一种基于边缘计算的物联网数据采集方法及系统技术方案

本发明专利技术提供的一种基于边缘计算的物联网数据采集方法及系统，涉及人工智能技术领域

【技术实现步骤摘要】
一种基于边缘计算的物联网数据采集方法及系统


[0001]本专利技术涉及人工智能
，具体而言，涉及一种基于边缘计算的物联网数据采集方法及系统
。

技术介绍

[0002]边缘计算，是指在靠近物或数据源头的一侧，采用网络
、
计算
、
存储
、
应用核心能力为一体的开放平台，就近提供最近端服务，例如，在物联网应用中，可以针对靠近物联网终端设备的一侧，部署边缘计算设备（可以是边缘计算网关，也可以是边缘计算服务器）
。
其应用程序在边缘侧发起，可以产生更快的网络服务响应，满足行业在实时业务
、
应用智能
、
安全与隐私保护等方面的基本需求
。
但是，在现有技术中，在基于边缘计算的物联网数据采集的过程中，存在着数据处理可靠度不高的问题
。

技术实现思路

[0003]有鉴于此，本专利技术的目的在于提供一种基于边缘计算的物联网数据采集方法及系统，提高基于边缘计算的物联网数据采集中的数据处理可靠度
。
[0004]为实现上述目的，本专利技术实施例采用如下技术方案：一种基于边缘计算的物联网数据采集方法，包括：对边缘计算设备图谱中的每一个边缘计算设备进行多角度的关键信息挖掘和聚合，输出每一个边缘计算设备对应的聚合设备数据向量，所述聚合设备数据向量用于反映所述边缘计算设备在多个角度具有的设备语义特征；对于部署的每一个物联网终端设备，分别对每一个所述物联网终端设备进行关键信息挖掘，输出每一个所述物联网终端设备对应的设备语义向量；对每一个所述边缘计算设备对应的聚合设备数据向量和每一个所述物联网终端设备对应的设备语义向量进行向量匹配分析，使得每一个所述物联网终端设备匹配到至少一个边缘计算设备，作为对应的目标边缘计算设备；对于每一个所述物联网终端设备，将该物联网终端设备分配到对应的目标边缘计算设备，使得所述目标边缘计算设备对该物联网终端设备形成的物联网数据进行采样处理，以完成该物联网数据的采集
。
[0005]在一些优选的实施例中，在上述基于边缘计算的物联网数据采集方法中，所述对边缘计算设备图谱中的每一个边缘计算设备进行多角度的关键信息挖掘和聚合，输出每一个边缘计算设备对应的聚合设备数据向量的步骤，包括：提取到边缘计算设备图谱，所述边缘计算设备图谱中包括第一图谱链路和第二图谱链路，所述第一图谱链路基于边缘计算设备属性数据对应的边缘计算设备属性对象组合形成，所述边缘计算设备属性数据用于表征相应的边缘计算设备的设备属性，所述第二图谱链路基于所述边缘计算设备属性对象和边缘计算设备处理数据对应的边缘计算设备处理对象组合形成，所述边缘计算设备处理数据是指所述边缘计算设备属性数据表征的边缘
计算设备在历史上处理过的物联网数据；依据所述第一图谱链路，将待处理的边缘计算设备属性对象进行关键信息挖掘，输出对应的设备属性数据向量，所述待处理的边缘计算设备属性对象为所述边缘计算设备图谱中的一个边缘计算设备属性对象；依据所述第二图谱链路，将所述待处理的边缘计算设备属性对象进行关键信息挖掘，输出对应的设备处理数据向量；将所述设备属性数据向量和所述设备处理数据向量进行向量聚合处理，输出所述待处理的边缘计算设备属性对象的聚合设备数据向量，所述待处理的边缘计算设备属性对象的聚合设备数据向量，作为所述待处理的边缘计算设备属性对象表征的边缘计算设备对应的聚合设备数据向量
。
[0006]在一些优选的实施例中，在上述基于边缘计算的物联网数据采集方法中，所述依据所述第一图谱链路，将待处理的边缘计算设备属性对象进行关键信息挖掘，输出对应的设备属性数据向量的步骤，包括：基于所述第一图谱链路，将所述待处理的边缘计算设备属性对象进行卷积聚合处理，输出所述待处理的边缘计算设备属性对象对应的设备属性数据向量；并且，所述依据所述第二图谱链路，将所述待处理的边缘计算设备属性对象进行关键信息挖掘，输出对应的设备处理数据向量的步骤，包括：基于所述第二图谱链路，将所述待处理的边缘计算设备属性对象进行卷积聚合处理，将所述待处理的边缘计算设备属性对象对应的设备处理数据向量
。
[0007]在一些优选的实施例中，在上述基于边缘计算的物联网数据采集方法中，所述基于所述第一图谱链路，将所述待处理的边缘计算设备属性对象进行卷积聚合处理，输出所述待处理的边缘计算设备属性对象对应的设备属性数据向量的步骤，包括：依据所述第一图谱链路，确定出所述待处理的边缘计算设备属性对象对应的至少一级的关联的边缘计算设备属性对象，所述至少一级的关联的边缘计算设备属性对象中，关联的边缘计算设备属性对象的级数与关联度之间具有负相关的对应关系，且级数等于连接在对应的两个所述边缘计算设备属性对象之间的最短路径包括的关联边的数量；将所述至少一级的关联的边缘计算设备属性对象的关联设备属性数据向量和所述待处理的边缘计算设备属性对象的自身设备属性数据向量进行向量融合，输出所述待处理的边缘计算设备属性对象对应的设备属性数据向量
。
[0008]在一些优选的实施例中，在上述基于边缘计算的物联网数据采集方法中，所述至少一级的关联的边缘计算设备属性对象包括所述待处理的边缘计算设备属性对象的一级的关联的边缘计算设备属性对象
、
二级的关联的边缘计算设备属性对象和三级的关联的边缘计算设备属性对象；所述将所述至少一级的关联的边缘计算设备属性对象的关联设备属性数据向量和所述待处理的边缘计算设备属性对象的自身设备属性数据向量进行向量融合，输出所述待处理的边缘计算设备属性对象对应的设备属性数据向量的步骤，包括：将所述三级的关联的边缘计算设备属性对象的属性数据向量与所述二级的关联的边缘计算设备属性对象的属性数据向量进行向量融合处理，形成对应的初始关联融合向量；
将所述一级的关联的边缘计算设备属性对象的属性数据向量与所述初始关联融合向量进行向量融合处理，形成对应的目标关联融合向量；将所述目标关联融合向量与所述自身设备属性数据向量进行向量融合处理，形成所述待处理的边缘计算设备属性对象对应的设备属性数据向量
。
[0009]在一些优选的实施例中，在上述基于边缘计算的物联网数据采集方法中，所述卷积聚合处理通过数据分析网络模型中关键信息挖掘单元实现，所述对边缘计算设备图谱中的每一个边缘计算设备进行多角度的关键信息挖掘和聚合，输出每一个边缘计算设备对应的聚合设备数据向量的步骤，还包括：基于所述第一图谱链路，将训练的边缘计算设备属性对象进行卷积聚合处理，输出对应的训练的设备属性数据向量；基于所述第二图谱链路，将所述训练的边缘计算设备属性对象进行卷积聚合处理，输出对应的训练的设备处理数据向量；将所述训练的设备属性数据向量和所述训练的设备处理数据向量进行向量聚合处理，输出对应的训练的聚合设备数据向量；依据各个训练的边缘计算设备属性对象的所述训练的设备属性数据向量
、
所述训练的设备处理数据向量和所述训练的聚合设备数据向量，将所述数据分析网络模型进行模型本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于边缘计算的物联网数据采集方法，其特征在于，包括：对边缘计算设备图谱中的每一个边缘计算设备进行多角度的关键信息挖掘和聚合，输出每一个边缘计算设备对应的聚合设备数据向量，所述聚合设备数据向量用于反映所述边缘计算设备在多个角度具有的设备语义特征；对于部署的每一个物联网终端设备，分别对每一个所述物联网终端设备进行关键信息挖掘，输出每一个所述物联网终端设备对应的设备语义向量；对每一个所述边缘计算设备对应的聚合设备数据向量和每一个所述物联网终端设备对应的设备语义向量进行向量匹配分析，使得每一个所述物联网终端设备匹配到至少一个边缘计算设备，作为对应的目标边缘计算设备；对于每一个所述物联网终端设备，将该物联网终端设备分配到对应的目标边缘计算设备，使得所述目标边缘计算设备对该物联网终端设备形成的物联网数据进行采样处理，以完成该物联网数据的采集
。2.
如权利要求1所述的基于边缘计算的物联网数据采集方法，其特征在于，所述对边缘计算设备图谱中的每一个边缘计算设备进行多角度的关键信息挖掘和聚合，输出每一个边缘计算设备对应的聚合设备数据向量的步骤，包括：提取到边缘计算设备图谱，所述边缘计算设备图谱中包括第一图谱链路和第二图谱链路，所述第一图谱链路基于边缘计算设备属性数据对应的边缘计算设备属性对象组合形成，所述边缘计算设备属性数据用于表征相应的边缘计算设备的设备属性，所述第二图谱链路基于所述边缘计算设备属性对象和边缘计算设备处理数据对应的边缘计算设备处理对象组合形成，所述边缘计算设备处理数据是指所述边缘计算设备属性数据表征的边缘计算设备在历史上处理过的物联网数据；依据所述第一图谱链路，将待处理的边缘计算设备属性对象进行关键信息挖掘，输出对应的设备属性数据向量，所述待处理的边缘计算设备属性对象为所述边缘计算设备图谱中的一个边缘计算设备属性对象；依据所述第二图谱链路，将所述待处理的边缘计算设备属性对象进行关键信息挖掘，输出对应的设备处理数据向量；将所述设备属性数据向量和所述设备处理数据向量进行向量聚合处理，输出所述待处理的边缘计算设备属性对象的聚合设备数据向量，所述待处理的边缘计算设备属性对象的聚合设备数据向量，作为所述待处理的边缘计算设备属性对象表征的边缘计算设备对应的聚合设备数据向量
。3.
如权利要求2所述的基于边缘计算的物联网数据采集方法，其特征在于，所述依据所述第一图谱链路，将待处理的边缘计算设备属性对象进行关键信息挖掘，输出对应的设备属性数据向量的步骤，包括：基于所述第一图谱链路，将所述待处理的边缘计算设备属性对象进行卷积聚合处理，输出所述待处理的边缘计算设备属性对象对应的设备属性数据向量；并且，所述依据所述第二图谱链路，将所述待处理的边缘计算设备属性对象进行关键信息挖掘，输出对应的设备处理数据向量的步骤，包括：基于所述第二图谱链路，将所述待处理的边缘计算设备属性对象进行卷积聚合处理，将所述待处理的边缘计算设备属性对象对应的设备处理数据向量
。
4.
如权利要求3所述的基于边缘计算的物联网数据采集方法，其特征在于，所述基于所述第一图谱链路，将所述待处理的边缘计算设备属性对象进行卷积聚合处理，输出所述待处理的边缘计算设备属性对象对应的设备属性数据向量的步骤，包括：依据所述第一图谱链路，确定出所述待处理的边缘计算设备属性对象对应的至少一级的关联的边缘计算设备属性对象，所述至少一级的关联的边缘计算设备属性对象中，关联的边缘计算设备属性对象的级数与关联度之间具有负相关的对应关系，且级数等于连接在对应的两个所述边缘计算设备属性对象之间的最短路径包括的关联边的数量；将所述至少一级的关联的边缘计算设备属性对象的关联设备属性数据向量和所述待处理的边缘计算设备属性对象的自身设备属性数据向量进行向量融合，输出所述待处理的边缘计算设备属性对象对应的设备属性数据向量
。5.
如权利要求4所述的基于边缘计算的物联网数据采集方法，其特征在于，所述至少一级的关联的边缘计算设备属性对象包括所述待处理的边缘计算设备属性对象的一级的关联的边缘计算设备属性对象
、
二级的关联的边缘计算设备属性对象和三级的关联的边缘计算设备属性对象；所述将所述至少一级的关联的边缘计算设备属性对象的关联设备属性数据向量和所述待处理的边缘计算设备属性对象的自身设备属性数据向量进行向量融合，输出所述待处理的边缘计算设备属性对象对应的设备属性数据向量的步骤，包括：将所述三级的关联的边缘计算设备属性对象的属性数据向量与所述二级的关联的边缘计算设备属性对象的属性数据向量进行向量融合处理，形成对应的初始关联融合向量；将所述一级的关联的边缘计算设备属性对象的属性数据向量与所述初始关联融合向量进行向量融合处理，形成对应的目标关联融合向量；将所述目标关联融合向量与所述自身设备属性数据向量进行向量融合处理，形...

【专利技术属性】
技术研发人员：谭利明，刘跃华，胡涛，
申请(专利权)人：四川万物纵横科技股份有限公司，
类型：发明
国别省市：