一种基于云计算和深度学习的数据分析方法技术

本发明专利技术提供一种基于云计算和深度学习的数据分析方法，具体包括：云服务器根据历史数据进行深度学习模型的训练，将训练好的深度学习模型部署到分服务器，分服务器分发并部署到边缘侧节点；边缘侧节点接收智能传感设备采集的交通流数据，并将接收的交通流数据输入到训练好的深度学习模型，输出交通拥堵分级结果；同时边缘侧节点将采集的数据发送到分服务器；分服务器根据边缘侧发送的数据更新训练好的深度学习模型，并发送给云服务器；云服务器进行整合，得到迭代深度学习模型，发送给分服务器进行再分发，循环实现。本发明专利技术提供的一种基于云计算和深度学习的数据分析方法，将云计算和深度学习结合，并应用到交通拥堵识别上，准确且及时。确且及时。确且及时。

【技术实现步骤摘要】
一种基于云计算和深度学习的数据分析方法


[0001]本专利技术为数据分析领域，特别是指一种基于云计算和深度学习的数据分析方法。

技术介绍

[0002]伴随着科学技术的发展，人们生活水平不断提高。城市化进程的不断推进使得很多大城市的机动车和非机动车保有量呈逐年增长的趋势，这样会造成愈发严重的交通拥堵问题。城市街道的交通拥堵不仅对人们的日常出行产生了影响，还可能导致一系列的交通事故，准确及时的识别交通拥堵是亟待解决的问题。
[0003]但由于路网复杂交通数据庞大，能够准确及时的识别交通拥堵很难实现；随着云计算和大数据的发展，各类应用系统已经渐渐转向云端，云端中心聚合了大量的物理硬件资源，集中建设数据中心大大降低了计算和存储的成本。
[0004]深度学习需要大量数据和计算资源来进行训练，云端服务在一定程度上可以满足要求，然而伴随着数据量越来越庞大，特别是对于边缘侧诸如实时业务、数据优化、带宽限制、应用智能、安全与隐私等多方面需求，计算和存储无法全部放在远程云端，需要将其靠近边缘侧设备或数据源头，就近提供近端计算服务。
专利技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于云计算和深度学习的数据分析方法，其特征在于，在分布式计算的云服务器、分服务器以及边缘侧配置深度学习模型，具体包括：云服务器根据历史数据进行深度学习模型的训练，得到训练好的深度学习模型，并将训练好的深度学习模型部署到分服务器，其中一个分服务器对应多个边缘侧节点；分服务器将训练好的深度学习模型分发到边缘侧节点，并在边缘侧节点部署训练好的深度学习模型；边缘侧节点接收智能传感设备采集的交通流数据，并将接收的交通流数据输入到训练好的深度学习模型，输出交通拥堵分级结果；同时边缘侧节点将采集的数据发送到分服务器；分服务器根据边缘侧发送的数据更新训练好的深度学习模型，并将更新的训练好的深度学习模型发送给云服务器；云服务器将分服务器发送的更新训练好的深度学习模型进行整合，得到迭代深度学习模型，并将迭代深度学习模型发送给分服务器进行再分发，循环实现。2.根据权利要求1所述一种基于云计算和深度学习的数据分析方法，其特征在于，所述深度学习模型包括但不限于：基于遗传算法的神经网络模型、基于时空图的卷积神经网络模型以及所述基于前向反馈的神经网络模型。3.根据权利要求1所述一种基于云计算和深度学习的数据分析方法，其特征在于，所述交通流数据包括车辆轨迹数据、经纬度数据、时间数据、路网数据。4.根据权利要求3所述一种基于云计算和深度学习的数据分析方法，其特征在于，所述边缘侧节点接收智能传感设备采集的交通流数据，并将接收的交通流数据输入到训练好的深度学习模型，输出交通拥堵分级结果，具体为：边缘侧节点检测本地缓存是否已存在匹配的采集数据，若存在匹配数据，直接从缓存中返回交通拥堵分级结果；否则，利用深度学习模型对采集数据进行计算，实时得到交通拥堵分级结果，并将采集数据及交通拥堵分级结果保存在边缘侧节点本地缓存。5.根据权利要求4所述一种基于云计算和深度学习的数据分析方法，其特征在于，边缘侧节点将采集的数据发送到分服务器，具体包括：...

【专利技术属性】
技术研发人员：郑勇建，童雅平，
申请(专利权)人：深圳市国硕宏电子有限公司，
类型：发明
国别省市：