基于人工智能的边缘计算方法及云平台

本发明涉及数据处理领域，具体是基于人工智能的边缘计算方法及云平台。

背景技术：

1、随着物联网技术的快速发展，各种智能设备和传感器在各个领域得到了广泛应用，产生了海量的实时数据。这些数据如果全部传输到云端进行处理，不仅会增加网络带宽的压力，还会导致较高的数据延迟，无法满足实时性要求较高的应用场景。因此，边缘计算作为一种将计算能力和数据存储推向网络边缘的技术，逐渐成为解决这一问题的关键方案。

2、边缘计算通过将计算任务和数据存储迁移到更接近数据源的网络边缘，能够显著减少数据传输延迟，提高数据处理效率，并降低对云端的依赖。然而，传统的边缘计算方法在处理大规模、异构的传感器数据时，往往面临计算资源分配不均、数据处理效率低下等问题。此外，随着人工智能技术的不断进步，将人工智能与边缘计算相结合，实现智能化的数据处理和分析，成为当前研究的热点。

3、在现有技术中，虽然已有一些边缘计算与人工智能相结合的方法被提出，但这些方法大多侧重于单一场景的应用，缺乏普适性和可扩展性。同时，这些方法在处理大规模、动态变化的传感器数据时，往往难以自适应地调整计算资源分配，导致数据处理效率不高。

技术实现思路

1、本发明的目的在于克服现有技术的不足，提供基于人工智能的边缘计算方法，包括如下步骤：

2、步骤一，云端数据服务器接收客户端发送的交互信息，根据交互信息得到第一类交互特征，根据第一类交互特征得到云端数据服务器的响应状态，若为响应状态，则进入步骤二；若为不响应状态，则丢弃接收到的交互信息；

3、步骤二，获取交互信息中的客户端类型，若为一类客户端，则进入步骤三，若为非一类客户端，则进入步骤四；

4、步骤三，云端数据服务器获取第一类交互特征关联的设备合法性信息，将设备合法性信息中的设备特征信息，与云端数据服务器中对应的设备特征信息进行验证，若验证通过，进入步骤五，若验证不通过，则判定为非法设备，云端数据服务器发出报警信息；

5、步骤四，云端数据服务器获取第一类交互特征关联的设备合法性验证信息，将得到的设备合法性验证信息与云端数据服务器存储的设备合法性验证信息进行验证，若验证通过，进入步骤五；

6、步骤五，云端数据服务器生成客户端连接信息，发送到边缘数据服务器调度模块，边缘数据服务器调度模块根据接收的云端数据服务器发送的客户端连接信息，调度第一边缘服务器与对应的客户端连接，第一边缘数据服务器执行响应，完成边缘计算数据处理。

7、进一步的，所述的云端数据服务器接收到交互信息，根据交互信息得到对应的第一类交互特征，根据对应的第一类交互特征得到云端数据服务器的响应状态包括：

8、所书第一交互特征为边缘数据服务器算力分配请求；所述的边缘数据服务器为对客户端进行边缘计算支持的服务器；若存在可分配的边缘数据服务器，则云端数据服务器进行响应，否则，云端数据服务器不响应。

9、进一步的，所述的获取交互信息中的客户端类型，包括：

10、与云端数据服务器中客户端数据库中匹配的客户端，则为一类客户端；否则为非一类客户端。

11、进一步的，所述的云端数据服务器获取第一类交互特征关联的设备合法性信息，将设备合法性信息中的特征信息，与云端数据服务器中对应的特征信息进行验证，包括：

12、一类客户端发送交互信息时，根据一类客户端存储的历史轨迹数据，生成设备合法性信息，发送到云端数据服务器，云端数据服务器根据设备合法性信息中包括的历史轨迹数据，与云端数据服务器存储的对应一类客户端的历史轨迹数据进行比对，若一致，则验证通过，否则，则验证不通过。

13、进一步的，所述的云端数据服务器获取第一类交互特征关联的设备合法性验证信息，将得到的设备合法性验证信息与云端数据服务器存储的验证信息进行验证，包括：

14、其中所述的设备合法性验证信息为非一类客户端的身份信息和身份鉴权信息，若身份鉴权信息与云端存储的身份鉴权信息一致，则非一类客户端的身份信息验证通过。

15、进一步的，所述的云端数据服务器生成客户端连接信息，发送到边缘数据服务器调度模块，包括：

16、若为一类客户端，云端数据服务器根据一类客户端的定位数据，生成客户端连接信息，并发送到边缘服务器调度模块；

17、若为非一类客户端，云端数据服务器根据非一类客户端的定位数据和客户端身份信息，生成客户端连接信息，并发送到边缘服务器调度模块。

18、进一步的，所述的边缘数据服务器调度模块根据接收的云端数据服务器发送的客户端连接信息，调度第一边缘服务器与对应的客户端连接，第一边缘数据服务器执行响应，完成边缘计算数据处理，包括：

19、边缘数据服务器调度模块获取客户端连接信息的客户端定位信息，将得到的客户端定位信息与边缘数据服务器列表中各个边缘数据服务器进行匹配，边缘数据服务器的定位与客户端定位信息距离最小的边缘数据服务器，为匹配的第一边缘数据服务器，根据其余各个边缘数据服务器与第一边缘数据服务器的数据传输延迟大小，生成边缘计算序列，客户端与第一边缘数据服务器连接；

20、第一边缘数据服务器获取数据分割特征，根据数据分割特征将客户端传输的待处理数据进行分割，得到多个数据块，并得到数据块序列；第一边缘数据服务器根据边缘计算序列和预设数据预处理模型调用信息，将预设数据预处理模型调用信息和数据块序列中的数据块，发送到边缘计算序列中各个边缘数据服务器；

21、第一边缘数据服务器接收各个边缘数据服务器返回的完成预处理的数据块，根据数据块序列，进行拼接，得到待处理数据的预处理后的数据，完成数据边缘计算。

22、基于人工智能的边缘计算云平台，应用所述的基于人工智能的边缘计算方法，包括：云端数据服务器、边缘数据服务器调度模块、边缘数据服务器、通信模块和客户端；

23、所述的云端数据服务器、边缘数据服务器调度模块分别与所述的通信模块连接；所述的边缘数据服务器与所述的边缘数据服务器调度模块连接；所述的客户端与所述的通信模块通信连接。

24、优选的，所述的客户端包括一类客户端、非一类客户端和客户端管理模块；所述的一类客户端、非一类客户端分别与所述的客户端管理模块连接；所述的客户端管理模块与所述的通信模块连接。

25、本发明的有益效果是：

26、显著提高数据处理效率：通过结合人工智能和边缘计算，本发明能够在网络边缘对数据进行预处理和分析，减少数据传输到云端的时间，从而显著提高数据处理效率，满足实时性要求较高的应用场景。

27、降低数据延迟：由于计算任务和数据存储被迁移到更接近数据源的网络边缘，本发明能够减少数据传输的延迟，使得数据处理更加迅速，提高了系统的响应速度。

28、优化计算资源分配：本发明通过智能地启动边缘计算终端，并根据反馈数据动态调节分组窗口大小，实现了对计算资源的合理分配和高效利用，避免了计算资源的浪费和瓶颈问题。

29、增强系统的可扩展性和普适性：本发明提出的方法不仅适用于单一场景的应用，还能够处理大规模、异构的传感器数据，具有较强的可扩展性和普适性，可以广泛应用于物联网、智能交通、智能安防等多个领域。