基于物联网的景区服务设备异常检测方法技术

本发明专利技术涉及数据识别技术领域，具体涉及一种基于物联网的景区服务设备异常检测方法。该方法构建数据矩阵并在时序上将数据矩阵分为多个时间子矩阵。分析时间子矩阵中每行数据的段内波动性和段间波动性。根据时间子矩阵中行向量之间的协方差构建参考协方差矩阵，通过特征值分析获得每个行向量的重要程度。根据段内波动性、段间波动性和重要程度获得每种传感器数据的关注度，进而识别出每个时间子矩阵中的需关注数据。本发明专利技术通过对需关注数据进行针对性的异常检测，节省了检测算力且增加了检测效率。率。率。

【技术实现步骤摘要】
基于物联网的景区服务设备异常检测方法


[0001]本专利技术涉及数据识别
，具体涉及一种基于物联网的景区服务设备异常检测方法。

技术介绍

[0002]随着社会的发展和技术的进步，现代景区中存在大量的电气服务设备，且服务设备中包含相应的传感器检测设备数据，并通过物联网方法将设备数据上传至网络平台进行统一检测。在景区中电气服务设备可能会因为元器件老化、接触不良、短路、接地不当、线网电压突变、雷电干扰等因素导致电气设备发生故障，严重故障会影响设备运行从而导致景区游客出现安全隐患。
[0003]为了增加景区的安全性，需要根据物联网中上传的数据进行数据检测，从而识别出异常数据。但是现有技术中数据检测需要每种数据均进行异常检测，对于一些数据稳定且不会发生变化的数据也会投入大量的算力去分析该数据的异常性，容易造成大量的算力浪费，影响了检测效率。

技术实现思路

[0004]为了解决上述技术问题，本专利技术的目的在于提供一种基于物联网的景区服务设备异常检测方法，所采用的技术方案具体如下：本专利技术提供了一种基于物联网的景区服务设备异常检测方法，所述方法包括：根据预设采样频率在预设采样时间段内将景区内多种传感器数据通过物联网设备上传至存储平台，获得数据矩阵；所述数据矩阵每行代表一种所述传感器数据，每列代表对应所述采样频率下的多种所述传感器数据；在时序上将所述数据矩阵分为多个时间子矩阵；获得每个所述时间子矩阵中每行元素之间的段内波动性；根据所述时间子矩阵与相邻的其他时间子矩阵之间对应行之间的元素均值差异获得每种所述传感器数据的段间波动性；获得所述时间子矩阵的参考协方差矩阵；所述参考协方差矩阵中每个元素为所述时间子矩阵中行向量之间的协方差；对所述参考协方差矩阵进行特征值分解，获得每个所述行向量对应的特征值，以所述特征值作为所述行向量对应的所述传感器数据的重要程度；将所述重要程度、所述段内波动性和所述段间波动性加权求和，获得每个所述传感器数据的关注度；将大于预设关注度阈值的所述关注度对应的所述传感器数据作为所述时间子矩阵中需关注数据；对每个所述时间子矩阵中的所述需关注数据进行异常检测，发出预警信息，所述预警信息包括异常时刻和异常数据种类。
[0005]进一步地，获得所述数据矩阵后还包括：利用中值滤波算法对所述数据矩阵进行去噪处理。
[0006]进一步地，所述获得每个所述时间子矩阵中每行元素之间的段内波动性包括：
根据段内波动性计算公式获得所述段内波动性，所述段内波动性计算公式包括：其中，为所述时间子矩阵中第行元素之间的段内波动性，为所述时间子矩阵的列数，为所述时间子矩阵中第行第列的元素，为所述时间子矩阵中第行的元素均值。
[0007]进一步地，所述根据所述时间子矩阵与相邻的其他时间子矩阵之间对应行之间的元素均值差异获得每种所述传感器数据的段间波动性包括：若所述时间子矩阵在所述数据矩阵中的位置为第一个或者最后一个，则获得所述时间子矩阵与相邻的其他子矩阵之间对应行之间元素均值的差值绝对值，以所述差值绝对值与所述时间子矩阵中对应行的元素均值的比值作为所述段间波动性；若所述时间子矩阵在所述数据矩阵中的位置不为第一个和最后一个，则分别获得所述时间子矩阵与相邻的两个其他子矩阵之间对应行之间元素均值的所述差值绝对值，以最大的所述差值绝对值与所述时间子矩阵中对应行的元素均值的比值作为所述段间波动性。
[0008]进一步地，所述以所述特征值作为所述行向量对应的所述传感器数据的重要程度包括：以所述特征值在所有特征值中的占比作为所述传感器数据的所述重要程度。
[0009]进一步地，所述将所述重要程度、所述段内波动性和所述段间波动性加权求和，获得每个所述传感器数据的关注度包括：以所述段内波动性和所述段间波动性的均值作为波动性；将所述波动性和所述重要程度加权求和，获得每个所述传感器数据的所述关注度。
[0010]进一步地，所述对每个所述时间子矩阵中的所述需关注数据进行异常检测包括：获得所述时间子矩阵中每个所述需关注数据与其他需关注数据之间的样本距离，所述样本距离为所述需关注数据与所述其他需关注数据之间的差值绝对值和所述需关注数据的比值；以每个所述需关注数据最小的K个所述样本距离的平均距离作为异常判断指标，K为正整数，若所述异常判断指标大于预设指标阈值，则发出预警信息，以所述异常判断指标对应的所述需关注数据的数据种类作为所述异常数据种类，对应的采样时间作为所述异常时刻。
[0011]本专利技术具有如下有益效果：本专利技术实施例根据在时序上将获得的数据矩阵分割为多个小时间段的时间子矩阵。进而获得每个时间子矩阵中每种传感器数据的波动性，波动性越大说明该数据出现异常的隐患越大。进一步通过每个时间子矩阵中行向量之间的协方差关系构建参考协方差矩阵，通过特征分析获得每种传感器数据的重要程度，重要程度表示传感器数据在时间子矩阵中占据信息的多少。根据波动性和重要程度即可获得每个时间子矩阵中每个传感器数据的关注度，进而获得对应的需关注数据。本专利技术实施例考虑到了景区设备繁多，数据种类复杂且容易出现变化，通过在时序上的小段分割并且在每个小时间段上对该时间段内需关注数据进行针对性的异常检测，即节省了检测算力还通过针对性的检测提高了异常检测的效
率。
附图说明
[0012]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和优点，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的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，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，还可以根据这些附图获得其它附图。
[0013]图1为本专利技术一个实施例所提供的一种基于物联网的景区服务设备异常检测方法流程图。
具体实施方式
[0014]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的一种基于物联网的景区服务设备异常检测方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
[0015]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。
[0016]下面结合附图具体的说明本专利技术所提供的一种基于物联网的景区服务设备异常检测方法的具体方案。
[0017]请参阅图1，其示出了本专利技术一个实施例提供的一种基于物联网的景区服务设备异常检测方法流程图，该方法包括：步骤S1：根据预设采样频率在预设采样时间段内将景区内多种传感器数据通过物联网设备上传至存储平台，获得数据矩阵；数据矩阵每行代表一种传感器数据，每列代表对应采样频率下的多种传感器数据。
[0018]现代景区服务中包含多种电气服务设备，例如缆车、电子展览屏、语音播报装置等等，服务设备会产生大量的电参量即传感器数据，均可利用连接了物联网的传感器将数据传输至存储平台并进行异常分析检测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于物联网的景区服务设备异常检测方法，其特征在于，所述方法包括：根据预设采样频率在预设采样时间段内将景区内多种传感器数据通过物联网设备上传至存储平台，获得数据矩阵；所述数据矩阵每行代表一种所述传感器数据，每列代表对应所述采样频率下的多种所述传感器数据；在时序上将所述数据矩阵分为多个时间子矩阵；获得每个所述时间子矩阵中每行元素之间的段内波动性；根据所述时间子矩阵与相邻的其他时间子矩阵之间对应行之间的元素均值差异获得每种所述传感器数据的段间波动性；获得所述时间子矩阵的参考协方差矩阵；所述参考协方差矩阵中每个元素为所述时间子矩阵中行向量之间的协方差；对所述参考协方差矩阵进行特征值分解，获得每个所述行向量对应的特征值，以所述特征值作为所述行向量对应的所述传感器数据的重要程度；将所述重要程度、所述段内波动性和所述段间波动性加权求和，获得每个所述传感器数据的关注度；将大于预设关注度阈值的所述关注度对应的所述传感器数据作为所述时间子矩阵中需关注数据；对每个所述时间子矩阵中的所述需关注数据进行异常检测，发出预警信息，所述预警信息包括异常时刻和异常数据种类。2.根据权利要求1所述的一种基于物联网的景区服务设备异常检测方法，其特征在于，获得所述数据矩阵后还包括：利用中值滤波算法对所述数据矩阵进行去噪处理。3.根据权利要求1所述的一种基于物联网的景区服务设备异常检测方法，其特征在于，所述获得每个所述时间子矩阵中每行元素之间的段内波动性包括：根据段内波动性计算公式获得所述段内波动性，所述段内波动性计算公式包括：其中，为所述时间子矩阵中第行元素之间的段内波动性，为所述时间子矩阵的列数，为所述时间子矩阵中第行第列的元素，为所述时间子矩阵中第行的元素均值。4.根据权利要求1所述的一种基于物联网的景区服务设备异常检测方法，其特征在于，所述根据所述时间子矩阵与相邻的其他时间子...

【专利技术属性】
技术研发人员：赵延军，卢绪金，苗辉，赵建伟，张鑫，
申请(专利权)人：山东美丽乡村云计算有限公司，
类型：发明
国别省市：