物联网设备的接入资源调整方法、装置和电子设备与流程
本技术涉及物联网领域,具体而言,涉及一种物联网设备的接入资源调整方法、装置和电子设备。
背景技术:
1、物联网设备通常通过长连接与服务器保持通信,以便实现设备状态上报、指令下发和数据交互等功能。服务器通常预先配置固定数量的长连接资源来维持与物联网设备之间的长连接。
2、以换电柜及配套电池设备为例,大规模部署的换电柜网络中,换电柜设备的数量和电池设备的数量可能达到数万甚至数十万台。相关技术中,服务器预先配置的固定数量连接资源通常按照最大并发连接数进行设定,用以保证各个物联网设备在任意时刻均能够接入服务器。
3、然而,在实际运行过程中,由于换电柜设备和电池设备的接入和断开受多种因素影响,各个物联网设备实际接入服务器的数量随时间发生变化。在相关技术中,服务器根据预先配置的固定数量连接资源来维持物联网设备的长连接,在连接请求数量低于连接资源容量时服务器存在连接资源冗余,在连接请求数量高于连接资源容量时服务器出现连接请求无法接入的情况,导致的算力资源利用率低。
4、针对上述问题,目前尚未提出有效的解决方案。
技术实现思路
1、本技术实施例提供了一种物联网设备的接入资源调整方法、装置和电子设备,以至少解决现有技术中因无法预知物联网设备未来长连接需求而只能被动维持固定数量连接资源,所导致的算力资源利用率低的技术问题。
2、根据本技术实施例的一个方面,提供了一种物联网设备的接入资源调整方法,包括:获取物联网设备的历史长连接数量统计数据;根据历史长连接数量统计数据,通过经过训练的长连接数量预测ai模型,确定待预测时间段的长连接预测数量;获取待预测时间段对应的变量因子;根据变量因子对长连接预测数量进行修正,得到修正后的长连接预测数量,并根据修正后的长连接预测数量对连接资源执行动态调整。
3、示例性地,获取物联网设备的历史长连接数量统计数据,包括:获取第一维度数据,其中,第一维度数据包括当前时间点之前的预设时间段内各个换电柜的长连接数量和各个电池设备的长连接数量;获取第二维度数据,其中,第二维度数据包括与待预测时间段相对应的同期历史换电柜长连接数量和同期历史电池设备长连接数量;将第一维度数据和第二维度数据共同构成物联网设备的历史长连接数量统计数据。
4、示例性地,长连接数量预测ai模型为改进的transformer模型;其中,根据历史长连接数量统计数据,通过经过训练的长连接数量预测ai模型,确定待预测时间段的长连接预测数量,包括:获取各个换电柜在当前时间点之前的预设时间段内的长连接数量,作为第一特征;获取各个电池设备在当前时间点之前的预设时间段内的长连接数量,作为第二特征;获取与待预测时间段相对应的同期历史换电柜长连接数量,作为第三特征;获取与待预测时间段相对应的同期历史电池设备长连接数量,作为第四特征;基于换电柜设备集合和电池设备集合的长连接数量序列构建时间维度关联矩阵;根据时间维度关联矩阵、第一特征、第二特征、第三特征以及第四特征,融合得到融合特征;将融合特征输入至transformer模型,并将transformer模型的输出作为待预测时间段的长连接预测数量。
5、示例性地,transformer模型的编码器阶段引入时间位置编码增强时序感知能力,包括:获取时间步位置参数、模型维度参数以及维度索引参数,其中,时间步位置参数表示待预测时间点在时间序列中的位置序号,模型维度参数表示transformer模型的嵌入向量的维度,维度索引参数表示嵌入向量的维度序号;根据时间步位置参数、模型维度参数以及维度索引参数确定偶数维度的位置编码值和奇数维度的位置编码值;将偶数维度的位置编码值和奇数维度的位置编码值共同构成时间位置编码。
6、示例性地,变量因子包括环境感知因子、业务权重因子以及设备类型指示函数;其中,环境感知因子用于表征天气、节假日信息及地理围栏对长连接数量的影响程度,业务权重因子用于表征设备类型在连接资源调整中的保护优先级,设备类型指示函数用于表征物联网设备在待预测时间段内的在线状态或离线状态;其中,根据变量因子对长连接预测数量进行修正,包括:获取长连接预测数量、环境感知因子、业务权重因子以及设备类型指示函数;根据长连接预测数量、环境感知因子、业务权重因子以及设备类型指示函数确定修正后的长连接预测数量,其中,业务权重因子根据设备类型设定,设备类型包括换电柜和电池设备,换电柜的业务权重因子与电池设备的业务权重因子不同。
7、示例性地,环境感知因子通过如下方式获取:获取原始环境数据,其中,原始环境数据包括天气数据、节假日信息、目标事件信息以及地理围栏数据;对原始环境数据进行特征编码,包括:对天气数据进行归一化处理、对节假日信息及目标事件信息进行独热编码;将编码后的天气数据、节假日信息、目标事件信息以及地理围栏数据合并为环境特征向量;将环境特征向量输入至经过训练的lstm模型,并将lstm模型的输出作为环境感知因子,其中,环境感知因子至少包括时效性衰减项,时效性衰减项用于控制天气数据、节假日信息及目标事件信息对环境感知因子的影响随时间衰减的速率。
8、示例性地,根据修正后的长连接预测数量对连接资源执行动态调整,包括:获取当前空闲连接数、修正后的长连接预测数量、预设长连接阈值、比例调节强度、非线性调整系数以及偏差敏感指数,其中,当前空闲连接数表示当前时刻长连接通信连接池中的空闲连接的数量,预设长连接阈值表示预设的用于判定连接资源是否充足的长连接数量临界值,比例调节强度表示用于控制连接池调整幅度的比例系数,非线性调整系数表示用于增强突发流量响应能力的非线性扰动强度,偏差敏感指数表示对预测偏差的敏感程度;获取当前最大连接数,其中,当前最大连接数表示当前时刻长连接通信连接池允许的最大连接总量;根据当前空闲连接数、修正后的长连接预测数量、预设长连接阈值、比例调节强度、非线性调整系数以及偏差敏感指数确定新的空闲连接数;根据当前最大连接数和修正后的长连接预测数量确定新的最大连接数。
9、示例性地,该方法还包括:获取每个换电柜的预设信息发送周期和接入时间;以预设分组时间周期为周期,根据每个换电柜的接入时间对所有换电柜进行分组,得到至少一个换电柜组,其中,同一换电柜组中的任意两个换电柜的接入时间之差均小于预设分组时间周期;针对每个换电柜组,获取该换电柜组中每个换电柜的报警历史记录,根据报警历史记录选取自有报警历史记录以来没有出现过任何报警的换电柜,作为该换电柜组的备选调整对象;将基于每个换电柜组选取的备选调整对象加入备选调整对象集合;在预测到待预测时间段出现长连接请求数量与当前长连接数量之和超过预设阈值的情况下,从备选调整对象集合中选取对象进行长连接调整。
10、示例性地,该方法还包括:获取每个电池设备的位置信息;选取位置信息在预设时长内没有变化的电池设备作为电池备选调整对象,并将电池备选调整对象加入备选调整对象集合;在预测到待预测时间段出现长连接请求数量与当前长连接数量之和超过预设阈值的情况下,优先从备选调整对象集合中选取换电柜进行长连接调整;若通过对换电柜的长连接调整后,长连接请求数量与当前长连接数量之和仍然超过预设阈值,则从备选调整对象集合中选取电池备选调整对象进行长连接调整,直至不超过预设阈值。
11、根据本技术实施例的另一方面,还提供了一种物联网设备的接入资源调整装置,包括:数据获取单元,用于获取物联网设备的历史长连接数量统计数据;预测处理单元,用于根据历史长连接数量统计数据,通过经过训练的长连接数量预测ai模型,确定待预测时间段的长连接预测数量;变量获取单元,用于获取待预测时间段对应的变量因子;修正处理单元,用于根据变量因子对长连接预测数量进行修正,得到修正后的长连接预测数量,并根据修正后的长连接预测数量对连接资源执行动态调整。
12、根据本技术实施例的另一方面,还提供了一种计算机可读存储介质,计算机可读存储介质中存储有计算机程序,其中,在计算机程序运行时,使得计算机可读存储介质所在设备执行上述的物联网设备的接入资源调整方法。
13、根据本技术实施例的另一方面,还提供了一种电子设备,包括一个或多个处理器和存储器,存储器用于存储一个或多个程序,其中,当一个或多个程序被一个或多个处理器执行时,使得一个或多个处理器执行上述的物联网设备的接入资源调整方法。
14、根据本技术实施例的另一方面,还提供了一种计算机程序产品,包括计算机程序或指令,计算机程序或指令在被处理器执行时实现上述的物联网设备的接入资源调整方法。
15、在本技术实施例中,获取物联网设备的历史长连接数量统计数据,可以通过该历史长连接数量统计数据了解长连接数量在历史运行过程中的分布情况,进而利用经过训练的长连接数量预测ai模型对该历史长连接数量统计数据进行处理,确定待预测时间段的长连接预测数量,由于该长连接预测数量是根据历史长连接数量统计数据确定的,因此该长连接预测数量可以反映待预测时间段的长连接需求情况,从而使系统可以提前获得待预测时间段的长连接需求信息,同时获取待预测时间段对应的变量因子对长连接预测数量进行修正,得到修正后的长连接预测数量,由于变量因子是与待预测时间段相关联的影响因素,通过变量因子对长连接预测数量进行修正可以获得更贴合实际连接需求的修正后的长连接预测数量,然后根据修正后的长连接预测数量对连接资源执行动态调整,由于修正后的长连接预测数量反映的是待预测时间段的实际连接需求情况,根据该修正后的长连接预测数量对连接资源执行动态调整,可以使连接资源与待预测时间段的实际连接需求相匹配,从而有利于减少因连接资源配置与实际连接需求之间的偏差所导致的算力资源利用率低的情况,进而解决了现有技术中因无法预知物联网设备未来长连接需求而只能被动维持固定数量连接资源,所导致的算力资源利用率低的技术问题。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com