(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111569283.8 (22)申请日 2021.12.21 (71)申请人 浙江高信技 术股份有限公司 地址 310020 浙江省杭州市上城区五星路 明珠国际商务中心5号楼7楼 (72)发明人 宋智鹏　李锋　王加义　邓鼎甲　 孙晓州　黄旭夫　吴益君　 (74)专利代理 机构 北京锺维联合知识产权代理 有限公司 1 1579 代理人 黄利萍 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/08(2012.01) G06F 9/50(2006.01) G06N 20/00(2019.01)H04Q 9/00(2006.01) G16Y 10/80(2020.01) G16Y 20/20(2020.01) G16Y 30/00(2020.01) G16Y 40/10(2020.01) G16Y 40/20(2020.01) (54)发明名称 一种智慧桥隧涵边坡监控系统 (57)摘要 本申请提供了一种智慧桥隧涵边坡监控系 统， 包括： 服务器和边缘计算节点， 服务器中存储 有M个边缘计算节点的节点ID、 节点中包括的关 键传感器的传感器ID以及关键传感器进行AI计 算所涉及AI计算数据； 服务器和边缘计算节点实 现以下步骤： 节点i获取多个传感器数据， 每个传 感器数据包括多个第一传感器数据； 如果多个传 感器数据中的任意一个在预设阈值范围以外， 则 向服务器实时上传报文， 报文包括多个传感器数 据和被设置为第一标志值的AI计算启动标志； 服 务器接收上报的报文， 如果AI计算启动标志为第 一标志值， 则显示数据， 否则， 获取对应的AI计算 数据， 得到预测的关键传感器数据。 本申请能够 确定关键传感器数据是否准确。 权利要求书2页 说明书5页 CN 114358400 A 2022.04.15 CN 114358400 A 1.一种智慧桥隧涵边坡监控系统， 其特征在于， 所述系统包括通信连接的服务器和M个 边缘计算节点E = （E1， E2， ....， EM） ； 所述服务器包括传感器配置文件， 所述传感器配置文件中存储有M个边缘计算节点的 节点ID、 任一边缘计算节点Ex中包括的关键传感器Sx= （Sx1， Sx2， ......， Sxn） 的传感器ID、 以 及任一关键传感器Sxj进行AI计算所涉及的AI计算数据； 其中， x的取值为1~M， n为Sx中关键 传感器的数量， j的取值 为1到n； 其中， Ex用于获取与Ex通信连接的Mx个传感器的Mx个传感器数据并上传到所述服务器， 其中， 所述传感器 被设置在桥隧涵边坡处， 所述传感器数据包括Mx1个第一传感器数据； 所述服务器和边 缘计算节点执 行计算机程序以实现以下步骤： S100， Ex获取Mx1个第一传感器数据； 如果Mx1个第一传感器数据中的任一个传感器数据 在预设阈值范围以外， 则向所述服务器实时上传报文， 所述报文包括Ex的节点ID、 Mx个传感 器数据和AI计算启动标志； 所述AI计算启动标志被设置为启动AI计算的第一标志值； S200， 服务器接收Ex上报的报文， 如果AI计算启动标志为第一标志值， 那么执 行S300； S300， 服务器使用Ex的节点ID查询关键传感器配置文件， 获取Sxj对应的AI计算数据， 根 据Sxj对应的AI 计算数据和经训练的AI模型， 得到Sxj的预测的关键传感器数据。 2.根据权利要求1所述 的系统， 其特征在于， 所述传感器配置文件中还存储有： 获取Sxj 的预测的关键传感器数据所涉及的Q个传感器SQ= （S1xj， S2xj， ......， SQxj） 和对应的时间窗 口数量， 其中， Sixj包括的时间窗口数量 为zi， Q≥1， i的取值 为1到Q； 其中， 如果所涉及的传感器Sixj对应的时间窗口数量zi=0， 则使用Sixj采集的当前传感 器数据作为Sxj的AI计算数据， 如果z i=Z， 则使用Sixj采集的当前传感器数据以及当前时刻之 前的Z个时间窗口内采集的Z个历史传感器数据作为Sxj的AI计算数据。 3.根据权利要求1所述的系统， 其特征在于， S100中， 还包括： 如果Mx1个传感器数据均在 预设阈值范围以内， 则Ex判断是否到达预设的上传时间； 如 果是， 则将 所述报文上传到服务 器， 所述AI计算启动标志被设置为 不启动AI计算的第二标志值； S200中， 还包括： 如果AI计算启动标志为第二标志值， 那么在显示屏上显示接收到的传 感器数据， 结束执 行。 4.根据权利要求2 所述的系统， 其特征在于， 获取Sxj的预测的关键传感器数据所涉及的 Q个传感器为非关键传感器。 5.根据权利 要求1所述的系统， 其特征在于， 所述Mx传感器数据还包括Mx2个第二传感器 数据和Mx3个第三传感器数据， 且Mx=Mx1∪Mx2∪Mx3。 6.根据权利要求4所述的系统， 其特征在于， 所述第二传感器数据为关键传感器数据， 所述第三传感器数据为非关键传感器数据。 7.根据权利要求4所述的系统， 其特征在于， 所述经训练的AI模型为使用样本集训练后 的模型； 所述样本集包括P* （Q+1） 个样本向量U， P为预设的样本系数， U= （U1， U2， U3，…， UQ） ， Ui为 第i个非关键传感器包括的zi个非关键传感器数据， Ui= （Ui 1， Ui 2， ......， Ui zi） ， 其中， Us k为 第s个非关键传感器的在第k个时窗口内的采样数据， k的取值 为1到zs， s的取值 为1到Q； 其中， P个样本向量中， 任一非关键传感器数据Ui中的所有采样数据均在预设的阈值范 围内；权　利　要　求　书 1/2 页 2 CN 114358400 A 2以及， 其余的P*Q个样本向量中的任一P个样本向量中， 仅存在一个非关键传感器数据 满足： 至少存在一个采样数据在预设的阈值范围外， 而其他采样数据均在预设的阈值范围 内。 8.根据权利要求1所述的系统， 其特 征在于， 还 包括： S400， 将Sxj的预测的关键传感器数据与Ex上报的Sxj传感器数据进行比较， 如果两者之 间的差值 位于预设阈值内， 则以第一颜色呈现两个数据， 否则， 以第二颜色呈现两个数据。权　利　要　求　书 2/2 页 3 CN 114358400 A 3