一种物联网多模态监测数据优化传输方法与流程

本发明涉及数据处理，具体涉及一种物联网多模态监测数据优化传输方法。

背景技术：

1、在冷链运输中，冷链运输车辆内部的温度数据具有极其重要的意义。冷链运输车辆内的许多产品，例如食品、药品、生物制品等，对温度非常敏感。记录冷链运输车辆内部温度可以确保产品在整个运输过程中始终处于安全的温度范围内，以避免产品腐败、变质或失效。因此，对冷链运输车辆内部的温度数据进行检测并存储传输至云端，以便相关工作人员能够及时确认冷链运输车辆内的温度环境，可以及时对存在异常的情况进行处理。

2、在对冷链运输车辆内部的温度数据进行传输之前，采集到的温度数据可能存在噪声，干扰数据的统计特性，影响数据的压缩传输效果以及后续的分析和应用。因此，在对冷链运输车辆内部温度数据进行传输之前，对温度数据进行去噪处理就显得尤为重要。现有的数据去噪方法是基于每个温度数据的固定的邻域范围内的数据进行噪声程度的分析，固定的邻域范围导致数据去噪效果较差，进而使得对温度数据的传输效果较差。

技术实现思路

1、为了解决现有方法对温度数据的传输效果较差的技术问题，本发明的目的在于提供一种物联网多模态监测数据优化传输方法，所采用的技术方案具体如下：

2、采集冷链运输车内在设定时间段内不同时刻的温度数据和湿度数据，根据每个时刻的温度数据的分布情况获取每个时刻的温度数据的邻域数据集；所述每个时刻的温度数据的邻域数据集包括至少两个；

3、根据每个时刻的温度数据的预设邻域范围内每相邻两个温度数据之间的变化情况、以及温度数据对应时刻的湿度数据之间的变化情况，得到每个时刻的温度数据的初始噪声程度；

4、根据每个时刻的温度数据与该温度数据的预设邻域范围内每个温度数据之间的数据差异情况和时间差异情况、以及所述初始噪声程度，得到每个时刻的温度数据在预设邻域范围内的全局噪声程度；

5、根据每个时刻的温度数据的预设邻域范围内温度数据与整体分布之间的差异、以及预设邻域范围内温度数据分布和所述全局噪声程度，得到每个时刻的温度数据的最优数量；

6、根据每个时刻的温度数据在所述最优数量个邻域数据集的范围内的全局噪声程度，对每个时刻下的温度数据进行去噪处理；

7、对去噪后的温度数据进行压缩传输。

8、优选地，所述根据每个时刻的温度数据的预设邻域范围内每相邻两个温度数据之间的变化情况、以及温度数据对应时刻的湿度数据之间的变化情况，得到每个时刻的温度数据的初始噪声程度，具体包括：

9、将设定时间段内所有时刻的温度数据，按照设定顺序进行排列得到温度排列序列；

10、将任意一个时刻的温度数据记为目标温度数据，将目标温度数据在温度排列序列中相邻的温度数据记为目标参考数据；将目标温度数据和目标参考数据之间的差异记为目标温度数据的数据特征差值；

11、根据所述数据特征差值以及目标温度数据对应时刻下的湿度数据和目标参考数据对应时刻下的湿度数据之间的差异，得到目标温度数据的影响系数；

12、将以目标温度数据为中心，在温度排列序列中第一预设数量个温度数据构成目标温度数据的邻域范围序列；

13、根据目标温度数据与邻域范围序列中所有温度数据的均值之间的差异、以及目标温度数据的影响系数和邻域范围序列中所有温度数据的影响系数的均值之间的差异，得到目标温度数据的初始噪声程度。

14、优选地，所述目标温度数据的初始噪声程度的计算公式具体为：

15、；

16、其中，为目标温度数据的初始噪声程度，也表示温度排列序列中第x个温度数据的初始噪声程度；为目标温度数据，也表示温度排列序列中第x个温度数据；为目标参考数据，也表示温度排列序列中第x-1个温度数据；表示目标温度数据的邻域范围序列中所有温度数据的均值；表示温度排列序列中第x个温度数据对应时刻下的湿度数据，表示温度排列序列中第x-1个温度数据对应时刻下的湿度数据，表示目标温度数据的邻域范围序列中包含的温度数据的数量，表示温度排列序列中第x个温度数据的邻域范围序列中第r个温度数据，温度排列序列中第x个温度数据的邻域范围序列中第r-1个温度数据，表示温度排列序列中第x个温度数据的邻域范围序列中第r个温度数据对应时刻下的湿度数据，表示温度排列序列中第x个温度数据的邻域范围序列中第r-1个温度数据对应时刻下的湿度数据，norm( )表示线性归一化函数，和均表示预设的超参数。

17、优选地，所述根据每个时刻的温度数据与该温度数据的预设邻域范围内每个温度数据之间的数据差异情况和时间差异情况、以及所述初始噪声程度，得到每个时刻的温度数据在预设邻域范围内的全局噪声程度，具体包括：

18、根据目标温度数据和邻域范围序列中每个温度数据之间的差异、以及目标温度数据和邻域范围序列中每个温度数据之间的时间间隔，得到第一特征系数；

19、根据目标温度数据的数据特征差值和邻域范围序列中每个温度数据的数据特征差值之间的差异、以及目标温度数据和邻域范围序列中每个温度数据之间的时间间隔，得到第二特征系数；

20、根据目标温度数据的初始噪声程度、第一特征系数和第二特征系数，得到目标温度数据在预设邻域范围内的全局噪声程度。

21、优选地，所述目标温度数据在预设邻域范围内的全局噪声程度的计算公式具体为：

22、；

23、其中，为目标温度数据在预设邻域范围内的全局噪声程度，表示温度排列序列中第x个温度数据的数据特征差值，第x个温度数据的邻域范围序列中第s个温度数据的数据特征差值，表示第x个温度数据与第x个温度数据的邻域范围序列中第s个温度数据之间的时间间隔，为目标温度数据的初始噪声程度，为目标温度数据，也表示温度排列序列中第x个温度数据；表示目标温度数据的邻域范围序列中包含的温度数据的数量，表示温度排列序列中第x个温度数据的邻域范围序列中第s个温度数据。

24、优选地，所述根据每个时刻的温度数据的预设邻域范围内温度数据与整体分布之间的差异、以及预设邻域范围内温度数据分布和所述全局噪声程度，得到每个时刻的温度数据的最优数量，具体包括：

25、根据目标温度数据的邻域范围序列内每个温度数据与目标温度数据的邻域范围序列所有温度数据的均值之间的差异得到第一系数；根据目标温度数据的邻域范围序列内大于或小于所有温度数据的均值对应的温度数据的数量分布情况得到第二系数；根据第一系数和第二系数、全局噪声程度得到目标温度数据的调整系数；

26、根据目标温度数据的调整系数，对预设的初始数量进行调整，得到目标温度数据的最优数量。

27、优选地，所述目标温度数据的调整系数的计算公式具体为：

28、；

29、其中，为目标温度数据的调整系数，也表示温度排列序列中第x个温度数据的调整系数，为目标温度数据在预设邻域范围内的全局噪声程度，表示目标温度数据的邻域范围序列中第k个温度数据，表示目标温度数据的邻域范围序列中所有温度数据的均值，表示目标温度数据的邻域范围序列中温度数据大于的数量，表示目标温度数据的邻域范围序列中温度数据小于的数量，表示目标温度数据的邻域范围序列中包含的温度数据的数量，为预设的超参数。

30、优选地，所述根据目标温度数据的调整系数，对预设的初始数量进行调整，得到目标温度数据的最优数量，具体包括：

31、计算所述调整系数与预设的初始数量的乘积并进行取整得到目标温度数据的最优数量。

32、优选地，所述根据每个时刻的温度数据在所述最优数量个邻域数据集的范围内的全局噪声程度，对每个时刻下的温度数据进行去噪处理，具体包括：

33、对于任意一个时刻的温度数据，获取温度数据对应的所述最优数量个邻域数据集的范围内的全局噪声程度的均值的归一化值，得到该时刻的温度数据的噪声系数；将设定时间段内噪声系数大于或等于预设的噪声阈值对应的温度数据进行剔除。

34、优选地，所述根据每个时刻的温度数据的分布情况获取每个时刻的温度数据的邻域数据集，具体包括：

35、以目标温度数据为中心在温度排列序列中，获取第二预设数量个温度数据构成目标温度数据的第一个邻域数据集，按照设定步长依次增大所述预设数量，分别获取目标温度数据的每个邻域数据集；所述第二预设数量小于第一预设数量。

36、本发明实施例至少具有如下有益效果：

37、本发明首先获取冷链运输车内的温度数据和湿度数据，并获取每个时刻的温度数据的邻域数据集，每个邻域数据集表示了每个温度数据的不同数据范围，为后续数据分析提供了数据基础。然后，对每个时刻的温度数据的预设邻域范围内每相邻两个温度数据之间的变化情况、以及温度数据对应时刻的湿度数据之间的变化情况进行分析，考虑了在湿度的影响下温度的数值分布情况，同时分析了相邻温度数据的变化情况，获得的初始噪声程度初步表征了温度数据是噪声的可能性，进而对每个时刻的温度数据与该温度数据的预设邻域范围内每个温度数据之间的数据差异情况和时间差异情况进行分析，结合初始噪声程度，获得全局噪声程度，在初步分析的基础上，进一步考虑每个温度数据与邻域范围内的温度数据之间的数据差异以及时间差异，充分考虑邻域范围内的数据分布对温度数据噪声的评价程度，全局噪声程度更加全面的反映了温度数据是噪声的可能性大小。进一步的，基于全局噪声程度，对每个时刻的温度数据的预设邻域范围内温度数据与整体分布之间的差异、以及预设邻域范围内温度数据分布进行分析，确定最优数量，反映了每个温度数据进行噪声评价需要不同数量的邻域范围，使得评价结果更加准确，也即利用最优数量个邻域数据集的范围内的全局噪声程度进行去噪处理，使得对温度数据的去噪效果较佳，进而使得对温度数据的传输效果较佳。