据索引请求从场景数据关联网络获取并剔除不相关数据操作结束后，将全部事件执行记录数据树发送至对应用户。
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 (6)
1.一种物联网数据的快速查找方法，其特征在于，包括以下步骤：
步骤S1、对应用场景内各个功能设备和目标执行物体设置多种传感器，并设置若干种场景运行事件以及相应的事件执行指令，进而采集各个事件执行指令执行过程时的设备运行数据和目标状态数据，并整合全部设备运行数据和目标状态数据生成相应事件执行指令的事件执行记录数据集；
步骤S2、根据事件执行记录数据集获得应用场景在各个场景运行事件下，各个功能设备和目标执行物体的正常设备运行数据或正常目标状态数据区间，进而根据功能设备的各项正常运行数据区间对事件执行记录数据集内的数据设置异常数据标注；
步骤S3、设置若干个设备数据节点和动态目标数据节点，根据事件执行记录数据集中设备运行数据和目标状态数据之间的关联性，连接各个设备数据节点和动态目标数据节点得到相应的事件执行记录数据树，并在带有异常数据标注的设备运行数据和目标状态数据之间设置关联标注，进而整合全部事件执行记录数据树得到场景数据关联网络；
所述事件执行记录数据树的建立过程包括：
根据事件执行记录数据集内各项数据对应的功能设备编号以及目标执行物体种类，建立若干个设备数据节点和一个动态目标数据节点；
将各个设备运行数据存储至相应的设备数据节点中，并根据各个设备运行数据带有其他功能设备编号时的时间节点，在相应设备数据节点之间设置有向连接线；
所述有向连接线的指向表示对应功能设备进行目标执行物体交互的方向，且有向连接线上标注对应功能设备进行交互的时间节点；
同时将目标状态数据输入至动态目标数据节点，进而根据目标执行物体在各个时间节点下所关联的功能设备编号，在动态目标数据节点与各个设备数据节点之间设置时效连接线，进而得到对应事件执行指令的事件执行记录数据树；
所述时效连接线设置有显示时间区段，其中显示时间区段等于目标执行物体与相应功能设备交互的时间区段；
所述场景数据关联网络的建立过程包括：
设置时间间隔阈值，判断目标状态数据或设备运行数据中带有异常数据标注的数据片段，与设备运行数据或目标状态数据中的带有异常数据标注的数据片段之间的时间间隔数值是否小于等于时间间隔阈值，根据判断结果在对应带有异常数据标注的数据片段之间设置关联标注；
设置场景数据关联网络，根据应用场景内各个功能设备在不同时间节点上的实际位置分布，将各个设备数据节点映射于场景数据关联网络中，在场景数据关联网络中设置场景时间轴，使得各个设备数据节点在场景数据关联网络中的分布随着场景时间轴上的时间变化而变化；
根据场景数据关联网络中的设备数据节点分布状况，将各个事件执行记录数据树映射于场景数据管理网络中；
步骤S4、用户上传数据索引请求，根据数据索引请求从场景数据关联网络调取若干个事件执行记录数据树，进而根据带有关联标注的数据片段所在位置以及数据索引请求，对各个事件执行记录数据树进行修剪整合，并将修剪整合后的事件执行记录数据树发送至用户。
2.根据权利要求1所述的一种物联网数据的快速查找方法，其特征在于，所述事件执行指令包括场景运行事件名称、目标执行物体以及执行功能设备种类名称和数量。
3.根据权利要求2所述的一种物联网数据的快速查找方法，其特征在于，所述事件执行记录数据集的生成过程包括：
对各个功能设备设置编号，进而根据事件执行指令中的执行功能设备种类和数量，判断应用场景当前相应种类的功能设备以及数量是否满足执行对应事件执行指令的条件，根据判断结果将事件执行指令发送至相应的功能设备；
在功能设备执行事件执行指令过程中，位于功能设备上的各个传感器采集功能设备的设备运行数据，以及与功能设备产生交互的目标执行物体的目标状态数据；
在事件执行指令执行的过程中，每当相关功能设备进行交互时，对应功能设备上各个传感器在其当前时间节点生成设备运行数据和目标状态数据，设置进行交互的功能设备编号；
当前事件执行指令执行结束，整合事件执行指令相关的功能设备上各个传感器生成设备运行数据和目标状态数据得到事件执行记录数据集，并对事件执行记录数据集标注对应事件执行指令的执行始末时间。
4.根据权利要求3所述的一种物联网数据的快速查找方法，其特征在于，所述正常设备运行数据或正常目标状态数据区间的获取过程包括：
将各个目标状态数据划分为若干个数据片段，对相同时间顺序的数据片段进行正态分布获得各个时间顺序下的正常数据片段区间，将各个时间顺序下的正常数据片段区间依次连接得到正常目标状态数据区间；
采用生成正常目标状态数据区间的过程，获得各个场景运行事件下，各个功能设备的各种设备运行数据的正常设备运行数据区间，以及各种目标执行物体的各种目标状态数据的正常目标状态数据区间。
5.根据权利要求4所述的一种物联网数据的快速查找方法，其特征在于，对事件执行记录数据集内的数据设置异常数据标注的过程包括：
将各个事件执行记录数据集内的各项数据与相应的正常目标状态数据区间或正常设备运行数据区间进行对比，若数据有不在相应正常目标状态数据区间或正常设备运行数据区间内的片段，则在对应事件执行记录数据集标注相应数据片段设置一个异常数据标注，否则不做任何操作。
6.根据权利要求5所述的一种物联网数据的快速查找方法，其特征在于，根据数据索引请求从场景数据关联网络调取若干个事件执行记录数据树的过程包括：
根据数据索引请求中的索引主体从场景数据关联网络抽离出相应的事件执行记录数据树，再根据索引限定条件对事件执行记录数据树直接剔除不相关的设备数据节点或目标数据节点，或剔除设备数据节点或目标数据节点中不相关的设备运行数据或目标状态数据；
同时在剔除事件执行记录数据树不相关数据的过程中，判断当前事件执行记录数据树预计保留的数据是否存在带有异常数据标注的数据片段，若存在带有异常数据标注的数据片段，则再次判断对应数据片段是否带有关联标注，若判断带有关联标注，则在后续剔除不相关数据的过程中，强制保留对应数据片段所关联的数据片段，否则不做任何操作；
若不存在带有异常数据标注的数据片段，则继续剔除不相关数据的操作，当根据数据索引请求从场景数据关联网络获取并剔除不相关数据操作结束后，将全部事件执行记录数据树发送至对应用户。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202411577980.1A CN119066100B (zh) | 2024-11-07 | 2024-11-07 | 一种物联网数据的快速查找方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202411577980.1A CN119066100B (zh) | 2024-11-07 | 2024-11-07 | 一种物联网数据的快速查找方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN119066100A CN119066100A (zh) | 2024-12-03 |
| CN119066100B true CN119066100B (zh) | 2025-05-06 |
Family
ID=93635908
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202411577980.1A Active CN119066100B (zh) | 2024-11-07 | 2024-11-07 | 一种物联网数据的快速查找方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN119066100B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113688004A (zh) * | 2021-07-30 | 2021-11-23 | 济南浪潮数据技术有限公司 | 云平台时序监控数据管理方法、装置、设备及存储介质 |
| CN115134682A (zh) * | 2022-06-30 | 2022-09-30 | 深圳蓝奥声科技有限公司 | 基于物联网的能源监测数据采集方法和系统 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115203483B (zh) * | 2022-07-15 | 2024-02-13 | 小米汽车科技有限公司 | 标签管理方法、装置、车辆、存储介质及芯片 |
| KR20240063662A (ko) * | 2022-11-03 | 2024-05-10 | 한국전자통신연구원 | 인덱스 기반 온체인 데이터 검색 장치 및 방법 |
| CN118467546A (zh) * | 2024-05-30 | 2024-08-09 | 深圳供电局有限公司 | 数据流处理方法、装置、计算机设备和存储介质 |
| CN118331968B (zh) * | 2024-06-13 | 2024-09-03 | 浙江安联检测技术服务有限公司 | 一种基于智能化检测平台的数据储存方法及系统 |
| CN118469522B (zh) * | 2024-07-12 | 2024-10-18 | 宁波梦创信息科技有限公司 | 基于互联网的项目数据在线管理系统 |
-
2024
- 2024-11-07 CN CN202411577980.1A patent/CN119066100B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113688004A (zh) * | 2021-07-30 | 2021-11-23 | 济南浪潮数据技术有限公司 | 云平台时序监控数据管理方法、装置、设备及存储介质 |
| CN115134682A (zh) * | 2022-06-30 | 2022-09-30 | 深圳蓝奥声科技有限公司 | 基于物联网的能源监测数据采集方法和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN119066100A (zh) | 2024-12-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11916764B1 (en) | Server-side operations for edge analytics | |
| US12136174B1 (en) | Generating extended reality overlays in an industrial environment | |
| US11645471B1 (en) | Determining a relationship recommendation for a natural language request | |
| US11914588B1 (en) | Determining a user-specific approach for disambiguation based on an interaction recommendation machine learning model | |
| US11822597B2 (en) | Geofence-based object identification in an extended reality environment | |
| US10885026B2 (en) | Translating a natural language request to a domain-specific language request using templates | |
| US20200012966A1 (en) | Data Analytics In Edge Devices | |
| US9842134B2 (en) | Data query interface system in an event historian | |
| US20190034430A1 (en) | Disambiguating a natural language request based on a disambiguation recommendation machine learning model | |
| US20190034500A1 (en) | Creating dashboards for viewing data in a data storage system based on natural language requests | |
| US10901811B2 (en) | Creating alerts associated with a data storage system based on natural language requests | |
| JP2021511572A (ja) | システム全体の制御とデータ探索の自動化を可能にするための視覚的および実行テンプレートの推奨 | |
| US20210279113A1 (en) | Resegmenting chunks of data based on source type to facilitate load balancing | |
| CN119066100B (zh) | 一种物联网数据的快速查找方法 | |
| CN113778996B (zh) | 一种大数据流数据处理方法、装置、电子设备及存储介质 | |
| CN110120918B (zh) | 一种标识解析方法及装置 | |
| CN111401482A (zh) | 特征点匹配方法及装置、设备、存储介质 | |
| US11755611B2 (en) | Storing and identifying content through content descriptors in a historian system | |
| CN115146103A (zh) | 图像检索方法、装置、计算机设备、存储介质和程序产品 | |
| US20190034555A1 (en) | Translating a natural language request to a domain specific language request based on multiple interpretation algorithms | |
| CN114564542B (zh) | 三维建筑数据的存储方法、装置、设备及存储介质 | |
| CN111339093B (zh) | 用户行为数据的获取方法、装置、设备及存储介质 | |
| CN119357114B (zh) | 多场景覆盖的工程数据计算方法及设备 | |
| CN114697305B (zh) | 一种基于微服务架构的业务处理方法、装置及系统 | |
| CN114663073B (zh) | 异常节点的发现方法及其相关设备 |
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 |