一种基于大数据的产品风险实时监测平台制造技术

本发明专利技术涉及数据聚类技术领域，具体涉及一种基于大数据的产品风险实时监测平台，该系统包括存储器和处理器，处理器执行存储器存储的计算机程序，以实现如下步骤：获取温度数据序列中各个目标种子点的搜索范围，确定搜索范围的左侧数据段和右侧数据段；确定每个目标种子点的左侧数据段

【技术实现步骤摘要】
一种基于大数据的产品风险实时监测平台


[0001]本专利技术涉及数据聚类
，具体涉及一种基于大数据的产品风险实时监测平台
。

技术介绍

[0002]在产品运输过程中，往往需要对产品的温度进行实时检测，以确保产品安全，降低产品存在风险的可能性，产品可以为冷链食品
。
在对冷链食品进行温度监测时，结合超像素分割思想，将当前采集的温度数据序列分割成数据变化趋势紧密相连的数据段，以此实现冷链食品的异常温度检测
。
但是，传统的超像素分割实现过程中种子点的搜索范围通常是以种子点为中心的一段距离，该产品风险监测方式在进行分割数据段的过程中涉及的冗余计算量较多，而且当由车辆震动或颠簸产生的数据噪点或者存在数据趋势变化明显的数据点点处于种子点位置时，增加了后续数据段迭代的次数，导致产品风险实时监测的效率低下
。

技术实现思路

[0003]为了解决上述产品风险实时监测的效率低下的技术问题，本专利技术的目的在于提供一种基于大数据的产品风险实时监测平台，所采用的技术方案具体如下：本专利技术一个实施例提供了一种基于大数据的产品风险实时监测平台，包括存储器和处理器，所述处理器执行所述存储器存储的计算机程序，以实现如下步骤：获取冷链食品运输时当前预设时段对应的温度数据序列和车辆震动数据序列；确定温度数据序列中各个目标种子点的搜索范围；将任一目标种子点作为待分析种子点，对待分析种子点的搜索范围内的数据变化趋势进行分析，确定待分析种子点的左侧数据段和右侧数据段；根据右侧数据段，确定待分析种子点对应的初始右侧延伸成本指标和初始右侧截断成本指标；根据初始右侧延伸成本指标对应的数据段和车辆震动数据序列，确定待分析种子点的延伸置信度；根据初始右侧截断成本指标对应的数据段和车辆震动数据序列，确定待分析种子点的截断置信度；根据待分析种子点对应的初始右侧延伸成本指标
、
延伸置信度
、
初始右侧截断成本指标以及截断置信度，确定待分析种子点的右侧数据段对应的偏离方向和偏离距离；确定待分析种子点的左侧数据段对应的偏离方向和偏离距离；利用右侧数据段和左侧数据段对应的偏离方向和偏离距离，对待分析种子点的搜索范围进行更新，获得待分析种子点对应的新的搜索范围；根据每个目标种子点对应的新的搜索范围和当前时刻的温度数据，判断当前时刻的温度数据是否异常
。
[0004]进一步地，确定温度数据序列中各个目标种子点的搜索范围，包括：
对温度数据序列进行超像素分割，获得预设数目个种子点对应的超像素；其中，所述超像素由温度数据序列上相邻的多个温度数据组成；对于任意一个超像素，计算超像素对应的温度平均值，将超像素内最接近温度平均值的温度数据作为目标种子点；确定各个目标种子点的搜索范围，所述搜索范围为目标种子点周围预设数目倍的超像素大小范围
。
[0005]进一步地，对待分析种子点的搜索范围内的数据变化趋势进行分析，确定待分析种子点的左侧数据段和右侧数据段，包括：对待分析种子点的搜索范围内的温度数据进行极值曲线拟合，获得极值拟合曲线；所述极值拟合曲线包括极大值的拟合曲线和极小值的拟合曲线；计算两个拟合曲线上搜索范围内的每个温度数据的斜率，将斜率大于预设斜率阈值的温度数据确定为趋势变化明显的温度数据，获得两个拟合曲线对应的第一个和最后一个趋势变化明显的温度数据；将第一个趋势变化明显的温度数据到搜索范围内第一个温度数据之间的数据段，确定为待分析种子点的左侧数据段；将最后一个趋势变化明显的温度数据到搜索范围内最后一个温度数据之间的数据段确定为待分析种子点的右侧数据段
。
[0006]进一步地，根据右侧数据段，确定待分析种子点对应的初始右侧延伸成本指标和初始右侧截断成本指标，包括：将在待分析种子点的右侧数据段的右侧选取的一个最邻近右侧数据段的噪点作为右相邻噪点，并将右侧数据段延伸扩展至右相邻噪点，将扩展后的右侧数据段确定为右侧延伸数据段；对右侧延伸数据段进行极值曲线拟合，获得极大值的拟合曲线和极小值的拟合曲线；确定两个拟合曲线对应的第一个趋势变化明显的温度数据，将右侧延伸数据段中右侧数据段的最后一个温度数据的后一个温度数据到第一个趋势变化明显的温度数据之间对应的数据段，确定为子延伸数据段；根据子延伸数据段内第一个温度数据和最后一个温度数据的数据采集时间
、
预设温度数据采集频率以及子延伸数据段对应的极值拟合曲线中每个温度数据的斜率，确定初始右侧延伸成本指标；将右侧数据段确定为截断数据段，根据截断数据段内第一个温度数据和最后一个温度数据的数据采集时间
、
预设温度数据采集频率以及截断数据段对应的极值拟合曲线中每个温度数据的斜率，确定初始右侧截断成本指标
。
[0007]进一步地，所述初始右侧延伸成本指标的计算公式为：；式中，为待分析种子点对应的初始右侧延伸成本指标，为子延伸数据段内最后一个温度数据的数据采集时间，为子延伸数据段内第一个温度数据的数据采集时间，为预设温度数据采集频率，为对进行向下取整，为归一化函数，为子延伸数据段对应的极大值的拟合曲线的平均斜率，为子延伸数据段对应的极小值的拟合曲线的平均斜率，为对求绝对值
。
[0008]进一步地，所述初始右侧截断成本指标的计算公式为：
；式中，为待分析种子点对应的初始右侧截断成本指标，为截断数据段内最后一个温度数据的数据采集时间，为截断数据段内第一个温度数据的数据采集时间，为预设温度数据采集频率，为对进行向下取整，为归一化函数，为截断数据段对应的极大值的拟合曲线的平均斜率，为截断数据段对应的极小值的拟合曲线的平均斜率，为对求绝对值
。
[0009]进一步地，根据初始右侧延伸成本指标对应的数据段和车辆震动数据序列，确定待分析种子点的延伸置信度，包括：初始右侧延伸成本指标对应的数据段为子延伸数据段，确定子延伸数据段内相邻温度数据之间差值绝对值，获得子延伸数据段内各个差值绝对值的拟合曲线；在车辆震动数据序列中选取与子延伸数据段相对应的第一车辆震动数据段，确定第一车辆震动数据段的拟合曲线；计算子延伸数据段的拟合曲线与第一车辆震动数据段的拟合曲线之间的结构相似度
、
子延伸数据段的拟合误差和第一车辆震动数据段的拟合误差，进而确定待分析种子点的延伸置信度，所述待分析种子点的延伸置信度的计算公式为：；式中，为待分析种子点的延伸置信度，为子延伸数据段的拟合曲线与第一车辆震动数据段的拟合曲线之间的结构相似度，为延伸数据段的拟合曲线，为第一车辆震动数据段的拟合曲线，为子延伸数据段的拟合误差，为第一车辆震动数据段的拟合误差，为归一化函数
。
[0010]进一步地，根据初始右侧截断成本指标对应的数据段和车辆震动数据序列，确定待分析种子点的截断置信度，包括：初始右侧截断成本指标对应的数据段为截断数据段，确定截断数据段内相邻温度数据之间差值绝对值，获得截断数据段内各个差值绝对值的拟合曲线；在车辆震动数据序列中选取与截断数据段相对应的第二车辆震动数据段本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于大数据的产品风险实时监测平台，其特征在于，包括存储器和处理器，所述处理器执行所述存储器存储的计算机程序，以实现如下步骤：获取冷链食品运输时当前预设时段对应的温度数据序列和车辆震动数据序列；确定温度数据序列中各个目标种子点的搜索范围；将任一目标种子点作为待分析种子点，对待分析种子点的搜索范围内的数据变化趋势进行分析，确定待分析种子点的左侧数据段和右侧数据段；根据右侧数据段，确定待分析种子点对应的初始右侧延伸成本指标和初始右侧截断成本指标；根据初始右侧延伸成本指标对应的数据段和车辆震动数据序列，确定待分析种子点的延伸置信度；根据初始右侧截断成本指标对应的数据段和车辆震动数据序列，确定待分析种子点的截断置信度；根据待分析种子点对应的初始右侧延伸成本指标
、
延伸置信度
、
初始右侧截断成本指标以及截断置信度，确定待分析种子点的右侧数据段对应的偏离方向和偏离距离；确定待分析种子点的左侧数据段对应的偏离方向和偏离距离；利用右侧数据段和左侧数据段对应的偏离方向和偏离距离，对待分析种子点的搜索范围进行更新，获得待分析种子点对应的新的搜索范围；根据每个目标种子点对应的新的搜索范围和当前时刻的温度数据，判断当前时刻的温度数据是否异常
。2.
根据权利要求1所述的一种基于大数据的产品风险实时监测平台，其特征在于，确定温度数据序列中各个目标种子点的搜索范围，包括：对温度数据序列进行超像素分割，获得预设数目个种子点对应的超像素；其中，所述超像素由温度数据序列上相邻的多个温度数据组成；对于任意一个超像素，计算超像素对应的温度平均值，将超像素内最接近温度平均值的温度数据作为目标种子点；确定各个目标种子点的搜索范围，所述搜索范围为目标种子点周围预设数目倍的超像素大小范围
。3.
根据权利要求1所述的一种基于大数据的产品风险实时监测平台，其特征在于，对待分析种子点的搜索范围内的数据变化趋势进行分析，确定待分析种子点的左侧数据段和右侧数据段，包括：对待分析种子点的搜索范围内的温度数据进行极值曲线拟合，获得极值拟合曲线；所述极值拟合曲线包括极大值的拟合曲线和极小值的拟合曲线；计算两个拟合曲线上搜索范围内的每个温度数据的斜率，将斜率大于预设斜率阈值的温度数据确定为趋势变化明显的温度数据，获得两个拟合曲线对应的第一个和最后一个趋势变化明显的温度数据；将第一个趋势变化明显的温度数据到搜索范围内第一个温度数据之间的数据段，确定为待分析种子点的左侧数据段；将最后一个趋势变化明显的温度数据到搜索范围内最后一个温度数据之间的数据段确定为待分析种子点的右侧数据段
。4.
根据权利要求3所述的一种基于大数据的产品风险实时监测平台，其特征在于，根据右侧数据段，确定待分析种子点对应的初始右侧延伸成本指标和初始右侧截断成本指标，包括：将在待分析种子点的右侧数据段的右侧选取的一个最邻近右侧数据段的噪点作为右相邻噪点，并将右侧数据段延伸扩展至右相邻噪点，将扩展后的右侧数据段确定为右侧延
伸数据段；对右侧延伸数据段进行极值曲线拟合，获得极大值的拟合曲线和极小值的拟合曲线；确定两个拟合曲线对应的第一个趋势变化明显的温度数据，将右侧延伸数据段中右侧数据段的最后一个温度数据的后一个温度数据到第一个趋势变化明显的温度数据之间对应的数据段，确定为子延伸数据段；根据子延伸数据段内第一个温度数据和最后一个温度数据的数据采集时间
、
预设温度数据采集频率以及子延伸数据段对应的极值拟合曲线中每个温度数据的斜率，确定初始右侧延伸成本指标；将右侧数据段确定为截断数据段，根据截断数据段内第一个温度数据和最后一个温度数据的数据采集时间
、
预设温度数据采集频率以及截断数据段对应的极值拟合曲线中每个温度数据的斜率，确定初始右侧截断成本指标
。5.
根据权利要求4所述的一种基于大数据的产品风险实时监测平台，其特征在于，所述初始右侧延伸成本指标的计算公式为：；式中，为待分析种子点对应的初始右侧延伸成本指标，为子延伸数据段内最后一个温度数据的数据采集时间，为子延伸数据段内第一个温度数据的数据采集时间，为预设温度数据采集频率，为对进行向下取整，为归一化函数，为子延伸数据段对应的极大值的拟合曲线的平均斜率，为子延伸数据段对应的极小值的拟合曲线的平均斜率，为对求绝对值
。6.
根据权利要求4所述的一种基于大数据的产品风险实时监测平台，其特征在于，所述初始右侧截断成本指标的计算公...

【专利技术属性】
技术研发人员：雷德华，王强，时一斌，张子扬，顾立荣，夏宁宁，
申请(专利权)人：北京中海通科技有限公司，
类型：发明
国别省市：