[发明专利]一种面向智能楼宇物联网设备的云边协同轻量化数据处理方法在审
| 申请号: | 202110377254.5 | 申请日: | 2021-04-08 |
| 公开(公告)号: | CN113114661A | 公开(公告)日: | 2021-07-13 |
| 发明(设计)人: | 易灵芝;冯晓东;高谢毅;刘卫伟;刘江永;陈智勇;彭寒梅 | 申请(专利权)人: | 湘潭大学 |
| 主分类号: | H04L29/06 | 分类号: | H04L29/06;H04L29/08;G06K9/62 |
| 代理公司: | 暂无信息 | 代理人: | 暂无信息 |
| 地址: | 411105 *** | 国省代码: | 湖南;43 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 面向 智能 楼宇 联网 设备 协同 量化 数据处理 方法 | ||
本发明公开了一种面向智能楼宇物联网设备的云边协同轻量化数据处理方法。所述轻量化数据传输运用数据模型化技术,将物联网设备产生的大量原始数据按照预定模型进行变换,得到模型化的数据,实现经数据聚类压缩来获得通信数据的“轻量化传输”降低实际需要传输的数据量。与现有方法相比,轻量化传输极大降低通讯延迟,同时由于传输差异部分的参照值只在发送端和接收端保留,所以极大保证了用户数据的安全性。边缘计算模式不同于云计算模式,无需将所有数据实时上传到云端数据中心,相比云计算能明显降低系统延迟,实时性高,降低网络开销的同时缓解云端的压力。对于楼宇用户的体验会有极大的提升,对未来智能楼宇项目的推广非常重要。
技术领域
本发明涉及一种智能楼宇物联网设备轻量化数据处理方法。特别适用于智能物联网设备基于云计算和边缘计算协同处理的场景。
背景技术
近年来,随着物联网技术的发展,智能终端设备已经深入楼宇应用当中,例如,智能机器人、智能安防摄像头、智能语音助手音箱、智能火警设备等。智能设备端产生数据的数据量大、数据实时性要求高,物联网设备产生的海量数据直接涌向数据中心会造成的网络拥堵,导致设备到云端的数据传输和数据同步出现瓶颈问题,实时通信难以实现。传统的集中式云端处理模式难以解决物联网带来的大数据问题,另外,这些设备产生的海量数据当中,冗余的数据不占少数,对数据预处理可以缓解通讯带宽压力。边缘计算模式不同于云计算模式,无需将数据全部上传到云端数据中心,相比云计算能明显降低系统延迟,实时性高。
运用数据模型化技术,将物联网设备产生的大量原始数据按照预定模型进行变换,得到模型化的数据,经数据聚类压缩来获得通信数据的“轻量化传输”降低实际需要传输的数据量。当接收端接收到某差异数据后,提取模型的特征,参照最近一次的完整数据进行差异补偿和无损重构,即可得到完整的最新数据。轻量化传输极大降低通讯延迟,同时由于传输差异部分的参照值只在发送端和接收端保留,所以即使某些数据被截获或泄露,由于没有参照值,也是没有任何使用意义的,避免了用户数据泄露的风险。对于楼宇用户的体验会有极大的提升,对未来智能楼宇项目的推广非常重要。
发明内容
针对智能楼宇系统中,物联网设备产生的海量数据冗余度高、容量大,系统延迟高等问题,本发明公开一种云边协同轻量化数据处理方法,实现“数据轻量化”,只传输轻量化之后发生变化的数据,解决物联网设备通讯瓶颈问题以及系统高延迟问题,实现传输数据的轻量化处理。
步骤1:在预定时间周期内,把各个传感器设备和楼宇物联网设备产生的数据,利用5G通讯单元和基站就近批量转发到通讯覆盖范围内的边缘节点;
步骤2:所在的边缘缓存服务器将获取到的数据进行预处理,去除冗余数据,暂存重要数据,便于实现轻量化传输;
步骤3:边缘节点对剩余的数据进行聚类操作,由聚类处理模块完成数据处理前的聚类处理;
步骤4:根据聚类处理后的数据特征,压缩后由相应的通讯信道分别传输到云服务器和边缘服务器;
步骤5:分配到云端的数据遵循先到先服务的原则完成任务处理,分配到边缘服务器的数据由所在的任务调度器进行统一调度;
步骤6:服务器处理完的数据,生成结果返回指令,通过云端或者边缘节点下发至物联网设备。
所述的边缘缓存服务器和云服务器通过独立信道连接。
模型化数据模块对不同类型的楼宇物联网设备数据进行计算,生成模型化数据,根据时间顺序对模型化数据进行切片化处理,得到数据切片,对相邻数据切片进行差异运算得到数据差异切片,再进行压缩,得到数据压缩包,实现数据轻量化。
数据接收端对数据压缩包进行解压,得到数据差异切片,根据原始预留切片数据还原、提取,提高数据安全性。进一步地,对传输数据安全性特别敏感的特殊用户可根据加密密钥对待传输的数据压缩包进行加密。
本发明采用以上技术方案与现有技术相比,具有以下技术效果:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于湘潭大学,未经湘潭大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110377254.5/2.html,转载请声明来源钻瓜专利网。





