一种基于边缘计算的预警信息处理方法及系统技术方案

本发明专利技术公开了一种基于边缘计算的预警信息处理方法及系统，涉及信息处理领域。本发明专利技术包括以下步骤：接收传感器的监测数据；利用边缘计算技术建立具有抑制联合作弊的信任节点和推荐量化的综合评价模型；对监测数据进行分类，根据监测数据的属性聚类到不同的信任节点；将聚类到不同的信任节点的监测数据输入到综合评价模型；所述综合评价模型对监测数据进行评估，得到预警信息等级。本发明专利技术用于帮助实现高效、准确、快速的预警。快速的预警。快速的预警。

【技术实现步骤摘要】
一种基于边缘计算的预警信息处理方法及系统


[0001]本专利技术涉及信息处理领域，更具体的说是涉及一种基于边缘计算的预警信息处理方法及系统。

技术介绍

[0002]安全风险预警是通过对安全生产活动和安全管理进行监测与评价，警示安全生产过程中所面临的危害程度，更具体来说，通过对各种事故一环征兆的监测、识别、诊断与评价及时报警，并根据预警分析的结果对事故征兆的不良趋势进行矫正与控制的一种动态管理模式。建立安全生产预警机制，能有效地辨识和提取隐患信息，提前进行预测警报，使企业及时、有针对性地采取预防措施，减少事故发生。但是如何对预警信息进行综合有效处理，以实现精准预警，降低预警延时是亟需研究的。

技术实现思路

[0003]有鉴于此，本专利技术提供了一种基于边缘计算的预警信息处理方法及系统，用于帮助实现高效、准确、快速的预警。
[0004]为了实现上述目的，本专利技术采用如下技术方案：
[0005]一种基于边缘计算的预警信息处理方法，包括以下步骤：
[0006]接收传感器的监测数据；
[0007]利用边缘计算技术建立具有抑制联合作弊的信任节点和推荐量化的综合评价模型；
[0008]对监测数据进行分类，根据监测数据的属性聚类到不同的信任节点；
[0009]将聚类到不同的信任节点的监测数据输入到综合评价模型；
[0010]所述综合评价模型对监测数据进行评估，得到预警信息等级。
[0011]可选的，还包括预先完成传感器的监测数据云端、网络通信层、边缘计算应用层及感知设备层的功能与特征的整合后，对所述边缘计算应用层内的边缘计算节点服务器进行配置。
[0012]可选的，监测数据包括分为红外监测数据、微波监测数据，光学监测数据，声学监测数据，交互监测数据，环境监测数据，视觉监测数据，电器产品应用监测数据，嗅觉监测数据，密度监测数据、浓度监测数据、湿度监测数据，外型监测数据。
[0013]可选的，根据监测数据的属性聚类到不同的信任节点具体为：
[0014]监测数据加入到信任节点，并发布节点特征信息；
[0015]根据节点特征信息，将监测数据融合到候选聚类中心；
[0016]将候选聚类中心依据监测任务进行评定，并根据评定结果完成最终聚类。
[0017]可选的，还包括对监测数据进行层层过滤，并选择在本地边缘计算节点进行计算，仅将经过处理的特征量发送至云数据中心或其他边缘节点。
[0018]一种基于边缘计算的预警信息处理系统，包括用于预警信息监测的传感器，边缘
计算服务器；其中，
[0019]边缘计算服务器：用于接收预警信息监测的传感器的监测数据；
[0020]还用于利用边缘计算技术建立具有抑制联合作弊的信任节点和推荐量化的综合评价模型；
[0021]还用于对监测数据进行分类，根据监测数据的属性聚类到不同的信任节点；
[0022]还用于将聚类到不同的信任节点的监测数据输入到综合评价模型；
[0023]还用于所述综合评价模型对监测数据进行评估，得到预警信息等级。
[0024]可选的，所述边缘计算服务器还用于预先完成传感器的监测数据云端、网络通信层、边缘计算应用层及感知设备层的功能与特征的整合后，对所述边缘计算应用层内的边缘计算节点服务器进行配置。
[0025]可选的，用于预警信息监测的传感器为集微型感知传感器。
[0026]经由上述的技术方案可知，与现有技术相比，本专利技术公开提供了一种基于边缘计算的预警信息处理方法及系统，解决了基于大型数据集的访问导致边缘计算节点与云端间的网络拥塞问题，减少了操作延迟，提升了边缘计算节点对数据的处理能力；更进一步的，边缘计算可有效应对海量数据和隐私数据处理，为云计算减负，从而满足低功耗、低时延、高隐私、高速率等技术需求。
附图说明
[0027]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0028]图1为本专利技术的流程示意图；
[0029]图2为本专利技术的结构示意图。
具体实施方式
[0030]下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。
[0031]本专利技术实施例公开了一种基于边缘计算的预警信息处理方法，如图1所示，包括以下步骤：
[0032]接收传感器的监测数据；
[0033]利用边缘计算技术建立具有抑制联合作弊的信任节点和推荐量化的综合评价模型；
[0034]对监测数据进行分类，根据监测数据的属性聚类到不同的信任节点；
[0035]将聚类到不同的信任节点的监测数据输入到综合评价模型；
[0036]综合评价模型对监测数据进行评估，得到预警信息等级。
[0037]进一步的，还包括预先完成传感器的监测数据云端、网络通信层、边缘计算应用层
及感知设备层的功能与特征的整合后，对边缘计算应用层内的边缘计算节点服务器进行配置。
[0038]监测数据包括分为红外监测数据、微波监测数据，光学监测数据，声学监测数据，交互监测数据，环境监测数据，视觉监测数据，电器产品应用监测数据，嗅觉监测数据，密度监测数据、浓度监测数据、湿度监测数据，外型监测数据。
[0039]具体的，本实施例中的监测数据是通过集微型传感器获得的，集微型传感器包括执行器、报警器、控制器、机械结构、电源电能、信号处理与传输，控制电路、高性能电子集成器件、接口、通讯于一体的器件和系统，分为红外、微波感知，光学感知，声学感知，交互感知，环境感知，视觉感知，电器产品应用感知，嗅觉感知，密度、浓度、湿度感知，外型感知，震动、移动、动力感知十一大类。
[0040]其中，根据监测数据的属性聚类到不同的信任节点具体为：
[0041]监测数据加入到信任节点，并发布节点特征信息；
[0042]根据节点特征信息，将监测数据融合到候选聚类中心；
[0043]将候选聚类中心依据监测任务进行评定，并根据评定结果完成最终聚类。
[0044]在本实施例中，还包括对数据层层过滤，有效保护隐私。对于用户隐私性要求较高的业务，可选择在本地边缘计算节点进行计算，必要时仅将经过处理的特征量发送至云数据中心或其他边缘节点，从而避免泄露用户的真实数据，更好地保护用户隐私。
[0045]本实施例还公开了一种基于边缘计算的预警信息处理系统，如图2所示，包括用于预警信息监测的传感器，边缘计算服务器；其中，
[0046]边缘计算服务器：用于接收预警信息监测的传本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于边缘计算的预警信息处理方法，其特征在于，包括以下步骤：接收传感器的监测数据；利用边缘计算技术建立具有抑制联合作弊的信任节点和推荐量化的综合评价模型；对监测数据进行分类，根据监测数据的属性聚类到不同的信任节点；将聚类到不同的信任节点的监测数据输入到综合评价模型；所述综合评价模型对监测数据进行评估，得到预警信息等级。2.根据权利要求1所述的一种基于边缘计算的预警信息处理方法，其特征在于，还包括预先完成传感器的监测数据云端、网络通信层、边缘计算应用层及感知设备层的功能与特征的整合后，对所述边缘计算应用层内的边缘计算节点服务器进行配置。3.根据权利要求1所述的一种基于边缘计算的预警信息处理方法，其特征在于，监测数据包括分为红外监测数据、微波监测数据，光学监测数据，声学监测数据，交互监测数据，环境监测数据，视觉监测数据，电器产品应用监测数据，嗅觉监测数据，密度监测数据、浓度监测数据、湿度监测数据，外型监测数据。4.根据权利要求1所述的一种基于边缘计算的预警信息处理方法，其特征在于，根据监测数据的属性聚类到不同的信任节点具体为：监测数据加入到信任节点，并发布节点特征信息；根据节点特征信息，将监测数据融合到候选聚类中心；将候...

【专利技术属性】
技术研发人员：梁文清，
申请(专利权)人：河北金锁安防工程股份有限公司，
类型：发明
国别省市：