买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：四川万物纵横科技股份有限公司

摘要：本申请提供一种基于边缘计算的高速公路门架设备数据采集方法及系统，实现了对高速公路门架设备数据的高效、智能采集。通过从协同采集组合样例序列中提取单一和复合协同采集组合，再将其加载到集成了多个协同采集决策模块的初始化采集路径决策模型中，能够生成针对不同门架设备任务事件的模块启用状态数据和决策路径编辑知识，不仅提高了数据采集的针对性和准确性，而且通过优化模型，生成了满足收敛条件的目标采集路径决策模型，进而能够生成目标协同采集路径。由此，显著提升了数据采集的效率和智能化水平。

主权项：1.一种基于边缘计算的高速公路门架设备数据采集方法，其特征在于，所述方法包括：在边缘计算端侧从高速公路门架设备的协同采集组合样例序列中提取单一协同采集组合以及复合协同采集组合；其中，所述单一协同采集组合包括：涵盖一个协同数据节点的单一模板协同采集路径及相应的第一门架设备任务事件；所述复合协同采集组合包括：涵盖多个协同数据节点的复合模板协同采集路径及相应的第二门架设备任务事件；将所述单一协同采集组合和所述复合协同采集组合，分别加载到到集成了多个协同采集决策模块的初始化采集路径决策模型，生成依据所述第一门架设备任务事件决策的第一模块启用状态数据，并基于所述第一模块启用状态数据确定所述单一模板协同采集路径的第一决策路径编辑知识，以及，生成依据所述第二门架设备任务事件决策的第二模块启用状态数据，并基于所述第二模块启用状态数据确定所述复合模板协同采集路径的第二决策路径编辑知识；其中，每个协同采集决策模块对应一个协同数据节点；模块启用状态数据包括：在采集路径决策过程中，每一协同采集决策模块各自被启用的置信度；依据所述第一决策路径编辑知识、所述第二决策路径编辑知识、所述第一模块启用状态数据和所述第二模块启用状态数据，对所述初始化采集路径决策模型进行优化，生成满足收敛条件的目标采集路径决策模型；所述目标采集路径决策模型用于生成目标协同采集路径；所述协同采集组合样例序列包括多个单一协同采集组合样例子序列；每个单一协同采集组合样例子序列对应一个协同数据节点；在所述在边缘计算端侧从高速公路门架设备的协同采集组合样例序列中提取单一协同采集组合以及复合协同采集组合之前，所述方法还包括：分别依据每个单一协同采集组合样例子序列，对所述初始化采集路径决策模型进行优化；其中，依据一个单一协同采集组合样例子序列，对所述初始化采集路径决策模型进行优化时，从所述一个单一协同采集组合样例子序列中提取一个或多个单一协同采集组合；对于所述一个或多个单一协同采集组合中的每个单一协同采集组合，将所述单一协同采集组合加载到包含多个协同采集决策模块的初始化采集路径决策模型，通过启用所述单一协同采集组合中协同数据节点对应的协同采集决策模块，决策所述单一协同采集组合中单一模板协同采集路径的第三决策路径编辑知识；依据所述第三决策路径编辑知识，对所述初始化采集路径决策模型进行优化；所述初始化采集路径决策模型的模型结构采用初始化参数学习的强化学习网络；所述将所述单一协同采集组合加载到包含多个协同采集决策模块的初始化采集路径决策模型，通过启用所述单一协同采集组合中协同数据节点对应的协同采集决策模块，决策所述单一协同采集组合中单一模板协同采集路径的第三决策路径编辑知识，包括：将所述单一协同采集组合中第一门架设备任务事件涵盖的任务指令数据，转换为对应的协同数据节点关联的任务会话矢量序列后，加载到所述初始化采集路径决策模型；依据所述强化学习网络中的图卷积单元，提取所述第一门架设备任务事件的图卷积特征序列后，分别加载到所述单一协同采集组合中协同数据节点对应的协同采集决策模块，以及所述强化学习网络中的重构单元；依据启用的所述协同采集决策模块的决策知识矢量，与所述重构单元中聚焦机制单元的决策知识矢量，对所述单一协同采集组合中的单一模板协同采集路径进行重构，生成所述第三决策路径编辑知识；所述依据所述第三决策路径编辑知识，对所述初始化采集路径决策模型进行优化，包括：依据所述第三决策路径编辑知识与对应的真实路径编辑知识之间的偏离度，构建第三决策误差参数；依据所述第三决策误差参数，对所述协同采集决策模块进行优化，并更新所述单一协同采集组合中的协同数据节点关联的任务会话矢量序列；其中，所述初始化采集路径决策模型还包括模块门控网络；针对提取的每个单一协同采集组合，利用下述步骤确定相应的第一决策路径编辑知识：将所述单一协同采集组合中第一门架设备任务事件涵盖的任务指令数据，转换为对应的协同数据节点关联的任务会话矢量序列后，加载到所述初始化采集路径决策模型；依据所述强化学习网络中的图卷积单元，提取所述第一门架设备任务事件的图卷积特征序列后，加载到所述模块门控网络以生成所述第一模块启用状态数据；以及，将所述图卷积特征序列分别加载到所述每一协同采集决策模块和所述强化学习网络中的重构单元；基于依据所述第一模块启用状态数据对所述每一协同采集决策模块的决策知识矢量进行权重融合计算生成的全局决策知识矢量，与所述重构单元中聚焦机制单元的决策知识矢量，对所述单一协同采集组合中的单一模板协同采集路径进行重构，生成所述第一决策路径编辑知识；针对提取的每个复合协同采集组合，利用下述步骤确定相应的第二决策路径编辑知识：将所述复合协同采集组合中第二门架设备任务事件涵盖的各个任务指令数据，分别转换为对应的协同数据节点关联的任务会话矢量序列后，加载到所述初始化采集路径决策模型；依据所述强化学习网络中的图卷积单元，提取所述第二门架设备任务事件的图卷积特征序列后，加载到所述模块门控网络以生成所述第二模块启用状态数据；以及，将所述图卷积特征序列分别加载到所述每一协同采集决策模块和所述强化学习网络中的重构单元；基于依据所述第二模块启用状态数据对所述每一协同采集决策模块的决策知识矢量进行权重融合计算生成的全局决策知识矢量，与所述重构单元中聚焦机制单元的决策知识矢量，对所述复合协同采集组合中的复合模板协同采集路径进行重构，生成所述第二决策路径编辑知识；所述初始化采集路径决策模型还包括用于决策模块启用状态数据的模块门控网络；所述依据所述第一决策路径编辑知识、所述第二决策路径编辑知识、所述第一模块启用状态数据和所述第二模块启用状态数据，对所述初始化采集路径决策模型进行优化，包括：针对提取的每个单一协同采集组合，依据所述单一协同采集组合所对应的第一决策路径编辑知识与真实路径编辑知识之间的偏离度，以及所述第一模块启用状态数据和对应的标签模块启用状态数据之间的偏离度，对所述每一协同采集决策模块和所述模块门控网络进行优化；所述单一协同采集组合所对应的标签模块启用状态数据用于表征：仅启用所述单一协同采集组合中协同数据节点对应的协同采集决策模块；以及针对提取的每个复合协同采集组合，依据所述复合协同采集组合所对应的第二决策路径编辑知识与真实路径编辑知识之间的偏离度，以及所述第二模块启用状态数据和对应的标签模块启用状态数据之间的偏离度，对所述每一协同采集决策模块和所述模块门控网络进行优化；所述复合协同采集组合所对应的标签模块启用状态数据用于表征：启用所述复合协同采集组合中各协同数据节点分别对应的协同采集决策模块；其中，所述方法还包括：依据预定义的矢量转换策略，将候选门架设备任务事件中的各个任务指令数据转换为关联的任务会话矢量序列后，将初始路径编辑知识数据和所述候选门架设备任务事件加载到包含多个协同采集决策模块的目标采集路径决策模型；其中，所述候选门架设备任务事件为针对一个或多个协同数据节点的门架设备任务事件；每个协同采集决策模块对应一个协同数据节点；依据所述候选门架设备任务事件，决策所述候选门架设备任务事件中所述一个或多个协同数据节点分别对应的目标模块启用状态数据；所述目标模块启用状态数据包括：在本轮采集路径决策过程中，每一协同采集决策模块各自被启用的置信度；基于所述目标模块启用状态数据对所述初始路径编辑知识数据进行重构，生成依据所述候选门架设备任务事件生成的目标协同采集路径；其中，所述目标采集路径决策模型的模型结构采用初始化参数学习的强化学习网络，且所述目标采集路径决策模型还包括模块门控网络；所述依据所述候选门架设备任务事件，决策所述候选门架设备任务事件中所述一个或多个协同数据节点分别对应的目标模块启用状态数据，包括：依据所述强化学习网络中的图卷积单元，提取所述候选门架设备任务事件的图卷积特征序列后，加载到所述模块门控网络以生成所述目标模块启用状态数据；则所述基于所述目标模块启用状态数据对所述初始路径编辑知识数据进行重构，生成依据所述候选门架设备任务事件生成的目标协同采集路径，包括：将所述图卷积特征序列分别加载到所述每一协同采集决策模块和所述强化学习网络中的重构单元；基于依据所述目标模块启用状态数据对所述每一协同采集决策模块的决策知识矢量进行权重融合计算生成的全局决策知识矢量，与所述重构单元中聚焦机制单元的决策知识矢量，对所述初始路径编辑知识数据进行重构，生成所述目标协同采集路径；其中，所述聚焦机制单元包括第一聚焦机制子单元和第二聚焦机制子单元；每个协同采集决策模块包括与所述第一聚焦机制子单元对应的第一决策子模块，以及与所述第二聚焦机制子单元对应的第二决策子模块；所述基于依据所述目标模块启用状态数据对所述每一协同采集决策模块的决策知识矢量进行权重融合计算生成的全局决策知识矢量，与所述重构单元中聚焦机制单元的决策知识矢量，对所述初始路径编辑知识数据进行重构，生成所述目标协同采集路径，包括：依据所述目标模块启用状态数据，将每个协同采集决策模块中的第一决策子模块的决策知识矢量进行权重融合计算，生成第一全局决策知识矢量；依据所述目标模块启用状态数据，将每个协同采集决策模块中的第二决策子模块进行权重融合计算，生成第二全局决策知识矢量；结合所述第一全局决策知识矢量与所述第一聚焦机制子单元的决策知识矢量，以及所述第二全局决策知识矢量与所述第二聚焦机制子单元的决策知识矢量，对所述初始路径编辑知识数据进行重构，生成所述目标协同采集路径，所述目标协同采集路径规定了每个协同数据节点的采集策略，所述采集策略包括采集频率、数据类型、传输路径，然后将生成的所述目标协同采集路径输出给数据采集系统执行，以使得所述数据采集系统根据所述目标协同采集路径执行数据采集任务。

全文数据：

权利要求：

百度查询： 四川万物纵横科技股份有限公司 基于边缘计算的高速公路门架设备数据采集方法及系统