ICU多设备语义互操作的数据传输系统及方法与流程

本公开涉及医药领域的通信技术领域，尤其涉及一种ICU多设备语义互操作的数据传输系统及方法。

背景技术

随着云计算、大数据、物联网、5G、AI的新一代ICT技术的发展，万物互联的技术已然成熟并逐步深入到各行各业，驱动着各个行业进行数字化转型。医疗物联网给医疗行业带来了前所未有的挑战，技术更新产业发展给智慧医院和智慧服务带来前所未有的机遇。

医疗物联网(Internet of Medical Things:IoMT)是通过感知和通信技术，将各类传感器、医疗设备、智能化装备与医院信息系统联接在一起，支持医疗服务、医院运营过程中的数据采集、传输、处理、存储和分析应用，从而实现医疗场景中万物互联、万物交互的智能物联网系统。在智慧医院中，IoMT实现任何时间、任何地点、任何要素的互联互通，满足医疗智慧化的应用发展。

医疗物联网最大的挑战是海量的医疗设备联网络问题，在医疗设备/传感器与网络之间存在巨大的断层。

其一，现有的大量的医疗物联网仪器和设备设计之初并没有考虑联网场景，只是作为单一的检查、检验设备使用，这些设备往往都不具备联网能力，而仅仅具备打印接口、调试接口。通常数据的获取方式是由医护人员手工录入到电子病历系统中。现有一些实现方式，通过RS232转RJ45的转接线方式接入，但是由于RS232本身没有统一的安全管控机制，也会给医院内网安全带来巨大的安全风险。

其二：医疗终端和传感器通信方式各异，如有线的RS232、RS485、RJ45等，无线的Wi-Fi、RFID、BLE、蓝牙、Zigbee、LoRa等；很难通过统一的方式接入网络。而不同的传感器由于场景不同，厂家也多在不同通信基础上自定义了部分通信机制，导致统一接入更加困难，只能通过不同的网关接入，存在不同的蓝牙传感器接不同的蓝牙网关的情况，造成多张小网并存，信息交互困难，形成孤岛。

其三：医疗设备的没有统一物联接口标准，每个设备有各自的API或者协议接口，如HL7、Benelink、私有协议等，故从医疗设备获取数据的接口协议各不相同。因此，上层应用需要通过设备厂家的特定的接口协议才能设备交互，才能从设备获取到相应的数据。因为这些非标的接口协议限制，在医疗设备和应用之间树立了一道屏障，使得应用与设备之间难以进行互联互通。同时，这些设备的协议接口支持的安全认证能力各不相同，从设备输出的数据流量在没有经过语义解析确认安全的情况下，直接转发到数据中心的应用，也会给整网安全带来风险。

另外，由于计算资源有限，物联网设备通常依赖云托管的流处理集中平台来执行复杂的分析处理，如过滤、聚合、分类、模式检测和预测。这种远程数据处理会导致关键问题，如连接丢失、高响应时间和集中式计算系统的开销。针对这种情况，业界提出了边缘计算的概念，但是由于物联网设备硬件架构异构，处理器、内存和通信能力有限，定制嵌入式软件的开发，技术和编程语言的多样化，导致边缘计算的应用并不是一个简单的问题。通过调研分析发现了几种将数据分析实时带到网络边缘的方法，将减少网络流量和网络延迟作为主要目标，将减少内存消耗、减少能源使用、数据分类和恢复不完整的数据系列作为次要目标。最常用的技术是模式识别，异常值检测和预测。这些工作的一个共同特点是，流程手工定制，而不是使用标准的开发框架或API(应用程序编程接口)。

技术实现要素：

为克服相关技术中存在的问题，本公开提供一种ICU多设备语义互操作的数据传输系统及方法。

本发明为解决上述技术问题所采用的技术方案是：

一种ICU多设备语义互操作的数据传输系统，包括：

数据采集层，用于采集各类医疗设备和传感器上传的数据；

数据转换层，用于对上传的各类格式数据进行解析和提取，并以标准格式组织，将标准格式化后的数据上传至边缘计算层；

边缘计算层，用于对所述医疗设备上传的标准格式数据进行二次加工，将产生的额外必要数据附加到原始数据包中上传至云端存储层；

云端存储层，用于存储所述边缘计算层发送的数据包。

一些实施例中，所述步边缘计算层包括：

数据处理层，用于通过数据清洗、预聚合和数据统计对数据转换层生成标准格式的JSON/XML数据进行处理；

本体建模层，通过多设备语义操作本体生成的互联网知识图谱进行语义建模；

本体应用层，基于训练的语义模型构建边缘端智能应用，所述边缘端智能应用具备决策支持、监测预警、知识推理和模式挖掘的功能；

数据增强层，用于将所述数据处理层、所述本体建模层以及所述本体应用层产生的额外的必要数据附加到原始数据包中上，并与所述云端存储层通信。

一些实施例中，所述本体建模层包括：

数据流获取层，用于完成对输入JSON/XML数据流的缓存；

本体映射层，用于将缓存的JSON/XML数据流映射到本体架构上，通过受控术语集构建多设备语义操作本体；

语义标注层，用于将JSON/XML数据流转换为符合本体定义的RDF语义数据流以及将多设备及其属性转化为互联网知识图谱；

数据入库层，用于将产生的RDF语义数据流存入到RDF数据库中。

一些实施例中，所述本体架构包括概念定义、属性定义、关系定义。

一些实施例中，所述受控术语集包含通过控制所用词汇含义并跟踪相关词的方法形成的词表。

一些实施例中，所述数据转换层包括：

数据解析器，用于对数据采集层采集的各类数据格式进行解析和提取。

本发明实施例提供了一种ICU多设备语义互操作的数据传输方法，包括以下步骤：

1)对医疗设备和传感器进行访问，采集各种格式的数据信息；

2)将采集的不同格式的数据信息转化为标准格式的数据信息；

3)将标准格式的数据信息通过数据处理层、本体建模层、本体应用层进行处理，通过数据增强层将处理后产生的额外数据信息加入到原始数据包中形成二次数据包；

4)将所述二次数据包发送至云端存储层进行保存。

在一些实施例中，将标准格式的数据信息通过数据处理层、本体建模层、本体应用层进行处理，通过数据增强层将处理后产生的额外数据信息加入到原始数据包中形成二次数据包，包括：

通过数据处理层对所述标准格式的数据信息进行数据清洗；

通过本体建模层、本体应用层将输入的所述标准格式的数据信息进行数据推理；

通过数据增强层将推理产生的额外数据信息加入到原始数据包中形成二次数据包。

本发明实施例提供了一种非临时性计算机可读存储介质，当所述存储介质中的指令由移动终端的处理器执行时，使得移动终端能够执行如上述所述的ICU多设备语义互操作的数据传输方法。

本发明实施例提供一种计算机程序产品，当所述计算机程序产品中的指令由移动终端的处理器执行时，使得移动终端能够执行如上述所述的ICU多设备语义互操作的数据传输方法。

本发明实施例，具有以下有益效果：

本发明提出ICU多设备语义互操作的数据传输系统及方法，通过共享的、明确的、机器可理解的词汇实现语义互操作，以开放格式表达共享和重用的知识，以统一的顶层本体架构和标准化术语实现多设备交互。且通过本体映射可以将医疗物联网设备映射到基于本体的知识图谱上去，还可以动态演化以适应新的上下文或用法，并实现联合智能推理。且通过边缘计算技术将一些计算进程移近数据源，通过将流程结果和一些原始数据发送到远程云数据中心，从而有效的减少延迟、降低能耗、降低成本、减少网络拥塞和响应时间。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

图1是根据一示例性实施例示出的ICU多设备语义互操作的数据传输系统的框架图。

图2是根据一示例性实施例示出的ICU多设备语义互操作的本体架构示意图。

图3是根据一示例性实施例示出的ICU多设备语义互操作的本体架构实例化示意图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。

图1是根据一示例性实施例示出的一种ICU多设备语义互操作的数据传输系统的框架图，ICU多设备语义互操作的数据传输系统具体包括：

数据采集层，用于采集各类医疗设备和传感器上传的数据。

具体的，在进行具体应用时，是通过系统中的数据采集层来采集多个设备的数据。数据采集层目前支持400多个型号生命支持类临床设备的接入，涵盖设备种类包括：监护仪、呼吸机、输液泵、血液透析机、麻醉机，婴儿恒温箱等。结合图1，即可采集设备A、设备B、设备C、设备D中的数据。

结合具体实施例，数据采集层的功能包括：

1、监护仪数据采集能力

按照指定频率采集监护仪的生命体征数据(心率、血氧、体温、血压、呼吸率、脉搏等)，波形数据(心电波形、呼吸波形、脉搏率波形等)。

2、呼吸机数据采集能力

按照指定频率采集呼吸机生命体征数据(潮气量、呼吸末正压、分钟通气量、最大气道压力等)，波形数据(气道压力波、容积波、流速波)。

3、麻醉机数据采集能力

按照指定频率采集麻醉机生命体征数据(气道压力、吸入CO2、呼吸末CO2、潮气量等)，波形数据(气道压力波、容积波、流速波)。

4、同时多设备数据采集能力

每个采集终端最多支持同时连接4台设备数据采集。

5、多网络数据回传能力

支持通过LAN有线网络或WLAN无线网络进行上行数据回传。

6、系统日志记录与查阅能力

采集终端基于嵌入式Linux系统，具有可查阅的日志记录。

7、回传数据时间戳标记能力

数据传输包含时间戳，时间戳与服务器时钟同步。

8、下行以太网接口

10M以太网口，使用标准SCSI 14pin接口用于采集网口类型医疗设备数据。

9、下行RS-232串行接口

RS-232串口，与10M以太网口共用SCSI 14PIN接口用于采集串口类型医疗设备数据。

10、上行以太网接口

10/100M自适应以太网口，用于上传数据至边缘服务器。

11、设备即插即连能力

支持医疗设备即插即连，连接延时≤5s。

12、软件故障自动重启，故障恢复能力

支持故障自动重启、自动连接。

数据转换层，用于对上传的各类格式数据进行解析和提取，并以标准格式组织，将标准格式化后的数据上传至边缘计算层。

具体的，通过数据转换层将以RS-232标准接口(又称EIA RS-232)、传输控制协议(TCP，Transmission Control Protocol)、用户数据报协议(UDP，User Datagram Protocol)等传输通信协议采集的ASCII(American Standard Code for Information Interchange)、JSON(JavaScript Object Notation,JS对象简谱)、二进制等格式的数据转换成标准格式JSON/XML格式的数据，“/”代表意思为或。标准格式由包含属性“医疗设备id”、“数据”、“消息类型”、“消息序号”和“时间戳”的JSON/XML组成。数据转换层同时可以提供数据压缩传输能力。

在一些实施例中，数据转换层包括：数据解析器，用于对数据采集层采集的各类数据格式进行解析和提取。

具体的，数据转换层通过数据解析器对数据采集层采集的各类数据格式进行解析和提取。

边缘计算层，用于对所述医疗设备上传的标准格式数据进行二次加工，将产生的额外必要数据附加到原始数据包中上传至云端存储层。

具体的，对上述实施例中标准化后的JSON/XML数据进行二次转化结合，将产生的额外的必要数据附加到原始数据包中上传至云端存储层。

在一些实施例中，边缘计算层包括：

数据处理层，用于将数据转换层生成的JSON/XML数据，通过数据清洗、预聚合和数据统计进行数据的处理。

具体的，通过上述方式已经将多设备的不同数据转化为JSON/XML数据，但是数据依然比较庞大，可以通过数据清洗、预聚合和数据统计的方法对数据进行二次加工，数据清洗包括对空值或无效值进行处理、数据归一化、单位转换等方式。预聚合是将聚合函数应用于数据集，如最小值、最大值、总和、计数等，用于数据描述。数据统计是计算数据集的统计数据，如平均值、中位数、标准差、方差、偏斜度等，还可以使用时间或批量滑动窗口选择子集进行简单分析。

本体建模层，通过多设备语义操作本体生成的互联网知识图谱进行语义建模。

具体的，通过多设备语义操作本体生成的互联网知识图谱进行训练，获取训练后的语义模型。

在一些实施例中，本体建模层包括：

数据流获取层，用于完成对输入JSON/XML数据流的缓存。

具体的，用于缓存经过数据处理层处理后的JSON/XML数据。

本体映射层，用于将缓存的JSON/XML数据流映射到本体架构上，通过受控术语集构建多设备语义操作本体。

具体的，在完成本体架构和受控术语集的定义后，通过为每个设备分配一个全局唯一标识符，并开发程序进行自动对照转换。全局唯一标识符通常的做法是使用设备的URI。URI的标准定义如下:URI＝[域名]/[本地路径]/[autoId]。在本发明中，使用部署的应用程序的网络域名作为命名空间(例如，https://www.301hospital.com.cn)，物联网领域本体中设备的类名作为localpath(例如，呼吸机)，设备的序列号作为autoId(例如000F14049B143172)。因此，对于设备，其URI可以定义为：

URI＝https://www.301hospital.com.cn/iomt_ontology/device/monitor/id

类似地，其他主要实体类型的URI可以定义如下：

监测：https://www.301hospital.com.cn/iomt_ontology/observation/id

监测指标：https://www.301hospital.com.cn/iomt_ontology/device/monitor/CO2

监测对象：https://www.301hospital.com.cn/iomt_ontology/patient/id

监测者：https://www.301hospital.com.cn/iomt_ontology/doctor/id

监测结果：https://www.301hospital.com.cn/iomt_ontology/result/id

分配全局唯一标识符后，可以将生成的JSON格式的数据流映射到本体架构上，构建ICU多设备语义互操作本体。

在一些实施例中，本体架构包括概念定义、属性定义、关系定义。

具体的，在将生成的JSON/XML数据流映射到本体架构上之前，首先需要创建适合ICU多设备语义交互的本体架构结合具体实施例如如图2所示，它包括概念(语义类型)、属性、关系定义及其相互关联。在此本体中，设备类(Device)是通过设备提供监测(Observation)/执行(Actuation)来完成特定任务的事物类(Thing)的子类。监测可分为多种类型，包括体征监测(Sign_observation)、波形检测(Waveform_observation)等，一个监测可以具有监测指标(ObservableProperty)、监测的对象(Observation_object)、监测者(Observator)、监测结果(Result)、监测关联的检查项目(ObservationExamItem)等关联关系，监测指标的数据典型地描述了真实世界的某一方面(Aspect)(例如，波形、体征)，监测结果可以包括元数据(MetaData)(例如，单位、精度)。

进一步的，本体架构中概念定义包括：概念ID、URI、概念名称、别名、树状号、定义、链接、发布时间；属性定义包括：属性ID、URI、属性名称、别名、定义、适用语义类型、数据类型、链接、发布时间；关系定义包括：关系ID，URI、关系名称、树状号、定义、定义域ID、定义域、值域ID、值域、链接、发布时间。

结合具体实施例，通过监测对象(病人)的id号可以关联获取到HIS相关临床诊疗数据(病人基本信息、临床诊断、用药信息、检查化验结果信息等)，通过监测者(医务人员)可以获取到医护人员的相关信息，具体实例如图3所示。

通过此本体框架的设计，既可以实现不同协议标准设备之间的交互，也可以将临床信息系统中的数据和医务人员的数据连接起来进行关联分析。

在一些实施例中，受控术语集包含通过控制所用词汇含义并跟踪相关词的方法形成的词表。

具体的，在上述实施例创建完适合ICU多设备语义交互的本体架构后，再创建受控术语集。受控术语集是一种通过控制所用词汇含义并跟踪相关词的方法形成的词表，它构成了上述本体架构中语义类别的实例。通过规范数据内容和映射知识本体来实现方法、定义和结果的标准化。例如，设备类可以包含监护仪、呼吸机、麻醉机、输液泵等所研究的生命支持类设备；监护仪的监测数据服务可以包含有创动脉舒张压、有创动脉收缩压、呼吸频率、ETCO2(呼吸末C02)、吸入氧浓度、身高、心率等值变量作为监测指标；输液泵的打药服务以打药量为监测指标；方面类可以包含波形、血压、呼吸等某一方面监测内容。实例的定义包括实例ID、实例名称、英文名称、别称、定义、链接、语义类型、上位概念、树状号、发布时间等字段信息。

语义标注层，用于将JSON/XML数据流转换为符合本体定义的RDF语义数据流以及将多设备及其属性转化为互联网知识图谱。

具体的，根据本体映射关系，利用本体解析器处理物联网感知数据，获取相关的类型、属性、关系等信息，自动将JSON/XML数据流转换为符合本体定义的RDF语义数据流。通过映射规则，ICU多种生命支持类设备及其属性可以转化为互联网知识图谱，设备及设备之间的操作也转化为物联网知识图谱的操作，同时，来自于HIS的病人基本信息、临床诊断、用药信息、检查化验结果信息也纳入到本体框架内进行统一处理。

数据入库层，用于将产生的RDF语义数据流存入到RDF数据库中。

具体的，RDF语义数据流产生后，将其自动存入RDF数据库，并进行数据合法性验证。由于边端系统存储容量和处理速度的限制，边端RDF数据库存储的是指定时间段的数据，用来对当前一段时间内发生的各类情况进行及时的处理。

本体应用层，基于训练的语义模型构建边缘端智能应用，所述边缘端智能应用具备决策支持、监测预警、知识推理和模式挖掘的功能。

具体的，本体应用层构建边缘端智能应用。利用训练的语义模型对监测的数据进行实时查询和简单推理，可以实现轻量级的模式挖掘、预警监测等智能算法，为临床操作提供快速的决策支持能力。本发明使用基于语义网和关联数据应用程序的知识处理API通用框架实现对于基于RDF三元组的知识服务，使用标准SPARQL查询、创建、修改和删除物联网知识图中的节点和边，使用标准的RDF数据库存储三元组，使用基于语义网的规则推理机作为本体规则推理引擎。在互联网知识图谱数据上定义一系列的推理规则，通过规则推理机的推理过程得到潜在的知识，实现预警和决策支持。

结合具体实施例，使用Apache的Jena实现对于基于RDF三元组的知识服务。SPARQL端点是提供标准SPARQL服务的通用服务接入终端。通过SPARQL端点，可以查询、创建、修改和删除物联网知识图中的节点和边。Fuseki是SPARQL服务执行引擎，提供SPARQL状态的解析和执行。Jena规则推理机是一个本体规则推理机引擎，可以根据本体框架和领域本体中定义的规则来推断SPARQL的执行情况，Jena会自动识别潜在的关系。TDB是存储知识图的数据库，优化了RDF三元组的存储结构，提高了SPARQL服务在知识图查询中的效率。ICU设备将根据映射规则生成支持语义互操作的知识图谱，并将它们存储在部署在边缘端的TDB中。所有的查询、创建、修改和删除操作通过SPARQL端点操作知识图谱，并间接操作物联网设备。

在边缘端知识推理的一个实例中，发生机械通气预警事件肺活量<10ml/kg,通过对知识图谱的SPARQL查询，获得对应呼吸机监测指标：呼吸频率5/min，肺活量7ml/kg，潮气量2.5ml/kg,PaCO2＝55mmHg，最大吸气压力21cmH2O等，监护仪监测指标：中心静脉压12cmH2O，根据预设规则，符合机械通气条件，但要关注中心静脉压过高。

数据增强层，用于将所述数据处理层、所述本体建模层以及所述本体应用层产生的额外的必要数据附加到原始数据包中上，并与所述云端存储层通信。

具体的，数据增强层在数据获取层采集的原始数据包传输到应用程序之前，将数据处理层和本体建模层以及所述本体应用层相关处理结果添加到原始数据包中，再上传到云端。虽然这样的处理会少量增加传输的数据量，但是经过数据增强后，可以通过算法选择需要上传的数据。

结合具体实施例，通过边缘计算层进行推理，通过监测发生机械通气预警事件肺活量<10ml/kg，通过对知识图谱的SPARQL查询，获得对应呼吸机监测指标：呼吸频率5/min，肺活量7ml/kg，潮气量2.5ml/kg,PaCO2＝55mmHg，最大吸气压力21cmH2O等，监护仪监测指标：中心静脉压12cmH2O，本体应用层根据本体建模层中的语义模型进行推理，符合机械通气条件，但要关注中心静脉压过高。将最终的推理结果添加到原始数据包中，实现数据的增强。

云端存储层，用于存储边缘计算层发送的数据包。

具体的，包括本地的数据存储、数据安全、数据应用以及知识库管理。其中，知识库管理利用与边缘计算层同样的本体建模过程，实现云端数据的本体构建和全量知识库存储。利用全量知识数据的AI模型的训练在此层进行，训练好的模型可以推送部署应用到边端RDF数据库中，进行更加智能的推理。

在对如上述的ICU多设备语义互操作的数据传输系统进行使用时，提供了一种ICU多设备语义互操作的数据传输方法，具体步骤包括：

1)对医疗设备和传感器进行访问，采集各种格式的数据信息；

2)将采集的不同格式的数据信息转化为标准格式的数据信息；

3)将标准格式的数据信息通过数据处理层、本体建模层、本体应用层进行处理，通过数据增强层将处理后产生的额外数据信息加入到原始数据包中形成二次数据包；

4)将所述二次数据包发送至云端存储层进行保存。

在一些实施例中，将标准格式的数据信息通过数据处理层、本体建模层、本体应用层进行处理，通过数据增强层将处理后产生的额外数据信息加入到原始数据包中形成二次数据包，包括：

通过数据处理层对所述标准格式的数据信息进行数据清洗；

通过本体建模层、本体应用层将输入的所述标准格式的数据信息进行数据推理；

通过数据增强层将推理产生的额外数据信息加入到原始数据包中形成二次数据包。

综上，本申请提供的ICU多设备语义互操作的数据传输方法，通过上述步骤，通过共享的、明确的、机器可理解的词汇实现语义互操作，以开放格式表达共享和重用的知识，以统一的顶层本体架构和标准化术语实现多设备交互。且通过本体映射可以将医疗物联网设备映射到基于本体的知识图谱上去，还可以动态演化以适应新的上下文或用法，并实现联合智能推理。且通过边缘计算技术将一些计算进程移近数据源，通过将流程结果和一些原始数据发送到远程云数据中心，从而有效的减少延迟、降低能耗、降低成本、减少网络拥塞和响应时间。

本申请还提供了一种非临时性计算机可读存储介质，当所述存储介质中的指令由移动终端的处理器执行时，使得移动终端能够执行以实现如以下步骤：

1)对医疗设备和传感器进行访问，采集各种格式的数据信息；

2)将采集的不同格式的数据信息转化为标准格式的数据信息；

3)将标准格式的数据信息通过数据处理层、本体建模层、本体应用层进行处理，通过数据增强层将处理后产生的额外数据信息加入到原始数据包中形成二次数据包；

4)将所述二次数据包发送至云端存储层进行保存。

需要说明的是，本申请所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以为的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

本申请还提供了一种计算机程序产品，当计算机程序产品中的指令由移动终端的处理器执行时，使得移动终端能够执行以下步骤：

1)对医疗设备和传感器进行访问，采集各种格式的数据信息；

2)将采集的不同格式的数据信息转化为标准格式的数据信息；

3)将标准格式的数据信息通过数据处理层、本体建模层、本体应用层进行处理，通过数据增强层将处理后产生的额外数据信息加入到原始数据包中形成二次数据包；

4)将所述二次数据包发送至云端存储层进行保存。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。

应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。