面向边端雾节点信任检测与认证方法研究

这是一篇关于雾计算,信任检测,身份认证,决策树,硬件指纹的论文, 主要内容为随着物联网技术的快速发展,终端设备和传感器产生了海量的数据。雾计算层作为云边端三层体系架构的中间层,通过分布在网络边缘的雾节点为终端设备提供低延迟和高带宽的数据计算和存储服务。由于数据通常是在多个雾节点之间共享和传输,单个雾节点的安全性和可信性可能会影响到整个雾计算系统。为保障边缘计算中雾节点的安全与可信,本文提出了面向边端雾节点信任检测与认证方法,本文的主要研究内容如下:(1)针对雾计算分布式部署和雾节点协同计算的特征,本文设计了一种基于决策树的雾节点信任检测方法。首先,对雾节点进行交互式的主观信任计算、基于最优路径的间接信任计算和面向容错性和稳定性的能力信任计算。其次,使用信息增益比来选择最佳分裂属性构建决策树,为提高检测模型的泛化能力,通过损失函数对决策树进行剪枝。最后,通过仿真实验论证了该信任检测方法的准确率。(2)面向边缘移动雾节点计算资源受限的特征,本文设计了一种双因素的雾节点身份认证方法。该方法将会话密钥作为一个认证因子,将激励通过加法器产生的计算误差作为另一个认证因子。其次,为提高认证的安全性,通过混淆隐藏激励和响应之间的映射关系。最后,通过对比实验验证了本文所设计的认证方法能够有效的降低计算和通信开销。(3)设计并实现了信任检测与身份认证原型系统,主要包括后台管理、信任检测、身份认证等模块。通过后台管理员对信任检测功能进行测试,选择适当的正则系数对决策树剪枝,能够有效提高检测的准确率。通过服务器端对身份认证功能进行检测,能够保障雾计算的安全性与可靠性。

面向物联网环境的跨域信任模型的研究

这是一篇关于物联网,信任模型,跨域,雾计算,模糊逻辑的论文, 主要内容为物联网中存在许多独立自治域,每个域都有大量的传感器节点,现有信任模型大多只能评估传感器节点的域内信任,忽视了跨域信任,跨域信任的缺失使节点信任成为“局部信任”,信任只在同一个域内有效,节点信任无法实现动态迁移,阻碍了节点跨域交互。为此,多自治域环境下的跨域信任模型的研究成为物联网领域迫切需要解决的关键问题之一。已有的跨域信任模型多为集中式架构,通过中心服务器运行节点信任评估算法评估节点跨域信任。但这些跨域信任模型没有真正解决跨域信任评估问题,其仍存在中心服务器单点失效、信任转化存在异常值、无法实现信任迁移等问题。文中针对物联网多自治域环境中的节点跨域信任评估问题,提出了两种跨域信任模型,研究内容如下:(1)针对现有模型未完全解决跨域信任评估等问题,文中基于雾计算提出了传感器节点-雾节点-信任服务器的三层信任模型架构(Cross-domain trust model based on fog computing,CDFC)。CDFC将传感器节点信任分为域内信任和域间信任,CDFC中的雾节点负责评估传感器节点域内信任,信任服务器负责评估传感器节点域间信任。雾节点使用beta分布模拟传感器节点历史交互,预测传感器节点的信任演化趋势,得到其域内直接信任,再使用信息熵量化推荐节点给出的推荐信任权重,得到其域内推荐信任。在此基础上,融合传感器节点的域内直接信任和域内推荐信任得到节点域内信任。最后,信任服务器通过加权域信任和节点域内信任得到节点的域间信任,实现节点跨域信任评估。CDFC通过引入雾计算减小了信任服务器的计算压力和网络延迟,降低了信任评估的安全风险。与基于域划分的信任模型(Domain partition-based trust model,DPTM)相比,CDFC由于使用了信息熵量化的方式来计算权重,信任评估的准确度更高,评估结果更接近节点真实信任。(2)虽然多层次的架构解决了跨域信任评估问题,但仍存在传感器节点的域间信任受到整个域内所有节点的行为所影响的缺陷,因此文中提出了基于正态分布的跨域信任模型(Cross-domain trust model based on normal distribution,CTN)。CTN首先通过模糊集理论构建交互成功率和节点信任关系之间的模糊推理规则和隶属度函数,获得节点的历史交互知识。然后过滤恶意推荐,计算节点推荐信任。最后,将节点历史交互知识和推荐信任相融合得到节点的跨域信任。在推荐信任的计算过程中,CTN还创新的使用中心极限定理计算推荐信任均值对应的正态分布参数,并通过正态分布参数转化剔除推荐信任中的异常值。与基于评估的跨域信任模型(Cross-Domain Trust Evaluating of IoT,CTE)相比,CTN考虑了信任转化中的异常值,能正常转化推荐信任,并减少了节点迁移带来的信任损耗。(3)开发并实现了跨域信任管理系统。对跨域信任管理系统进行需求分析、总体设计和模块设计,在Java web开发框架spring boot的基础上开发并实现了所提出的两种跨域信任模型,三种现有的域内信任模型。

面向雾计算节点的入侵检测及响应方法研究与实现

这是一篇关于雾计算,入侵检测,入侵响应,支持向量机,多目标优化的论文, 主要内容为雾计算是一种面向物联网(Io T)的分布式计算基础设施,已广泛应用于我们的日常生活当中。雾节点作为一个中介者提供终端用户请求的本地处理,并减少终端用户与云端的通信延迟。然而,雾计算的兴起也带来了更严峻的安全问题。首先,由于雾计算节点资源受限,一旦遭到入侵,雾节点面临的威胁会远远大于云计算节点;其次,由于雾计算节点在网络中的拓扑位置更低,离终端设备的距离更近,遭到入侵的雾节点也会进一步影响边缘设备的安全。传统的入侵检测及响应方法延时高,能耗大且受网络带宽的限制,会对雾节点的实时性以及稳定性造成影响,不适用于雾计算。因此,必须找到有效的入侵检测以及响应方法来保护雾节点的安全。本文结合雾节点资源有限,低延时的特点,分析雾计算环境下的入侵行为,并提出能够适用于雾节点的入侵检测模型以及动态决策响应方法。主要研究内容如下:(1)面向雾计算节点的入侵检测模型构建。针对雾计算节点面临的网络威胁,提出一种基于支持向量机孤立森林(Support Vector Machine Isolation Forest,SVMIF)的两层混合入侵检测模型,并使用改进粒子群优化算法(Modified Particle Swarm Optimization,MPSO)对支持向量机(Support Vector Machine,SVM)分类器中的惩罚参数和尺度参数进行优化,获得最优初始化参数。模型第一层使用训练好的SVM二分类器进行分类,第二层使用孤立森林算法对上一层分类出来的流量进行异常检测并重新标记分类,进一步提高入侵检测的准确率。(2)基于安全策略决策的雾节点入侵响应方法研究。在分析雾计算节点入侵行为的基础上,对雾节点攻击行为进行建模,提出一种基于安全策略决策的雾节点入侵响应方法。使用贝叶斯攻击图提取所有的攻击路径,并根据贝叶斯攻击图生成备选响应策略集。考虑到传统决策方法的局限性,提出基于改进非支配排序遗传算法(Improved Non-dominated Sorting Genetic Algorithms-II,INSGA-II)的安全决策方法,从策略空间中求解最优响应策略集。(3)设计并实现面向雾计算节点的入侵检测及响应系统。在系统设计的基础上,以微服务化开发的思想,并按照雾节点入侵检测和响应的流程,分为数据采集与处理、入侵检测、入侵响应、数据存储和可视化模块进行系统的开发,最后对每个模块进行测试,证明该系统的有效性和可靠性。

雾计算网络任务卸载和安全分片方案研究

这是一篇关于雾计算,任务卸载,区块链,信誉模型,分片的论文, 主要内容为雾计算网络位于物联网(Internet of Things,Io T)设备和云之间,可为Io T设备(Io T Devices,IDs)提供传输、计算和缓存资源,以降低IDs应用传输时延,提高服务质量(Quality of Service,Qo S)。由于雾节点(Fog Nodes,FNs)计算资源有限,需优化卸载决策和资源分配方案以提高资源利用率,降低网络开销。同时,由于FNs的离散部署,导致用户数据安全和网络抗攻击能力面临巨大的挑战。现有研究中,采用区块链技术来保证传输数据的安全性。但是,由于区块链可扩展性限制,网络吞吐量低,共识时延高。针对以上问题,本文研究了雾计算网络任务卸载和安全分片方案。首先,本文研究了雾计算网络中任务卸载与区块共识方案。为了最小化网络开销,分别针对任务卸载能耗和区块链共识时延提出卸载目标动态匹配(Offloading Target Dynamic Matching,OTDM)算法和基于信誉值的委托拜占庭容错(Reputation-based Delegated Byzantine Fault Tolerant,R-DBFT)算法。首先,提出基于区块链技术的雾计算网络模型,并引入设备到设备(Device-To-Device,D2D)链路辅助任务卸载。同时,基于FNs的信誉值筛选候选区块链节点(Candidate Blockchain Nodes,CBNs)集,并识别网络中的恶意节点。其次,基于IDs的任务量、时延容忍度等因素提出OTDM算法,为IDs匹配最优卸载目标,从而降低能耗。最后,提出R-DBFT算法,从CBNs中选取区块链节点(Blockchain Nodes,BNs),从而在保证网络安全的条件下,降低共识时延。并且,通过仿真验证所提算法的有效性。进一步,为提高网络吞吐量,本文研究了基于分片的区块链验证方案。该方案采用分片技术将FNs拆分成多个分片,以降低对单个FN的计算和存储需求。首先,建立基于区块链技术的雾计算网络模型,并采用基于FNs信誉值的拜占庭容错(Practical Byzantine Fault Tolerance,PBFT)算法实现快速共识。其次,提出信誉模型,结合历史信誉值以及决策信息更新FNs信誉值,并以此识别网络中的恶意节点。再次,使用归一化熵计算网络中恶意节点的比例,求解最佳分片数量。然后,联合考虑最佳分片数量、FNs地理位置以及片内节点数量等因素,提出一种基于位置的雾节点可靠分片(Location based fog nodes Reliable Sharding,LRS)算法,以提升网络性能。最后,通过仿真验证算法的有效性,并基于springboot框架搭建可视化验证平台。

雾计算中基于进化算法的服务放置优化研究

这是一篇关于雾计算,服务放置,进化算法,多目标优化的论文, 主要内容为随着物联网的快速发展,传统的云计算已经不能满足应用程序对于低延时、实时性交互和移动性感知的需要。为弥补云计算存在的缺陷,思科提出了雾计算的概念。雾计算作为一种新兴的分布式计算范式,在距离用户更近的网络边缘提供了传统云计算的功能。将应用从云端迁移到网络边缘能够有效地降低用户等待服务的延迟。然而,在资源受限、异构且地理位置分布广泛的雾设备上放置服务是一项挑战性的工作,并且用户期望和Io T设备特征的多样性也使得放置问题复杂化。现有的研究已经证明雾计算中的服务放置问题是一个NP-hard问题,使用启发式算法对雾服务放置问题进行求解已成为一个热门趋势。本文聚焦于雾计算环境下的服务放置问题,从雾服务放置问题的建模与优化两个方面展开研究。本文的主要内容如下:(1)雾计算环境下服务放置问题的建模。本文将雾计算中的服务放置问题抽象为受约束的多目标优化问题,建立雾计算的系统模型,提出一种基于微服务的Io T应用程序模型。然后,在这两个模型基础之上构建网络延迟、资源利用率和服务成本三个优化目标的数学模型,并将放置到雾设备上的服务消耗的资源不超过雾设备的可用资源作为雾服务放置问题的约束条件。(2)本文引入三种多目标进化算法对建模的雾服务放置问题进行了优化。其一,将多目标的雾服务放置问题转换为单目标优化问题,为每个优化目标分配了相同的权重系数,提出了基于加权求和遗传算法(WSGA算法)的雾服务放置优化算法;其二,使用带精英策略的快速非支配排序遗传算法(NSGA-II算法)对多目标的雾服务放置问题进行优化求解,提出了基于NSGA-II的雾服务放置优化算法;其三,本文利用基于分解的多目标进化算法(MOEA/D算法)研究了多目标的雾服务放置问题,使用切比雪夫法将多目标的雾服务放置问题分解为一系列的标量子问题并同时进行优化,提出了基于MOEA/D的雾服务放置优化算法。(3)通过实验仿真评估和验证了本文提出的三种优化方案的性能。仿真结果表明,基于WSGA的雾服务放置优化算法的执行时间最少,该算法输出的解决方案在雾层部署的服务数量最少;基于NSGA-II的雾服务放置优化算法获得最高的优化目标;基于MOEA/D的雾服务放置优化算法具有最快的收敛速度,并且该算法获得的帕累托最优解集的性能最好。

雾计算中的容器资源动态供应方法

这是一篇关于雾计算,微服务,弹性计算,Kubernetes,容器,深度神经网络的论文, 主要内容为物联网应用如智慧农业、智能工厂、智慧城市等应用越来越广泛。但由于物联网应用地域分布广,即使采用计算能力强、存储容量大的大型云计算平台也难以克服距离带来的服务延迟问题。雾计算将云计算服务延伸到了距离用户更近的网络边缘,包括边缘路由器、网络基站和小型数据中心等。利用雾节点计算能力可以降低延迟,提高服务质量,同时也需要利用云服务可伸缩的特点来控制资源租赁成本才能充分发挥雾计算模式的优势。雾计算环境下,Web应用通常由一组互相协作的微服务来提供业务处理能力。为具有复杂调用关系的网状Web应用设计弹性云雾混合资源供应算法是目前研究的一个热点,其中主要的难点是如何协调调度地域分布的多数据中心资源。由于容器具有轻量、细粒度的特点,更加适用于网状微服务系统。利用Kubernetes容器编排平台可以实现容器化应用的自动化部署。为来自不同地域的用户提供高质量服务,本文采用了分布式协同的资源供应策略,为多数据中心弹性分配合适数量的容器。本文主要工作包括:(1)提出基于自适应处理率排队网络的容器调度方法;面向基于Kubernetes的云中网状微服务系统,考虑同步调用对容器性能的负面影响;采用排队长度感知的Jackson排队网络,量化瓶颈层对其他微服务的影响;(2)提出基于深度神经网络的弹性容器资源控制方法;考虑服务的响应时间受调用其他服务的影响,利用基于访问路径的日志分析方法获得服务自身的处理时间;采用深度神经网络建立容器数目、请求到达率和响应时间三者的非线性模型;针对云中网状微服务系统,提出基于深度性能模型、排队与控制理论的容器调度方法;(3)提出考虑不同地域雾节点间延迟的云雾混合环境下网状微服务系统资源调度方法;考虑不同节点间延迟,计算来自不同地区的服务的实际平均服务时间,维护每个地区的服务等级协议(Service Level Agreement,SLA);(4)基于Kubernetes搭建了真实的测试平台,研发了资源控制模块,为不同的资源供应算法提供了测试环境。利用真实的负载数据和基于Kubernetes搭建的网状服务系统,本课题将提出的雾计算环境中的容器资源供应方法与已有算法进行了对比。实验表明本文提出的方法可以有效降低资源租赁成本并且保证服务质量。

面向边端雾节点信任检测与认证方法研究

这是一篇关于雾计算,信任检测,身份认证,决策树,硬件指纹的论文, 主要内容为随着物联网技术的快速发展,终端设备和传感器产生了海量的数据。雾计算层作为云边端三层体系架构的中间层,通过分布在网络边缘的雾节点为终端设备提供低延迟和高带宽的数据计算和存储服务。由于数据通常是在多个雾节点之间共享和传输,单个雾节点的安全性和可信性可能会影响到整个雾计算系统。为保障边缘计算中雾节点的安全与可信,本文提出了面向边端雾节点信任检测与认证方法,本文的主要研究内容如下:(1)针对雾计算分布式部署和雾节点协同计算的特征,本文设计了一种基于决策树的雾节点信任检测方法。首先,对雾节点进行交互式的主观信任计算、基于最优路径的间接信任计算和面向容错性和稳定性的能力信任计算。其次,使用信息增益比来选择最佳分裂属性构建决策树,为提高检测模型的泛化能力,通过损失函数对决策树进行剪枝。最后,通过仿真实验论证了该信任检测方法的准确率。(2)面向边缘移动雾节点计算资源受限的特征,本文设计了一种双因素的雾节点身份认证方法。该方法将会话密钥作为一个认证因子,将激励通过加法器产生的计算误差作为另一个认证因子。其次,为提高认证的安全性,通过混淆隐藏激励和响应之间的映射关系。最后,通过对比实验验证了本文所设计的认证方法能够有效的降低计算和通信开销。(3)设计并实现了信任检测与身份认证原型系统,主要包括后台管理、信任检测、身份认证等模块。通过后台管理员对信任检测功能进行测试,选择适当的正则系数对决策树剪枝,能够有效提高检测的准确率。通过服务器端对身份认证功能进行检测,能够保障雾计算的安全性与可靠性。

智慧路灯控制模块研发及其应用

这是一篇关于智慧路灯,雾计算,路灯光控模块,迁移学习,系统集成的论文, 主要内容为随着技术的发展,自动化的路灯控制已经成为智慧路灯管理的重要要求。目前利用光线传感器可以对路灯进行有效的单灯自动化控制,但是因一些衰老、损坏、污染等因素影响造成了光控路灯在普及中出现投诉率高的问题。通过雾计算在区域数据的基础上解决路灯光控调光中的实际问题,对智慧路灯控制系统的发展有一定的促进作用与现实意义。当前在路灯管理方面很多市民通过12345热线或微博等渠道反馈路灯情况,管理部门通过人工进行相应的问题处理。业务流程环境多,效率低下,人工成本高。本文研究的重点是将雾计算的理念融入传统光控,优化光控模型并利用自然语言处理技术(Natural Language Processing,NLP)结合区域舆情构建一体化平台,为智慧路灯控制全面数字化发展提供参考。本论文主要内容包括以下几个方面:1.提出了基于雾计算的路灯光控模块:该模块综合利用边缘节点解决现有智慧路灯光控设备受灰尘,落叶,光敏电阻老化、损坏而影响自动控制的问题。通过编码定位区域,获取区域路灯数据进行联合计算,将结果用于路灯光电控制系统纠偏或替代,以此解决传感器故障对路灯系统造成的影响。该模块的应用可以有效降低路灯投诉事件,减少运维频率,提升市民满意度的同时降低管理者的运营成本。2.提出了基于迁移学习Bi LSTM-CRF的故障路灯事件识别方法:分析路灯管理的各种必要因素,使用迁移学习Bi LSTM-CRF技术从舆情中识别故障路灯事件,提取事件中的相关地址信息并确定信息的有效性。通过系统对地址中的故障路灯准确定位,可以解决传统路灯故障位置信息需要运维人员二次确认的问题,提升系统效率,降低人力资源成本。3.基于微服务架构的智慧路灯控制模块实现及管理系统集成:基于微服务架构使用Spring Cloud、Kubernets、Docker等技术,将控制模块与智慧路灯控制系统进行集成,实现基于雾计算的路灯光控功能以及基于迁移学习Bi LSTM-CRF的传统路灯管理功能,提升开发效率,增强系统可用性,扩大系统管理范围,提升市民满意度。在测试中,对系统的性能和效果评价均达到预期。提升路灯自动化控制水平,降低人工成本,是智慧路灯控制系统发展的重要目标。本文主要研究传统路灯光控方法并运用迁移学习Bi LSTM-CRF技术提升智慧路灯控制系统的管理能力。

雾计算中基于进化算法的服务放置优化研究

这是一篇关于雾计算,服务放置,进化算法,多目标优化的论文, 主要内容为随着物联网的快速发展,传统的云计算已经不能满足应用程序对于低延时、实时性交互和移动性感知的需要。为弥补云计算存在的缺陷,思科提出了雾计算的概念。雾计算作为一种新兴的分布式计算范式,在距离用户更近的网络边缘提供了传统云计算的功能。将应用从云端迁移到网络边缘能够有效地降低用户等待服务的延迟。然而,在资源受限、异构且地理位置分布广泛的雾设备上放置服务是一项挑战性的工作,并且用户期望和Io T设备特征的多样性也使得放置问题复杂化。现有的研究已经证明雾计算中的服务放置问题是一个NP-hard问题,使用启发式算法对雾服务放置问题进行求解已成为一个热门趋势。本文聚焦于雾计算环境下的服务放置问题,从雾服务放置问题的建模与优化两个方面展开研究。本文的主要内容如下:(1)雾计算环境下服务放置问题的建模。本文将雾计算中的服务放置问题抽象为受约束的多目标优化问题,建立雾计算的系统模型,提出一种基于微服务的Io T应用程序模型。然后,在这两个模型基础之上构建网络延迟、资源利用率和服务成本三个优化目标的数学模型,并将放置到雾设备上的服务消耗的资源不超过雾设备的可用资源作为雾服务放置问题的约束条件。(2)本文引入三种多目标进化算法对建模的雾服务放置问题进行了优化。其一,将多目标的雾服务放置问题转换为单目标优化问题,为每个优化目标分配了相同的权重系数,提出了基于加权求和遗传算法(WSGA算法)的雾服务放置优化算法;其二,使用带精英策略的快速非支配排序遗传算法(NSGA-II算法)对多目标的雾服务放置问题进行优化求解,提出了基于NSGA-II的雾服务放置优化算法;其三,本文利用基于分解的多目标进化算法(MOEA/D算法)研究了多目标的雾服务放置问题,使用切比雪夫法将多目标的雾服务放置问题分解为一系列的标量子问题并同时进行优化,提出了基于MOEA/D的雾服务放置优化算法。(3)通过实验仿真评估和验证了本文提出的三种优化方案的性能。仿真结果表明,基于WSGA的雾服务放置优化算法的执行时间最少,该算法输出的解决方案在雾层部署的服务数量最少;基于NSGA-II的雾服务放置优化算法获得最高的优化目标;基于MOEA/D的雾服务放置优化算法具有最快的收敛速度,并且该算法获得的帕累托最优解集的性能最好。

雾计算网络任务卸载和安全分片方案研究

这是一篇关于雾计算,任务卸载,区块链,信誉模型,分片的论文, 主要内容为雾计算网络位于物联网(Internet of Things,Io T)设备和云之间,可为Io T设备(Io T Devices,IDs)提供传输、计算和缓存资源,以降低IDs应用传输时延,提高服务质量(Quality of Service,Qo S)。由于雾节点(Fog Nodes,FNs)计算资源有限,需优化卸载决策和资源分配方案以提高资源利用率,降低网络开销。同时,由于FNs的离散部署,导致用户数据安全和网络抗攻击能力面临巨大的挑战。现有研究中,采用区块链技术来保证传输数据的安全性。但是,由于区块链可扩展性限制,网络吞吐量低,共识时延高。针对以上问题,本文研究了雾计算网络任务卸载和安全分片方案。首先,本文研究了雾计算网络中任务卸载与区块共识方案。为了最小化网络开销,分别针对任务卸载能耗和区块链共识时延提出卸载目标动态匹配(Offloading Target Dynamic Matching,OTDM)算法和基于信誉值的委托拜占庭容错(Reputation-based Delegated Byzantine Fault Tolerant,R-DBFT)算法。首先,提出基于区块链技术的雾计算网络模型,并引入设备到设备(Device-To-Device,D2D)链路辅助任务卸载。同时,基于FNs的信誉值筛选候选区块链节点(Candidate Blockchain Nodes,CBNs)集,并识别网络中的恶意节点。其次,基于IDs的任务量、时延容忍度等因素提出OTDM算法,为IDs匹配最优卸载目标,从而降低能耗。最后,提出R-DBFT算法,从CBNs中选取区块链节点(Blockchain Nodes,BNs),从而在保证网络安全的条件下,降低共识时延。并且,通过仿真验证所提算法的有效性。进一步,为提高网络吞吐量,本文研究了基于分片的区块链验证方案。该方案采用分片技术将FNs拆分成多个分片,以降低对单个FN的计算和存储需求。首先,建立基于区块链技术的雾计算网络模型,并采用基于FNs信誉值的拜占庭容错(Practical Byzantine Fault Tolerance,PBFT)算法实现快速共识。其次,提出信誉模型,结合历史信誉值以及决策信息更新FNs信誉值,并以此识别网络中的恶意节点。再次,使用归一化熵计算网络中恶意节点的比例,求解最佳分片数量。然后,联合考虑最佳分片数量、FNs地理位置以及片内节点数量等因素,提出一种基于位置的雾节点可靠分片(Location based fog nodes Reliable Sharding,LRS)算法,以提升网络性能。最后,通过仿真验证算法的有效性,并基于springboot框架搭建可视化验证平台。

智慧路灯控制模块研发及其应用

这是一篇关于智慧路灯,雾计算,路灯光控模块,迁移学习,系统集成的论文, 主要内容为随着技术的发展,自动化的路灯控制已经成为智慧路灯管理的重要要求。目前利用光线传感器可以对路灯进行有效的单灯自动化控制,但是因一些衰老、损坏、污染等因素影响造成了光控路灯在普及中出现投诉率高的问题。通过雾计算在区域数据的基础上解决路灯光控调光中的实际问题,对智慧路灯控制系统的发展有一定的促进作用与现实意义。当前在路灯管理方面很多市民通过12345热线或微博等渠道反馈路灯情况,管理部门通过人工进行相应的问题处理。业务流程环境多,效率低下,人工成本高。本文研究的重点是将雾计算的理念融入传统光控,优化光控模型并利用自然语言处理技术(Natural Language Processing,NLP)结合区域舆情构建一体化平台,为智慧路灯控制全面数字化发展提供参考。本论文主要内容包括以下几个方面:1.提出了基于雾计算的路灯光控模块:该模块综合利用边缘节点解决现有智慧路灯光控设备受灰尘,落叶,光敏电阻老化、损坏而影响自动控制的问题。通过编码定位区域,获取区域路灯数据进行联合计算,将结果用于路灯光电控制系统纠偏或替代,以此解决传感器故障对路灯系统造成的影响。该模块的应用可以有效降低路灯投诉事件,减少运维频率,提升市民满意度的同时降低管理者的运营成本。2.提出了基于迁移学习Bi LSTM-CRF的故障路灯事件识别方法:分析路灯管理的各种必要因素,使用迁移学习Bi LSTM-CRF技术从舆情中识别故障路灯事件,提取事件中的相关地址信息并确定信息的有效性。通过系统对地址中的故障路灯准确定位,可以解决传统路灯故障位置信息需要运维人员二次确认的问题,提升系统效率,降低人力资源成本。3.基于微服务架构的智慧路灯控制模块实现及管理系统集成:基于微服务架构使用Spring Cloud、Kubernets、Docker等技术,将控制模块与智慧路灯控制系统进行集成,实现基于雾计算的路灯光控功能以及基于迁移学习Bi LSTM-CRF的传统路灯管理功能,提升开发效率,增强系统可用性,扩大系统管理范围,提升市民满意度。在测试中,对系统的性能和效果评价均达到预期。提升路灯自动化控制水平,降低人工成本,是智慧路灯控制系统发展的重要目标。本文主要研究传统路灯光控方法并运用迁移学习Bi LSTM-CRF技术提升智慧路灯控制系统的管理能力。

智慧路灯控制模块研发及其应用

这是一篇关于智慧路灯,雾计算,路灯光控模块,迁移学习,系统集成的论文, 主要内容为随着技术的发展,自动化的路灯控制已经成为智慧路灯管理的重要要求。目前利用光线传感器可以对路灯进行有效的单灯自动化控制,但是因一些衰老、损坏、污染等因素影响造成了光控路灯在普及中出现投诉率高的问题。通过雾计算在区域数据的基础上解决路灯光控调光中的实际问题,对智慧路灯控制系统的发展有一定的促进作用与现实意义。当前在路灯管理方面很多市民通过12345热线或微博等渠道反馈路灯情况,管理部门通过人工进行相应的问题处理。业务流程环境多,效率低下,人工成本高。本文研究的重点是将雾计算的理念融入传统光控,优化光控模型并利用自然语言处理技术(Natural Language Processing,NLP)结合区域舆情构建一体化平台,为智慧路灯控制全面数字化发展提供参考。本论文主要内容包括以下几个方面:1.提出了基于雾计算的路灯光控模块:该模块综合利用边缘节点解决现有智慧路灯光控设备受灰尘,落叶,光敏电阻老化、损坏而影响自动控制的问题。通过编码定位区域,获取区域路灯数据进行联合计算,将结果用于路灯光电控制系统纠偏或替代,以此解决传感器故障对路灯系统造成的影响。该模块的应用可以有效降低路灯投诉事件,减少运维频率,提升市民满意度的同时降低管理者的运营成本。2.提出了基于迁移学习Bi LSTM-CRF的故障路灯事件识别方法:分析路灯管理的各种必要因素,使用迁移学习Bi LSTM-CRF技术从舆情中识别故障路灯事件,提取事件中的相关地址信息并确定信息的有效性。通过系统对地址中的故障路灯准确定位,可以解决传统路灯故障位置信息需要运维人员二次确认的问题,提升系统效率,降低人力资源成本。3.基于微服务架构的智慧路灯控制模块实现及管理系统集成:基于微服务架构使用Spring Cloud、Kubernets、Docker等技术,将控制模块与智慧路灯控制系统进行集成,实现基于雾计算的路灯光控功能以及基于迁移学习Bi LSTM-CRF的传统路灯管理功能,提升开发效率,增强系统可用性,扩大系统管理范围,提升市民满意度。在测试中,对系统的性能和效果评价均达到预期。提升路灯自动化控制水平,降低人工成本,是智慧路灯控制系统发展的重要目标。本文主要研究传统路灯光控方法并运用迁移学习Bi LSTM-CRF技术提升智慧路灯控制系统的管理能力。