基于云计算的河面冰情分析系统的制作方法

基于云计算的河面冰情分析系统的制作方法
【专利摘要】本发明公开了基于云计算的河面冰情分析系统，包括河面冰情数据采集模块、河面冰情数据处理模块、冰情显示报警模块和河面冰情数据处理服务模块，其中所述河面冰情数据处理模块包括河面冰情数据存储子模块、河面冰情数据提取子模块和河面冰情分析子模块，所述河面冰情数据处理服务模块包括任务规划子模块和云服务资源分配子模块。本发明实现了河面冰情的有效分析，不需要通过人员每天巡视河面、人为观察和判断，具有很好的使用价值；设置河面冰情数据提取子模块，提高了河面冰情数据提取的效率，进一步提高了河面冰情数据的处理效率；设置河面冰情数据处理服务模块，实现最大利益化地使用云端的存储和计算资源，降低了系统的构建成本。
【专利说明】
基于云计算的河面冰情分析系统
技术领域
[0001] 本发明涉及云计算应用领域，具体涉及基于云计算的河面冰情分析系统。
【背景技术】
[0002] 相关技术中，采用的防冰灾方式是通过人员每天巡视河面，人为观察和判断，这样 不仅造成人员劳动力浪费，并且人为观察和判断是有误差的，还需要巡河的人员必须要有 丰富的河面冰情观察经验，即便是这样，由于暗冰等多因素的存在也无法准确的判断出河 面冰情的发展趋势。

【发明内容】

[0003] 针对上述问题，本发明提供基于云计算的河面冰情分析系统。
[0004] 本发明的目的采用以下技术方案来实现：
[0005] 基于云计算的河面冰情分析系统，包括河面冰情数据采集模块、河面冰情数据处 理模块、冰情显示报警模块和河面冰情数据处理服务模块，具体为：
[0006] (1)河面冰情数据采集模块，用于采集河面冰情数据，包括摄像头和图像处理器， 所述摄像头设置于河面上，用于定时对河面进行摄像;所述图像处理器用于对摄像后的图 片进行处理，得到河面冰情数据；
[0007] (2)河面冰情数据处理模块，用于对河面冰情数据进行处理，分析河面冰情，包括：
[0008] 1)河面冰情数据存储子模块，用于将河面冰情数据按时间段实时存储到云服务资 源池中，所述时间段单位设置为每小时，所述云服务资源池中还存储有河面历史情况数据 和对应于各时间段的气象信息；
[0009] 2)河面冰情数据提取子模块，用于提取当前时间段的河面冰情数据和对应于当前 时间段的气象信息；
[0010] 3)河面冰情分析子模块，用于根据历史情况数据、当前时间段的河面冰情数据和 对应于当前时间段的气象信息，分析当前时间段的河面冰情数据是否超过预设的冰情数据 正常范围，若当前时间段的河面冰情数据超过预设的冰情数据正常范围，输出报警信息；
[0011] (3)冰情显示报警模块，用于采用报表的形式显示河面冰情，且根据河面冰情分析 子模块输出的报警信息进行报警并显示报警信息所对应的河面位置。
[0012] (4)河面冰情数据处理服务模块，用于为河面冰情数据处理模块对河面冰情数据 的处理过程提供相应的存储和计算资源。
[0013] 其中，所述河面冰情数据包括冰块的数量、各个冰块的形状、冰块的面积、冰块的 厚度、冰块的密度、冰块的最大面积、冰块群的大小和整个河面宽度的百分比。
[0014] 优选地，所述河面冰情数据由GPRS实时传送到河面冰情数据处理模块中。
[0015] 其中，所述河面冰情数据处理服务模块包括：
[0016] 1)任务规划子模块，用于对对河面冰情数据的处理过程划分为多个子任务，并为 每个子任务匹配满足其需求的云端服务资源池，形成云服务组合方案，以获得对河面冰情 数据的处理过程中所需的存储资源和计算资源；
[0017] 2)云服务资源分配子模块，用于根据任务规划子模块生成的大数据服务的任务规 划，执行云服务组合方案的评估，选择最优的云服务组合方案，为每个子任务提供相应的存 储和计算资源，具体为：
[0018] A、根据云端服务资源池 SPV和对应的服务质量Q〇.s历史记录，进行云服务组合方案 的效用函数X的建模并初始化模型中效用函数的各参数，设由任务规划子模块获得的任务 规划G=瓜，G2，G 3，G4}，对应的Qo.s-约束为C = {&，C2，C3，C4}，每个子任务Gv对应的云端服务 资源池 SPV共有mv个服务，对于云端服务资源池 SPV中的每一个服务SP_，其包含的Q〇s历史 记录个数为Lvu，由SP V形成的第γ个可行的云服务组合方案为CSY，ve [ 1，4]，ω e [ 1，mv]， 定义模型为：
[0019]
[0020] 其中，Q.os_.(fc)为第k维度的〇!%.最大值，Qoy- (Α〇为第k维度的Qos最小值，SPVU Rh为隶属于SPVU的一条Q〇s历史记录，x~-h表示模型中效用函数的参数；
[0021] B、根据效用函数值按从小到大的顺序对各可行云服务组合方案进行排序，选择前 Z个可行云服务组合方案作为优选云服务组合方案，Z的取值根据应用实例进行设定；
[0022] C、对每一组优选云服务组合方案计算其效用函数值的平均值；
[0023] D、选择效用函数值的平均值为最大的优选云服务组合方案作为最优的云服务组 合方案；
[0024] E、记录优选云服务组合方案的效用函数值和最优的组合云服务方案，并将其作为 样本进行学习，如果新的优选云服务组合方案已经出现过，则直接调用其函数值。
[0025] 其中，所述河面冰情数据提取子模块具体执行以下操作：
[0026] 设^为非结构化对等网络中的一个对等节点，为本地资源池为邻居节点资 源信息池 ，i e [ 1，η]，η为对等网络包含节点的总数，发起提取请求Mj的节点为xj，在xj的邻 居节点集合中按照概率Pj随机挑选出的对等节点集为PjX {xji，xj2,…xjm}，je [1，n];
[0027] 当对等节点Xl收到x泼送的提取请求M财，检查中是否含有满足提取请求 Mj的河面冰情数据，若是，根据所述河面冰情数据和河面冰情数据所在对等节点的位置信 息，创建查询的响应消息€即_并根据Xj的位置信息，将所述响应信息?返回给Xj，然后将Xj 的生命值减1，若xj的生命值为0，丢弃提取请求Mj，若不为0，米用Q学习算法计算pj X {xji， Xj2，中各对等节点的Q值，将提取请求Mj转发给pj X {xji，χ」2，中Q值最大的节点， 概率Pj在网络悠闲时的取值范围为(5，8]，在网络拥堵时的取值范围为[0，3);
[0028]设定Q值的计算公式为：
[0029]
[0030] 其中，Qnew表示Q的新值，Qoid表示Q的老值，Qiearn表示被学习的值，α表示学习速率，β 表示拥塞因素，μ(〇表示时亥叶节点的缓存队列中待处理的提取请求消息数，表 示Pj X {xjl，Xj2，'"Xjni}中的节点χ』μ处理一条提取请求消息所规定的时间，Τχ/μ表示Pj X {xjl， Xj2，…X jm}中的节点X处理一条提取请求消息实际所需的时间；函数I [ X ]在X>0时取值为1， X彡0时取值为〇，α的取值范围是[0.25,0.3]，β的取值范围是[0.45,0.5]。
[0031] 本发明的有益效果为：
[0032] 1、设置河面冰情数据采集模块、河面冰情数据处理模块、冰情显示报警模块和河 面冰情数据处理服务模块，实现了河面冰情的有效分析，不需要通过人员每天巡视河面、人 为观察和判断，具有很好的使用价值；
[0033 ] 2、河面冰情数据处理模块中设置了河面冰情数据提取子模块，提高了河面冰情数 据提取的效率，进一步提高了河面冰情数据的处理效率；
[0034] 3、设置河面冰情数据处理服务模块，实现最大利益化地使用云端的存储和计算资 源，降低了系统的构建成本。
【附图说明】
[0035]利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限 制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得 其它的附图。
[0036] 图1是本发明各模块的连接示意图；
[0037] 图2是本发明河面冰情数据处理模块的结构示意图；
[0038]图3是本发明河面冰情数据处理服务模块的结构示意图。
[0039]附图标记：
[0040]河面冰情数据采集模块1、河面冰情数据处理模块2、冰情显示报警模块3、河面冰 情数据处理服务模块4、河面冰情数据存储子模块21、河面冰情数据提取子模块22、河面冰 情分析子模块23、任务规划子模块41、云服务资源分配子模块42。
【具体实施方式】
[0041] 结合以下实施例对本发明作进一步描述。
[0042] 实施例1
[0043]参见图1、图2、图3,本实施例的基于云计算的河面冰情分析系统，包括河面冰情数 据采集模块1、河面冰情数据处理模块2、冰情显示报警模块3和河面冰情数据处理服务模块 4，具体为：
[0044] (1)河面冰情数据采集模块1，用于采集河面冰情数据，包括摄像头和图像处理器， 所述摄像头设置于河面上，用于定时对河面进行摄像;所述图像处理器用于对摄像后的图 片进行处理，得到河面冰情数据；
[0045] (2)河面冰情数据处理模块2，用于对河面冰情数据进行处理，分析河面冰情，包 括：
[0046] 1)河面冰情数据存储子模块21，用于将河面冰情数据按时间段实时存储到云服务 资源池中，所述时间段单位设置为每小时，所述云服务资源池中还存储有河面历史情况数 据和对应于各时间段的气象信息；
[0047] 2)河面冰情数据提取子模块22,用于提取当前时间段的河面冰情数据和对应于当 前时间段的气象信息；
[0048] 3)河面冰情分析子模块23,用于根据历史情况数据、当前时间段的河面冰情数据 和对应于当前时间段的气象信息，分析当前时间段的河面冰情数据是否超过预设的冰情数 据正常范围，若当前时间段的河面冰情数据超过预设的冰情数据正常范围，输出报警信息； [0049] (3)冰情显示报警模块3,用于采用报表的形式显示河面冰情，且根据河面冰情分 析子模块23输出的报警信息进行报警并显示报警信息所对应的河面位置。
[0050] (4)河面冰情数据处理服务模块4,用于为河面冰情数据处理模块2对河面冰情数 据的处理过程提供相应的存储和计算资源。
[0051] 其中，所述河面冰情数据包括冰块的数量、各个冰块的形状、冰块的面积、冰块的 厚度、冰块的密度、冰块的最大面积、冰块群的大小和整个河面宽度的百分比。
[0052] 其中，所述河面冰情数据由GPRS实时传送到河面冰情数据处理模块2中。
[0053]其中，所述河面冰情数据处理服务模块4包括：
[0054] 1)任务规划子模块41，用于对对河面冰情数据的处理过程划分为多个子任务，并 为每个子任务匹配满足其需求的云端服务资源池，形成云服务组合方案，以获得对河面冰 情数据的处理过程中所需的存储资源和计算资源；
[0055] 2)云服务资源分配子模块42,用于根据任务规划子模块41生成的大数据服务的任 务规划，执行云服务组合方案的评估，选择最优的云服务组合方案，为每个子任务提供相应 的存储和计算资源，具体为：
[0056] A、根据云端服务资源池 SPV和对应的服务质量Q0,历史记录，进行云服务组合方案 的效用函数X的建模并初始化模型中效用函数的各参数，设由任务规划子模块41获得的任 务规划G =池，G2，G3，G4}，对应的Q%约束为C = {&，C2，C3，C4}，每个子任务Gv对应的云端服 务资源池 SPV共有mv个服务，对于云端服务资源池 SPV中的每一个服务SP~，其包含的Q〇s历 史记录个数为Lvu，由SP V形成的第γ个可行的云服务组合方案为CSY，ve [1，4]，ω e [1， mv]，定义模型为：
[0057]
[0058] 其中，Q〇Sm"Ucj为第k维度的4%最大值，㈨为第k维度的U%最小值，SPVU Rh为隶属于SPVU的一条9%历史记录，Xvu-h表示模型中效用函数的参数；
[0059] B、根据效用函数值按从小到大的顺序对各可行云服务组合方案进行排序，选择前 Z个可行云服务组合方案作为优选云服务组合方案，Z的取值根据应用实例进行设定；
[0060] C、对每一组优选云服务组合方案计算其效用函数值的平均值；
[0061] D、选择效用函数值的平均值为最大的优选云服务组合方案作为最优的云服务组 合方案；
[0062] E、记录优选云服务组合方案的效用函数值和最优的组合云服务方案，并将其作为 样本进行学习，如果新的优选云服务组合方案已经出现过，则直接调用其函数值。
[0063] 其中，所述河面冰情数据提取子模块22具体执行以下操作：
[0064] 设^为非结构化对等网络中的一个对等节点，为本地资源池，&f为邻居节点资 源信息池 ，i e [ 1，η]，η为对等网络包含节点的总数，发起提取请求Mj的节点为xj，在xj的邻 居节点集合中按照概率Pj随机挑选出的对等节点集为PjX {xji，xj2,…xjm}，je [l，n];
[0065] 当对等节点Xi收到Xj发送的提取请求Mj时，检查和^!;中是否含有满足提取请求 Mj的河面冰情数据，若是，根据所述河面冰情数据和河面冰情数据所在对等节点的位置信 息，仓ll建查询的响应消息CMj，并根据Xj的位置信息，将所述响应信息返回给Xj，然后将 xj的生命值减1，若xj的生命值为0,丢弃提取请求Mj，若不为0,采用Q学习算法计算pj X {xji， xj2，中各对等节点的Q值，将提取请求Mj转发给pj X {xji，χ」2，中Q值最大的节点， 概率Pj在网络悠闲时的取值范围为(5，8]，在网络拥堵时的取值范围为[0，3);
[0066]设定Q值的计算公式为：
[0067]
[0068] 其中，Qnew表示Q的新值，Q〇id表示Q的老值，Qiearn表示被学习的值，α表示学习速率，β 表示拥塞因素，⑴表示时亥叶节点^的缓存队列中待处理的提取请求消息数，^^^表 示Pj X {xjl，Xj2，'"Xjni}中的节点Χ』μ处理一条提取请求消息所规定的时间，表示pj X {xjl， Xj2，…X jm}中的节点X处理一条提取请求消息实际所需的时间；函数I [ X ]在X>0时取值为1， X彡0时取值为〇，α的取值范围是[0.25,0.3]，β的取值范围是[0.45,0.5]。
[0069]本实施例设置河面冰情数据采集模块1、河面冰情数据处理模块2、冰情显示报警 模块3和河面冰情数据处理服务模块4，实现了河面冰情的有效分析，不需要通过人员每天 巡视河面、人为观察和判断，具有很好的使用价值;设置河面冰情数据处理服务模块4，实现 最大利益化地使用云端的存储和计算资源，降低了系统的构建成本;在河面冰情数据处理 模块2中设置了河面冰情数据提取子模块22,提高了河面冰情数据提取的效率，进一步提高 了河面冰情数据的处理效率，其中本实施例取值α = 0.25，β = 0.5，河面冰情数据的处理效 率提高了3.5%。
[0070] 实施例2
[0071 ]参见图1、图2、图3，本实施例的基于云计算的河面冰情分析系统，包括河面冰情数 据采集模块1、河面冰情数据处理模块2、冰情显示报警模块3和河面冰情数据处理服务模块 4,具体为：
[0072] (1)河面冰情数据采集模块1，用于采集河面冰情数据，包括摄像头和图像处理器， 所述摄像头设置于河面上，用于定时对河面进行摄像;所述图像处理器用于对摄像后的图 片进行处理，得到河面冰情数据；
[0073] (2)河面冰情数据处理模块2,用于对河面冰情数据进行处理，分析河面冰情，包 括：
[0074] 1)河面冰情数据存储子模块21，用于将河面冰情数据按时间段实时存储到云服务 资源池中，所述时间段单位设置为每小时，所述云服务资源池中还存储有河面历史情况数 据和对应于各时间段的气象信息；
[0075] 2)河面冰情数据提取子模块22,用于提取当前时间段的河面冰情数据和对应于当 前时间段的气象信息；
[0076] 3)河面冰情分析子模块23,用于根据历史情况数据、当前时间段的河面冰情数据 和对应于当前时间段的气象信息，分析当前时间段的河面冰情数据是否超过预设的冰情数 据正常范围，若当前时间段的河面冰情数据超过预设的冰情数据正常范围，输出报警信息； [0077] (3)冰情显示报警模块3,用于采用报表的形式显示河面冰情，且根据河面冰情分 析子模块23输出的报警信息进行报警并显示报警信息所对应的河面位置。
[0078] (4)河面冰情数据处理服务模块4,用于为河面冰情数据处理模块2对河面冰情数 据的处理过程提供相应的存储和计算资源。
[0079] 其中，所述河面冰情数据包括冰块的数量、各个冰块的形状、冰块的面积、冰块的 厚度、冰块的密度、冰块的最大面积、冰块群的大小和整个河面宽度的百分比。
[0080] 其中，所述河面冰情数据由GPRS实时传送到河面冰情数据处理模块2中。
[0081 ]其中，所述河面冰情数据处理服务模块4包括：
[0082] 1)任务规划子模块41，用于对对河面冰情数据的处理过程划分为多个子任务，并 为每个子任务匹配满足其需求的云端服务资源池，形成云服务组合方案，以获得对河面冰 情数据的处理过程中所需的存储资源和计算资源；
[0083] 2)云服务资源分配子模块42,用于根据任务规划子模块41生成的大数据服务的任 务规划，执行云服务组合方案的评估，选择最优的云服务组合方案，为每个子任务提供相应 的存储和计算资源，具体为：
[0084] A、根据云端服务资源池 SPV和对应的服务质量备^历史记录，进行云服务组合方案 的效用函数X的建模并初始化模型中效用函数的各参数，设由任务规划子模块41获得的任 务规划G = {Gi，G2，G3，G4}，对应的Qos约束为C = {&，C2，C3，C4}，每个子任务Gv对应的云端服 务资源池 SPV共有mv个服务，对于云端服务资源池 SPV中的每一个服务SP~，其包含的(2以历 史记录个数为Lvu，由SP V形成的第γ个可行的云服务组合方案为CSY，ve [1，4]，ω e [1， mv]，定义模型为：
[0085]
[0086] 其中，为第k维度的Q0S§大值，为第k维度的Qos最小值，SPVU Rh为隶属于SPVU的一条兑％历史记录，Χνω-h表示模型中效用函数的参数；
[0087] B、根据效用函数值按从小到大的顺序对各可行云服务组合方案进行排序，选择前 Z个可行云服务组合方案作为优选云服务组合方案，Z的取值根据应用实例进行设定；
[0088] C、对每一组优选云服务组合方案计算其效用函数值的平均值；
[0089] D、选择效用函数值的平均值为最大的优选云服务组合方案作为最优的云服务组 合方案；
[0090] E、记录优选云服务组合方案的效用函数值和最优的组合云服务方案，并将其作为 样本进行学习，如果新的优选云服务组合方案已经出现过，则直接调用其函数值。
[0091 ]其中，所述河面冰情数据提取子模块22具体执行以下操作：
[0092] 设^为非结构化对等网络中的一个对等节点，为本地资源池为邻居节点资 源信息池 ，i e [ 1，η]，η为对等网络包含节点的总数，发起提取请求Mj的节点为xj，在xj的邻 居节点集合中按照概率Pj随机挑选出的对等节点集为PjX {xji，xj2,…xjm}，je [1，n];
[0093] 当对等节点Xi收到Xj发送的提取请求Mj时，检查中是否含有满足提取请求 Mj的河面冰情数据，若是，根据所述河面冰情数据和河面冰情数据所在对等节点的位置信 息，创建查询的响应消息％^，并根据&的位置信息，将所述响应信息返回给，然后将& 的生命值减1，若xj的生命值为0，丢弃提取请求Mj，若不为0，米用Q学习算法计算pj X {xji， Xj2，中各对等节点的Q值，将提取请求Mj转发给pj X {xji，χ」2，中Q值最大的节点， 概率Pj在网络悠闲时的取值范围为(5，8]，在网络拥堵时的取值范围为[0，3);
[0094]设定Q值的计算公式为：
[0095]
[0096] 其中，Qnew表示Q的新值，Q〇id表示Q的老值，Qiearn表示被学习的值，α表示学习速率，β 表示拥塞因素，义表示时亥叶节点的缓存队列中待处理的提取请求消息数，7%+表 示Pj X {xjl，Xj2，'"Xjni}中的节点χ』μ处理一条提取请求消息所规定的时间，表示Pj X {xjl， Xj2，…X jm}中的节点X处理一条提取请求消息实际所需的时间；函数I [ X ]在X>0时取值为1， X彡0时取值为〇，α的取值范围是[0.25,0.3]，β的取值范围是[0.45,0.5]。
[0097]本实施例设置河面冰情数据采集模块1、河面冰情数据处理模块2、冰情显示报警 模块3和河面冰情数据处理服务模块4，实现了河面冰情的有效分析，不需要通过人员每天 巡视河面、人为观察和判断，具有很好的使用价值;设置河面冰情数据处理服务模块4，实现 最大利益化地使用云端的存储和计算资源，降低了系统的构建成本;在河面冰情数据处理 模块2中设置了河面冰情数据提取子模块22,提高了河面冰情数据提取的效率，进一步提高 了河面冰情数据的处理效率，其中本实施例取值α = 0.26，β = 0.48，河面冰情数据的处理效 率提高了3.2%。
[0098] 实施例3
[0099]参见图1、图2、图3,本实施例的基于云计算的河面冰情分析系统，包括河面冰情数 据采集模块1、河面冰情数据处理模块2、冰情显示报警模块3和河面冰情数据处理服务模块 4，具体为：
[0100] (1)河面冰情数据采集模块1，用于采集河面冰情数据，包括摄像头和图像处理器， 所述摄像头设置于河面上，用于定时对河面进行摄像;所述图像处理器用于对摄像后的图 片进行处理，得到河面冰情数据；
[0101] (2)河面冰情数据处理模块2,用于对河面冰情数据进行处理，分析河面冰情，包 括：
[0102] 1)河面冰情数据存储子模块21，用于将河面冰情数据按时间段实时存储到云服务 资源池中，所述时间段单位设置为每小时，所述云服务资源池中还存储有河面历史情况数 据和对应于各时间段的气象信息；
[0103] 2)河面冰情数据提取子模块22,用于提取当前时间段的河面冰情数据和对应于当 前时间段的气象信息；
[0104] 3)河面冰情分析子模块23,用于根据历史情况数据、当前时间段的河面冰情数据 和对应于当前时间段的气象信息，分析当前时间段的河面冰情数据是否超过预设的冰情数 据正常范围，若当前时间段的河面冰情数据超过预设的冰情数据正常范围，输出报警信息；
[0105] (3)冰情显示报警模块3,用于采用报表的形式显示河面冰情，且根据河面冰情分 析子模块23输出的报警信息进行报警并显示报警信息所对应的河面位置。
[0106] (4)河面冰情数据处理服务模块4,用于为河面冰情数据处理模块2对河面冰情数 据的处理过程提供相应的存储和计算资源。
[0107] 其中，所述河面冰情数据包括冰块的数量、各个冰块的形状、冰块的面积、冰块的 厚度、冰块的密度、冰块的最大面积、冰块群的大小和整个河面宽度的百分比。
[0108] 其中，所述河面冰情数据由GPRS实时传送到河面冰情数据处理模块2中。
[0109] 其中，所述河面冰情数据处理服务模块4包括：
[0110] 1)任务规划子模块41，用于对对河面冰情数据的处理过程划分为多个子任务，并 为每个子任务匹配满足其需求的云端服务资源池，形成云服务组合方案，以获得对河面冰 情数据的处理过程中所需的存储资源和计算资源； 2)云服务资源分配子模块42,用于根据任务规划子模块41生成的大数据服务的任 务规划，执行云服务组合方案的评估，选择最优的云服务组合方案，为每个子任务提供相应 的存储和计算资源，具体为：
[0112] A、根据云端服务资源池 SPV和对应的服务质量Q〇s历史记录，进行云服务组合方案 的效用函数X的建模并初始化模型中效用函数的各参数，设由任务规划子模块41获得的任 务规划G = {Gi，G2，G3，G4}，对应的Q〇s约束为C = {&，C2，C3，C4}，每个子任务Gv对应的云端服 务资源池 SPv共有mv个服务，对于云端服务资源池 SPv中的每一个服务SP~，其包含的Qo,历 史记录个数为Lvu，由SPV形成的第γ个可行的云服务组合方案为CSY，ve [1，4]，ω e [1， mv]，定义模型为：
[0113]
[0114] 其中，为第k维度的Qo.v最大值，QoSmiil(fc)为第k维度的(3〇5最小值，SP_ Rh为隶属于SPVU的一条(3办历史记录，xvu-h表示模型中效用函数的参数；
[0115] B、根据效用函数值按从小到大的顺序对各可行云服务组合方案进行排序，选择前 Z个可行云服务组合方案作为优选云服务组合方案，Z的取值根据应用实例进行设定；
[0116] C、对每一组优选云服务组合方案计算其效用函数值的平均值；
[0117] D、选择效用函数值的平均值为最大的优选云服务组合方案作为最优的云服务组 合方案；
[0118] E、记录优选云服务组合方案的效用函数值和最优的组合云服务方案，并将其作为 样本进行学习，如果新的优选云服务组合方案已经出现过，则直接调用其函数值。
[0119] 其中，所述河面冰情数据提取子模块22具体执行以下操作：
[0120] 设^为非结构化对等网络中的一个对等节点，心;为本地资源池，为邻居节点资 源信息池 ，i e [ 1，η]，η为对等网络包含节点的总数，发起提取请求Mj的节点为xj，在xj的邻 居节点集合中按照概率Pj随机挑选出的对等节点集为PjX {xji，xj2,…xjm}，je [1，n];
[0121] 当对等节点Xi收到Xj发送的提取请求Mj时，检查&4和4,中是否含有满足提取请求 Mj的河面冰情数据，若是，根据所述河面冰情数据和河面冰情数据所在对等节点的位置信 息，创建查询的响应消息~;?，并根据^的位置信息，将所述响应信息返回给，然后将^ 的生命值减1，若xj的生命值为0，丢弃提取请求Mj，若不为0，米用Q学习算法计算pj X {xji， Xj2，中各对等节点的Q值，将提取请求Mj转发给pj X {xji，χ」2，中Q值最大的节点， 概率Pj在网络悠闲时的取值范围为(5，8]，在网络拥堵时的取值范围为[0，3);
[0122] 设定Q值的计算公式为：
[0123:
[0124] 其中，Qnew表示Q的新值，Qdd表示Q的老值，Qiearn表示被学习的值，α表示学习速率，β 表示拥塞因素，凡#(〇表示时亥叶节点的缓存队列中待处理的提取请求消息数，7^^表 示Pj X {xjl，Xj2，'"Xjni}中的节点χ』μ处理一条提取请求消息所规定的时间，表示pj X {xjl， Xj2，…Xjm}中的节点X处理一条提取请求消息实际所需的时间；函数I [X ]在X>0时取值为1， 义彡〇时取值为〇，€1的取值范围是[0.25,0.3]，0的取值范围是[0.45,0.5]。
[0125] 本实施例设置河面冰情数据采集模块1、河面冰情数据处理模块2、冰情显示报警 模块3和河面冰情数据处理服务模块4，实现了河面冰情的有效分析，不需要通过人员每天 巡视河面、人为观察和判断，具有很好的使用价值;设置河面冰情数据处理服务模块4，实现 最大利益化地使用云端的存储和计算资源，降低了系统的构建成本;在河面冰情数据处理 模块2中设置了河面冰情数据提取子模块22,提高了河面冰情数据提取的效率，进一步提高 了河面冰情数据的处理效率，其中本实施例取值α = 0.27，β = 0.47，河面冰情数据的处理效 率提高了3%。
[0126] 实施例4
[0127] 参见图1、图2、图3,本实施例的基于云计算的河面冰情分析系统，包括河面冰情数 据采集模块1、河面冰情数据处理模块2、冰情显示报警模块3和河面冰情数据处理服务模块 4，具体为：
[0128] (1)河面冰情数据采集模块1，用于采集河面冰情数据，包括摄像头和图像处理器， 所述摄像头设置于河面上，用于定时对河面进行摄像;所述图像处理器用于对摄像后的图 片进行处理，得到河面冰情数据；
[0129] (2)河面冰情数据处理模块2，用于对河面冰情数据进行处理，分析河面冰情，包 括：
[0130] 1)河面冰情数据存储子模块21，用于将河面冰情数据按时间段实时存储到云服务 资源池中，所述时间段单位设置为每小时，所述云服务资源池中还存储有河面历史情况数 据和对应于各时间段的气象信息；
[0131] 2)河面冰情数据提取子模块22,用于提取当前时间段的河面冰情数据和对应于当 前时间段的气象信息；
[0132] 3)河面冰情分析子模块23,用于根据历史情况数据、当前时间段的河面冰情数据 和对应于当前时间段的气象信息，分析当前时间段的河面冰情数据是否超过预设的冰情数 据正常范围，若当前时间段的河面冰情数据超过预设的冰情数据正常范围，输出报警信息；
[0133] (3)冰情显示报警模块3,用于采用报表的形式显示河面冰情，且根据河面冰情分 析子模块23输出的报警信息进行报警并显示报警信息所对应的河面位置。
[0134] (4)河面冰情数据处理服务模块4,用于为河面冰情数据处理模块2对河面冰情数 据的处理过程提供相应的存储和计算资源。
[0135] 其中，所述河面冰情数据包括冰块的数量、各个冰块的形状、冰块的面积、冰块的 厚度、冰块的密度、冰块的最大面积、冰块群的大小和整个河面宽度的百分比。
[0136] 其中，所述河面冰情数据由GPRS实时传送到河面冰情数据处理模块2中。
[0137] 其中，所述河面冰情数据处理服务模块4包括：
[0138] 1)任务规划子模块41，用于对对河面冰情数据的处理过程划分为多个子任务，并 为每个子任务匹配满足其需求的云端服务资源池，形成云服务组合方案，以获得对河面冰 情数据的处理过程中所需的存储资源和计算资源；
[0139] 2)云服务资源分配子模块42,用于根据任务规划子模块41生成的大数据服务的任 务规划，执行云服务组合方案的评估，选择最优的云服务组合方案，为每个子任务提供相应 的存储和计算资源，具体为：
[0140] A、根据云端服务资源池 SPV和对应的服务质量(??历史记录，进行云服务组合方案 的效用函数X的建模并初始化模型中效用函数的各参数，设由任务规划子模块41获得的任 务规划G =池，G2，G3，G4}，对应的Q%约束为C= {&，C2，C3，C4}，每个子任务Gv对应的云端服 务资源池 SPV共有mv个服务，对于云端服务资源池 SPV中的每一个服务SP~，其包含的Q〇s历 史记录个数为Lvu，由SP V形成的第γ个可行的云服务组合方案为CSY，ve [1，4]，ω e [1， mv]，定义模型为：
[0141]
[0142] 其中，Q〇s_(fc)为第k维度的Q〇s最大值，Q〇Smin(fc)为第k维度的仏^最小值，SP_ Rh为隶属于SPVU的一条Q%历史记录，Χνω-h表示模型中效用函数的参数；
[0143] B、根据效用函数值按从小到大的顺序对各可行云服务组合方案进行排序，选择前 Z个可行云服务组合方案作为优选云服务组合方案，Z的取值根据应用实例进行设定；
[0144] C、对每一组优选云服务组合方案计算其效用函数值的平均值；
[0145] D、选择效用函数值的平均值为最大的优选云服务组合方案作为最优的云服务组 合方案；
[0146] E、记录优选云服务组合方案的效用函数值和最优的组合云服务方案，并将其作为 样本进行学习，如果新的优选云服务组合方案已经出现过，则直接调用其函数值。
[0147] 其中，所述河面冰情数据提取子模块22具体执行以下操作：
[0148] 设^为非结构化对等网络中的一个对等节点，为本地资源池为邻居节点资 源信息池 ，i e [ 1，η]，η为对等网络包含节点的总数，发起提取请求Mj的节点为xj，在xj的邻 居节点集合中按照概率Pj随机挑选出的对等节点集为PjX {xji，xj2,…xjm}，je [1，n];
[0149] 当对等节点Xi收到Xj发送的提取请求Mj时，检查心;和^^中是否含有满足提取请求 Mj的河面冰情数据，若是，根据所述河面冰情数据和河面冰情数据所在对等节点的位置信 息，创建查询的响应消息％』·，并根据&的位置信息，将所述响应信息"』返回给&，然后将^ 的生命值减1，若xj的生命值为0，丢弃提取请求Mj，若不为0，米用Q学习算法计算pj X {xji， Xj2，中各对等节点的Q值，将提取请求Mj转发给pj X {xji，χ」2，中Q值最大的节点， 概率Pj在网络悠闲时的取值范围为(5，8]，在网络拥堵时的取值范围为[0，3);
[0150]设定Q值的计算公式为：
[0151]
[0152] 其中，Qnew表示Q的新值，Qold表示Q的老值，Qlearn表示被学习的值，α表示学习速率，β 表示拥塞因素，(f)表示时刻t节点X#的缓存队列中待处理的提取请求消息数，表示 Pj X {xjl，Xj2，"_Xjm}中的节点χ』μ处理一条提取请求消息所规定的时间，心加表示pj X {xjl, Xj2，…Xjm}中的节点X处理一条提取请求消息实际所需的时间；函数I [X ]在X>0时取值为1， X彡0时取值为〇，α的取值范围是[0.25,0.3]，β的取值范围是[0.45,0.5]。
[0153]本实施例设置河面冰情数据采集模块1、河面冰情数据处理模块2、冰情显示报警 模块3和河面冰情数据处理服务模块4，实现了河面冰情的有效分析，不需要通过人员每天 巡视河面、人为观察和判断，具有很好的使用价值;设置河面冰情数据处理服务模块4，实现 最大利益化地使用云端的存储和计算资源，降低了系统的构建成本;在河面冰情数据处理 模块2中设置了河面冰情数据提取子模块22,提高了河面冰情数据提取的效率，进一步提高 了河面冰情数据的处理效率，其中本实施例取值α = 0.29，β = 0.46，河面冰情数据的处理效 率提高了2.8%。
[0154] 实施例5
[0155] 参见图1、图2、图3,本实施例的基于云计算的河面冰情分析系统，包括河面冰情数 据采集模块1、河面冰情数据处理模块2、冰情显示报警模块3和河面冰情数据处理服务模块 4，具体为：
[0156] (1)河面冰情数据采集模块1，用于采集河面冰情数据，包括摄像头和图像处理器， 所述摄像头设置于河面上，用于定时对河面进行摄像;所述图像处理器用于对摄像后的图 片进行处理，得到河面冰情数据；
[0157] (2)河面冰情数据处理模块2,用于对河面冰情数据进行处理，分析河面冰情，包 括：
[0158] 1)河面冰情数据存储子模块21，用于将河面冰情数据按时间段实时存储到云服务 资源池中，所述时间段单位设置为每小时，所述云服务资源池中还存储有河面历史情况数 据和对应于各时间段的气象信息；
[0159] 2)河面冰情数据提取子模块22,用于提取当前时间段的河面冰情数据和对应于当 前时间段的气象信息；
[0160] 3)河面冰情分析子模块23,用于根据历史情况数据、当前时间段的河面冰情数据 和对应于当前时间段的气象信息，分析当前时间段的河面冰情数据是否超过预设的冰情数 据正常范围，若当前时间段的河面冰情数据超过预设的冰情数据正常范围，输出报警信息； [0161] (3)冰情显示报警模块3,用于采用报表的形式显示河面冰情，且根据河面冰情分 析子模块23输出的报警信息进行报警并显示报警信息所对应的河面位置。
[0162] (4)河面冰情数据处理服务模块4,用于为河面冰情数据处理模块2对河面冰情数 据的处理过程提供相应的存储和计算资源。
[0163] 其中，所述河面冰情数据包括冰块的数量、各个冰块的形状、冰块的面积、冰块的 厚度、冰块的密度、冰块的最大面积、冰块群的大小和整个河面宽度的百分比。
[0164] 其中，所述河面冰情数据由GPRS实时传送到河面冰情数据处理模块2中。
[0165] 其中，所述河面冰情数据处理服务模块4包括：
[0166] 1)任务规划子模块41，用于对对河面冰情数据的处理过程划分为多个子任务，并 为每个子任务匹配满足其需求的云端服务资源池，形成云服务组合方案，以获得对河面冰 情数据的处理过程中所需的存储资源和计算资源；
[0167] 2)云服务资源分配子模块42,用于根据任务规划子模块41生成的大数据服务的任 务规划，执行云服务组合方案的评估，选择最优的云服务组合方案，为每个子任务提供相应 的存储和计算资源，具体为：
[0168] A、根据云端服务资源池 SPV和对应的服务质量(3:%历史记录，进行云服务组合方案 的效用函数X的建模并初始化模型中效用函数的各参数，设由任务规划子模块41获得的任 务规划G =瓜，G2，G3，G4}，对应的Q%约束为C = {&，C2，C3，C4}，每个子任务Gv对应的云端服 务资源池 SPV共有mv个服务，对于云端服务资源池 SPV中的每一个服务SP~，其包含的Q〇5历 史记录个数为Lvu，由SP V形成的第γ个可行的云服务组合方案为CSY，ve [1，4]，ω e [1， mv]，定义模型为：
[0169]
[0170] 其中，Q%_x(fc)为第k维度的最大值，Q〇Sm,:ra(fc)为第k维度的小值，SP VU Rh为隶属于SPV"的一条〇5%历史记录，Xv"-h表示模型中效用函数的参数；
[0171] B、根据效用函数值按从小到大的顺序对各可行云服务组合方案进行排序，选择前 Z个可行云服务组合方案作为优选云服务组合方案，Z的取值根据应用实例进行设定；
[0172] C、对每一组优选云服务组合方案计算其效用函数值的平均值；
[0173] D、选择效用函数值的平均值为最大的优选云服务组合方案作为最优的云服务组 合方案；
[0174] E、记录优选云服务组合方案的效用函数值和最优的组合云服务方案，并将其作为 样本进行学习，如果新的优选云服务组合方案已经出现过，则直接调用其函数值。
[0175] 其中，所述河面冰情数据提取子模块22具体执行以下操作：
[0176] SXl为非结构化对等网络中的一个对等节点，为本地资源池，为邻居节点资 源信息池 ，i e [ 1，η]，η为对等网络包含节点的总数，发起提取请求Mj的节点为xj，在xj的邻 居节点集合中按照概率Pj随机挑选出的对等节点集为PjX {xji，xj2,…xjm}，je [1，n];
[0177] 当对等节点Xl收到发送的提取请求吣时，检查&和％中是否含有满足提取请求 Mj的河面冰情数据，若是，根据所述河面冰情数据和河面冰情数据所在对等节点的位置信 息，创建查询的响应消息&;，并根据^的位置信息，将所述响应信息返回给，然后将 的生命值减1，若xj的生命值为0，丢弃提取请求Mj，若不为0，米用Q学习算法计算pj X {xji， Xj2，中各对等节点的Q值，将提取请求Mj转发给pj X {xji，χ」2，中Q值最大的节点， 概率Pj在网络悠闲时的取值范围为(5，8]，在网络拥堵时的取值范围为[0，3);
[0178]设定Q值的计算公式为：
[0179]
[0180] 其中，Qnew表;^Q的新值，Q〇ld表;^Q的老值，Qlearn表;^被学习的值，α表;^学习速率，β 表示拥塞因素，表示时亥节点^的缓存队列中待处理的提取请求消息数,^表 示Pj X {xjl，Xj2，'"Xjni}中的节点χ』μ处理一条提取请求消息所规定的时间，7'χ;μ表示pj X {xjl， Xj2，…Xjm}中的节点X处理一条提取请求消息实际所需的时间；函数I [X ]在X>0时取值为1， 义彡〇时取值为〇，€1的取值范围是[0.25,0.3]，0的取值范围是[0.45,0.5]。
[0181]本实施例设置河面冰情数据采集模块1、河面冰情数据处理模块2、冰情显示报警 模块3和河面冰情数据处理服务模块4，实现了河面冰情的有效分析，不需要通过人员每天 巡视河面、人为观察和判断，具有很好的使用价值;设置河面冰情数据处理服务模块4，实现 最大利益化地使用云端的存储和计算资源，降低了系统的构建成本;在河面冰情数据处理 模块2中设置了河面冰情数据提取子模块22,提高了河面冰情数据提取的效率，进一步提高 了河面冰情数据的处理效率，其中本实施例取值α = 0.3，β = 0.45，河面冰情数据的处理效 率提高了2.5%。
[0182]最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保 护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应 当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实 质和范围。
【主权项】
1. 基于云计算的河面冰情分析系统，其特征是，包括河面冰情数据采集模块、河面冰情 数据处理模块、冰情显示报警模块和河面冰情数据处理服务模块，具体为： (1) 河面冰情数据采集模块，用于采集河面冰情数据，包括摄像头和图像处理器，所述 摄像头设置于河面上，用于定时对河面进行摄像;所述图像处理器用于对摄像后的图片进 行处理，得到河面冰情数据； (2) 河面冰情数据处理模块，用于对河面冰情数据进行处理，分析河面冰情，包括： 1) 河面冰情数据存储子模块，用于将河面冰情数据按时间段实时存储到云服务资源池 中，所述时间段单位设置为每小时，所述云服务资源池中还存储有河面历史情况数据和对 应于各时间段的气象信息； 2) 河面冰情数据提取子模块，用于提取当前时间段的河面冰情数据和对应于当前时间 段的气象信息； 3) 河面冰情分析子模块，用于根据历史情况数据、当前时间段的河面冰情数据和对应 于当前时间段的气象信息，分析当前时间段的河面冰情数据是否超过预设的冰情数据正常 范围，若当前时间段的河面冰情数据超过预设的冰情数据正常范围，输出报警信息； (3) 冰情显示报警模块，用于采用报表的形式显示河面冰情，且根据河面冰情分析子模 块输出的报警信息进行报警并显示报警信息所对应的河面位置。 (4) 河面冰情数据处理服务模块，用于为河面冰情数据处理模块对河面冰情数据的处 理过程提供相应的存储和计算资源。2. 根据权利要求1所述的基于云计算的河面冰情分析系统，其特征是，所述河面冰情数 据包括冰块的数量、各个冰块的形状、冰块的面积、冰块的厚度、冰块的密度、冰块的最大面 积、冰块群的大小和整个河面宽度的百分比。3. 根据权利要求1所述的基于云计算的河面冰情分析系统，其特征是，所述河面冰情数 据由GPRS实时传送到河面冰情数据处理模块中。4. 根据权利要求1所述的基于云计算的河面冰情分析系统，其特征是，所述河面冰情数 据处理服务模块包括： 1) 任务规划子模块，用于对对河面冰情数据的处理过程划分为多个子任务，并为每个 子任务匹配满足其需求的云端服务资源池，形成云服务组合方案，以获得对河面冰情数据 的处理过程中所需的存储资源和计算资源； 2) 云服务资源分配子模块，用于根据任务规划子模块生成的大数据服务的任务规划， 执行云服务组合方案的评估，选择最优的云服务组合方案，为每个子任务提供相应的存储 和计算资源，具体为： A、根据云端服务资源池 SPv和对应的服务质量Qo.s?历史记录，进行云服务组合方案的效 用函数X的建模并初始化模型中效用函数的各参数，设由任务规划子模块获得的任务规划G =(G1，G2，G3，G4}，对应的Qos约束为C= {C1，C2，C3，C4}，每个子任务Gv对应的云端服务资源池 SPv共有mv个服务，对于云端服务资源池 SPv中的每一个服务SPvu，其包含的Qos历史记录个 数为L vu，由SPv形成的第γ个可行的云服务组合方案为CSy，ve [1，4]，ω e [I，mv]，定义模 型为： 其中，垃％_^)为第k维度的众％最大值，Q〇s_(fc)为第k维度的Q 0:s最小值，SPvuRh为 隶属于SPvcj的一条Qfe历史记录，Χνω-h表示模型中效用函数的参数；B、 根据效用函数值按从小到大的顺序对各可行云服务组合方案进行排序，选择前Z个 可行云服务组合方案作为优选云服务组合方案，Z的取值根据应用实例进行设定； C、 对每一组优选云服务组合方案计算其效用函数值的平均值； D、 选择效用函数值的平均值为最大的优选云服务组合方案作为最优的云服务组合方 案； E、 记录优选云服务组合方案的效用函数值和最优的组合云服务方案，并将其作为样本 进行学习，如果新的优选云服务组合方案已经出现过，则直接调用其函数值。5.根据权利要求1所述的基于云计算的河面冰情分析系统，其特征是，所述河面冰情数 据提取子模块具体执行以下操作： 设以为非结构化对等网络中的一个对等节点，&;为本地资源池，.为邻居节点资源信 息池 ，i e [ 1，η]，η为对等网络包含节点的总数，发起提取请求Mj的节点为Xj，在Xj的邻居节 点集合中按照概率Pj随机挑选出的对等节点集为PjX {xji，xj2,…xjm}，je [I，η]; 当对等节点Xl收到x泼送的提取请求M财，检查&和％中是否含有满足提取请求的 河面冰情数据，若是，根据所述河面冰情数据和河面冰情数据所在对等节点的位置信息，创 建查询的响应消息^^，并根据^的位置信息，将所述响应信息％/返回给X j，然后将^的生 命值减1，若Xj的生命值为〇，丢弃提取请求Mj，若不为O，采用Q学习算法计算pj X {Xji，χ」2，… Xjm}中各对等节点的Q值，将提取请求Mj转发给Pj X {xjl，Xj2,…Xjm}中Q值最大的节点，概率Pj 在网络悠闲时的取值范围为(5,8]，在网络拥堵时的取值范围为[0,3); 设定Q值的计算公式为：其中，Qnew表示Q的新值，Qoid表示Q的老值，Qiearn表示被学习的值，α表示学习速率，β表示 拥塞因素，馬丨:&)表示时刻t节点X扣的缓存队列中待处理的提取请求消息数，表示Pj X {xjl，Xj2，'"Xjni}中的节点Xjw处理一条提取请求消息所规定的时间，表示Pj X {xjl，Xj2，… Xjm}中的节点X处理一条提取请求消息实际所需的时间；函数I [ X ]在X>0时取值为1，X< 0 时取值为〇，α的取值范围是[0.25,0.3]，β的取值范围是[0.45,0.5]。
【文档编号】H04L29/08GK105933171SQ201610534639
【公开日】2016年9月7日
【申请日】2016年7月5日
【发明人】不公告发明人
【申请人】吴本刚