一种融合物联网数据的智能信息管理与服务推送系统的制作方法

本发明属于信息，具体涉及一种融合物联网数据的智能信息管理与服务推送系统。

背景技术：

1、随着信息技术与工业化进程的深度融合，物联网（internet of things, iot）已演进为支撑现代社会高效运转的关键基础设施。在智能工厂、智慧安防、电力巡检以及环境监测等多元化应用领域，海量异构传感器的广泛布设催生了呈几何倍数增长的实时数据流，然而，随着相关技术的持续发展以及应用场景对性能指标提出更为严苛的要求，上述基于全量数据上报的中心化技术方案在原理层面的一些固有特性，使其在应对复杂多变的工业级或安全级应用时逐渐显现出深层次的技术矛盾。具体而言，首先是数据语义的缺失与通信带宽的低效占用之间的矛盾。现有的透传机制往往忽略了数据在时间维度上的关联性与冗余性，海量如温湿度微小波动、静态图像等重复性、无价值的原始数据持续占据了宝贵的网络带宽资源。这种“重数据、轻语义”的传输模式，在传感器节点规模爆炸式增长的背景下，极易导致中央服务器发生信道拥塞与处理瓶颈，造成严重的计算与存储资源浪费。

2、更为关键的是，这种架构在实时性与确定性之间存在着难以逾越的理论瓶颈。由于控制逻辑完全依赖于云端反馈，指令在边缘侧与云端之间的往返过程不可避免地受到物理距离、路由跳数及网络抖动的影响。在面对诸如工业自动化中的紧急停机或安防领域中的火灾预警等强实时联动需求时，毫秒级的网络延迟或抖动往往会导致执行机构无法在第一时间做出响应，从而引发不可估量的安全隐患。在此基础上，系统的整体可靠性表现出对广域网络连接的强依赖性。一旦边缘侧与云端的通信链路发生物理中断或服务故障，处于边缘侧的感知与执行系统将瞬间丧失逻辑处理能力，沦为无法自主运作的信息孤岛。这种由于“逻辑重心过高”而导致的系统脆弱性，在极端环境或高敏感行业中是难以接受的因此，当前行业亟需一种融合物联网数据的智能信息管理与服务推送系统。

技术实现思路

1、本发明提供一种融合物联网数据的智能信息管理与服务推送系统，用以解决现有技术中由于物联网数据全量上报云端所导致的响应延迟高、带宽资源浪费以及在网络中断状态下系统联动逻辑失效的技术问题。

2、为实现上述目的，本发明采用以下技术方案：

3、一种融合物联网数据的智能信息管理与服务推送系统，其特征在于，包括多协议适配模块、边缘语义处理器、本地规则引擎以及异步通信网关。

4、所述多协议适配模块设置于边缘侧计算节点，通过物理接口电路接入多种不同通信协议的异构传感器数据。所述物理接口电路包括但不限于rs485总线接口、以太网接口、射频收发单元及图像采集接口。所述多协议适配模块内置协议解析层，所述协议解析层配置有针对modbus rtu、zigbee、nb-iot、onvif及私有自定义协议的解析算子。所述多协议适配模块在获取原始物理信号后，通过相应的解析算子提取数据载荷，并将所述数据载荷封装为具有统一数据结构的设备状态对象。所述设备状态对象包含设备唯一标识符、数据时间戳、物理量类型编码、数值字段及质量状态位。通过所述统一数据结构的封装，屏蔽了底层硬件协议的差异性，为后续的语义化处理提供标准化的数据源。

5、所述边缘语义处理器与所述多协议适配模块实现数据连接，用于接收所述设备状态对象并进行实时语义分析。所述边缘语义处理器内部集成有时域特征提取单元和差分增量生成单元。所述时域特征提取单元采用滑动窗口算法对连续输入的设备状态对象进行时序分析，通过计算窗口内数值的一阶导数及二阶导数，识别数据变化的趋势特征。当所述趋势特征满足预设的语义阈值条件时，所述时域特征提取单元生成对应的语义事件，所述语义事件代表了从原始数值中抽象出的业务逻辑状态，例如“数值异常突变”或“设备运行状态迁移”。所述差分增量生成单元则将当前采集的设备状态对象与上一时刻同步至云端的基准数据进行比对，仅当二者之差的绝对值超过预设的死区范围时，生成差分增量数据。所述死区范围根据传感器的精度等级及业务容忍度进行动态配置。通过语义事件的识别与差分增量的生成，实现了数据在源头的特征提取与冗余去除，大幅度压缩了待传输的数据体量。

6、所述本地规则引擎与所述边缘语义处理器进行逻辑耦合，其内部预置有本地联动策略库。所述本地联动策略库由多条基于布尔逻辑组合的控制规则组成，每条控制规则定义了特定的语义事件集合与执行机构动作之间的映射关系。所述本地规则引擎实时监听所述边缘语义处理器输出的语义事件，当检测到输入的语义事件组合满足所述本地联动策略库中的触发条件时，所述本地规则引擎直接生成控制指令，并通过本地控制总线发送至相应的执行机构，实现毫秒级的闭环联动响应。该联动过程完全在边缘侧计算节点内部完成，不依赖于广域网连接及云端服务器的逻辑判断，确保了在断网状态下的系统运行可靠性。

7、所述异步通信网关分别与所述边缘语义处理器及远程云端服务器建立通信链路。所述异步通信网关采用异步传输协议，负责将所述差分增量数据及高优先级的语义事件同步至所述云端服务器。所述异步通信网关内部设有非易失性缓存队列，当检测到网络连接异常时，自动将待发送的数据存入所述非易失性缓存队列；当网络连接恢复后，通过断点续传机制完成数据补偿同步。同时，所述异步通信网关还用于接收由所述云端服务器下发的全局优化参数，所述全局优化参数由云端服务器基于全量历史数据的深度学习模型计算得出，用于动态更新所述本地规则引擎中的本地联动策略库以及所述边缘语义处理器中的语义识别阈值。

8、作为本发明的一种优选实施方式，所述多协议适配模块在封装设备状态对象时，还执行数据清洗程序。所述数据清洗程序包括对原始采样数据进行限幅滤波及中值滤波处理，以剔除由电磁干扰引起的瞬态噪声。所述限幅滤波通过比较当前采样值与前一次有效采样值的差值，当差值超过最大允许变位速率时，判定当前采样值为异常值并予以舍弃，以保证输入至边缘语义处理器的数据具备物理意义上的连续性与真实性。

9、进一步地，所述边缘语义处理器中的时域特征提取单元在识别语义事件时，采用加权移动平均算法对滑动窗口内的数据进行平滑处理。所述平滑处理后的数据通过预设的逻辑判定矩阵进行分类。所述逻辑判定矩阵定义了多个维度的判定准则，包括数值绝对阈值、数值变化率阈值以及持续时间阈值。只有当上述多个维度的判定准则同时满足时，方判定为有效语义事件。这种多维度联合判定的机制有效避免了单一阈值触发带来的误报问题，增强了语义识别的准确度。

10、进一步地，所述差分增量生成单元采用基于哈希校验的数据一致性算法。所述差分增量生成单元对当前设备状态对象的关键字段进行哈希计算，并与本地保存的最近一次同步后的哈希值进行对比。若哈希值未发生改变，则判定当前数据为冗余重复数据，不予上报；若哈希值发生改变，则进一步计算数值偏差。这种双重校验机制确保了数据传输的极度精简，将非必要的数据传输量降低至最低水平。

11、作为本发明的一种优选实施方式，所述本地规则引擎支持多优先级调度机制。所述本地联动策略库中的规则被赋予不同的优先级权重。当多个语义事件触发了相互冲突的控制规则时，所述本地规则引擎根据优先级权重执行高优先级规则，并对低优先级规则产生的指令进行冲突消解或延时执行。例如，在安全防御场景中，火灾预警事件关联的联动规则被赋予最高优先级，其执行顺序优于环境温湿度调节相关的常规逻辑，确保了系统在紧急状态下的响应确定性。

12、进一步地，所述本地规则引擎还包含反馈校验单元。所述反馈校验单元在发送控制指令后，启动定时监测任务，通过所述多协议适配模块实时获取执行机构的状态反馈。若在预设的超时时间内未检测到预期的状态变更，所述反馈校验单元判定联动执行失败，并立即生成联动异常语义事件，通过异步通信网关上报至云端服务器进行告警，同时启动本地预设的故障安全模式。

13、进一步地，所述异步通信网关在数据传输过程中采用自适应压缩算法。根据当前网络带宽的实时评估结果，所述异步通信网关动态调整压缩率。在网络带宽受限的情况下，启动高压缩比的算法以保证语义事件等关键信息的实时上报；在网络带宽充裕的情况下，则采用无损压缩或降低压缩比例，以保留更多的细节数据供云端进行精细化分析。这种带宽感知的传输机制实现了通信资源的最优分配。

14、作为本发明的一种优选实施方式，所述远程云端服务器在接收到差分增量数据后，通过增量还原算法重建完整的时序数据库。所述云端服务器部署有全局智能分析引擎，该引擎对来自多个边缘侧计算节点的汇总数据进行跨区域、跨维度的关联分析。基于关联分析的结果，云端服务器能够识别出边缘侧无法察觉的系统级风险或潜在的能效优化空间，从而生成所述全局优化参数。所述全局优化参数通过异步通信网关反馈至边缘侧，实现了云端算力与边缘执行的闭环协同。

15、进一步地，所述服务推送系统还包括移动终端感知接口。所述云端服务器在识别到关键语义事件后，根据预设的用户订阅逻辑，通过所述移动终端感知接口向关联的用户设备推送结构化的服务通知。所述结构化的服务通知不仅包含报警或状态描述信息，还包含对应的联动执行结果以及由云端生成的处置建议。

16、本发明的有益效果体现在：

17、第一，实现了极低延迟的联动响应。由于核心控制逻辑被下沉至边缘侧的本地规则引擎执行，传感器数据无需经过广域网往返云端即可完成从感知到执行的闭环。在工业控制或安防预警等场景下，系统的联动响应速度从秒级提升至毫秒级，极大地提高了系统的实时性与安全性。

18、第二，显著降低了网络带宽消耗。通过边缘语义处理器的语义化提炼以及差分增量生成机制，系统过滤了海量的重复、无效原始数据。在保持对物理世界状态有效监控的前提下，非必要的数据传输量减少了70%以上，有效缓解了物联网大规模接入对骨干网络及云端服务器造成的带宽压力。

19、第三，具备极高的系统鲁棒性与可靠性。由于本地规则引擎拥有完整的本地联动策略库，系统在与云端服务器断开连接的离线状态下，依然能够维持基础的监控管理与安防联动逻辑，避免了传统云端中心化架构下因网络波动或服务器故障导致的系统瘫痪风险。

20、第四，实现了边缘智能与云端全局优化的协同。系统利用边缘侧处理实时性逻辑，利用云端处理大数据分析与策略优化。通过异步通信网关的参数下发机制，使得边缘侧的本地联动策略能够随着环境变化及运行经验的积累而不断进化，实现了真正意义上的分布式智能管理。

21、综上所述，本发明通过多协议适配、边缘语义处理、本地自主联动以及云边异步协同的架构设计，成功构建了一个高效、可靠、智能的物联网数据管理与服务推送体系，为复杂环境下的大规模物联网应用提供了先进的技术支撑。

22、为了更清晰地说明本发明实施例的技术方案，下文将结合具体的实施场景对上述各模块的运行逻辑进行详尽的工程化描述。

23、在数据采集与初步处理阶段，多协议适配模块通过物理层的rs485接口、zigbee无线收发模组及以太网物理层芯片，实现对底层传感器节点的物理连接。在软件层面，协议解析层针对不同类型的传感器定义了标准化的解析驱动。例如，对于采用modbus rtu协议的温度传感器，多协议适配模块根据预设的寄存器地址映射表，周期性地向传感器发送读取指令，获取包含当前温度值的原始二进制报文。解析算子将该二进制报文根据协议规范转换为浮点型物理量。随后，清洗程序介入，通过下述数学逻辑进行预处理：设定当前采样值为，前一次有效采样值为

24、。若

25、其中为预设的最大允许变化阈值，则将判定为干扰噪声并执行，或取窗口均值替代。经过清洗后的数据被封装进统一格式的设备状态对象中，进入边缘语义处理器的处理队列。

26、在语义特征提取阶段，边缘语义处理器对输入的设备状态对象流进行实时扫描。以仓储安防场景为例，时域特征提取单元维护一个长度为的滑动窗口。对于窗口内的温度序列，提取单元计算平均变化率

27、

28、。若超过预设的突变阈值，且该趋势在连续个采样周期内保持稳定，则时域特征提取单元判定发生了“温度陡增事件”。同时，对于图像采集接口接入的onvif协议视频流，边缘语义处理器利用内置的轻量化深度学习模型进行移动侦测或目标识别。当识别到特定目标进入预设警戒区时，生成“非法入侵事件”。这些语义事件带有明确的业务含义，其信息密度远高于原始采样数据。

29、在本地联动执行阶段，本地规则引擎接收到“温度陡增事件”后，立即调取本地联动策略库进行逻辑比对。策略库中预存有复合逻辑规则，例如：若 (温度陡增事件 == )and (烟雾浓度超标事件 == )，则执行 (启动灭火阀门指令) and (开启紧急疏散广播)。由于该逻辑判断与指令下发均在边缘侧计算节点的内存中通过高速总线完成，无需经过任何公网路由，因此从事件触发到执行机构动作的总时延被严格控制在50毫秒以内。即使此时上行链路发生物理切断，本地规则引擎依然能根据当前感知的语义状态，确保灭火机构的准确触发，体现了极高的故障自愈性。

30、在云边协同与推送阶段，异步通信网关将“灭火阀门开启”这一关键状态变更包装为差分增量数据包。该数据包采用紧凑的序列化格式（如protocol buffers），通过mqtt协议的qos 1级别发送至云端服务器。云端推送引擎在接收到该语义包后，通过逻辑解析发现该事件属于“特级火警预警”级别，随即调取关联的管理员名册，通过移动终端感知接口向目标手机推送富媒体告警信息。该信息不仅实时显示了起火位置、当前温度曲线，还通过回显信息告知管理员“本地联动已成功开启，灭火阀门已就绪”。此过程中，云端不再承担低级的逻辑判断任务，而是专注于高层级的信息分发、历史追溯及全局资源调度。

31、进一步地，为了优化边缘侧的判别精度，云端服务器在后台利用长期积累的历史温湿度曲线与实际火灾案例数据，运行更复杂的长短期记忆神经网络（lstm）模型。通过模型训练，发现原本预设的存在过灵敏导致误报的可能，于是计算出新的优化参数。异步通信网关接收到该参数后，动态更新边缘语义处理器的配置寄存器，实现了系统性能的在线迭代。

32、本发明中涉及的设备状态对象，其具体的数据结构可定义为如下结构体：

33、struct devicestatusobject{

34、uint64_t device_id;//设备唯一标识

35、uint64_t timestamp;//毫秒级时间戳

36、uint16_t sensor_type;//物理量编码，如0x01代表温度

37、float physical_value;//经过清洗后的浮点型数值

38、uint8_t status_flag;//质量位，指示数据是否有效

39、uint32_t checksum;//数据校验码

40、};

41、对应的差分增量数据生成逻辑遵循以下算法：设定当前状态值为，本地基准值为。

42、当时，

43、生成增量数据；

44、更新本地基准值；

45、将压入待发送队列。

46、否则，判定为静默状态，不产生通信流量。其中为根据传感器量程动态调整的比例因子。

47、本发明的本地联动策略库采用规则描述语言进行构建，其核心规则逻辑可表示为：

48、rule id:r001

49、priority:0(highest)

50、condition:(ev_temp_rise>3.0 deg/s)&&(ev_smoke_conc>500ppm)

51、action:do_actuator_on(valve_id_01);do_notify_cloud(event_fire_alarm);

52、feedback: check_actuator_status(valve_id_01, state_opened, timeout_2s);

53、这种结构化的规则定义使得本地规则引擎能够以极高的计算效率进行逻辑遍历与冲突检测。

54、通过上述精密设计的模块协同，本发明在保障物联网系统高度智能化的同时，攻克了实时性与可靠性之间的技术壁垒，为关键领域的数字化转型提供了稳健的技术底座。