[发明专利]物联感知数据智能规划方法有效

专利信息
申请号: 201811038323.4 申请日: 2018-09-06
公开(公告)号: CN109151042B 公开(公告)日: 2019-11-29
发明(设计)人: 不公告发明人 申请(专利权)人: 褚战星
主分类号: H04L29/08 分类号: H04L29/08;H04L29/06
代理公司: 11226 北京中知法苑知识产权代理事务所(普通合伙) 代理人: 李明<国际申请>=<国际公布>=<进入国
地址: 100082 北京市*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明提供了一种物联感知数据智能规划方法,该方法包括:将车联网资源虚拟化形成异构服务;将同类服务组成服务组,在服务组中对所述服务进行挖掘、选择和归并,以完成车联网资源的调度。本发明提出了一种物联感知数据智能规划方法,针对车联网系统感知数据的海量性和异构多变性特点,采用统一的数据接口对异构信息综合感知及处理,实现信息的无缝交互和不同应用系统数据之间的标准化共享。
搜索关键词: 感知数据 智能规划 车联网 物联 服务组 应用系统数据 资源虚拟化 数据接口 同类服务 异构服务 异构信息 多变性 海量性 归并 异构 感知 标准化 调度 共享 挖掘 统一 服务
【主权项】:
1.一种物联感知数据智能规划方法,其特征在于,包括:/n将车联网资源虚拟化形成异构服务;/n将同类服务组成服务组,在服务组中对所述服务进行挖掘、选择和归并,以完成车联网资源的调度;/n所述的车联网服务挖掘与归并,进一步包括:/n车联网平台对其形式化描述后,构建车联网业务库,通过车联网业务分解机制,形成子业务库;车联网服务提供端在平台上注册自己的服务,经平台形式化描述后形成服务库;当处理中心接收到子业务需求时,进入车联网服务挖掘环节,链接车联网服务库,计算配对出一系列与业务关联的车联网业务;/n在服务建模时引入本体,结合业务流程和情境,建立领域知识库,实现智能归并;引入本体后可以进行基于描述逻辑的本体推理,即从显示上下文中推导出更多的隐式上下文,同时,本体为上下文信息提供明确的语义描述;车联网服务是服务化的车联网资源,有其自身的功能属性集和非功能属性集,包括Qos属性和上下文属性;定义如下:/n车联网服务VCS可以用五元组来表示,形如:/nVCS={Category,ServiceProfile,ServiceModel,ServiceGrouding,Resource]:/nCategory表示该服务所属的类别;/nServiceProfile表示服务的基本信息,对基本信息的配对是实现服务配对的重要部分,用5元组表示:/nServiceProfile={GeneralInfo,Functional,Qos,Resource,State},其中:/nGeneralInfo用来描述车联网服务的基本信息;/nFunctional用来描述车联网服务的功能性信息,包括车联网服务的输入、输出、执行条件以及结果;/nQos用来描述车联网服务的服务质量;在车联网平台中服务质量的衡量是可变的,定义Qos的形式化描述为可扩展的模型:/nQos={Time,Cost,Reputation,Reliability}/n其中,Time表示该服务的执行时间,Cost表示服务的成本,Reputation表示该服务的信誉度,通过用户的评价进行统计采用分级的方式对信誉度进行管理;Reliability表示该服务的可靠性,通过一段时间内的成功执行率来衡量;/nResource用来描述车联网资源,定义了车联网资源的所有属性信息;state用来描述车联网服务目前的状态,包括在用和空闲;ServiceModel描述车联网服务的服务过程,即车联网服务的服务实现细节;ServiceGrouding用来描述车联网服务提供者的访问方法,包括访问地址、消息格式、访问端口;Resource表示该Category提供的车联网服务所对应的车联网资源;/n车联网服务挖掘流程基于以上形式化描述;在形成车联网业务上下文信息后,进入语义上下文配对阶段:计算相似度,并设置相应的阈值,将不满足阈值的服务过滤,不参与相似度计算;/n在车联网服务中,结合车联网服务的描述,从语义上下文层面上针对车联网服务和车联网业务进行服务配对;针对Web服务的输入信息,提取语义描述,判断其所属概念与描述中的配对项;按程度不同将配对结果划分为完全配对、插入配对、包含配对和配对失败;在车联网平台中,对于车联网服务A和B的配对程度可以用相似度算法进行计算,其相似度配对的基本模型如下:/nsf(A,B)=(ω1sf(A1,B1)+ω2sf(A2,B2)+…+ωnsf(An,Bn))/n其中,Ai,Bi表示车联网服务的第i项子业务,ωi表示第i项子业务在配对函数中所占的权重;具体地:/n /n其中dis(Ai,Bi)表示本体Ai,Bi的语义距离,α为调节因子;将语义距离表示为两个概念在本体图中节点最短路径长度的差值;/n整个服务挖掘过程首先对服务需求端的服务进行语义解析,从而得到该服务的服务类型;将语义解析、本体推理、基于语义的配对整合在一起,最终达到服务挖掘;具体过程如下:/n(1).从解析器中提取Category、ServiceProfile、ServiceModel、ServiceGrouding、Resource相关信息;/n(2).提取所有服务的ServiceProfile;继而提取ServiceProfile中的类别和属性相关信息;/n(3).对服务类型进行配对,过滤掉不满足条件的服务;/n(4).采用关键字精确配对;在进行配对时,构造相似度函数sf以语义距离dis()为基础,计算概念之间的相似度;/n(5)使用服务质量服务的服务质量进行配对,输出配对度最优的服务。/n
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于褚战星,未经褚战星许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/201811038323.4/,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top