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：本申请提供一种低延迟边缘协同数据处理方法及系统，在网络调试过程中，通过P个云平台分别对P个高速监测数据集进行数据特征提取操作以及通过各个云平台对各个云平台的车流量特征表示样本集合进行重复调试来调试目标车辆流量预测网络，也即基于各个云平台对网络调试所依赖的算力消耗进行分散，这样可以对各云平台的空置算力进行有效使用，使得P个目标车辆流量预测网络的调试的算力成本得到降低，此外，减少每次重复调试对算力和存储的要求。在第F轮重复调试中，基于同享P个云平台中完成第E轮重复调试后获得的P个网络内部参变量，完成对P个目标车辆流量预测网络的联邦学习，确保P个目标车辆流量预测网络的调校质量。

主权项：1.一种低延迟边缘协同数据处理方法，其特征在于，包括：获取X个高速监测数据；对所述X个高速监测数据进行分组获得P个高速监测数据集，其中，P为大于1的正整数，且P小于X；通过P个云平台分别对所述P个高速监测数据集进行数据特征提取操作，获得所述P个云平台中的各个云平台的车流量特征表示样本集合；依据所述P个云平台中完成第E轮重复调试后获得的P个网络内部参变量调节所述各个云平台中的网络内部参变量，以及依据所述各个云平台的车流量特征表示样本集合对所述各个云平台中调节后的网络内部参变量进行第F轮重复调试，获得调试好的P个目标车辆流量预测网络，其中，F=E+1；将所述各个云平台对应的目标车辆流量预测网络部署到对应的边缘盒子中，以便所述边缘盒子进行目标车辆流量预测；其中，所述各个云平台与至少一个边缘盒子通信连接，针对每一个所述边缘盒子，在进行目标车辆流量预测时，包括：获取目标高速监测数据；对所述目标高速监测数据进行数据特征提取操作，获得所述目标高速监测数据的目标车流量特征表示；依据所述目标高速监测数据的目标车流量特征表示，通过部署的对应的目标车辆流量预测网络，对所述目标高速监测数据进行分类，获得所述目标高速监测数据的目标车辆流量预测结果；其中，所述依据所述P个云平台中完成第E轮重复调试后获得的P个网络内部参变量调节所述各个云平台中的网络内部参变量，以及依据所述各个云平台的车流量特征表示样本集合对所述各个云平台中调节后的网络内部参变量进行第F轮重复调试，获得调试好的P个目标车辆流量预测网络，包括：通过所述P个云平台中完成第E轮重复调试后获得的P个网络内部参变量的聚合参变量，调节所述各个云平台中的网络内部参变量；依据所述各个云平台的车流量特征表示样本集合，对所述各个云平台中的网络内部参变量进行第F轮重复调试，直到所述各个云平台中的网络内部参变量的重复的轮次等于事先确定的最大重复轮次或所述各个云平台中的网络内部参变量收敛时，获得所述P个目标车辆流量预测网络；所述各个云平台中的初始网络内部参变量一致，所述P个高速监测数据集中的各个高速监测数据集包括XP个高速监测数据；或者，所述依据所述P个云平台中完成第E轮重复调试后获得的P个网络内部参变量调节所述各个云平台中的网络内部参变量，以及依据所述各个云平台的车流量特征表示样本集合对所述各个云平台中调节后的网络内部参变量进行第F轮重复调试，获得调试好的P个目标车辆流量预测网络，包括：对所述各个云平台的车流量特征表示样本集合进行稀疏提取，获得所述各个云平台的学习样本集合和所述各个云平台的验证样本集合；通过所述P个云平台中完成第E轮重复调试后获得的P个网络内部参变量的聚合参变量，调节所述各个云平台中的网络内部参变量；依据所述各个云平台的学习样本集合，对所述各个云平台中的网络内部参变量进行第F轮重复调试，获得所述P个云平台中完成第F轮重复调试后获得的P个网络内部参变量；依据所述各个云平台的验证样本集合，对所述各个云平台中的网络内部参变量的误差进行评估，获得用以指示所述P个云平台中的网络内部参变量的误差的目标误差值；判断所述目标误差值是否符合评估条件，如果所述目标误差值符合所述评估条件，获得所述P个目标车辆流量预测网络；如果所述目标误差值不符合评估条件，则通过所述P个云平台中完成第F轮重复调试后获得的P个网络内部参变量的聚合参变量调节所述各个云平台中的网络内部参变量，以及依据所述各个云平台的学习样本集合，对所述各个云平台中的网络内部参变量进行第G次重复调试，直到所述目标误差值符合所述评估条件时，获得所述P个目标车辆流量预测网络，其中，G=F+1。

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 一种低延迟边缘协同数据处理方法及系统