一种基于循环式多移动雾节点的异常数据分析方法技术

本发明专利技术公开了一种基于循环式多移动雾节点的异常数据分析方法，步骤如下：云服务器采用聚类算法将区域分割成多个子区域，并将子区域的质心位置设为移动雾节点的驻留点；随后通过构建稀疏系数矩阵来获得所有子区域数据的特征值并广播；多个移动雾节点访问所有驻留点；移动雾节点在移动时将在上一次驻留点收集的数据上传至云服务器，用于更新特征值，重新广播至所有移动雾节点；移动雾节点在驻留点时，收集子区域的数据并根据云服务器提供的数据特征值对其进行异常分析，将分析结果上传至云服务器，云服务器根据分析结果采取对应措施。本发明专利技术适应于大规模物联网，能够及时收集网络数据并进行异常分析，实现对全网数据的实时收集、分析和处理。

An abnormal data analysis method based on cyclic multi mobile fog nodes

【技术实现步骤摘要】
一种基于循环式多移动雾节点的异常数据分析方法
本专利技术涉及一种基于循环式多移动雾节点的异常数据分析方法，属于大数据与机器学习

技术介绍
传统边缘计算模式中，雾节点部署在传感器节点周围，就近提供计算、存储等服务。雾节点作为中间件连接传感器和云服务器，可以消除集中式基础设施的数据处理负担，也可以产生更快的网络服务响应，能够满足工业在实时性、可靠性、安全性等方面的基本需求。但是，边缘计算技术的应用在物联网环境所遇到的关键问题之一是其部署及维护成本。尤其在工业物联网环境中，高噪声、低延迟要求的通信环境需要更高的雾节点部署及维护成本。
技术实现思路
针对现有技术的不足，本专利技术提供一种基于循环式多移动雾节点的异常数据分析方法，提高工业物联网数据收集、数据分析的可靠性和实时性，并同时降低边缘节点的部署及维护成本。为达到上述目的，本专利技术的技术方案是这样实现的：一种基于循环式多移动雾节点的异常数据分析方法，包括如下步骤：步骤1：云服务器根据负责区域的大小、密度以及各物联网节点的所处位置，采用常规的聚类算法，将区域分割成多个子区域，并将子区域的质心位置设为移动雾节点的驻留点；步骤2：云服务器通过构建稀疏系数矩阵来获得所有子区域数据的特征值，并广播至所有移动雾节点；步骤3：多个移动雾节点采用常规的遍历算法循环访问所有驻留点；步骤4：移动雾节点在移动时，将在上一次驻留点收集的数据上传至云服务器，云服务器根据原有数据和新收集的数据更新数据特征值，重新广播至所有移动雾节点，在此移动期间各移动雾节点之间互相交换异常分析所需要的信息；步骤5：移动雾节点在驻留点时，收集子区域物联网节点的数据并根据云服务器提供的数据特征值对其进行异常分析，将分析结果上传至云服务器，云服务器根据分析结果采取对应措施；步骤6：多个移动雾节点在多个驻留点循环移动时，持续进行收集数据、异常分析、上传分析结果和上传数据任务。优选地，所述移动雾节点能与它所负责区域的所有传感器节点进行通信，同时能与处在它前后位置的移动雾节点进行通信，且所有的移动雾节点都能直接与云服务器进行通信。优选地，所述移动雾节点的通信、计算和存储能力承担它所需负责区域的数据收集和异常分析工作。优选地，所述步骤1中，采用的常规聚类算法包括但不限于基于位置的聚类算法、基于层次的聚类算法、基于密度的聚类算法和基于模型的聚类算法。优选地，所述步骤2中，云服务器通过对收集到的数据进行稀疏变换得到数据的分类特征和私有特征。优选地，所述步骤3中，采用的常规遍历算法包括但不限于割草机算法、A*算法、深度优先搜索算法和广度优先搜索算法。优选地，所述步骤6中，多个移动雾节点的移动和停留相互协调依次进行，即数据的收集、分析、上传相互协调依次进行，其中移动雾节点进行的数据收集、分析和上传为负责子区域内的小规模数据，云服务器进行的数据特征提取为全区域的大规模数据。有益效果：本专利技术针对大规模工业物联网环境，对基于移动雾节点的高可靠、低成本边缘计算方法进行研究，提出一种基于循环式多移动雾节点的异常数据分析方法，能够及时准确收集和处理环境中的数据信息，实现工业物联网异常的实时监控和应对，并降低雾节点设备部署和维护成本。附图说明图1为本专利技术的实施例1方法流程图；图2为本专利技术的结构示意图。具体实施方式为了使本
的人员更好地理解本申请中的技术方案，下面对本申请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，都应当属于本申请保护的范围。一种基于循环式多移动雾节点的异常数据分析方法，包括如下步骤：步骤1：云服务器根据负责区域的大小、密度以及各物联网节点的所处位置，采用常规的聚类算法，将区域分割成多个子区域，并将子区域的质心位置设为移动雾节点的驻留点；步骤2：云服务器通过构建稀疏系数矩阵来获得所有子区域数据的特征值，并广播至所有移动雾节点；步骤3：多个移动雾节点采用常规的遍历算法循环访问所有驻留点；步骤4：移动雾节点在移动时，将在上一次驻留点收集的数据上传至云服务器，云服务器根据原有数据和新收集的数据更新数据特征值，重新广播至所有移动雾节点，在此移动期间各移动雾节点之间可以互相交换异常分析所需要的信息；步骤5：移动雾节点在驻留点时，收集子区域物联网节点的数据并根据云服务器提供的数据特征值对其进行异常分析，将分析结果上传至云服务器，云服务器根据分析结果采取对应措施；步骤6：多个移动雾节点在多个驻留点循环移动时，持续进行收集数据、异常分析、上传分析结果和上传数据任务。优选地，移动雾节点可以与它所负责区域的所有传感器节点进行通信，可以与处在它前后位置的移动雾节点进行通信，且所有的移动雾节点都可以直接与云服务器进行通信。优选地，所述移动雾节点的通信、计算和存储能力可以承担它所需负责区域的数据收集和异常分析工作，云服务器的通信、计算和存储能力满足一切通信、计算和存储要求。优选地，采用的常规聚类算法包括但不限于基于位置的聚类算法(如K-MEANS)、基于层次的聚类算法(如BRICH)、基于密度的聚类算法(如DBSCAN)和基于模型的聚类算法(如GMM)。优选地，所述步骤2中，云服务器通过对收集到的数据进行稀疏变换得到数据的分类特征和私有特征，其数据类型可以是大规模的高维数据。优选地，所述步骤3中，采用的常规遍历算法包括但不限于割草机算法、A*算法、深度优先搜索算法和广度优先搜索算法。优选地，所述步骤6中，多个移动雾节点的移动和停留不是同步的，即数据的收集、分析、上传不是同时进行，是相互协调依次进行的，可以有效提高通信资源的利用率，其中移动雾节点进行的数据收集、分析和上传为负责子区域内的数据，云服务器进行的数据特征提取为全区域的数据。实施例1：结合大规模工业物联网中的数据分析为例，巡回运动的移动边缘服务器可以是工厂中AGV小车，工厂中的各类设备可以是一个数据收集点，AGV小车在工厂里巡回运动的过程中借助云服务器进行数据收集、异常分析和异常处理。本实施例中的一种基于循环式多移动雾节点的异常数据分析方法流程图如图1所示，该方法包括下述步骤：S1区域分割，设置各子区域驻留点；S2获取子区域特征值，并广播；S3雾节点访问所有驻留点；S4移动时上传数据并更新特征值；S5停留时进行异常分析；S6重复进行S3-S5步骤。在步骤S1中，云服务器可以获知区域内所有传感器节点(物联网节点)的位置和所收集的数据类型，依据位置及数据类型间的相关度采用常规聚类算法对所有传感器节点进行分类。常规聚类算法包括但不限于基于位置的聚类(如K-MEANS)、基于层次的聚类(如BRICH)、基于本文档来自技高网...

【技术保护点】
1.一种基于循环式多移动雾节点的异常数据分析方法，其特征在于，包括如下步骤：/n步骤1：云服务器根据负责区域的大小、密度以及各物联网节点的所处位置，采用常规的聚类算法，将区域分割成多个子区域，并将子区域的质心位置设为移动雾节点的驻留点；/n步骤2：云服务器通过构建稀疏系数矩阵来获得所有子区域数据的特征值，并广播至所有移动雾节点；/n步骤3：多个移动雾节点采用常规的遍历算法循环访问所有驻留点；/n步骤4：移动雾节点在移动时，将在上一次驻留点收集的数据上传至云服务器，云服务器根据原有数据和新收集的数据更新数据的特征值，重新广播至所有移动雾节点，在此移动期间各移动雾节点之间互相交换异常分析所需要的信息；/n步骤5：移动雾节点在驻留点时，收集子区域物联网节点的数据并根据云服务器提供的数据特征值对其进行异常分析，将分析结果上传至云服务器，云服务器根据分析结果采取对应措施；/n步骤6：多个移动雾节点在多个驻留点循环移动时，持续进行收集数据、异常分析、上传分析结果和上传数据任务。/n

【技术特征摘要】
1.一种基于循环式多移动雾节点的异常数据分析方法，其特征在于，包括如下步骤：
步骤1：云服务器根据负责区域的大小、密度以及各物联网节点的所处位置，采用常规的聚类算法，将区域分割成多个子区域，并将子区域的质心位置设为移动雾节点的驻留点；
步骤2：云服务器通过构建稀疏系数矩阵来获得所有子区域数据的特征值，并广播至所有移动雾节点；
步骤3：多个移动雾节点采用常规的遍历算法循环访问所有驻留点；
步骤4：移动雾节点在移动时，将在上一次驻留点收集的数据上传至云服务器，云服务器根据原有数据和新收集的数据更新数据的特征值，重新广播至所有移动雾节点，在此移动期间各移动雾节点之间互相交换异常分析所需要的信息；
步骤5：移动雾节点在驻留点时，收集子区域物联网节点的数据并根据云服务器提供的数据特征值对其进行异常分析，将分析结果上传至云服务器，云服务器根据分析结果采取对应措施；
步骤6：多个移动雾节点在多个驻留点循环移动时，持续进行收集数据、异常分析、上传分析结果和上传数据任务。


2.根据权利要求1所述的一种基于循环式多移动雾节点的异常数据分析方法，其特征在于，所述移动雾节点能与它所负责区域的所有传感器节点进行通信，同时能与处在它前后位置的移动雾节点进行通信，且所有的移动雾节点都能直接与云服务器...

【专利技术属性】
技术研发人员：张杰，李小葱，韩光洁，钱玉洁，王海滨，罗成名，
申请(专利权)人：河海大学常州校区，
类型：发明
国别省市：江苏;32