校园事件推理方法、装置、电子设备及存储介质与流程

本技术属于数据处理，尤其涉及一种校园事件推理方法、装置、电子设备及存储介质。

背景技术：

1、随着智慧校园建设的不断深入，各类校园事件，比如消防告警、设备故障、安全威胁、应急疏散等的及时发现与高效处置已成为校园管理的重要课题。目前，现有校园事件处置方案中的数据预处理与拓扑建模是基于设备物理连接的通信网络拓扑模型，属于静态的设备关联建模。然而，校园场景的事件识别具有强烈依赖学生流量高峰集中在晚自习时段、周末出现机房流量低谷、图书馆入馆人流与校园网负载呈现特定的时空协同模式、不同教学楼的上课时间差异导致网络负载周期性变化。因此，亟需一种能够捕捉校园动态规律、具备自适应推理能力的校园事件推理方法，以解决现有方案存在无法捕捉校园环境中区域、时段、事件与动作之间复杂关联的校园动态规律，导致事件处置规则覆盖不全、适应性差、难以应对动态变化的校园场景的问题。

技术实现思路

1、本技术实施例提供了一种校园事件推理方法，旨在解决现有方案存在无法捕捉校园环境中区域、时段、事件与动作之间复杂关联的校园动态规律，导致事件处置规则覆盖不全、适应性差、难以应对动态变化的校园场景的问题。通过大语言模型根据目标校园的多维知识图谱以及实时数据流，生成校园事件推理规则，并根据校园事件推理规则，控制目标区域内的物理设备在目标时段触发目标动作，以加载并执行与目标事件对应的处置算法，解决了现有方案存在无法捕捉校园环境中区域、时段、事件与动作之间复杂关联的校园动态规律，导致事件处置规则覆盖不全、适应性差、难以应对动态变化的校园场景的问题。

2、第一方面，本发明实施例提供一种校园事件推理方法，所述方法包括以下步骤：

3、获取目标校园的多维知识图谱以及实时数据流，所述多维知识图谱的本体结构至少包括区域节点、时段节点、事件节点以及动作节点；

4、基于所述多维知识图谱以及所述实时数据流，通过大语言模型生成校园事件推理规则，所述校园事件推理规则包括目标区域、目标时段、目标事件以及与所述目标事件对应的目标动作；

5、根据所述校园事件推理规则，控制所述目标区域内的物理设备在所述目标时段触发所述目标动作，以加载并执行与所述目标事件对应的处置算法。

6、可选的，所述获取目标校园的多维知识图谱，包括：

7、获取所述目标校园的空间gis模型与设备拓扑文件，并根据所述空间gis模型与所述设备拓扑文件构建所述区域节点；

8、基于所述目标校园的运行周期，将连续时间线划分为离散时间切片，构建所述时段节点；

9、聚类历史告警记录与校园管理业务逻辑，提取需要监测的事件类型，构建所述事件节点；

10、获取所述物理设备支持的软硬件执行能力及可用算法合集，生成对应的设备指令集，构建所述动作节点；

11、在所述区域节点、所述时段节点、所述事件节点以及所述动作节点之间建立带有特征权重的映射边，生成所述多维知识图谱。

12、可选的，所述在所述区域节点、所述时段节点、所述事件节点以及所述动作节点之间建立带有特征权重的映射边，生成所述多维知识图谱，包括：

13、获取所述目标校园的历史设备调度日志与事件处置记录；

14、从所述历史设备调度日志与所述事件处置记录中，匹配提取出成功执行协同调度的闭环数据链，并将所述闭环数据链解析为包含历史发生区域、历史发生时段、历史触发事件以及历史执行动作的业务四元组；

15、统计各所述业务四元组在预设周期内的共现频次，并提取对应物理设备在执行所述历史执行动作时的任务成功率；

16、基于所述共现频次与所述任务成功率联合计算出空间协同置信度，并将所述空间协同置信度作为所述特征权重；

17、根据所述业务四元组内的关联结构，在所述多维知识图谱中相对应的所述区域节点、所述时段节点、所述事件节点以及所述动作节点之间实例化连接线，并将所述特征权重赋值于对应的连接线上，以生成所述多维知识图谱。

18、可选的，所述从所述历史设备调度日志与所述事件处置记录中，匹配提取出成功执行协同调度的闭环数据链，包括：

19、基于时间戳与空间标识，对所述历史设备调度日志与所述事件处置记录进行时空对齐处理；

20、在对齐后的数据序列中，识别特征事件的初始触发记录，并在紧跟所述初始触发记录的预设响应时间窗口内，检索对应的设备动作指令下发记录；

21、获取所述设备动作指令下发记录对应的物理设备执行反馈状态，并在确认所述物理设备执行成功后，提取预设评估时间窗口内所述特征事件的场景指标监测值；

22、若所述场景指标监测值在所述预设评估时间窗口内满足预设的事件消除阈值或稳态恢复条件，则判定为协同调度成功，并将存在时序关联的所述初始触发记录、所述设备动作指令下发记录连同对应的发生区域与时段，提取为所述成功执行协同调度的闭环数据链。

23、可选的，所述基于所述共现频次与所述任务成功率联合计算出空间协同置信度，包括：

24、聚合在所述预设周期内所有包含相同历史发生区域、相同历史发生时段以及相同历史触发事件的业务日志，统计得到环境触发总频次；

25、计算所述业务四元组的所述共现频次与所述环境触发总频次的比值，得到所述历史执行动作在对应时空事件下的条件调用概率；

26、针对所述业务四元组中的所述历史执行动作，统计对应所述物理设备在下发指令后的有效响应次数，并计算所述有效响应次数与指令总下发次数的比值，得到所述任务成功率；

27、通过预设的加权融合策略计算所述条件调用概率与所述任务成功率的连乘积或加权和，并使用归一化函数将融合计算的结果映射至预设的置信区间，得到对应于所述业务四元组的所述空间协同置信度。

28、可选的，所述基于所述多维知识图谱以及所述实时数据流，通过大语言模型生成校园事件推理规则，包括：

29、解析所述实时数据流，提取当前触发事件的实时场景指标，并在所述多维知识图谱中映射激活相匹配的当前区域节点、当前时段节点与当前事件节点；

30、以激活的所述当前区域节点、所述当前时段节点以及所述当前事件节点为寻址起点，按照相连的映射边的特征权重由高到低的顺序遍历，提取预设跳数范围内的候选动作节点，以生成包含所述实时场景指标上下文的动态关联子图；

31、将所述动态关联子图内的拓扑结构与节点级属性信息序列化为图结构描述文本，并将所述图结构描述文本与所述实时数据流拼接封装为大语言模型结构化提示词；

32、将所述大语言模型结构化提示词输入至所述大语言模型，通过所述大语言模型基于所述图结构描述文本中的权重分布执行逻辑推断，输出匹配度最高的所述目标动作及其对应的设备执行参数，以生成所述校园事件推理规则。

33、可选的，在所述根据所述校园事件推理规则，控制所述目标区域内的物理设备在所述目标时段触发所述目标动作，以加载并执行与所述目标事件对应的处置算法之后，所述方法还包括：

34、通过部署于所述目标区域的物联网传感器，采集所述物理设备在执行所述处置算法后的连续环境监测值序列；

35、判定所述连续环境监测值序列在预设观测周期内的波动曲线是否收敛于所述目标事件的平息阈值；

36、若未收敛于所述平息阈值，则判定当前推理规则不适用，在所述多维知识图谱中根据衰减惩罚系数降低所述当前区域节点、当前时段节点、当前事件节点与所述目标动作节点之间对应映射边的特征权重；

37、若收敛于所述平息阈值，则判定当前推理规则有效，在所述多维知识图谱中根据正向强化系数提升相对应映射边的特征权重，以实现供大语言模型推理底座的自适应迭代更新。

38、第二方面，本发明实施例还提供一种校园事件推理装置，所述校园事件推理装置包括：

39、获取模块，用于获取目标校园的多维知识图谱以及实时数据流，所述多维知识图谱的本体结构至少包括区域节点、时段节点、事件节点以及动作节点；

40、生成模块，用于基于所述多维知识图谱以及所述实时数据流，通过大语言模型生成校园事件推理规则，所述校园事件推理规则包括目标区域、目标时段、目标事件以及与所述目标事件对应的目标动作；

41、执行模块，用于根据所述校园事件推理规则，控制所述目标区域内的物理设备在所述目标时段触发所述目标动作，以加载并执行与所述目标事件对应的处置算法。

42、第三方面，本发明实施例提供一种电子设备，包括：存储器、处理器及存储在所述存储器上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本发明实施例提供的校园事件推理方法中的步骤。

43、第四方面，本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现发明实施例提供的校园事件推理方法中的步骤。

44、本发明实施例中，获取目标校园的多维知识图谱以及实时数据流，多维知识图谱的本体结构至少包括区域节点、时段节点、事件节点以及动作节点；基于多维知识图谱以及实时数据流，通过大语言模型生成校园事件推理规则，校园事件推理规则包括目标区域、目标时段、目标事件以及与目标事件对应的目标动作；根据校园事件推理规则，控制目标区域内的物理设备在目标时段触发目标动作，以加载并执行与目标事件对应的处置算法。本发明通过大语言模型根据目标校园的多维知识图谱以及实时数据流，生成校园事件推理规则，并根据校园事件推理规则，控制目标区域内的物理设备在目标时段触发目标动作，以加载并执行与目标事件对应的处置算法，解决了现有方案存在无法捕捉校园环境中区域、时段、事件与动作之间复杂关联的校园动态规律，导致事件处置规则覆盖不全、适应性差、难以应对动态变化的校园场景的问题。

45、本技术的其它有益效果将在随后的具体实施方式部分予以详细说明。