一种基于云边协同技术的物业数字化管理系统的制作方法

1.本发明涉及边缘计算技术领域，具体是一种基于云边协同技术的物业数字化管理系统。


背景技术：

2.目前物业数字化系统普遍采用的两种部署技术：1、私有化部署：采用物业公司的私有云或物理机进行私有化部署，所有功能均在自主的服务器上提供服务；2、云托管部署：采用基于saas的云托管服务，实现物业数字化系统的快速部署和实施。
3.这两种部署模式，在传统的物业信息化系统中应用较多，尤其是saas服务模式的物业系统，更是以极高的速度发展壮大。但随着小区部署的iot设备种类越来越多，数据传输量越来越大，在网络安全和管理维护上都存在安全隐患。并且存在算力资源分配不均，导致某些边缘节点算力较低，影响整体数据处理效率；基于以上不足，本发明提出一种基于云边协同技术的物业数字化管理系统。


技术实现要素：

4.本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种基于云边协同技术的物业数字化管理系统。
5.为实现上述目的，根据本发明的第一方面的实施例提出一种基于云边协同技术的物业数字化管理系统，包括数据采集模块、数据分析模块、物业管理中心以及算力监测模块；所述数据采集模块用于采集每个边缘节点接收到的每个设备数据的特征信息；所述数据分析模块用于根据接收到的每个设备数据的特征信息对每个边缘节点进行运算系数分析，并根据运算系数ys对边缘节点进行分类；若运算系数ys大于设定值，则将对应边缘节点标记为核心节点；否则，将对应边缘节点标记为普通节点；其中，若为核心节点，则利用数据加密模块对核心节点发送的数据进行加密传输；所述算力监测模块用于对核心节点的算力占用情况进行监测分析，根据算力占用率nc的时空变化情况对核心节点的算力饱和系数ky进行评估；若ky＞预设饱和阈值，则判定所述核心节点的算力资源不足，生成算力扩充信号；所述算力监测模块用于将算力扩充信号上传至物业管理中心，以提醒管理人员扩充所述核心节点的算力资源。
6.进一步地，所述数据分析模块的具体分析步骤为：获取边缘节点接收到的每个设备数据的特征信息；所述特征信息包括设备数据类型、设备数据量、设备数据传输距离和设备数据传输带宽；根据所述特征信息计算得到所述边缘节点处理对应设备数据所需的运算值并标记为yi；在预设时间段内，统计所述边缘节点的运算总次数为c1；
将运算值yi与预设运算阈值相比较；统计yi＞预设运算阈值的次数为p1；当yi＞预设运算阈值时，获取yi与预设运算阈值的差值并求和得到超算总值cz；利用公式ct=p1
×
g1+cz
×
g2计算得到超算吸引值ct，其中g1、g2均为预设系数因子。
7.进一步地，运算值yi的具体计算方法为：获取特征信息中的设备数据类型，设定每个数据类型均有一个对应的预设类型值，将所述设备数据类型与所有的数据类型进行匹配获取得到对应的预设类型值并标记为cyi；将特征信息中对应的设备数据量、设备数据传输距离和设备数据传输带宽依次标记为li、di以及wi；利用公式yi=(cyi
×
a1+li
×
a2+di
×
a3)/(wi
×
a4)计算得到边缘节点处理对应设备数据所需的运算值yi；其中a1、a2、a3、a4均为系数因子。
8.进一步地，所述算力监测模块的具体分析步骤为：按照预设间隔采集核心节点的算力占用率并标记为nc，建立算力占用率nc随时间变化的曲线图；当曲线图处于上升阶段时，对曲线图进行求导获取占用率变化速率曲线图；将核心节点的实时算力占用率变化速率标记为vt；将vt与预设速率阈值相比较，经过相关处理计算得到核心节点的运算热度值wr；获取核心节点的当前算力占用率为nt，利用公式ky=nt
×
d3+wr
×
d4计算得到核心节点的算力饱和系数ky，其中d3、d4均为系数因子。
9.进一步地，其中，运算热度值wr的具体计算方法为：若vt＞预设速率阈值，则表示核心节点忙于数据运算，在对应的曲线图中截取对应的曲线段进行标注；在预设时间内，统计标注曲线段的数量为r1，将所有的标注曲线段对时间进行积分得到标注参考能量we，利用公式 wr=r1
×
d1+we
×
d2计算得到核心节点的运算热度值wr，其中d1、d2均为系数因子。
10.与现有技术相比，本发明的有益效果是：1、本发明中所述数据采集模块用于采集每个边缘节点接收到的每个设备数据的特征信息；所述数据分析模块用于根据接收到的每个设备数据的特征信息对每个边缘节点进行运算系数分析，并根据运算系数ys对边缘节点进行分类； 若运算系数ys大于设定值，则将对应边缘节点标记为核心节点；否则，将对应边缘节点标记为普通节点；其中，若为核心节点，则利用数据加密模块对核心节点发送的数据进行加密传输，提高数据传输安全；本发明中所述算力监测模块用于对核心节点的算力占用情况进行监测分析，按照预设间隔采集核心节点的算力占用率并标记为nc，建立算力占用率nc随时间变化的曲线图；根据算力占用率nc的时空变化情况对核心节点的算力饱和系数ky进行评估，若ky＞预设饱和阈值，则判定所述核心节点的算力资源不足，生成算力扩充信号；以提醒管理人员扩充所述核心节点的算力资源，提高数据处理效率。
附图说明
11.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以
根据这些附图获得其他的附图。
12.图1为本发明一种基于云边协同技术的物业数字化管理系统的系统框图。
具体实施方式
13.下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
14.如图1所示，一种基于云边协同技术的物业数字化管理系统，包括数据采集模块、数据分析模块、物业管理中心、数据加密模块以及算力监测模块；数据采集模块用于采集每个边缘节点接收到的每个设备数据的特征信息；特征信息包括设备数据类型、设备数据量、设备数据传输距离和设备数据传输带宽；数据分析模块用于根据接收到的每个设备数据的特征信息对每个边缘节点进行运算系数分析，并根据运算系数ys对边缘节点进行分类，具体分析步骤为：针对某个边缘节点，获取边缘节点接收到的每个设备数据的特征信息；将特征信息中对应的设备数据量、设备数据传输距离和设备数据传输带宽依次标记为li、di以及wi；获取特征信息中的设备数据类型，设定每个数据类型均有一个对应的预设类型值，将设备数据类型与所有的数据类型进行匹配获取得到对应的预设类型值并标记为cyi；利用公式yi=(cyi
×
a1+li
×
a2+di
×
a3)/(wi
×
a4)计算得到边缘节点处理每个设备数据所需的运算值yi；其中a1、a2、a3、a4均为系数因子；在预设时间段内，统计边缘节点的运算总次数为c1；将运算值yi与预设运算阈值相比较；统计yi＞预设运算阈值的次数为p1；当yi＞预设运算阈值时，获取yi与预设运算阈值的差值并求和得到超算总值cz；利用公式ct=p1
×
g1+cz
×
g2计算得到超算吸引值ct，其中g1、g2均为预设系数因子；将运算总次数、超算吸引值进行归一化处理并取其数值，利用公式ys=c1
×
g3+ct
×
g4计算得到边缘节点的运算系数ys，其中g3、g4均为系数因子；将运算系数ys与设定值相比较；若运算系数ys大于设定值，则将对应边缘节点标记为核心节点；否则，将对应边缘节点标记为普通节点；其中，若为核心节点，则利用数据加密模块对核心节点发送的数据进行加密传输；算力监测模块用于对核心节点的算力占用情况进行监测分析，判断是否需要重新分配核心节点的算力资源，具体分析步骤如下：算力监测模块按照预设间隔采集核心节点的算力占用率并标记为nc，建立算力占用率nc随时间变化的曲线图；当曲线图处于上升阶段时，对曲线图进行求导获取占用率变化速率曲线图；将核心节点的实时算力占用率变化速率标记为vt，其中vt取正数；将vt与预设速率阈值相比较；若vt＞预设速率阈值，则表示核心节点忙于数据运算，在对应的曲线图中截取对应的曲线段进行标注；在预设时间内，统计标注曲线段的数量为r1，将所有的标注曲线段对时间进行积
分得到标注参考能量we，利用公式
ꢀꢀꢀ
wr=r1
×
d1+we
×
d2计算得到核心节点的运算热度值wr，其中d1、d2均为系数因子；获取核心节点的当前算力占用率为nt，利用公式ky=nt
×
d3+wr
×
d4计算得到核心节点的算力饱和系数ky，其中d3、d4均为系数因子；将算力饱和系数ky与预设饱和阈值相比较；若ky＞预设饱和阈值，则判定核心节点的算力资源不足，生成算力扩充信号；算力监测模块用于将算力扩充信号上传至物业管理中心，以提醒管理人员扩充核心节点的算力资源，提高数据处理效率。
15.上述公式均是去除量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
16.本发明的工作原理：一种基于云边协同技术的物业数字化管理系统，在工作时，数据采集模块用于采集每个边缘节点接收到的每个设备数据的特征信息；数据分析模块用于根据接收到的每个设备数据的特征信息对每个边缘节点进行运算系数分析，并根据运算系数ys对边缘节点进行分类； 若运算系数ys大于设定值，则将对应边缘节点标记为核心节点；否则，将对应边缘节点标记为普通节点；其中，若为核心节点，则利用数据加密模块对核心节点发送的数据进行加密传输，提高数据传输安全；算力监测模块用于对核心节点的算力占用情况进行监测分析，按照预设间隔采集核心节点的算力占用率并标记为nc，建立算力占用率nc随时间变化的曲线图；根据算力占用率nc的时空变化情况对核心节点的算力饱和系数ky进行评估，若ky＞预设饱和阈值，则判定核心节点的算力资源不足，生成算力扩充信号；以提醒管理人员扩充核心节点的算力资源，提高数据处理效率。
17.在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
18.以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。