LU502742B1 - Big data processing and analysis system for internet of things - Google Patents

Claims (2)

PATENTANSPRUCHE LU502742

1. Fin Verarbeitungs- und Analysesystem der großen Daten für das Internet der Dinge, umfassend ein Modul zur Datenerfassung im Internet der Dinge, ein Modul zur Datenübertragung im Internet der Dinge und ein Modul zur Datenanalyse im Internet der Dinge, wobei das Modul zur Datenübertragung im Internet der Dinge ein drahtloses Modul zur Datenübertragung im Internet der Dinge und ein Modul zur Datenübertragung für das Ad-hoc-Netz im Internet der Dinge umfasst, dadurch gekennzeichnet, dass das Modul zur Datenerfassung im Internet der Dinge durch Echtzeitdaten, erfasst von einer Sensoreinheit, mit einem =…— Datenpräprozessor verbunden ist, der Datenpridprozessor extrahiert die Dateninformationen im historischen Datenbankmodul des Internets der Dinge und die empfangenen Echtzeitdaten für die Fusionsverarbeitung und -analyse auf Merkmalsebene und konstruiert ein kausales Vorhersagemodell, um Differenzdaten zu erhalten; das Modul zur Datenanalyse im Internet der Dinge verwendet einen Algorithmus für die präemptive Prioritätsplanung, um Echtzeitdaten, übertragen vom drahtlosen Modul zur Datenübertragung im Internet der Dinge, und Differenzdaten, übertragen vom Modul zur Datenübertragung für das Ad-hoc-Netz im Internet der Dinge, zu erhalten; der Datenpräprozessor extrahiert die Dateninformationen im historischen Datenbankmodul des Internets der Dinge und die empfangenen Echtzeitdaten für die Fusionsverarbeitung und -analyse auf Merkmalsebene und konstruiert ein kausales Vorhersagemodell, um Differenzdaten zu erhalten, Daten, gesammelt von vier Sensoreinheiten, nämlich Temperatur- und Feuchtigkeitssensor, Beleuchtungssensor, Rauchsensor und Infrarotsensor, im intelligenten Haus des Internets der Dinge, die Schritte sind wie folgt: S1, der Datenpräprozessor verarbeitet Dateninformationen im historischen Datenbankmodul des Internets der Dinge vor und extrahiert Temperatur- und Feuchtigkeitsdaten A, Beleuchtungsdaten B, Rauchdaten C und Zugangskontrolldaten D aus der Datenbank; S2, der Datenpräprozessor empfängt die von der Sensoreinheit gesammelten Echtzeitdaten, einschlieBlich Temperatur- und Feuchtigkeitsdaten a, Beleuchtungsdaten b, Rauchdaten c und Zugangskontrolldaten d; S3, der Datenpräprozessor führt eine Fusionsverarbeitung auf Merkmalsebene an den Daten in S1 und S2 durch und führt eine paarweise Datenfusion an acht Datensignalen entsprechend dem Zweck der Daten durch, und die fusionierten Daten sind Temperatur- und

Feuchtigkeitsdaten (A, a), Beleuchtungsdaten (B, b), Rauchdaten (C, c) und 5027 42 Zugangskontrolldaten (D, d); S4, der Datenpräprozessor berechnet die absoluten Werte der Datenabweichungswerte A-a, B-b, C-c und D-d Differenz entsprechend den Datensignalen nach der Fusionsverarbeitung auf Merkmalsebene und definiert sie als Temperatur- und Feuchtigkeitsdaten-Abweichungswert L, Beleuchtungsdaten-Abweichungswert M, Rauchdaten-Abweichungswert N bzw. Zugangskontrolldaten-Abweichungswert U; SS, der Datenpräprozessor konstruiert ein kausales Vorhersagemodell entsprechend den Datenabweichungswerten L, M, N, U und den eingestellten Parametern, und wenn es festgestellt wird, dass die Daten einen Trend der Abweichung aufweisen, werden es durch das Modul zur Datenübertragung für das Ad-hoc-Netz im Internet der Dinge an das Modul zur Datenanalyse im Internets der Dinge übertragen.

2. Das Verarbeitungs- und Analysesystem der großen Daten für das Internet der Dinge nach Anspruch 1, dadurch gekennzeichnet, dass das Modul zur Datenanalyse im Internets der Dinge den Algorithmus für die präemptive Prioritätsplanung verwendet, um die vom drahtlosen Modul zur Datenübertragung im Internet der Dinge übertragenen Echtzeitdaten und die vom Modul zur Datenübertragung für Ad-hoc-Netz im Internet der Dinge übertragenen Differenzdaten zu erhalten, und die Schritte sind wie folgt: Schritt 1, Festlegen der Priorität der Aufgabe auf der ersten Ebene entsprechend der verbleibenden Zeit der empfangenen Daten, wobei die Priorität umso hôher ist, je kürzer die verbleibende Zeit ist; Schritt 2, auf der Grundlage von Schritt 1, Einstellung der Priorität in zwei Stufen je nach Datentyp, Einstellung der Priorität der Echtzeitdaten als LY und der Priorität der Differenzdaten als HY, und ferner Einstellung der Priorität der Datenabweichungswerte L, M, N und U in den Differenzdaten; Schritt 3, wenn die verbleibende Zeit der Daten mit der hôchsten Priorität in der aktuellen Prioritäts-Warteschlange länger ist als die Laufzeit der Daten, werden die Daten zur Analyse aufgerufen, andernfalls werden sie nicht analysiert; und Schritt 4, wenn die Differenzdaten empfangen werden, wird der präemptive Unterbrechungs-Modus angenommen, und werden die Differenzdaten sofort analysiert und verarbeitet, ohne auf das Ende der aktuellen Ausführungsdaten zu warten; während seiner

Ausführung, wenn ein anderer Prozess mit höherer Priorität auftaucht, stoppt del5007 42 Prozess-Planung sofort die Ausführung des aktuellen Prozesses und verteilt an den neu eingetroffenen Prozess als den Prozess mit der hôchsten Priorität.