确定感兴趣区域中的基础设施的状态的制作方法

确定感兴趣区域中的基础设施的状态


背景技术：

1.本技术一般涉及检测关于公共和/或私有基础设施的问题，并且更具体地，涉及用于检查、监控和/或确定各个感兴趣的区域中的基础设施的状态的认知系统和相关联的方法。
2.检查基础设施是一个复杂的问题，其需要包括人力、资金和设备的许多资源。需要维修的基础设施，包括道路、建筑物和其他结构，对这些区域内的居民的生命具有显著影响。检查基础设施的常规方法包括由雇员，通常是市政或政府雇员进行的人工检查，从成本的观点来看，这是极其耗时和低效的。此外，在针对被检查的基础设施生成技术报告时，其可能过时并且不反映基础设施的当前状态。


技术实现要素：

3.本发明的说明性实施例一般涉及利用由可以结合在移动交通工具内的成像设备和/或传感器生成的数据来检查感兴趣区域内的基础设施，包括诸如建筑物结构的感兴趣点和诸如道路区段的感兴趣片段。将所收集的数据与历史数据进行比较。检测到数据之间的任何异常或不一致可以指示基础设施内的一个或多个问题或异常的存在。
4.本发明提供了如权利要求1所述的方法以及如权利要求14和15所述的对应的系统和计算机程序。
附图说明
5.图1示出了根据本发明的一个或多个实施例的用于检查感兴趣区域内的基础设施的基于认知的系统的架构。
6.图2是根据本发明的一个或多个实施例的用于检查感兴趣区域内的基础设施的示例性方法的流程图。
7.图3是根据本发明的一个或多个实施例的用于检查感兴趣区域内的基础设施的另一示例性方法的流程图。
8.图4示出了根据本发明的一个或多个实施例的计算机系统，根据该计算机系统可以实现本发明的一个或多个组件/步骤或技术。
9.图5示出了根据本发明的一个或多个实施例的云计算环境。
10.图6示出了根据本发明的一个或多个实施例的抽象模型层。
具体实施方式
11.本发明的实施例提供了一种用于基于基础设施的历史数据和当前数据之间的比较来检测基础设施内的一个或多个异常的存在的基于认知的方法、系统和计算机程序产品。此外，在检测到一个或多个异常超过(一个或多个)预定义阈值时，自动生成响应或通知并将该响应或通知转发到所述基础设施所位于的管理实体，例如市政当局。
12.根据本发明的一些实施例，提供了一种用于检测基础设施内的一个或多个异常的
基于认知的方法和系统。基础设施可以包括建筑物、道路、路径、公路、桥梁、隧道、水坝、工厂或车间、精炼厂、零售建筑物、体育场、室外设施、公园、高架桥、娱乐区域或存在于感兴趣区域中的任何其他公共或私人结构。基于认知的系统包括使用成像传感器或设备以及运动传感器来获得基础设施的当前数据。成像传感器和运动传感器可以被安装到进入感兴趣区域的交通工具。交通工具可以是机动交通工具、飞行器、自行车、无人机或任何其他有人驾驶或无人驾驶的交通工具。检测到的一个或多个异常可以是基础设施中的结构缺陷，其可能需要监控、间歇修理或立即校正动作。在说明性实施例中，经由例如由安装到进入感兴趣区域的一个或多个交通工具的相机捕获的成像数据来确定结构缺陷。在其他说明性实施例中，该一个或多个异常可以是道路中的缺陷或障碍，其改变交通模式，导致在道路长度内的交通工具速度降低或增加，或者交通工具路径的改变。可以通过在交通工具内安装加速度计，或者可能利用全球定位系统(gps)跟踪来实现对道路中的异常的检测。
13.在以下的文本中，术语“感兴趣区域”(roi)包括被识别为要被评估和监控的基础设施所处的任何区域。术语“感兴趣点”(poi)包括感兴趣区域(roi)内的将为其捕获或收集成像数据以确定其完整性的任何基础设施。术语“感兴趣片段”(foi)将包括感兴趣区域(roi)内的将为其捕获或收集运动数据以确定其中的障碍物等的一段道路。术语“校正响应”包括根据策略，由对基础设施内存在一个或多个异常的确定而导致的代表系统采取的任何动作，并且可以包括继续监控基础设施达设定的时间段。
14.说明性实施例还可以获得和评估包括各种基础设施的成像数据和运动数据的历史数据，并且将历史数据与由交通工具收集的当前数据进行比较以识别基础设施内的一个或多个异常。根据说明性实施例，确定在基础设施中是否存在异常可能需要结构缺陷的数据或通信模式的改变超过根据所实施的策略的预定义阈值限制。
15.在其他说明性实施例中，利用诸如全球定位系统(gps)的交通工具跟踪系统来跟踪交通工具相对于感兴趣区域的位置。gps跟踪可以包括最初安装在交通工具中、后续安装在交通工具中的gps传感器/发送器/接收器(以下称为“gps传感器”)，或者可以被并置于交通工具上或交通工具内的物联网(iot)设备内。iot设备可以是智能电话、pda、平板电脑、便携式计算机等。通过gps传感器跟踪交通工具，由此在确定交通工具位于感兴趣区域(roi)内时，成像传感器和/或运动传感器由系统自动激活。在说明性实施例中，当交通工具和成像传感器(例如，相机)与由gps跟踪确定的感兴趣点(poi)直接对准时，成像传感器被激活以收集基础设施的多个图像。在其他说明性实施例中，运动传感器，例如加速度计，在交通工具进入感兴趣片段(foi)是被激活，例如在进入一段道路内时被自动激活，并且在离开感兴趣片段时被自动停用。
16.说明性实施例还包括在预定时间段内从多个交通工具收集数据，通过使用分析软件和/或算法来分析数据，将数据分类并将数据合并为基础设施的历史数据。在一些方面，该系统或方法可以结合数据过滤以定义、检测和/或校正所收集的数据中的错误或异常，从而最小化这些错误对所收集的数据和后续分析的影响。
17.在某些说明性实施例中，可以设想，例如个人、公司等的单独实体(在下文中，“订户”)可以经由例如用于iot的可下载应用来订阅系统，由此利用其相应的交通工具来根据策略收集数据。这样的订户可以由例如市政当局补偿他们的交通工具在数据收集能力中的使用。市政当局可以在订户的交通工具内提供必要的传感器、gps跟踪、相机、蜂窝接入能
力、wifi等。可以采取措施通过改变所收集的图像数据的某些区域来保护这些订户的身份，以避免面部、牌照或交通工具本身的可视化。
18.说明性实施例克服了常规基础设施检查方法的问题，这些常规基础设施通常限于人工检查以及不合时宜和过时的报告的后续产生。此外，常规基础设施方法不能够提供与基础设施主动关联的一个或多个异常的及时通知，这可能呈现关于安全的问题，引起对基础设施的进一步损坏并且增加基础设施修复的费用。通常，常规系统缺乏能够主动检测与基础设施相关联的一个或多个异常并且根据所实现的策略采用对一个或多个异常的(一个或多个)响应的基于认知的系统。
19.现在参考图1，示出了用于检测基础设施内的一个或多个异常的存在并根据实现的策略发起补救响应的基于认知的系统10的一个实施例。系统10监控私有或公有感兴趣区域(roi)内的基础设施。基础设施可以是感兴趣区域内的任何结构，包括商业或私人建筑、工厂、道路、路径、隧道、桥梁、渡槽、自行车道、人行道等。系统和方法10可以基本上包括两个功能组件，包括数据收集组件100和异常或问题识别器组件200。尽管这些组件100、200被描绘为单独的实体，但是应当理解，可以存在重叠的一些元件，或者一个组件内的元件可以在另一组件中实现。还可以设想，可以组合组件100、200。
20.数据收集组件100被包含在属于订户104或由订户104拥有的交通工具102中，该订户102已经例如经由可下载iot应用订阅系统10，或者以其他方式被授予许可或被注册为隶属于系统10。订户104可以由寻求收集关于感兴趣区域(roi)内的基础设施的数据的所有者、经理、市政当局等来补偿。交通工具102能够穿过感兴趣区域(roi)。如上所述，这样的交通工具102可以是汽车、卡车、无人驾驶交通工具、无人机、自行车、飞机或任何其他有人驾驶或无人驾驶的交通工具。数据收集组件100还包括运动或移动传感器106、成像传感器108和全球定位系统(gps)传感器或跟踪器110，它们中的每一个都被包含在交通工具102中或被包含在设置在交通工具102内的iot设备内。
21.运动或运动传感器106可以是能够检测交通工具通过感兴趣区域(roi)的运动或移动的速率并提供数据输出(例如，运动数据或加速度计数据)的加速度计或速度传感器。在说明性实施例中，运动传感器106是加速度计，其可以容易地并置于交通工具102中的任何位置。替代地或附加地，运动传感器106可以包括能够检测交通工具102的加速度和/或速度的车轮传感器或转速计。运动传感器收集数据。成像传感器108可以包括可以捕获图像相关数据(例如，图像数据)的任何数量的传感器和/或传感器的组合。在说明性实施例中，成像传感器108包括可以安装在汽车中的高清相机，例如安装在仪表板、前格栅、车顶等上。预期的其他成像传感器108包括光学传感器、红外成像传感器、紫外成像传感器、光检测和测距(lidar)传感器、合成孔径(sar)传感器、电磁雷达(em)和/或声学传感器或能够产生基础设施的一个或多个图像的任何其他传感器。gps传感器110可以是最初安装在交通工具中的gps系统的组件，或者可以是为订户104安装的售后产品，以跟踪交通工具102相对于感兴趣区域(roi)的位置。gps传感器110还可以被包含在布置在交通工具102内的订户102的iot设备中。
22.数据收集组件100还包括与运动传感器106、成像传感器108和gps传感器110中的至少一个通信的云接口设备112。云接口设备112通过包括蓝牙等的无线通信方法与运动传感器106、成像传感器108和gps传感器110通信。云接口设备112可以包括wlan(无线局域网)
发送器/接收器，或者可替换地，可以结合蜂窝技术，例如4g或5g，以向云平台300发送数据和从其接收数据。还可以设想，运动传感器106、成像传感器108和gps传感器110中的一个或多个可以结合任何前述无线传输技术，以将收集的数据直接传输到云平台300。此外，在说明性实施例中，运动传感器106、成像传感器108和gps传感器110中的至少一个或多个可链接到交通工具内的订户iot设备，其中iot设备被用于向云平台300传送数据以及从其接收数据。
23.继续参考图1，将讨论系统10的问题或异常识别器组件200。异常识别器组件200可以远离交通工具102布置。异常识别器组件200包括计算设备202，其可以是桌上型计算机、膝上型计算机、智能电话或平板设备或任何其他物联网(iot)设备，其在一些说明性实施例中可以被布置在交通工具102内。计算设备202包括处理器204和耦合到处理器204的存储器206。存储器206可以是可由处理器204访问并适于执行系统10的功能和操作的任何类型的存储介质，存储器206包括适于对从数据收集组件100接收的数据执行分析并执行系统10的所实现的策略的操作的计算机代码、逻辑或软件。
24.计算设备202还包括数据聚合器208和分类模块210，它们中的每一个都可以被包含在存储器206的软件内。数据聚合器208处理数据。例如，数据聚合器208可审阅从数据收集组件100传入的所收集的数据样本并从当前样本图案中移除在统计上离群的特定数据项。例如，聚类算法或技术(例如，k均值)可以用于聚类相似的数据并移除样本离群值。数据聚合器208可以使用数据过滤技术，该数据过滤技术使用所收集的感兴趣区域(roi)内的基础设施的数据的多个样本。可以实现噪声滤波算法，如中值滤波、高斯滤波或中值混合，以减少来自采样数据的噪声。这将通过利用由数据收集传感器获取的多个样本来提高所收集的数据的质量。该过程有助于移除可能影响所收集的数据瞬态事件。例如，飞鸟经过公共基础设施的前面可能影响一个或多个图像。然而，当数个交通工具在数据采集周期期间采样数据时，这应该是可忽略的。当在给定时间段内获取多个样本时，相同的概念被应用于从加速度计收集的数据。合适的滤波方法的一个示例在pat david(2013)的题为“a look at reducing noise photographs using median blending”的文章中公开。
25.在说明性实施例中，数据聚合器208将所有图像和加速度计图案对准。对准是必要的，以便图像和加速度计图案具有相同的分辨率和定位。对于加速度计数据，将加速度计读数与gps数据组合。然后，将为感兴趣片段(foi)收集的加速度计数据分成若干可配置的等间隔片段，其中加速度计数据与每个片段相关联。对于图像数据，数据聚合器208应用一组变换来旋转和调整图像大小以获得对准的图片。用于对准数据的若干已知算法的示例在题为kowalski等人(2017)的“deep alignment network:a conventional neural network for robust face alignment”，以及huang等人(2012)的题为“learning to align from scratch”的文章。
26.分类模块210可以包括人工神经网络、支持向量机算法、机器学习模型或任何其他模式识别模型。分类模块210被配置为对所聚合的数据进行分类或描绘，并将其分配给各个感兴趣区域内的基础设施。分类模型考虑了与感兴趣区域相关的许多参数，包括一天中的时间、季节、历史运动等，以便创建未来预测。从而，例如，收集针对特定感兴趣点(poi)(例如，感兴趣区域(roi)内的建筑物)的被收集数据，并将其分类到该特定建筑物。或者，收集感兴趣片段(foi)(例如，高速公路的一部分)的被收集数据。分类模块210能够针对包括例
如白天、夜晚或季节等的特定时间段，对来自多个感兴趣区域的基础设施的多个数据输入或样本进行分类。分类模块还可以用于对所收集的聚合数据进行分类以用于后续的目的。分类模块还可以利用来自给定的感兴趣区域(roi)或感兴趣片段(foi)的图像来发现潜在的问题，如铁锈、可见的钢筋、腐蚀或水渗透。具有这些潜在问题的数据库可以在系统启动时被预加载，或者在使用服务时由用户注释。
27.计算设备202还包括历史数据储存库212和当前数据储存库214。历史数据储存库212存储例如由分类模块210分类的每个感兴趣区域(roi)内的基础设施的历史数据。历史数据储存库212也可以用作参考，将要由数据聚合器208分析的数据样本与该参考进行比较。历史数据用于确定所分析的当前数据是否符合一个或多个异常的条件。例如，可以在预定的时间段数据上收集感兴趣区域(roi)内的感兴趣点(poi)或感兴趣片段(foi)的历史数据，例如，每小时、每天、每周、每月或每年。作为感兴趣点(poi)的建筑物的图像数据可以跟踪建筑物中的结构缺陷的存在，例如地基中的明显裂缝。如果当与历史数据比较时收集的当前数据指示结构缺陷的严重程度增加，例如超过可接受的预定阈值，则可以启动补救响应。类似地，诸如道路区段的感兴趣片段(foi)的历史数据可以识别道路区段中的交通工具的正常加速度、速度和行驶路径。然而，如果交通工具行为的当前数据与历史数据的比较不同，则这可能暗示在道路区段中存在一些障碍物，包括例如新坑洞、倒塌的树、洪水、滑坡等的存在。当前数据储存库214从数据收集组件100接收当前数据。如将在下文中更详细地讨论的，将针对特定感兴趣区域(roi)内的基础设施收集的并且在当前数据储存库214内捕获的当前数据与历史数据储存库212内的历史数据进行比较，以检测基础设施内的一个或多个异常。历史数据储存库212包括与在特定天气模式、季节数据等期间的时间段内的运动数据和图像数据的常规模式有关的数据。另外，历史数据储存库212可以存储运动数据和图像数据的先前问题/异常的历史数据。在说明性实施例中，历史数据储存库212和当前数据储存库214可以占用单独的数据库或相同的数据库。
28.计算设备202还包括视频显示器216。显示器216可以是安装到计算设备202的屏幕或者在计算设备202的外部。显示器216将显示与感兴趣区域(roi)内的基础设施的状态相关联的数据。例如，当计算设备202包括移动电话、平板电脑、个人数字助理(pda)等时，显示器216可以被并置于计算设备202内。还可以设想多于一个的显示器216。计算设备202还包括诸如键盘、鼠标和/或语音输入等输入218。或者，输入218可以被结合在显示器206上，例如作为触摸屏系统。计算设备202还包括接口220(例如，诸如usb端口或cd-rom之类的无线或电/机械连接)，以允许导入程序指令来改变、修改或变更根据本发明的实施例的系统10的所实现的策略。
29.数据收集组件100和问题识别器组件200通过基于云的平台300进行通信。基于云的平台300可以包括公共云平台或私有云平台、或公共云和私有云平台的混合。
30.图2是使用系统10的示例性方法的流程图，方法400包括确认订户的交通工具何时进入或访问感兴趣区域(roi)。(步骤402)。如上所述，确认可以经由包括gps传感器110的gps跟踪方法来确定。在进入感兴趣区域时，可以激活交通工具102的运动和成像传感器106、108。此后，从感兴趣区域(roi)内获得数据。(步骤404)。根据感兴趣区域(roi)内的目标基础设施，可以根据至少两种不同的方法获得数据。如果预期目标是在限定的感兴趣点(poi)(例如建筑物等)处的基础设施，则利用成像传感器108(例如相机)来获得图像数据，
优选地获得建筑物的多个图像。(步骤406)。在一个说明性实施例中，当交通工具内的相机与建筑物对准时，相机将被激活。这可以由gps传感器110或其他跟踪机制来确定。
31.在替代方案中，如果感兴趣区域(roi)内的预期目标是感兴趣片段(foi)，例如，道路的区段，则当交通工具102进入感兴趣片段(foi)或要分析的道路区段的开始时，运动传感器106将被激活，并且继续直到交通工具102离开感兴趣片段(foi)或道路区段的终点。运动传感器106(例如，加速度计)将检测交通工具通过感兴趣片段(foi)的加速度和运动。(步骤408)。此后，通过任一方法收集的数据被传送到系统10的异常检测组件200以用于分析。对从感兴趣区域(roi)获得的数据执行分析以检测一个或多个异常的存在。如所述的，将通过任一方法获得的当前数据与历史数据进行比较，以检测一个或多个异常的存在。(步骤410)。如果该差异是最小的或没有达到预定义阈值，则可以将该数据并置于历史数据库212内，并且继续该过程。如果确认了一个或多个异常，则将发起一个或多个响应以解决该异常。(步骤412)。关于感兴趣点(例如，建筑物)的一个响应可以是校正感兴趣点的结构中的任何缺陷，包括向建筑物提供加固、添加结构支撑等。关于感兴趣片段(例如道路区段)的数据，可以填充或解决可能影响交通工具的驾驶模式的坑洞，该交通工具的驾驶模式由从运动传感器106获得的数据检测。还设想了其他异常和解决异常的响应，包括保持空闲并继续监控感兴趣区域(roi)。
32.针对多个订户102和多个交通工具104重复图2的方法400，以获得历史数据和当前数据。
33.现在参考图3的流程图，示出了实现系统10的数据收集组件100的另一示例性方法500。根据该方法，提供了对数据收集组件100和异常识别器组件200的更详细的讨论。订户102通过从因特网下载应用、向例如市政当局注册或任何其他常规方法来加入系统10。(步骤502)。交通工具被驾驶(步骤504)并进入由包含在交通工具102中或包含在交通工具102内携带的iot设备中的gps传感器110确定的感兴趣区域(roi)。(步骤506)。确定感兴趣区域(roi)是否包括感兴趣点(poi)或感兴趣片段(foi)。(步骤508)。如果感兴趣区域roi是感兴趣点poi，例如建筑物等，则在成像传感器108(例如，相机)与感兴趣点poi对准的情况下拍摄基础设施的一张或多张照片。(步骤510)。一张或多张照片被存储在当前数据储存库214中。(步骤512)。交通工具继续在感兴趣区域(roi)内被驾驶或驾驶到其他区域。(步骤514)。
34.如果感兴趣区域(roi)是感兴趣片段(foi)，例如道路区段，则运动传感器106(例如，加速度计)在进入由交通工具102的gps传感器110检测到的感兴趣片段foi时被激活，例如，在进入道路区段的开始被激活。(步骤516)。交通工具102的运动，包括加速度、速度等，由运动传感器106跟踪。(步骤518)。一旦交通工具102离开foi，例如，由gps传感器110识别的道路区段的终点，运动传感器106被停用。(步骤520)。运动数据被存储在当前数据储存库214中。(步骤522)。
35.图3还示出了上文讨论的历史数据储存库212。历史数据储存库212包括当处于结构上可接受的条件时的诸如一个或多个感兴趣点(poi)的存储图像的数据的常规模式的历史数据，以及在正常常规交通模式期间的感兴趣片段(foi)的数据。历史数据储存库212还可以包括与一个或多个先前异常有关的数据，该一个或多个先前异常与感兴趣点(poi)或感兴趣片段(foi)相关。当收集的当前数据非常接近存储的异常数据时，存储先前异常的数据可以证明是有价值的。这可以指示存在类似于先前异常的当前异常。历史数据储存库212
和当前数据储存库214可以占据相同的数据库或者如图所示是分开的。所收集的当前数据也可最终存储在历史数据储存库212中(步骤524)。图3进一步示出了分类模型210(上文讨论的)。
36.继续参考图3，将详细讨论系统10的异常或问题识别器组件200的详细示例性方法600。管理者“m”可以是管理者、实体的代表、市政当局、或者甚至是被编程为执行管理者“m”的功能的专用计算机，管理者“m”进入包括要跟踪或监控的感兴趣点(poi)和感兴趣片段(foi)的各个感兴趣区域(roi)。(步骤602)。此后，做出检查感兴趣区域(roi)以确定任何当前异常的潜在存在的决定。(步骤604)。如结合steps(504-520)所讨论的，对这些感兴趣区域(roi)执行检查。转发或考虑来自当前数据储存库214的被收集数据以用于检查(步骤606)。对于每个感兴趣区域(roi)，数据聚合器208移除离群值数据样本(步骤608)，并且经由上文讨论的各种对准和噪声滤波算法的应用来对准数据并减少噪声(步骤610)。将处理的数据与存储在历史数据储存库中的常规图案化数据进行比较。(步骤612)。在步骤614中，关于所收集的数据做出确定。例如，在交通工具102中的运动传感器106检测到例如道路区段等的感兴趣片段(foi)中的不规则移动的情况下，或者如果成像传感器108检测到例如建筑物等的感兴趣点(poi)中的图像的变化超过预定阈值(流程图中的“是”)，则通知管理者“m”，并且可以启动或不启动校正动作。如果没有检测到变化或变化超过预定阈值(流程图中的“否”)，则过程返回(步骤604)。在检测到一个或多个异常的情况下，由分类模型210分析所收集的聚合数据。(步骤616)。分类模块210计算数据中增量变化的严重程度或级别，以潜在地预测基础设施故障的概率，并基于所计算的严重性来推荐动作或警报。(步骤618)。需要立即关注的严重问题(流程图中的“是”)被转发给管理者“m”。否则，重复该过程。
37.上述方法600是本发明的一个说明性实施例的示例。注意，一些步骤可以被组合或不按此处所呈现的顺序发生。
38.因此，系统10能够识别感兴趣区域中的一个或多个异常、鉴定该异常并且根据实施策略自动向基础设施的管理者发起消息。该消息的范围可以是基于由分类模型执行的预测继续监控基础设施或立即启动修复工作。
39.本发明的实施例包括任何可能的技术细节集成水平的系统、方法和/或计算机程序产品。计算机程序产品可以包括其上具有计算机可读程序指令的计算机可读存储介质(或多个介质)，所述计算机可读程序指令用于使处理器执行本发明的各方面。
40.计算机可读存储介质可以是能够保留和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质可以是例如但不限于电子存储设备、磁存储设备、光学存储设备、电磁存储设备、半导体存储设备或前述的任何合适的组合。计算机可读存储介质的更具体示例的非穷举列表包括以下：便携式计算机磁盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或闪存)、静态随机存取存储器(sram)、便携式光盘只读存储器(cd-rom)、数字多功能盘(dvd)、记忆棒、软盘、诸如上面记录有指令的打孔卡或凹槽中的凸起结构的机械编码装置，以及前述的任何适当组合。如本文所使用的计算机可读存储介质不应被解释为暂时性信号本身，诸如无线电波或其他自由传播的电磁波、通过波导或其他传输介质传播的电磁波(例如，通过光纤线缆的光脉冲)、或通过导线传输的电信号。
41.本文描述的计算机可读程序指令可以从计算机可读存储介质下载到相应的计算/
处理设备，或者经由网络，例如因特网、局域网、广域网和/或无线网络，下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光传输光纤、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或网络接口从网络接收计算机可读程序指令，并转发计算机可读程序指令以存储在相应计算/处理设备内的计算机可读存储介质中。
42.用于执行本发明的操作的计算机可读程序指令可以是汇编指令、指令集架构(isa)指令、机器相关指令、微代码、固件指令、状态设置数据、集成电路的配置数据，或者是以一种或多种程序代码语言的任意组合编写的源代码或目标代码，该程序代码语言包括面向对象的程序代码语言，例如python、c++等，以及过程式程序代码语言，例如“c”程序代码语言或类似的程序代码语言。计算机可读程序指令可以完全在用户的计算机上执行，部分在用户的计算机上执行，作为独立的软件包执行，部分在用户的计算机上并且部分在远程计算机上执行，或者完全在远程计算机或服务器上执行。在后一种情况下，远程计算机可以通过任何类型的网络连接到用户的计算机，包括局域网(lan)或广域网(wan)，或者可以连接到外部计算机(例如，使用因特网服务提供商通过因特网)。在一些实施例中，为了执行本发明的各方面，包括例如可编程逻辑电路、现场可编程门阵列(fpga)或可编程逻辑阵列(pla)的电子电路可以通过利用计算机可读程序指令的状态信息来执行计算机可读程序指令以使电子电路个性化。
43.在此参考根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述本发明的各方面。将理解，流程图和/或框图的每个框以及流程图和/或框图中的框的组合可以由计算机可读程序指令来实现。
44.这些计算机可读程序指令可以被提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器以产生机器，使得经由计算机或其他可编程数据处理装置的处理器执行的指令创建用于实现流程图和/或框图的一个或多个框中指定的功能/动作的装置。这些计算机可读程序指令还可以存储在计算机可读存储介质中，其可以引导计算机、可编程数据处理装置和/或其他设备以特定方式工作，使得其中存储有指令的计算机可读存储介质包括制品，该制品包括实现流程图和/或框图的一个或多个框中指定的功能/动作的各方面的指令。
45.计算机可读程序指令还可以被加载到计算机、其他可编程数据处理装置或其他设备上，以使得在计算机、其他可编程装置或其他设备上执行一系列操作步骤，以产生计算机实现的过程，使得在计算机、其他可编程装置或其他设备上执行的指令实现流程图和/或框图的一个或多个框中指定的功能/动作。
46.附图中的流程图和框图示出了根据本发明的各种实施例的系统、方法和计算机程序产品的可能实现的架构、功能和操作。在这点上，流程图或框图中的每个框可以表示指令的模块、段或部分，其包括用于实现指定的逻辑功能的一个或多个可执行指令。在一些替代实施方案中，框中所注明的功能可不按图中所注明的次序发生。例如，连续示出的两个框实际上可以基本上同时执行，或者这些框有时可以以相反的顺序执行，这取决于所涉及的功能。还将注意，框图和/或流程图图示的每个框以及框图和/或流程图图示中的框的组合可以由执行指定功能或动作或执行专用硬件和计算机指令的组合的专用的基于硬件的系统来实现。
47.一个或多个实施例可以利用在通用计算机或工作站上运行的软件。参考图4，在计算节点710中，存在计算机系统/服务器712，其可与许多其他通用或专用计算系统环境或配置一起操作。适合与计算机系统/服务器712一起使用的公知的计算系统、环境和/或配置的示例包括但不限于个人计算机系统、服务器计算机系统、瘦客户端、胖客户端、手持式或膝上型设备、多处理器系统、基于微处理器的系统、机顶盒、可编程消费电子产品、网络pc、小型计算机系统、大型计算机系统、移动和可穿戴设备、以及包括任何上述系统或设备的分布式云计算环境等。
48.计算机系统/服务器712可以在计算机系统可执行指令的一般上下文中描述，诸如由计算机系统执行的程序模块。通常，程序模块可以包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、逻辑、数据结构等。计算机系统/服务器712可以在分布式云计算环境中实践，其中任务由通过通信网络链接的远程处理设备执行。在分布式云计算环境中，程序模块可以位于包括存储器存储设备的本地和远程计算机系统存储介质中。
49.如图4所示，计算节点710中的计算机系统/服务器712以通用计算设备的形式示出。计算机系统/服务器712的组件可以包括但不限于一个或多个处理器或处理单元716、系统存储器728以及将包括系统存储器728的各种系统组件耦合到处理器716的总线718。
50.总线718表示若干类型的总线结构中的任何一种的一个或多个，包括存储器总线或存储器控制器、外围总线、加速图形端口、以及使用各种总线体系结构中的任何一种的处理器或局部总线。作为示例而非限制，这些体系结构包括工业标准体系结构(isa)总线、微通道体系结构(mca)总线、增强型isa(eisa)总线、视频电子技术标准协会(vesa)局部总线和外围部件互连(pci)总线。
51.计算机系统/服务器712通常包括各种计算机系统可读介质。这样的介质可以是可由计算机系统/服务器712访问的任何可用介质，并且它包括易失性和非易失性介质、可移动和不可移动介质。
52.系统存储器728可以包括易失性存储器形式的计算机系统可读介质，诸如随机存取存储器(ram)730和/或高速缓存存储器732。计算机系统/服务器712还可以包括其他可移动/不可移动、易失性/非易失性计算机系统存储介质。仅作为示例，存储系统734可被提供用于从不可移动、非易失性磁介质(未示出，并且通常被称为“硬盘驱动器”)读取和向其写入。尽管未示出，但是可以提供用于从可移动、非易失性磁盘(例如，“软盘”)读取和向其写入的磁盘驱动器，以及用于从诸如cd-rom、dvd-rom或其他光学介质等可移动、非易失性光盘读取或向其写入的光盘驱动器。在这样的实例中，每个可以通过一个或多个数据介质接口连接到总线718。如这里所描绘和描述的，存储器728可以包括至少一个程序产品，该程序产品具有被配置成执行本发明实施例的功能的一组(例如，至少一个)程序模块。作为示例而非限制，具有一组(至少一个)程序模块742的程序/实用程序740以及操作系统、一个或多个应用程序、其他程序模块和程序数据可被存储在存储器728中。操作系统、一个或多个应用程序、其他程序模块和程序数据或其某种组合中的每一个可以包括联网环境的实现。程序模块742通常执行这里描述的本发明的实施例的功能和/或方法。
53.计算机系统/服务器712还可以与一个或多个外部设备714(例如键盘、指示设备、显示器724等)、一个或多个使用户能够与计算机系统/服务器712进行交互的设备、和/或任何使计算机系统/服务器712能够与一个或多个其他计算设备进行通信的设备(例如，网卡、
调制解调器等)进行通信。这种通信可以经由i/o接口722发生。此外，计算机系统/服务器712可以经由网络适配器720与诸如lan、通用wan和/或公共网络(例如，因特网)之类的一个或多个网络通信。如所描绘的，网络适配器720经由总线718与计算机系统/服务器712的其他组件通信。应当理解，尽管未示出，但是其他硬件和/或软件组件可以与计算机系统/服务器712结合使用。示例包括但不限于微代码、设备驱动器、冗余处理单元、外部磁盘驱动器阵列、raid系统、磁带驱动器、以及数据存档存储系统等。
54.应当理解，尽管本公开包括关于云计算的详细描述，但是本文所陈述的教导的实现不限于云计算环境。相反，本发明的实施例能够结合现在已知或以后开发的任何其他类型的计算环境来实现。
55.云计算是一种服务递送模型，用于实现对可配置计算资源(例如，网络、网络带宽、服务器、处理、存储器、存储、应用、虚拟机和服务)的共享池的方便的按需网络访问，所述可配置计算资源可以以最小的管理努力或与服务的提供者的交互来快速供应和释放。该云模型可以包括至少五个特性、至少三个服务模型和至少四个部署模型。
56.特征如下：
57.按需自助：云消费者可以单方面地自动地根据需要提供计算能力，诸如服务器时间和网络存储，而不需要与服务的提供者进行人工交互。
58.广域网接入：能力在网络上可用，并且通过促进由异构的瘦子或胖客户端平台(例如，移动电话、膝上型计算机和pda)使用的标准机制来访问。
59.资源池化：供应商的计算资源被集中以使用多租户模型来服务多个消费者，其中不同的物理和虚拟资源根据需求被动态地分配和重新分配。存在位置无关的意义，因为消费者通常不控制或不知道所提供的资源的确切位置，但是能够在较高抽象级别(例如国家、州或数据中心)指定位置。
60.快速弹性：在一些情况下，可以快速且弹性地提供快速向外扩展的能力和快速向内扩展的能力。对于消费者，可用于提供的能力通常看起来不受限制，并且可以在任何时间以任何数量购买。
61.测量服务：云系统通过利用在适合于服务类型(例如，存储、处理、带宽和活动用户账户)的某一抽象级别的计量能力来自动地控制和优化资源使用。可以监控、控制和报告资源使用，从而为所利用服务的提供者和消费者两者提供透明性。
62.服务模型如下：
63.软件即服务(saas)：提供给消费者的能力是使用在云基础设施上运行的提供者的应用。应用可通过诸如web浏览器(例如，基于web的电子邮件)等瘦客户端界面从各种客户端设备访问。消费者不管理或控制包括网络、服务器、操作系统、存储、或甚至个别应用能力的底层云基础结构，可能的例外是有限的用户专用应用配置设置。
64.平台即服务(paas)：提供给消费者的能力是将消费者创建或获取的应用部署到云基础设施上，该消费者创建或获取的应用是使用由供应商支持的程序代码语言和工具来创建的。消费者不管理或控制包括网络、服务器、操作系统或存储的底层云基础设施，但具有对部署的应用和可能的应用托管环境配置的控制。
65.基础设施即服务(iaas)：提供给消费者的能力是提供处理、存储、网络和消费者能够部署和运行任意软件的其他基本计算资源，其可以包括操作系统和应用。消费者不管理
或控制底层云基础设施，但具有对操作系统、存储、部署的应用的控制，以及可能对选择的联网组件(例如，主机防火墙)的有限控制。
66.部署模型如下：
67.私有云：云基础设施仅为组织操作。它可以由组织或第三方管理，并且可以存在于建筑物内或建筑物外。
68.社区云：云基础设施由若干组织共享，并且支持具有共享关注(例如，任务、安全要求、策略和合规性考虑)的特定社区。它可以由组织或第三方管理，并且可以存在于场所内或场所外。
69.公有云：云基础设施可用于一般公众或大型工业群体，并且由销售云服务的组织拥有。
70.混合云：云基础设施是两个或更多云(私有、共同体或公共)的组合，该云保持唯一实体，但是通过使数据和应用能够移植的标准化或私有技术(例如，用于云之间的负载平衡的云突发)绑定在一起。
71.云计算环境是面向服务的，其焦点在于无状态、低耦合、模块性和语义互操作性。在云计算的核心处是包括互连节点的网络的基础设施。
72.现在参考图5，描绘了说明性云计算环境850。如图所示，云计算环境850包括云消费者使用的本地计算设备可以与其通信的一个或多个云计算节点810，该本地计算设备例如是个人数字助理(pda)或蜂窝电话854a、桌上型计算机854b、膝上型计算机854c和/或汽车计算机系统854n。节点810可以彼此通信。它们可以被物理地或虚拟地分组(未示出)在一个或多个网络中，诸如如上文描述的私有云、社区云、公共云或混合云或其组合。这允许云计算环境850提供基础设施、平台和/或软件作为服务，云消费者不需要为其维护本地计算设备上的资源。应当理解，图5中所示的计算设备854a-n的类型仅旨在说明，并且计算节点810和云计算环境850可以通过任何类型的网络和/或网络可寻址连接(例如，使用web浏览器)与任何类型的计算设备通信。
73.现在参考图6，示出了由云计算环境850(图5)提供的一组功能抽象层。应当预先理解，图6中所示的组件、层和功能仅旨在说明，并且本发明的实施例不限于此。如所描绘的，提供了以下层和相应的功能：
74.硬件和软件层960包括硬件和软件组件。硬件组件的示例包括：主机961；基于risc(精简指令集计算机)架构的服务器962；服务器963；刀片服务器964；存储设备965；以及网络和联网组件966。在一些实施例中，软件组件包括网络应用服务器软件967和数据库软件968。
75.虚拟化层970提供抽象层，从该抽象层可以提供虚拟实体的以下示例：虚拟服务器971；虚拟存储972；虚拟网络973，包括虚拟专用网络；虚拟应用和操作系统974；以及虚拟客户端975。
76.在一个示例中，管理层980可以提供下面描述的功能。资源供应981提供计算资源和被利用来在云计算环境内执行任务的其他资源的动态采购。计量和定价982提供了在云计算环境内利用资源时的成本跟踪，以及针对这些资源的消耗的开账单或开发票。在一个示例中，这些资源可以包括应用软件许可证。安全性为云消费者和任务提供身份验证，以及为数据和其他资源提供保护。用户门户983为消费者和系统管理者提供对云计算环境的访
问。服务级别管理984提供云计算资源分配和管理，使得满足所需的服务级别。服务水平协议(sla)规划和履行985提供了对云计算资源的预安排和采购，其中根据sla预期未来需求。
77.工作负载层990提供了可以利用云计算环境的功能的示例。可以从工作负载层990提供的工作负载和功能的示例包括收集感兴趣区域的历史数据991、收集感兴趣区域(roi)的当前数据992、将当前数据与历史数据993进行比较、基于数据的比较来识别感兴趣区域(roi)内的一个或多个异常994、对聚合的数据执行分类模型以计算感兴趣区域(roi)的结构故障概率995、以及使用本文描述的方法和技术根据所实现的策略通知监督感兴趣区域(roi)996的管理者。