一种多维数据的端云协同处理方法及装置与流程

本发明涉及数据处理，尤其涉及一种多维数据的端云协同处理方法及装置。

背景技术：

1、近年来，随着互联网以及云计算等技术方面的迅速发展，国外对人工智能系统软件、物联网领域的关键器件、工具链和集成开发环境、人工智能算法等核心技术进行垄断，而国内缺乏对物联网边缘计算的相关算法以及端云协同中的数据协同处理相关技术的研发。由于长期应用国外产品造成的技术依赖，我国端云协同技术面临国外“断供”和自身技术瓶颈的问题。

2、因此，提供一种多维数据的端云协同处理方法及装置，能够克服交通管控、无人驾驶、安全生产应急管理、企业风险预警分析管控等应用场景中对具有复杂性、多类型多维度的数据进行协同处理的难题，以解决现时在不同协同控制应用场景下的数据协同处理效率以及准确度较低的技术问题。

技术实现思路

1、本发明提供了一种多维数据的端云协同处理的方法及装置，能够有利于提高现时在不同协同控制应用场景下的数据协同分析的效率以及准确度。

2、为了解决上述技术问题，本发明第一方面公开了一种多维数据的端云协同处理方法，所述方法包括：

3、通过端云融合网联大数据全周期闭环智能管理模型对采集到的初始数据进行处理操作，得到处理后的目标多维数据集合，所述目标多维数据集合包括至少一个数据类型的子数据；

4、通过预设的端云协同智能计算模型和预设的协同控制算法对所述目标多维数据集合进行计算，得到所述目标多维数据集合的第一计算结果，所述第一计算结果包括至少一个类型的协同参数；

5、根据所述第一计算结果对多源异构设备进行管理协同，和/或，对跨业务应用进行服务协同，和/或，对动态信息进行通信协同。

6、作为一种可选的实施方式，在本发明第一方面中，所述通过端云融合网联大数据全周期闭环智能管理模型对采集到初始数据进行处理操作，得到处理后的目标多维数据集合，包括：

7、通过端云融合网联大数据全周期闭环智能管理模型对采集到初始数据进行预处理操作，得到预处理后的预处理数据；

8、通过所述端云融合网联大数据全周期闭环智能管理模型对所述预处理数据进行融合操作，得到融合后的目标多维数据集合。

9、作为一种可选的实施方式，在本发明第一方面中，所述通过端云协同智能计算模型和协同控制算法对所述目标多维数据进行计算，得到所述目标多维数据集合的第一计算结果，包括：

10、根据所述目标多维数据集合中所有子数据对应的数据类型，构建与所述目标多维数据集合对应的最优计算需求相匹配的端云协同智能计算模型；

11、根据所述目标多维数据集合中所有子数据对应的数据类型、数据量与数据复杂度确定出对应的协同控制算法；

12、根据所述端云协同智能计算模型与所述协同控制算法，对所述目标多维数据集合进行数据分析与数据挖掘操作，得到所述目标多维数据集合的第一计算结果；

13、其中，所述端云协同智能计算模型包括：至少一个边缘端节点与云端中心节点，每一个边缘端节点与所述云端中心节点之间的关联关系用于对所述目标多维数据集合进行端云协同计算。

14、作为一种可选的实施方式，在本发明第一方面中，所述根据所述目标多维数据集合中所有子数据对应的数据类型，构建与所述目标多维数据集合对应的最优计算需求相匹配的端云协同智能计算模型，包括：

15、根据每一个边缘端节点中预设的计算硬件设备给定的配置信息确定出所述计算性能参数；

16、根据预设的算法与所述计算性能参数计算得到计算调度空间集合；

17、将所述计算调度空间集合与所述目标多维数据集合输入至预设的模型优化器中，生成与所述目标多维数据集合相匹配的最优化计算调度策略；

18、根据所述目标多维数据集合中所有子数据对应的数据类型与所述最优化计算调度策略，构建与所述目标多维数据集合对应的最优计算需求相匹配的端云协同智能计算模型。

19、作为一种可选的实施方式，在本发明第一方面中，所述对多源异构设备进行管理协同，包括：

20、建立多源异构设备管理平台，所述多源异构设备管理平台用于多源异构设备的统一接入和管理；

21、根据所述第一计算结果对所述多源异构设备的运行状态进行实时监测，并对潜在问题进行预警；

22、根据所述多源异构设备的运行状态与业务需求，制定设备维护计划和调度策略；

23、所述对跨业务应用进行服务协同，包括：

24、基于所述第一目标多维数据集合的计算结果向对应的业务应用提供定制化服务；

25、通过数据共享技术与所述端云协同智能计算模型进行业务应用之间的对接与协同；

26、以及，所述对动态信息进行通信协同，包括：

27、根据业务需求和所述第一计算结果，调整通信资源的分配策略与通信策略；

28、根据所述通信资源的分配策略与通信策略对动态信息进行实时处理与传输；

29、建立通信协议和接口，所述接口支持至少一个终端设备和端云协同系统之间的互联互通。

30、作为一种可选的实施方式，在本发明第一方面中，针对来自用户的业务请求，根据所述目标多维数据集合构建多维混合数据端云分级索引编码；

31、基于采集到的海量网联数据与所述多维混合数据端云分级索引编码构建网联大数据混合存储模型；

32、根据所述网联大数据混合存储模型对所述目标多维数据集合中的高并发的元数据进行定位，以对海量异构多源联网大数据的高并发检索进行快速响应；

33、其中，所述业务请求包括：海量数据异构请求、高并发访问请求、数据查询请求，所述目标多维数据集合中的子数据包括：来源数据、时间数据、空间数据中的至少一种。

34、作为一种可选的实施方式，在本发明第一方面中，所述方法还包括：

35、当所述对所述目标多维数据集合进行计算需要多种物联网通信制式与高计算速率时，通过所述预设的端云协同智能计算模型并结合物联网通信制式以及轻量级边缘ai加速计算与应用，对所述目标多维数据集合进行计算，得到所述目标多维数据集合的第二计算结果，所述第二计算结果用于边缘计算、数据存储、数据融合与ai算法加载的多维度分析。

36、本发明第二方面公开了一种多维数据的端云协同处理装置，所述装置包括：

37、处理模块，用于通过端云融合网联大数据全周期闭环智能管理模型对采集到的初始数据进行处理操作，得到处理后的目标多维数据集合，所述目标多维数据集合包括至少一个数据类型的子数据；

38、计算模块，用于通过预设的端云协同智能计算模型和预设的协同控制算法对所述处理模块处理得到的所述目标多维数据集合进行计算，得到所述目标多维数据集合的第一计算结果，所述第一计算结果包括至少一个类型的协同参数；

39、协同模块，用于根据所述计算模块计算得到的所述第一计算结果对多源异构设备进行管理协同，和/或，对跨业务应用进行服务协同，和/或，对动态信息进行通信协同。

40、作为一种可选的实施方式，在本发明第二方面中，所述处理模块通过端云融合网联大数据全周期闭环智能管理模型对采集到初始数据进行处理操作，得到处理后的目标多维数据集合的具体方式为：

41、通过端云融合网联大数据全周期闭环智能管理模型对采集到初始数据进行预处理操作，得到预处理后的预处理数据；

42、通过所述端云融合网联大数据全周期闭环智能管理模型对所述预处理数据进行融合操作，得到融合后的目标多维数据集合。

43、作为一种可选的实施方式，在本发明第二方面中，所述计算模块通过端云协同智能计算模型和协同控制算法对所述目标多维数据进行计算，得到所述目标多维数据集合的第一计算结果的具体方式为：

44、根据所述目标多维数据集合中所有子数据对应的数据类型，构建与所述目标多维数据集合对应的最优计算需求相匹配的端云协同智能计算模型；

45、根据所述目标多维数据集合中所有子数据对应的数据类型、数据量与数据复杂度确定出对应的协同控制算法；

46、根据所述端云协同智能计算模型与所述协同控制算法，对所述目标多维数据集合进行数据分析与数据挖掘操作，得到所述目标多维数据集合的第一计算结果；

47、其中，所述端云协同智能计算模型包括：至少一个边缘端节点与云端中心节点，每一个边缘端节点与所述云端中心节点之间的关联关系用于对所述目标多维数据集合进行端云协同计算。

48、作为一种可选的实施方式，在本发明第二方面中，所述计算模块根据所述目标多维数据集合中所有子数据对应的数据类型，构建与所述目标多维数据集合对应的最优计算需求相匹配的端云协同智能计算模型的具体方式为：

49、根据每一个边缘端节点中预设的计算硬件设备给定的配置信息确定出所述计算性能参数；

50、根据预设的算法与所述计算性能参数计算得到计算调度空间集合；

51、将所述计算调度空间集合与所述目标多维数据集合输入至预设的模型优化器中，生成与所述目标多维数据集合相匹配的最优化计算调度策略；

52、根据所述目标多维数据集合中所有子数据对应的数据类型与所述最优化计算调度策略，构建与所述目标多维数据集合对应的最优计算需求相匹配的端云协同智能计算模型。

53、作为一种可选的实施方式，在本发明第二方面中，所述协同模块对多源异构设备进行管理协同的具体方式为：

54、建立多源异构设备管理平台，所述多源异构设备管理平台用于多源异构设备的统一接入和管理；

55、根据所述第一计算结果对所述多源异构设备的运行状态进行实时监测，并对潜在问题进行预警；

56、根据所述多源异构设备的运行状态与业务需求，制定设备维护计划和调度策略；

57、所述协同模块对跨业务应用进行服务协同的具体方式为：

58、基于所述第一计算结果向对应的业务应用提供定制化服务；

59、通过数据共享技术与端云协同智能计算模型实现业务应用之间的对接与协同；

60、以及，所述协同模块对动态信息进行通信协同的具体方式为：

61、根据业务需求和所述第一计算结果，调整通信资源的分配策略与通信策略；

62、根据所述通信资源的分配策略与通信策略对动态信息进行实时处理与传输；

63、建立通信协议和接口，所述接口支持至少一个终端设备和端云协同系统之间的互联互通。

64、作为一种可选的实施方式，在本发明第二方面中，所述装置还包括：

65、构建模块，用于针对来自用户的业务请求，根据所述处理模块处理得到的目标多维数据集合构建多维混合数据端云分级索引编码；

66、所述构建模块，还用于基于采集到的海量网联数据与所述多维混合数据端云分级索引编码构建网联大数据混合存储模型；

67、定位模块，用于根据所述构建模块构建的所述网联大数据混合存储模型对所述目标多维数据集合中的高并发的元数据进行定位，以对海量异构多源联网大数据的高并发检索进行快速响应；

68、其中，所述业务请求包括：海量数据异构请求、高并发访问请求、数据查询请求中的至少一种，所述目标多维数据集合中的子数据包括：来源数据、时间数据、空间数据中的至少一种。

69、作为一种可选的实施方式，在本发明第二方面中，所述计算模块，还用于当所述对所述目标多维数据集合进行计算需要多种物联网通信制式与高计算速率时，通过所述预设的端云协同智能计算模型并结合物联网通信制式以及轻量级边缘ai加速计算与应用，对所述目标多维数据集合进行计算，得到所述目标多维数据集合的第二计算结果，所述第二计算结果用于边缘计算、数据存储、数据融合与ai算法加载的多维度分析。

70、本发明第三方面公开了另一种多维数据的端云协同处理装置，所述装置包括：

71、存储有可执行程序代码的存储器；

72、与所述存储器耦合的处理器；

73、所述处理器调用所述存储器中存储的所述可执行程序代码，执行本发明第一方面公开的多维数据的端云协同处理方法。

74、本发明第四方面公开了一种计算机存储介质，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行本发明第一方面公开的多维数据的端云协同处理方法。

75、与现有技术相比，本发明实施例具有以下有益效果：

76、提供了一种多维数据的端云协同处理方法及装置，该方法包括：通过端云融合网联大数据全周期闭环智能管理模型对采集到的初始数据进行处理操作，得到处理后的目标多维数据集合，通过预设的端云协同智能计算模型和预设的协同控制算法对目标多维数据集合进行计算，得到目标多维数据集合的第一计算结果，根据第一计算结果对多源异构设备进行管理协同，和/或，对跨业务应用进行服务协同，和/或，对动态信息进行通信协同。可见，实施本发明能够通过端云融合网联大数据全周期闭环智能管理模型对采集到的初始数据进行处理操作，得到处理后的目标多维数据集合，目标多维数据集合包括至少一个数据类型的子数据，有利于提高多维数据协同处理的准确率；通过预设的端云协同智能计算模型和预设的协同控制算法对目标多维数据集合进行计算，得到目标多维数据集合的第一计算结果，从而有利于提高多维数据协同处理的准确率；以及根据第一计算结果对多源异构设备进行管理协同，对跨业务应用进行服务协同，以及对动态信息进行通信协同，以便降低了多方协同控制的难度，提高了多方协同的灵活性，从而有利于提高现时云端协同的应用场景下多维数据的协同处理的效率以及准确度。