一种智慧园区多源数据动态监控和实时分析系统及方法与流程

本发明属于数据处理，尤其涉及一种智慧园区多源数据动态监控和实时分析系统及方法。

背景技术：

1、智慧园区是智慧城市在小区域范围内的实现形态，主要体系特征和发展特征对构件智慧城市具有重要的借鉴意义。建设智慧园区也是为园区打造智慧服务系统，包括建筑智能化以及智慧化信息服务。智慧园区采用最新的信息通信技术，其用互联网或移动互联网为信息传输载体，在数据采集和传输时采用物联网技术，同时利用云技术对信息集成和集中计算，具备多种信息迅速采集、快速传输和智能事务精确处理的能力。然而，相对于智慧园区，传统园区是人为进行管理，在管理过程中会出现一些管理疏漏，人工的管理无法对园区进行精细化管理。由于对智慧园区的多源数据源缺乏完善的数据评估过程，多源数据融合时会存在数据属性冲突、数据缺失和存储结构不一致等情况，造成数据间的关联关系较难发现，从而影响了智慧园区的动态监控和实时分析的准确性和效率。

技术实现思路

1、有鉴于此，本发明提供了一种可以提高园区管理的整体化、智能化和高效化的智慧园区多源数据动态监控和实时分析系统及方法，可以为园区管理者极大节省人力成本和时间成本，以解决上述存在的技术问题，具体采用以下技术方案来实现。

2、第一方面，本发明提供了一种智慧园区多源数据动态监控和实时分析系统，包括：

3、数据采集模块，用于获取智慧园区航拍图像和多传感器采集的环境数据，其中，航拍图像采用旋翼无人机拍摄，环境数据包括温湿度、co2浓度、甲醛浓度、tvoc浓度和pm2.5浓度；

4、数据融合模块，用于将航拍图像和环境数据进行自适应加权融合并确定各传感器的权重以得到融合数据；

5、数据质量评估模块，用于获取融合数据的准确性、完整性、时效性、一致性、平衡性和相关性并构建融合数据对应的评估模型；

6、数据分析模块，用于根据评估模型对融合数据进行多源融合数据重建已完成多源数据动态监控和实时分析。

7、作为上述技术方案的进一步优选，根据评估模型对融合数据进行多源融合数据重建已完成多源数据动态监控和实时分析，包括：

8、采用分批估计算法对同一个类型的检测量在不同空间位置所测的测量值分成多批次后，进行各批次融合处理，预设第一组数据：t11,t12...t1m，m∈n；第二组数据：t21,t22...t2n，n∈n，根据公式计算两组测量数据的算术平均值和相应的标准误差，其中，预设前一次所测的标准误差为σ-，当前所测的标准误差为σ+，前一次的融合值为t-，当前的融合值为t+，根据当前为第一次测量，此前无任何测量统计数据，σ+、σ+的值为零，将相应的数据输入分批估计中进行计算，求出当前方差的表达式为σ+＝[(σ-)-1+htr-1h]-1，其中，为系数矩阵，ht表示将系数矩阵转置，表示协方差，表示第一组数据的方差，表示第二组数据的方差，则导出数据融合值得到融合结果为t+＝[σ++(σ-)-1]t-+[σ++htr-1]t，将r、h、σ-、σ+、t-和输入至融合结果中得到最终融合结果表示为其中表示前一组的算数平均值，表示第二组的算术平均值。

9、作为上述技术方案的进一步优选，获取融合数据的准确性、完整性、时效性、一致性、平衡性和相关性并构建融合数据对应的评估模型，包括：

10、准确性评估模型的准确性维度下含有数据准确性和来源权威性两个评价指标，对具体评价指标进行建模，得到准确性评估模型，数据的准确性反应数据是否真实、准确地描述应用场景，预设第i个数据的第j个数据为dij，第i个数据源共有ni个数据，重要属性集合attr(di)＝{a1,a2...al}在该场景下的参考值标准为m＝{m1,m2...ml}，则有映射函数为其中表示准确性判断函数，若dij在属性ak上的取值满足参考值标准mk，则为1，反之为0，故当数据dij在属性集合attr(di)上的取值均正确时，表明该数据真实有效，μ(*)取值为1；

11、数据准确性度量模型为：其中，dacc的取值范围表示[0,,1]，当dacc取值为0时，表示第i个数据源的数据皆不准确；当dacc取值为1时，则表示该数据源的数据都十分准确；

12、评价指标的选用具有灵活性，准确性评估模型为其中evalacc表示选取的准确性的准确性评价指标的下标集合，k表示为evalacc集合中的元素个数。

13、作为上述技术方案的进一步优选，获取融合数据的完整性构建融合数据对应的评估模型，包括：

14、完整性评估以数据非空性、数据规范性两个评价指标为依据，度量数据的完整性得分，多源数据融合时，若某些融合所需的属性值缺失，将使得该条数据不具备融合功能，直接降低数据的可用性，预设第i个数据源的第j个数据为dij，其在l个重要属性上的缺纸结合为attrvalij，则有映射函数，故数据非空性度量模型的表达式为其中y(dij)表示判断第i个数据源的第j个数据是否非空的映射函数，dcomp的取值范围为[0,1]，当dcomp取值为0时，表示第i个来源所有数据的重要属性取值均为空，当dcomp取值为1时，表示所有数据的重要属性取值都非空；

15、数据规范性用来评估数据中各属性值描述是否规范，其规范程度对多源数据间彼此可识别度有着较大影响，预设第i个数据源的第j个数据为dij，其在l个重要属性上的取值集合为attrvalij，则有映射函数的表达式为故数据规范性度量模型的表达式为其中z(dij)表示判断第i个数据源的第j个数据是否规范的映射函数，dstd的取值范围为[0,1]，若dstd取值为0，则表示第i个来源所有数据的重要属性取值都规范，完整性评估模型的表达式为其中evalcomp表示确定的完整性评价指标的下标集合，k表示evalcomp集合中的元素个数。

16、作为上述技术方案的进一步优选，时效性评估是反应数据更新的及时性，计算数据产生时间与当前的时间差，以当前时间作为基准时间并设为r，则有数据及时性模型的表达式为其中ti表示第i个数据的记录时间，dtime的取值范围为(0,1)，时效性维度下包含数据及时性评价指标的时效性评估模型的表达式为timel＝dtime(*)。

17、作为上述技术方案的进一步优选，一致性评估模型包括语义一致性和属性一致性，是判断描述同一实体的数据间包含的同一融合文本属性值阈值是否一致，预设n个来源数据集中描述同一实体的数据对数为sn，其中，第i对表示同一实体数据的融合文本属性值集合为dconti，则有其中，函数semsim(dconti)用来判定文本数据是否语义一致，取值为1，表明该集合中文本数据一致，反之，取值为0，表明文本数据语义不一致，sconsis的取值范围为[0,1]，若sconsis取值越接近1，表明数据语义一致性程度高，反之，越接近于0，表明数据间的语义差异大，一致性程度低；

18、属性一致性评估多源数据中各个数据源的属性相对融合属性的一致程度的表达式为consist2＝aconsis(di)＝atrsim(dt(di))，其中dt(di)表示第i个数据源属性集合，函数atrsim(*)功能是判断第i个数据源属性相对融合属性的一致程度，aconsis的取值范围为[0,1]，若aconsis取值为0，即表示该数据源的属性相对融合属性并无一致部分，若aconsis值为1，则表示融合属性一致，一致性评估模型表示为其中evalconsis表示确定的一致性评价指标的下标集合，k表示evalconsis集合中的元素个数。

19、作为上述技术方案的进一步优选，数据源间的数据平衡性为多个数据源的数据集数量之比的关系，评定多源数据集在数量上的平衡性，数据间的属性平衡性包含属性数量和相同属性数量平衡性，评定数据间的属性平衡性，多个数据源d1、数据源d2...数据源dn间的数量平衡性计算，当初始化模型时，需要对数据源数据集数量进行排序即递增排序，之后对各数据源进行两两比较，若存在某个数据集与其他数据集数量相差较大，则数据平衡性随之降低的其中ni和nj分别表示第i个和第j个数据源的数据量，qbal表示数量平衡率，取值范围为(0,1)，结果接近于1表示n个数据源之间的数据量越平衡；

20、多个数据源的数据间的属性平衡性计算，先计算数据源数据间融合属性个数之比，数据间的共有属性影响，引入属性平衡因子，计算两两数据源间的相同属性列占比的表达式为其中dir(di,dj)表示数据源di和dj中数据属性数量的比值，αij表示数据源di和dj中数据间的属性平衡因子的表达式为|attr(di)∩attr(dj)|表示数据源di和dj中相同属性数量，max(attr(di),attr(dj))表示数据源di和dj中所含属性数量的最大值，平衡性评估模型的表达式为其中evalbal表示确定的平衡性评价指标的下标集合，k表示evalbal集合中的元素个数。

21、作为上述技术方案的进一步优选，相关性评估用于从多源数据之间分析时间和空间相关性，对每个数据源中的所有数据时间取平均值，得到平均时间(t1,t2...tn)，ti表示第i个数据源的平均时间，对两两数据源依次进行平均时间比较，则时间相关性的模型为其中，max(ti,tj)表示两者之间的最大值为基准值，trel的取值范围为[0,1]，trel接近于1表示多个数据源之间的时间越接近，时间相关性高；

22、空间相关性从空间角度评估数据之间的关联性，将智慧园区的地理空间进行网格划分得到多个网格空间，计算落在每个网格中各个数据源的数据个数，依次在网格中两两比较数据源之间数据个数比值，将各网格中的比值加权求和取平均得到空间相关性分值，空间相关性计算模型为其中，h表示划分的网格个数，rate(*)函数的表达式为其中quani表示第i个数据源数据落在网格gm中的数量，dir(*)表示计算网格中不同数据源间的数量比值，空间相关性srel取值范围为[0,1]，若空间相关性取值为1，则数据源中的数据在空间分布上相关性高，反之，相关性低。

23、作为上述技术方案的进一步优选，将航拍图像和环境数据进行自适应加权融合并确定各传感器的权重以得到融合数据，包括：

24、预设有n'个传感器测量同一个对象，多传感器的均方误差为各传感器的测量值分别为x1、x2...xn'，对测量值采用合适的加权因子进行融合，各传感器的加权因子分别为w1、w2...wn'，则融合后的x值和加权因子wi满足关系式总均方误差σ2的表达式为根据多变函数的极值求出对应于最小总均方误差的最佳权重系数的表达式为对应的总均方误差的最小值为结合分批估计所得融合方差σ+和融合值t+计算加权因子的表达式为多传感器数据融合值为

25、第二方面，本发明提供了一种智慧园区多源数据动态监控和实时分析方法，包括以下步骤：

26、获取智慧园区航拍图像和多传感器采集的环境数据，其中，航拍图像采用旋翼无人机拍摄，环境数据包括温湿度、co2浓度、甲醛浓度、tvoc浓度和pm2.5浓度；

27、将航拍图像和环境数据进行自适应加权融合并确定各传感器的权重以得到融合数据；

28、获取融合数据的准确性、完整性、时效性、一致性、平衡性和相关性并构建融合数据对应的评估模型；

29、根据评估模型对融合数据进行多源融合数据重建已完成多源数据动态监控和实时分析。

30、本发明提供了一种智慧园区多源数据动态监控和实时分析系统及方法，通过获取智慧园区航拍图像和多传感器采集的环境数据，将航拍图像和环境数据进行自适应加权融合并确定各传感器的权重以得到融合数据，获取融合数据的准确性、完整性、时效性、一致性、平衡性和相关性并构建融合数据对应的评估模型，根据评估模型对融合数据进行多源融合数据重建已完成多源数据动态监控和实时分析，量化分析多源数据融合场景下的数据质量，可供管理者直观地了解数据质量状况，同时能够大大的提高园区管理的整体化、智能化和高效化，为园区管理者极大节省人力成本和时间成本，提高智慧园区的管理效率。