一种基于大数据的园区智能任务分配方法及系统技术方案

本申请涉及物联网园区管理技术领域，为一种智慧园区管理方法，具体涉及一种基于大数据的园区智能任务分配方法及系统；本申请实施例提供的技术方案中，通过对于实时数据进行分类，并根据分类后的异常检测方法获得异常数据和非异常数据，将异常数据所对应的硬件设备进行剔除，保留非异常数据所对应的硬件设备执行所下发的任务。所下发的任务。所下发的任务。

【技术实现步骤摘要】
一种基于大数据的园区智能任务分配方法及系统


[0001]本申请涉及物联网园区管理
，为一种智慧园区管理方法，具体涉及一种基于大数据的园区智能任务分配方法及系统。

技术介绍

[0002]园区的管理是全方位、多层次的管理。一般而言，园区规模都比较大，领导者管理半径与管理纵深相应变大，做出准确决策的难度大大增加。从项目、公司、到各行业、各部门的逐级监控管理问题，不同市场环境的兼顾适应与风险控制问题，专业分工细化带来的资源整合及协调问题等等，都是园区在管理中所面临的挑战。
[0003]然而，现有“智慧园区”的各个终端进行处理的数据种类多、数据量大的特定，因此在对于智慧园区的数据进行任务调配时会产生对应硬件设备因为自身数据异常以及运行异常而导致的任务无法执行的问题。
[0004]所以，针对于现有技术中执行任务的硬件设备具有潜在异常问题从而导致任务无法执行的问题，需要提供一种园区智能任务分配方法及系统。

技术实现思路

[0005]为了解决以上的技术问题，本申请提供一种基于大数据的园区智能任务分配方法及系统，能够实现对于硬件设备潜在异常情况的识别，通过将执行任务的硬件设备进行剔除，降低因为硬件设备异常情况导致的任务无法执行的问题。
[0006]为了达到上述目的，本申请实施例采用的技术方案如下：
[0007]第一方面，提供一种基于大数据的园区智能任务分配方法，所述方法应用于服务器，所述服务器所在的边缘服务区域部署有第一存储单元、第二存储单元、第三存储单元和任务分配单元，所述方法包括：基于任务分配单元下发的任务指令确定对应的多个硬件设备，并获取多个所述硬件设备对应的多个实时数据；根据所述硬件设备的实时数据，确定第一数据和第二数据，其中，所述第一数据与所述硬件设备的实时数据关联，所述第二数据与所述硬件设备的实时数据关联，所述第一数据用于表征所述硬件设备信息，所述第二数据用于表征实时数据的行为特征；基于所述第一数据确定异常检测模型，基于所述异常检测模型对所述第二数据进行检测，当所述第二数据为异常时，将所述第二数据对应的所述硬件设备确定为异常设备；剔除所述异常设备，将所述任务指令下发至其余任一设备。
[0008]进一步的，根据所述硬件设备的实时数据，确定第一数据和第二数据，包括：基于所述第一数据确定映射模型，基于所述映射模型对所述实时数据进行映射处理得到第一数据和第二数据。
[0009]进一步的，所述映射模型包括第一映射模型和第二映射模型，所述第二映射模型包括多个第二映射子模型；基于所述映射模型确定所述实时数据进行映射处理得到第一数据和第二数据，包括：将所述实时数据通过所述第一映射模型得到所述第一数据，通过所述第二映射模型中对应的第二映射子模型得到所述第二数据。
[0010]进一步的，将所述实时数据通过所述第一映射模型得到所述第一数据，包括：获取所述实时数据中的至少部分第一数据；将至少部分第一数据映射通过所述第一映射模型映射到向量空间，得到第一向量数据，其中，所述第一向量数据包括多维度的第一向量；将所述第一向量数据降维压缩，得到第二向量数据，其中，所述第二向量数据为所述第一数据。
[0011]进一步的，所通过所述第二映射模型中对应的第二映射子模型得到所述第二数据，包括：获取所述实时数据中的至少部分第二数据；将至少部分第二数据通过对应的第二映射子模型映射到向量空间，得到第三向量数据，其中，所述第三向量数据包括多维度的第三向量；将所述第三向量数据降维压缩，得到第四向量数据，其中，所述第二向量数据为所述第二数据。
[0012]进一步的，基于所述第一数据确定异常检测模型，基于所述异常检测模型对所述第二数据进行检测得到异常数据，包括：基于所述第一数据确定待检测数据类型，基于所述待检测数据类型确定所述异常检测模型，所述异常检测模型为依据满足网络收敛要求的异常状态决策网络；基于所述异常状态决策网络对所述第二数据进行处理，获得所述第二数据中异常状态活动的异常状态活动特征，确定异常数据。
[0013]进一步的，所述方法还包括将所述异常数据发送至对应的用户端，并将所述异常数据保存至第一存储单元，将非异常数据中的所述第一数据和所述第二数据确定所述实时数据对应的存储单元并进行保存。
[0014]进一步的，将非异常数据中的所述第一数据和所述第二数据确定所述实时数据对应的存储单元并进行保存，包括：获取第二数据的数据量，并对任一所述第二数据进行赋值，基于赋值后的第二数据进行排名；确定所述第二存储单元的数据存储余量；基于所述排名以及所述数据存储余量确定待存入至所述第二存储单元的所述第一数据和所述第二数据。
[0015]第二方面，提供一种基于大数据的园区智能任务分配系统，包括服务器以及通过网关与所述服务器连接的硬件设备和用户端，所述硬件设备用于采集对应的实时数据；所述服务器内设置有任务分配装置，基于任务指令对多个所述硬件设备进行调配，以及数据管理装置，用于对多个所述实时数据进行处理和存储，并将所述实时数据存储至对应的存储单元。
[0016]进一步的，所述任务分配装置包括异常检测单元，用于检测所述实时数据是否异常；所述数据管理装置包括：第一存储单元，用于存储经过所述异常检测单元得到的异常数据，第二存储单元和第三存储单元，用于将非异常数据进行存储。
[0017]第三方面，提供一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述任一项所述的方法。
[0018]第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求上述任一项所述的方法。
[0019]本申请实施例提供的技术方案中，通过对于实时数据进行分类，并根据分类后的异常检测方法获得异常数据和非异常数据，将异常数据所对应的硬件设备进行剔除，保留非异常数据所对应的硬件设备执行所下发的任务。
附图说明
[0020]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，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他的附图。
[0021]附图中的方法、系统和/或程序将根据示例性实施例进一步描述。这些示例性实施例将参照图纸进行详细描述。这些示例性实施例是非限制的示例性实施例，其中示例数字在附图的各个视图中代表相似的机构。
[0022]图1是本申请实施例提供的基于大数据的园区智能任务分配系统结构示意图。
[0023]图2是本申请实施例提供的智能任务分配装置结构示意图。
[0024]图3是本申请实施例提供的数据管理装置结构示意图。
[0025]图4是本申请实施例提供的智能任务分配方法流程示意图。
[0026]图5是本申请实施例提供的数据管理方法流程示意图。
[0027]图6是本申请实施例提供本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的园区智能任务分配方法，其特征在于，所述方法应用于服务器，所述服务器所在的边缘服务区域部署有第一存储单元、第二存储单元、第三存储单元和任务分配单元，所述方法包括：基于任务分配单元下发的任务指令确定对应的多个硬件设备，并获取多个所述硬件设备对应的多个实时数据；根据所述硬件设备的实时数据，确定第一数据和第二数据，其中，所述第一数据与所述硬件设备的实时数据关联，所述第二数据与所述硬件设备的实时数据关联，所述第一数据用于表征所述硬件设备信息，所述第二数据用于表征实时数据的行为特征；基于所述第一数据确定异常检测模型，基于所述异常检测模型对所述第二数据进行检测，当所述第二数据为异常时，将所述第二数据对应的所述硬件设备确定为异常设备；剔除所述异常设备，将所述任务指令下发至其余任一设备。2.根据权利要求1所述的基于大数据的园区智能任务分配方法，其特征在于，根据所述硬件设备的实时数据，确定第一数据和第二数据，包括：基于所述第一数据确定映射模型，基于所述映射模型对所述实时数据进行映射处理得到第一数据和第二数据。3.根据权利要求2所述的基于大数据的园区智能任务分配方法，其特征在于，所述映射模型包括第一映射模型和第二映射模型，所述第二映射模型包括多个第二映射子模型；基于所述映射模型确定所述实时数据进行映射处理得到第一数据和第二数据，包括：将所述实时数据通过所述第一映射模型得到所述第一数据，通过所述第二映射模型中对应的第二映射子模型得到所述第二数据。4.根据权利要求3所述的基于大数据的园区智能任务分配方法，其特征在于，将所述实时数据通过所述第一映射模型得到所述第一数据，包括：获取所述实时数据中的至少部分第一数据；将至少部分第一数据映射通过所述第一映射模型映射到向量空间，得到第一向量数据，其中，所述第一向量数据包括多维度的第一向量；将所述第一向量数据降维压缩，得到第二向量数据，其中，所述第二向量数据为所述第一数据。5.根据权利要求3所述的基于大数据的园区智能任务分配方法，其特征在于，所通过所述第二映射模型中对应的第二映射子模型得到所述第二数据，包括：获取所述实时数据中的至少部分第二数据；将至少部分第二...

【专利技术属性】
技术研发人员：高胜，胡杨雄风，赵超，
申请(专利权)人：瀚能科技有限公司，
类型：发明
国别省市：