WO2020000503A1 - 商用酒店厨房物联网数据的异常检测分析方法及相关产品 - Google Patents

商用酒店厨房物联网数据的异常检测分析方法及相关产品 Download PDF

Info

Publication number
WO2020000503A1
WO2020000503A1 PCT/CN2018/094777 CN2018094777W WO2020000503A1 WO 2020000503 A1 WO2020000503 A1 WO 2020000503A1 CN 2018094777 W CN2018094777 W CN 2018094777W WO 2020000503 A1 WO2020000503 A1 WO 2020000503A1
Authority
WO
WIPO (PCT)
Prior art keywords
data
warning
gateway
sensor
network topology
Prior art date
Application number
PCT/CN2018/094777
Other languages
English (en)
French (fr)
Inventor
车丹丹
温美钰
马强
姜青山
Original Assignee
中国科学院深圳先进技术研究院
前海世纪晟达（深圳）科技有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 中国科学院深圳先进技术研究院, 前海世纪晟达（深圳）科技有限公司 filed Critical 中国科学院深圳先进技术研究院
Publication of WO2020000503A1 publication Critical patent/WO2020000503A1/zh

Links

Images

Classifications

    • 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
    • H04L43/0823—Errors, e.g. transmission errors
    • H04L43/0829—Packet loss
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/12—Hotels or restaurants
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks

Definitions

  • the invention relates to the technical field of the Internet of Things, in particular to an abnormality detection and analysis method of the Internet of Things data of a commercial hotel kitchen and related products.
  • Temperature and humidity sensors play an important role in many fields such as agriculture, especially in the work of recording temperature and humidity changes in real time.
  • the wireless temperature and humidity sensor can record the changes in temperature and humidity of the environment in real time.
  • Its network topology has a variety of structures.
  • Gao Wenhua of Taiyuan University of Science and Technology has designed a temperature and humidity monitoring system for clustered network structures. It can be read on the PC terminal by the coordinator node.
  • Temperature and humidity data from routers and end devices. However, it does not detect abnormal values caused by the loss of data transmission between devices.
  • In the field of agricultural temperature and humidity environment monitoring there have been relatively mature applications of wireless sensor technology at home and abroad.
  • the agricultural sensor soil temperature and humidity monitoring system based on wireless sensor networks designed and developed by China Agricultural University Liu Hui and Tsinghua University Wang Yuexuan can monitor Real-time changes in temperature and humidity environment data. However, data loss due to unsuccessful transmission between devices is still not detected.
  • Embodiments of the present invention provide an abnormality detection and analysis method for commercial hotel kitchen Internet of Things data and related products, which can achieve accurate and effective monitoring of temperature and humidity data, and has the advantage of abnormality monitoring.
  • an embodiment of the present invention provides a method for detecting and analyzing anomaly of Internet of Things data in a commercial hotel kitchen.
  • the method includes the following steps:
  • an abnormal model corresponding to the network topology structure is extracted, data of the sensor is obtained, and the data is input into the abnormal model to analyze whether the data is abnormal. If the data is abnormal, a warning is given.
  • a data analysis system in a second aspect, includes:
  • the processing unit is configured to extract an abnormal model corresponding to the network topology according to the network topology, obtain data of the sensor, and input the data into the abnormal model to analyze whether the data is abnormal, such as warning of data abnormality.
  • a computer-readable storage medium that stores a computer program for electronic data interchange, wherein the computer program causes a computer to perform the method described in the first aspect.
  • a computer program product includes a non-transitory computer-readable storage medium storing a computer program, and the computer program is operable to cause a computer to execute the method according to the first aspect.
  • the data abnormality detection algorithm of the Internet of Things sensor has a good effect in an example application, and can detect abnormal values of the data transmitted by the sensor in real time to achieve real-time supervision and early warning of temperature and humidity data of the cold storage.
  • FIG. 1 is a data processing flowchart of the present application.
  • FIG. 2 is a sensor data transmission process of the present application.
  • FIG. 3 is a connection structure between the gateway and the sensor of the present application.
  • FIG. 4 is a data transmission situation in which the sensor A of the present application is replaced with B.
  • FIG. 5 is a data transmission situation of the sensor A of the present application.
  • FIG. 6 is a data transmission situation of the gateway D 1 in the present application.
  • FIG. 7 is the number of data transmissions in the time period from 06:00 to 12:00 on May 16 of the present application.
  • FIG. 8 is the packet loss times of each sensor in the present application in the time period from 06:00 to 12:00.
  • FIG. 9 is a data transmission situation of the gateway D 2 of the present application.
  • FIG. 10 shows the number of data transmissions in the time period from 12:00 to 18:00 on May 14 of the present application.
  • FIG. 11 is the packet loss times of each sensor in the present application in the time period from 12:00 to 18:00.
  • FIG. 1 The flowchart of the method for detecting abnormality of temperature and humidity sensor data based on the commercial hotel kitchen cold storage according to the present invention is shown in FIG. 1 and is mainly divided into the following three parts: (1) judging the network topology of the gateway and the sensor; One-to-one structure outlier warning includes continuous packet loss warning and long-term packet loss warning; (3) One-to-many structure outlier warning for gateway and sensor one-to-many structure includes continuous packet loss warning and long-term packet loss warning.
  • Real-time detection data is obtained from the commercial hotel kitchen cold storage sensor, and then it is transmitted to the gateway, codec server, and then to the data center , And finally transferred to an independent database for query analysis.
  • the network topology of the gateway and temperature and humidity sensor in the commercial hotel kitchen cold storage can be divided into the following two types:
  • One-to-one structure a gateway transmits data from only one sensor, as shown in the left side of FIG. 3.
  • a gateway needs to transmit data from multiple sensors, as shown in the right of Figure 3.
  • the transmission data of the gateway can be judged by the following expression:
  • T is the time period to be detected
  • x is the actual receiving time of the gateway. That is, if gateway A does not transmit data to the corresponding sensor during this time period, F A (x) is recorded as 0; when x ⁇ T, that is, gateway A has corresponding transmission data to the sensor during this time period, then F A (x) is recorded as 1 .
  • the one-to-one structure only needs to detect the data transmission of its corresponding sensor, that is, the transmission of the gateway.
  • the number of receptions Y within N hours satisfies the following expression:
  • t is the time interval (that is, transmitted every t minutes);
  • the continuous missing time is less than q hours, it is recorded as a primary warning; if it is longer than q hours and less than r hours, it is recorded as an intermediate warning; if it is longer than r hours, it is recorded as an advanced warning.
  • q is selected as 2 hours in this example, which is a reasonable low-level early warning cut-off value for long-term data loss.
  • the alert satisfies the following expression:
  • the missing time is less than 2 hours, it is recorded as a primary warning; if it is less than 2 hours and less than 12 hours, it is recorded as an intermediate warning; if it is longer than 12 hours, it is recorded as an advanced warning.
  • sensor A left of the red line
  • the sensor is replaced at 18:00 on March 14th and stops receiving data.
  • the 3F floor sensor was replaced with B (right of the red line). After the replacement, there was no long-term data loss problem, and the data reception status was good.
  • Table 3 below shows the daily long-term data loss analysis and its early warning.
  • the gateway A when the gateway A has transmission data, it also needs to detect the data transmission situation corresponding to each specific sensor.
  • a ij as the event that the sensor D ij has received data, that is,
  • conditional probability value calculation is further performed on the reception condition probability of each sensor data, as shown in the following formula:
  • the gateway D 1 corresponds to the sensors D 11 , D 12 , D 13 , D 14 , D 15 , D 16 , D 17 , D 18 , D 19 and D 110. There are ten sensors in total. , Distributed on G2 and G3 floors. According to formula 1, check the transmission condition of the gateway D 1 (see FIG. 6).
  • the number of receptions is 1 to indicate that data was received at that time, and 0 to indicate packet loss. Therefore, the gateway D 1 did not receive data three times at around 9 o'clock on May 16th, and received data the rest of the time. Taking May 6th to May 12:00 as an example, each gateway transmits data (see Figure 7). It receives 9 times most of the time, 8 times more time, and 0, 4 time. , 6, 7 times.
  • the D 11 sensor has completely lost the packet and the data was not received at one time.
  • D 13 , D 14 , D 17 and D The 110 sensor has a lot of packet loss, and the rest of the sensors have very small packet loss, which is a slight packet loss.
  • the D 14 sensor has severe packet loss, as shown in Table 4 above.
  • the gateway D 2 corresponds to sensors D 21 , D 22 and D 23 , which are distributed on the 5F floor. According to formula 1, check the transmission of the gateway D 2 (see FIG. 9).
  • gateway D 2 lost data once at about 12:30 on May 14 and lost data four times between 13 and 14 o'clock. The rest of the time received the data. Take 12: 00-18: 00 on May 16 as an example. Each gateway transmits data (see Figure 10). It receives 3 times most of the time, 2ss times more, and 0, 1 very few times. Times.
  • An embodiment of the present invention also provides a computer storage medium, wherein the computer storage medium stores a computer program for electronic data exchange, and the computer program causes a computer to execute any one of the commercial hotel kitchen Internet of Things data described in the above method embodiments Part or all of the steps of the anomaly detection analysis method.
  • An embodiment of the present invention further provides a computer program product.
  • the computer program product includes a non-transitory computer-readable storage medium storing a computer program, and the computer program is operable to cause a computer to execute the method described in the foregoing method embodiment. Part or all of the steps in any kind of anomaly detection and analysis method for commercial hotel kitchen IoT data.
  • the disclosed device may be implemented in other ways.
  • the device embodiments described above are only schematic.
  • the division of the unit is only a logical function division.
  • multiple units or components may be combined or may be combined. Integration into another system, or some features can be ignored or not implemented.
  • the displayed or discussed mutual coupling or direct coupling or communication connection may be through some interfaces, the indirect coupling or communication connection of the device or unit, and may be electrical or other forms.
  • the units described as separate components may or may not be physically separated, and the components displayed as units may or may not be physical units, that is, may be located in one place, or may be distributed on multiple network units. Some or all of the units may be selected according to actual needs to achieve the objective of the solution of this embodiment.
  • each functional unit in each embodiment of the present invention may be integrated into one processing unit, or each unit may exist separately physically, or two or more units may be integrated into one unit.
  • the above-mentioned integrated units can be implemented in the form of hardware or software program modules.
  • the integrated unit When the integrated unit is implemented in the form of a software program module and sold or used as an independent product, it may be stored in a computer-readable memory.
  • the technical solution of the present invention essentially or part that contributes to the existing technology or all or part of the technical solution can be embodied in the form of a software product, which is stored in a memory.
  • a computer device which may be a personal computer, a server, or a network device, etc.
  • the foregoing memories include: U disks, Read-Only Memory (ROM), Random Access Memory (RAM), mobile hard disks, magnetic disks, or optical disks and other media that can store program codes.
  • the program may be stored in a computer-readable memory, and the memory may include: a flash disk , Read-only memory (English: Read-Only Memory, referred to as ROM), random access device (English: Random Access Memory, referred to as RAM), magnetic disk or optical disk, etc.
  • ROM Read-only memory
  • RAM Random Access Memory

Abstract

一种商用酒店厨房物联网数据的异常检测分析方法及相关产品，方法包括如下步骤：获取商用酒店冷库传感器与网关的网络拓扑结构；依据该网络拓扑结构提取与该网络拓扑结构对应的异常模型，获取该传感器的数据，将该数据输入到该异常模型中分析该数据是否异常，如数据异常，进行预警提示。本方法及产品提供的技术方案具有对数据进行异常分析的优点。

Description

商用酒店厨房物联网数据的异常检测分析方法及相关产品 技术领域
本发明涉及物联网技术领域，具体涉及一种商用酒店厨房物联网数据的异常检测分析方法及相关产品。
背景技术
温湿度传感器在农业等众多领域发挥着重要的作用，尤其在实时记录温湿度变化的工作中应用最为广泛。无线温湿度传感器可以实时记录环境温湿度的变化，其网络拓扑有多种结构，太原科技大学高文华等针对簇状网络结构设计实现了温湿度监测系统，能够在PC终端读取到由coordinator节点汇集的来自路由器和终端设备的温湿度数据。但是并没有针对设备之间数据传输的丢失问题所导致的异常值进行检测。在农业温湿度环境监测领域，国内外已有较多相对成熟的无线传感器技术的应用，中国农业大学刘卉和清华大学王跃宣等设计开发的基于无线传感器网络的农田土壤温湿度监测系统，能够监测温湿度环境数据的实时变化。但是仍然没有检测由于设备间传输不成功导致的数据丢失。
商用酒店厨房冷库环境复杂，一般都是双温冷库，具有保鲜冷冻等功能。为了保证食材充足，酒店会经常补充新鲜食材，酒店每天需要消耗大量的食材，因此冷库货物存取频繁，对环境的人为干扰因素较大。另外，商用酒店厨房冷库墙壁结构复杂，通常影响设备信号的穿透，导致数据采集设备的信号接收不稳定。尤其是五星级酒店高端冷库对温湿度控制要求高，目前尚未发现一整套成熟的流程来对高端冷库温湿度进行实时监控。因此，对温湿度传感器数据传输过程中的异常值进行实时监测，保证传输的温湿度数据的准确有效是非常有必要和意义的。
发明内容
本发明实施例提供了一种商用酒店厨房物联网数据的异常检测分析方法及相关产品，可以实现对温湿度数据的准确有效监控，具有异常监控的优点。
第一方面，本发明实施例提供一种商用酒店厨房物联网数据的异常检测分析方法，所述方法包括如下步骤：
获取商用酒店冷库传感器与网关的网络拓扑结构；
依据该网络拓扑结构提取与该网络拓扑结构对应的异常模型，获取该传感器的数据，将该数据输入到该异常模型中分析该数据是否异常，如数据异常，进行预警提示。
第二方面，提供一种数据分析系统，所述系统包括：
获取单元，用于获取商用酒店冷库传感器与网关的网络拓扑结构；
处理单元，用于依据该网络拓扑结构提取与该网络拓扑结构对应的异常模型，获取该传感器的数据，将该数据输入到该异常模型中分析该数据是否异常，如数据异常，进行预警提示。
第三方面，提供一种计算机可读存储介质，其存储用于电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行第一方面所述的方法。
第四方面，提供一种计算机程序产品，所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，所述计算机程序可操作来使计算机执行第一方面所述的方法。
实施本发明实施例，具有如下有益效果：
可以看出，本发明所述的物联网传感器数据异常检测算法，在实例应用中效果好，可实时对传感器传输数据的异常值进行检测，以达到对冷库温湿度数据的实时监督预警。
附图说明
图1是本申请的数据处理流程图。
图2是本申请的传感器数据传输过程。
图3是本申请的网关与传感器连接结构。
图4是本申请的传感器A更换为B数据传输情况。
图5是本申请的传感器A数据传输情况。
图6是本申请的网关D 1数据传输情况。
图7是本申请的5月16日06：00到12：00时间段的数据传输次数。
图8是本申请的每个传感器在06：00到12：00时间段内的丢包次数。
图9是本申请的网关D 2数据传输情况。
图10是本申请的5月14日12：00到18：00时间段的数据传输次数。
图11是本申请的每个传感器在12：00到18：00时间段内的丢包次数。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
本发明公开的基于商用酒店厨房冷库温湿度传感器数据异常检测方法流程图见附图1，主要分为以下三个部分：(1)判断网关和传感器的网络拓扑结构；(2)针对网关和传感器一对一结构的异常值预警，包含连续丢包预警和长时间丢包预警；(3)针对网关和传感器一对多结构的异常值预警，包含连续丢包预警和长时间丢包预警。
(1)判断网络拓扑结构
首先需要通过数据采集获取实时检测数据，采集传输过程分为六步(见附图2)，从商用酒店厨房冷库传感器获取实时检测数据，再将其传到网关，编解码服务器，再到数据中心，最后传送到独立数据库以供查询分析。
商用酒店厨房冷库布置的网关与温湿度传感器的网络拓扑结构可以分为如下两种：
一对一结构：一个网关仅对一个传感器的数据进行传输，见附图3左所示。
一对多结构：一个网关需要对多个传感器的数据进行传输，见附图3右所示。
网关的传输数据情况可通过如下表达式进行判断：
Figure PCTCN2018094777-appb-000001
其中T表示需要检测的时间段，x表示网关的实际接收时间，当
Figure PCTCN2018094777-appb-000002
即网关A在该时间段对应传感器没有传输数据，则F A(x)记为0；当x∈T，即网关A在该时间段对应传感器有传输数据，则F A(x)记为1。
(2)一对一结构异常值预警方法
针对一对一结构，只需检测其对应传感器的数据传输情况，即为该网关的传输情况。
连续丢包预警
模型表示
定义丢包率预警矩阵：
Figure PCTCN2018094777-appb-000003
其中i＝1，2，3，i表示预警级别，i＝1表示低级预警，i＝2表示中级预警，i＝3表示高级预警；j＝1，2，j表示不同预警级别的丢包率，j＝1表示下界，j＝2表示上界；当i＝1，x 11＝a，x 12＝b时，为低级预警，且丢包率取值范围为[a，b)；当i＝2，x 21＝b，x 22＝c时，为中级预警，且丢包率取值范围为[b，c)；当i＝3，x 31＝c，x 32＝d时，为高级预警，且丢包率取值范围为[c，d]。
根据2018年1月至5月期间十五个温湿度传感器的数据计算，本实例选取a＝0.3，b＝0.6，c＝0.8，d＝1.0，则
Figure PCTCN2018094777-appb-000004
其中对于i级预警，N小时内接收次数Y满足以下表达式：
Figure PCTCN2018094777-appb-000005
其中t表示时间间隔(即每t分钟传输一次)；
模型标准表
表1丢包预警模型标准表
Figure PCTCN2018094777-appb-000006
长时间数据缺失预警模型
模型表示
设预警级数为S(t)，若S(t)＝1，则为低级预警；若S(t)＝2，则为中级预警；若S(t)＝3，则为高级预警，t为持续缺失时间，则不同等级预警满足以下表达式：
Figure PCTCN2018094777-appb-000007
当持续缺失时间小于q小时，则记为初级预警；若大于q小时，小于r小时，则记为中级预警；若大于r小时，则记为高级预警。
根据2018年1月至5月期间十五个温湿度传感器的数据计算，本实例选取q为2小时，作为长时间数据缺失的低级预警分界值较为合理，而r则取为12h，则不同等级预警满足以下表达式：
Figure PCTCN2018094777-appb-000008
当缺失时间小于2小时，则记为初级预警；若大于2小时，小于12小时，则记为中级预警；若大于12小时，则记为高级预警。
模型标准表
表2长时间丢包预警模型标准表
Figure PCTCN2018094777-appb-000009
实验验证
以2018年3月11日到3月18日，期间传感器A更换为传感器B的数据传输情况为例。
见附图4，传感器A(红线左边)从3月11日开始有数据缺失问题，3月12日数据缺失问题严重，3月14日18：00该传感器被换掉，停止接收数据。3F楼层传感器更换为B(红线右边)，更换之后未出现长时间数据缺失问题，数据接收状态良好。如下表3所示为每日长时间数据缺失分析及其预警。
表3每日长时间数据缺失分析及预警表
Figure PCTCN2018094777-appb-000010
由上表可知，3月12日、13日和14日存在中级预警或高级预警，故对传感器A单独做异常值分析，见附图5所示，其中画红色边框部分即为长时间数据缺失。
(3)一对多结构异常值预警方法
针对一对多结构，根据公式(1)，当网关A有传输数据时，还需检测其对应具体每个传感器的数据传输情况。
模型表示
假设共有N个网关，网关D i为一对多连接结构，i＝1，2，...，N；网关D i连接M i个不同传感器D ij，其中D ij表示网关D i连接的第j个传感器，i＝1，2，...，N，j＝1，2，...，M i；网关与传感器多对一的拓扑结构见附图3右所示；
定义B i为网关D i有接收到数据的事件，即
B i＝{网关D i有接收到数据}，i＝1，2，...，N；
定义A ij为传感器D ij有接收到数据的事件，即
A ij＝{传感器D ij有接收到数据}，i＝1，2，...，N，j＝1，2，...，M i；
根据网关的传输情况，进一步对每个传感器数据的接收情况概率进行条件概率值计算，如下公式所示：
Figure PCTCN2018094777-appb-000011
当B i未发生，即网关D i未接收到数据时，则其连接的传感器D ij接收数据的概率也为0，故
P(A ij|B i)＝0              (8)
当B i发生时，即网关D i有传输数据，进一步判断在该条件下，其连接的传感器D ij的数据接收情况，公式(7)中概率计算如下：
Figure PCTCN2018094777-appb-000012
Figure PCTCN2018094777-appb-000013
模型标准表
参考一对一结构异常值预警算法模型标准。
实验验证
以5月16日网关D 1为例，网关D 1对应传感器D 11，D 12，D 13，D 14，D 15，D 16，D 17，D 18，D 19和D 110，共十个传感器，分布在G2和G3楼层。根据公式1，检查网关D 1的传输情况(见附图6)。
表4传感器D 14较严重丢包具体记录(5月16日)
Figure PCTCN2018094777-appb-000014
Figure PCTCN2018094777-appb-000015
接收次数为1表示该时间有接收到数据，为0则表示丢包。故网关D 1在5月16日九点左右有3次时间段未接收到数据，其余时间均接收到数据。以5月16日06：00-12：00为例，每个网关传输数据情况(见附图7)大部分时间均接收9次，有较多时间接收8次，极少数时间接收0，4，6，7次。
见附图8所示具体每个传感器在06：00到12：00时间段内的丢包次数，其中D 11传感器完全丢包，一次数据都未接收，D 13，D 14，D 17和D 110传感器丢包次数较多，其余传感器均有极少量丢包，为轻微丢包。D 14传感器存在较严重丢包，具体情况如上表4。
以5月14日网关D 2为例，网关D 2对应传感器D 21，D 22和D 23共三个传感器，分布在5F楼层。根据公式1，检查网关D 2的传输情况(见附图9)。
表5传感器D 23较严重丢包具体记录
Figure PCTCN2018094777-appb-000016
同理，接收次数为1表示该时间有接收到数据，为0则表示丢包。故网关D 2在5月14日12点30分左右有1次缺失数据的现象，在13点至14点中有4次缺失数据的现象，其余时间均接收到数据。以5月16日12：00-18：00为例，每个网关传输数据情况(见附图10)大部分时间均接收3次，有较多时间接收2ss次，极少数时间接收0，1次。
见附图11所示具体每个传感器在12：00到18：00时间段内的丢包次数，其中D 23(A3)丢包次数最多，其余两个传感器丢包次数较少，具体情况如上表5。
本发明实施例还提供一种计算机存储介质，其中该计算机存储介质存储用于电子数据交换的计算机程序，该计算机程序使得计算机执行如上述方法实施例中记载的任何一种商用酒店厨房物联网数据的异常检测分析方法的部分或全部步骤。
本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，所述计算机程序可操作来使计算机执行如上述方法实施例中记载的任何一种商用酒店厨房物联网数据的异常检测分析方法的部分或全部步骤。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本发明所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件程序模块的 形式实现。
所述集成的单元如果以软件程序模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器(英文：Read-Only Memory，简称：ROM)、随机存取器(英文：Random Access Memory，简称：RAM)、磁盘或光盘等。
虽然本发明参照当前的较佳实施方式进行了描述，但本领域的技术人员应能理解，上述较佳实施方式仅用来说明本发明，并非用来限定本发明的保护范围，任何在本发明的精神和原则范围之内，所做的任何修饰、等效替换、改进等，均应包含在本发明的权利保护范围之内。

Claims (10)

  1. 一种商用酒店厨房物联网数据的异常检测分析方法，其特征在于，所述方法包括如下步骤：
    获取商用酒店冷库传感器与网关的网络拓扑结构；
    依据该网络拓扑结构提取与该网络拓扑结构对应的异常模型，获取该传感器的数据，将该数据输入到该异常模型中分析该数据是否异常，如数据异常，进行预警提示。
  2. 根据权利要求1所述的方法，其特征在于，
    所述网络拓扑结构包括：一对一结构或一对多结构。
  3. 根据权利要求2所述的方法，其特征在于，如果所述网络拓扑结构为一对一结构，则提取一对一丢包率预警矩阵模型和一对一长时间数据缺失预警模型，
    Figure PCTCN2018094777-appb-100001
    其中i＝1，2，3，i表示预警级别，i＝1表示低级预警，i＝2表示中级预警，i＝3表示高级预警；j＝1，2，j表示不同预警级别的丢包率，j＝1表示下界，j＝2表示上界；当i＝1，x 11＝a，x 12＝b时，为低级预警，且丢包率取值范围为[a，b)；当i＝2，x 21＝b，x 22＝c时，为中级预警，且丢包率取值范围为[b，c)；当i＝3，x 31＝c，x 32＝d时，为高级预警，且丢包率取值范围为[c，d]；
    Figure PCTCN2018094777-appb-100002
    当持续缺失时间小于q小时，则记为初级预警；若大于q小时，小于r小时，则记为中级预警；若大于r小时，则记为高级预警。
  4. 根据权利要求2所述的方法，其特征在于，如果所述网络拓扑结构为一 对多结构，假设共有N个网关，网关D i为一对多连接结构，i＝1，2，...，N；网关D i连接M i个不同传感器D ij，其中D ij表示网关D i连接的第j个传感器，i＝1，2，...，N，j＝1，2，...，M i；
    定义B i为网关D i有接收到数据的事件：
    B i＝{网关D i有接收到数据}，i＝1，2，...，N；
    定义A ij为传感器D ij有接收到数据的事件：
    A ij＝{传感器D ij有接收到数据}，i＝1，2，...，N，j＝1，2，...，M i；
    根据网关的传输情况，对每个传感器数据的接收情况概率进行条件概率值计算，
    Figure PCTCN2018094777-appb-100003
    当B i未发生，网关D i未接收到数据时，则其连接的传感器D ij接收数据的概率也为0，故
    P(A ij|B i)＝0
    当B i发生时，网关D i有传输数据，进一步判断在该条件下，其连接的传感器D ij的数据接收情况，
    Figure PCTCN2018094777-appb-100004
    Figure PCTCN2018094777-appb-100005
    依据该概率的值确定告警等级。
  5. 一种商用酒店厨房物联网数据的异常检测分析系统，其特征在于，所述系统包括：
    获取单元，用于获取商用酒店冷库传感器与网关的网络拓扑结构；
    处理单元，用于依据该网络拓扑结构提取与该网络拓扑结构对应的异常模型，获取该传感器的数据，将该数据输入到该异常模型中分析该数据是否异常，如数据异常，进行预警提示。
  6. 根据权利要求5所述的系统，其特征在于，
    所述网络拓扑结构包括：一对一结构或一对多结构。
  7. 根据权利要求6所述的系统，其特征在于，
    所述处理单元具体用于：若所述网络拓扑结构为一对一结构，则提取一对一丢包率预警矩阵模型和一对一长时间数据缺失预警模型，
    Figure PCTCN2018094777-appb-100006
    其中i＝1，2，3，i表示预警级别，i＝1表示低级预警，i＝2表示中级预警，i＝3表示高级预警；j＝1，2，j表示不同预警级别的丢包率，j＝1表示下界，j＝2表示上界；当i＝1，x 11＝a，x 12＝b时，为低级预警，且丢包率取值范围为[a，b)；当i＝2，x 21＝b，x 22＝c时，为中级预警，且丢包率取值范围为[b，c)；当i＝3，x 31＝c，x 32＝d时，为高级预警，且丢包率取值范围为[c，d]；
    Figure PCTCN2018094777-appb-100007
    当持续缺失时间小于q小时，则记为初级预警；若大于q小时，小于r小时，则记为中级预警；若大于r小时，则记为高级预警。
  8. 根据权利要求6所述的系统，其特征在于，
    所述处理单元具体用于：若所述网络拓扑结构为一对多结构，假设共有N个网关，网关D i为一对多连接结构，i＝1，2，...，N；网关D i连接M i个不同传感器D ij，其中D ij表示网关D i连接的第j个传感器，i＝1，2，...，N，j＝1，2，...，M i；
    定义B i为网关D i有接收到数据的事件：
    B i＝{网关D i有接收到数据}，i＝1，2，...，N；
    定义A ij为传感器D ij有接收到数据的事件：
    A ij＝{传感器D ij有接收到数据}，i＝1，2，...，N，j＝1，2，...，M i；
    根据网关的传输情况，对每个传感器数据的接收情况概率进行条件概率值 计算，
    Figure PCTCN2018094777-appb-100008
    当B i未发生，网关D i未接收到数据时，则其连接的传感器D ij接收数据的概率也为0，故
    P(A ij|B i)＝0
    当B i发生时，网关D i有传输数据，进一步判断在该条件下，其连接的传感器D ij的数据接收情况，
    Figure PCTCN2018094777-appb-100009
    Figure PCTCN2018094777-appb-100010
    依据该概率的值确定告警等级。
  9. 一种计算机可读存储介质，其特征在于，其存储用于商用酒店厨房物联网数据的异常检测分析的计算机程序，其中，所述计算机程序使得计算机执行如权利要求1-4任一项所述的方法。
  10. 一种计算机程序产品，其特征在于，所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，所述计算机程序可操作来使计算机执行如权利要求1-4任一项所述的方法。
PCT/CN2018/094777 2018-06-29 2018-07-06 商用酒店厨房物联网数据的异常检测分析方法及相关产品 WO2020000503A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201810695308.0A CN108924004B (zh) 2018-06-29 2018-06-29 商用酒店厨房物联网数据的异常检测分析方法及相关产品
CN201810695308.0 2018-06-29

Publications (1)

Publication Number Publication Date
WO2020000503A1 true WO2020000503A1 (zh) 2020-01-02

Family

ID=64423072

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2018/094777 WO2020000503A1 (zh) 2018-06-29 2018-07-06 商用酒店厨房物联网数据的异常检测分析方法及相关产品

Country Status (2)

Country Link
CN (1) CN108924004B (zh)
WO (1) WO2020000503A1 (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102497281A (zh) * 2011-11-15 2012-06-13 无锡港湾网络科技有限公司 一种能源动力环境的监控方法及系统
CN103244188A (zh) * 2013-05-14 2013-08-14 太原科技大学 一种基于物联网技术的煤矿井下综合监控系统
CN204087458U (zh) * 2014-07-06 2015-01-07 浙江求是人工环境有限公司 一种冷链环境的无线温湿度监控系统
CN105137505A (zh) * 2015-09-15 2015-12-09 南京邮电大学 一种基于物联网的古建筑监测预警系统
JP2016063356A (ja) * 2014-09-17 2016-04-25 株式会社日立ソリューションズ ゲートウェイ装置、データ処理システム及びデータ処理方法
CN105791051A (zh) * 2016-03-25 2016-07-20 中国地质大学（武汉） 基于人工免疫和k均值聚类的无线传感网异常检测方法及系统
CN206226464U (zh) * 2016-12-05 2017-06-06 成都信息工程大学 一种电气设备监测系统
CN108011782A (zh) * 2017-12-06 2018-05-08 北京百度网讯科技有限公司 用于推送告警信息的方法和装置

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7855968B2 (en) * 2004-05-10 2010-12-21 Alcatel Lucent Alarm indication and suppression (AIS) mechanism in an ethernet OAM network
US8631115B2 (en) * 2006-10-16 2014-01-14 Cisco Technology, Inc. Connectivity outage detection: network/IP SLA probes reporting business impact information
CN101640629B (zh) * 2008-07-29 2012-08-29 华为技术有限公司 一种链路丢包监控的方法和双向转发探测设备
CN102014020A (zh) * 2010-11-12 2011-04-13 百度在线网络技术（北京）有限公司 一种用于对网络设备进行网络监控的设备及其方法
CN102739527B (zh) * 2012-06-14 2014-10-29 北京邮电大学 网络丢包率探测方法
CN103208049B (zh) * 2013-04-25 2016-10-05 国家电网公司 异常告警快速事故分析方法及系统
CN105355021B (zh) * 2015-11-23 2018-10-26 苏州工业职业技术学院 基于ZigBee的远程无线抄表系统及其性能检测方法
CN106326068B (zh) * 2016-08-17 2019-01-25 东软集团股份有限公司 资源指标的监控方法及装置
CN106878995B (zh) * 2017-04-27 2020-02-07 重庆邮电大学 一种基于感知数据的无线传感器网络异常类型鉴别方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102497281A (zh) * 2011-11-15 2012-06-13 无锡港湾网络科技有限公司 一种能源动力环境的监控方法及系统
CN103244188A (zh) * 2013-05-14 2013-08-14 太原科技大学 一种基于物联网技术的煤矿井下综合监控系统
CN204087458U (zh) * 2014-07-06 2015-01-07 浙江求是人工环境有限公司 一种冷链环境的无线温湿度监控系统
JP2016063356A (ja) * 2014-09-17 2016-04-25 株式会社日立ソリューションズ ゲートウェイ装置、データ処理システム及びデータ処理方法
CN105137505A (zh) * 2015-09-15 2015-12-09 南京邮电大学 一种基于物联网的古建筑监测预警系统
CN105791051A (zh) * 2016-03-25 2016-07-20 中国地质大学（武汉） 基于人工免疫和k均值聚类的无线传感网异常检测方法及系统
CN206226464U (zh) * 2016-12-05 2017-06-06 成都信息工程大学 一种电气设备监测系统
CN108011782A (zh) * 2017-12-06 2018-05-08 北京百度网讯科技有限公司 用于推送告警信息的方法和装置

Also Published As

Publication number Publication date
CN108924004B (zh) 2021-01-19
CN108924004A (zh) 2018-11-30

Similar Documents

Publication Publication Date Title
WO2020000504A1 (zh) 基于arima的冷库温湿度数据预测方法及相关产品
US10188295B2 (en) Integrated sensor network methods and systems
US11749412B2 (en) Distributed data analytics
US10922206B2 (en) Systems and methods for determining performance metrics of remote relational databases
CN105491055B (zh) 一种基于移动代理的网络主机异常事件检测方法
CN102917069B (zh) 与设备无关性的医疗信息采集中间件装置及其设计方法
CN109767842A (zh) 一种疾病预警方法、疾病预警装置及计算机可读存储介质
Liu et al. A dengue fever predicting model based on Baidu search index data and climate data in South China
CN105550248B (zh) 用户信息挖掘方法及装置
WO2016017208A1 (ja) 監視システム、監視装置、および検査装置
US9613123B2 (en) Data stream processing
Wang The architecture design of the wearable health monitoring system based on internet of things technology
CN106209457A (zh) 应对智能家居环境中旁路攻击的隐私保护方法及系统
Fielding et al. Contact chains of cattle farms in Great Britain
CN106730833A (zh) 一种网络游戏业务状态监控系统及方法
Mastin et al. Quantifying the hidden costs of imperfect detection for early detection surveillance
JP2017517803A (ja) アグノスティックデータブローカにデータを統合する方法、及びアグノスティックデータブローカシステム
Glass et al. Estimating reproduction numbers for adults and children from case data
CN112463773A (zh) 数据质量确定方法及装置
CN110942583B (zh) 烟感告警上报的方法、装置及终端
Osuka et al. Temporal relationship between healthcare-associated and Nonhealthcare-Associated norovirus outbreaks and Google trends data in the United States
WO2020000503A1 (zh) 商用酒店厨房物联网数据的异常检测分析方法及相关产品
CN109949930A (zh) 基于贝叶斯网络的动物疫情诊断方法及系统
JP7095988B2 (ja) 異常監視システム、異常監視方法及びプログラム
CN114598719A (zh) 智慧城市物联事件管理方法、装置及可读介质

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18924898

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 18924898

Country of ref document: EP

Kind code of ref document: A1