基于云边融合架构的协同预警方法与装置与流程

本公开的实施例涉及云边协同分布式计算，具体涉及基于云边融合架构的协同预警方法与装置。

背景技术：

1、在工业安防、电力机房监管以及危化品仓储等危险场域分布式状态实时监测体系中，云边融合架构已成为大规模传感器网络部署的主流方式。边缘节点分散布设于煤矿井下采掘工作面、易燃易爆仓储库房或多域分散高危机房等物理现场一线，负责高频采集温度、可燃气体浓度、烟雾不透光度等多通道环境演进数据，经通信网络上行汇聚至中心云服务器集群。现有技术为追求高险情捕捉率，普遍依赖边缘全量高频采样并经由网关向云端不间断透传的模式。现有改进路径多倾向于在云端或边缘堆砌高复杂度的深度学习网络，试图依靠模型拟合能力对抗通道恶化。

2、然而，当采用上述方式时，经常会存在如下技术问题：

3、依赖边缘全量高频采样会导致分布式边缘节点面对高突发流数据时上行信道会发生拥堵并丢失关键同步数据。另外，经由网关向云端不间断透传往往伴随着通信线缆断裂、无线基站失能或井下供电中断，网络带宽呈现非线性断崖式衰减。现有改进路径会发生模型膨胀导致边缘算力过载，激增的中间张量数据反而加剧通信通道拥堵，陷入恶性循环。

技术实现思路

1、本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

2、本公开的一些实施例提出了基于云边融合架构的协同预警方法、装置、设备和介质，来解决以上背景技术部分提到的技术问题。

3、第一方面，本公开的一些实施例提供了一种基于云边融合架构的协同预警方法，该方法包括：对所采集的多通道环境状态采样数据序列进行预设顺序排列，以生成高维状态特征矩阵，其中，上述多通道环境状态采样数据序列为在监测现场以预设采样周期采集的不同通道的环境状态的实时采样数据；对上述高维状态特征矩阵进行预存投影算子映射，得到三维特征拓扑向量；根据预设固定步长的滑动时间窗口和上述三维特征拓扑向量，确定本地特征指标，其中，上述本地特征指标表征上述监测现场的当前环境状态的危险恶化加速度；响应于确定上述本地特征指标满足预设指标条件，向中心云服务器发送预设字节的非齐次状态事件包，其中，上述中心云服务器部署于上述监测现场；控制上述中心云服务器将接收的上述非齐次状态事件包导入上述中心云服务器内置的动态有向图谱数据结构，得到导入后动态有向图谱数据结构；根据上述非齐次状态事件包、上述导入后动态有向图谱数据结构和预设的动力学滞后时间窗口，确定离散控制整数标签；根据上述离散控制整数标签对应的比例系数，对上述非齐次状态事件包对应的预警门控线进行下调，得到下调预警门控线。

4、第二方面，本公开的一些实施例提供了一种基于云边融合架构的协同预警装置，装置包括：排列单元，被配置成对所采集的多通道环境状态采样数据序列进行预设顺序排列，以生成高维状态特征矩阵，其中，上述多通道环境状态采样数据序列为在监测现场以预设采样周期采集的不同通道的环境状态的实时采样数据；映射单元，被配置成对上述高维状态特征矩阵进行预存投影算子映射，得到三维特征拓扑向量；第一确定单元，被配置成根据预设固定步长的滑动时间窗口和上述三维特征拓扑向量，确定本地特征指标，其中，上述本地特征指标表征上述监测现场的当前环境状态的危险恶化加速度；发送单元，被配置成响应于确定上述本地特征指标满足预设指标条件，向中心云服务器发送预设字节的非齐次状态事件包，其中，上述中心云服务器部署于上述监测现场；导入单元，被配置成控制上述中心云服务器将接收的上述非齐次状态事件包导入上述中心云服务器内置的动态有向图谱数据结构，得到导入后动态有向图谱数据结构；第二确定单元，被配置成根据上述非齐次状态事件包、上述导入后动态有向图谱数据结构和预设的动力学滞后时间窗口，确定离散控制整数标签；下调单元，被配置成根据上述离散控制整数标签对应的比例系数，对上述非齐次状态事件包对应的预警门控线进行下调，得到下调预警门控线。

5、第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。

6、第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。

7、本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的基于云边融合架构的协同预警方法，降低了上行信道发生拥堵并丢失关键同步数据的概率，减轻了边缘算力过载的程度。具体来说，存在如下技术问题：依赖边缘全量高频采样会导致分布式边缘节点面对高突发流数据时上行信道会发生拥堵并丢失关键同步数据。另外，经由网关向云端不间断透传往往伴随着通信线缆断裂、无线基站失能或井下供电中断，网络带宽呈现非线性断崖式衰减。现有改进路径会发生模型膨胀导致边缘算力过载，激增的中间张量数据反而加剧通信通道拥堵，陷入恶性循环。为了解决该技术问题，本公开的一些实施例的基于云边融合架构的协同预警方法，首先，对所采集的多通道环境状态采样数据序列进行预设顺序排列，以生成高维状态特征矩阵，其中，上述多通道环境状态采样数据序列为在监测现场以预设采样周期采集的不同通道的环境状态的实时采样数据。由此，可以得到高维状态特征矩阵以将所采集的复杂的多通道环境状态采样数据序列进行矩阵表示。然后，对上述高维状态特征矩阵进行预存投影算子映射，得到三维特征拓扑向量。由此，可以得到三维特征拓扑向量，降低分布式边缘节点面对高突发流数据时上行信道会发生拥堵并丢失关键同步数据的概率。接着，根据预设固定步长的滑动时间窗口和上述三维特征拓扑向量，确定本地特征指标，其中，上述本地特征指标表征上述监测现场的当前环境状态的危险恶化加速度。由此，可以知道上述监测现场的当前环境状态。之后，响应于确定上述本地特征指标满足预设指标条件，向中心云服务器发送预设字节的非齐次状态事件包，其中，上述中心云服务器部署于上述监测现场。由此，可以得到64字节的非齐次状态事件包。然后，控制上述中心云服务器将接收的上述非齐次状态事件包导入上述中心云服务器内置的动态有向图谱数据结构，得到导入后动态有向图谱数据结构。由此，可以通过上述中心云服务器内置的动态有向图谱数据结构，避免通信线缆断裂、无线基站失能或井下供电中断，网络带宽呈现非线性断崖式衰减。其次，根据上述非齐次状态事件包、上述导入后动态有向图谱数据结构和预设的动力学滞后时间窗口，确定离散控制整数标签。由此，可以减轻边缘算力过载的程度。最后，根据上述离散控制整数标签对应的比例系数，对上述非齐次状态事件包对应的预警门控线进行下调，得到下调预警门控线。因此，降低了上行信道发生拥堵并丢失关键同步数据的概率，减轻了边缘算力过载的程度。

1.一种基于云边融合架构的协同预警方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述对所述高维状态特征矩阵进行预存投影算子映射，得到三维特征拓扑向量，包括：

3.根据权利要求1所述的方法，其特征在于，所述根据预设固定步长的滑动时间窗口和所述三维特征拓扑向量，确定本地特征指标，包括：

4.根据权利要求1所述的方法，其特征在于，所述根据所述非齐次状态事件包、所述导入后动态有向图谱数据结构和预设的动力学滞后时间窗口，确定离散控制整数标签，包括：

5.根据权利要求1所述的方法，其特征在于，所述根据所述离散控制整数标签对应的比例系数，对所述非齐次状态事件包对应的预警门控线进行下调，得到下调预警门控线，包括：

6.一种基于云边融合架构的协同预警装置，其特征在于，包括：

7.一种电子设备，其特征在于，包括：

8.一种计算机可读介质，其特征在于，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1至5中任一所述的方法。