本发明涉及智能物联，具体为一种基于边缘计算的智能物联终端数据采集及分析方法。
背景技术：
1、边缘计算是一种分布式计算模型，它将计算和数据处理的任务从传统的云计算中心移至接近数据源的边缘设备或边节点，从而提供低延迟、高带宽和更好的用户体验，并支持对大量数据进行快速处理和决策，边缘计算可以应用于各种领域，如物联网、智能城市、智能制造和自动驾驶等；边缘设备是指位于网络边缘的计算设备，通常是指在物理位置上离用户更近的设备，如智能手机、平板电脑、传感器、物联网设备等。
2、智能物联是指通过物联网技术实现智能化的互联互通，它将物理设备、传感器和互联网连接起来，使得这些设备能够相互交互、共享数据，并通过分析和学习实现智能化的自动化操作；智能物联与万物互联的关系是密切相关的，万物互联是指将一切事物都连接到互联网上，使得各种设备、对象和环境能够互相通信和交流，而智能物联则是在万物互联的基础上，通过增加智能化的功能和应用，使得连接的设备和系统能够更加智能地感知、分析和响应，智能物联通过利用大数据、人工智能等技术，实现对物联网中的设备、数据和系统的智能化管理和控制，提高生活和工作的效率、安全性和舒适度。
3、在智能物联过程中，通过设备之间的万物互联关系，实现多元化的功能场景，然而，设备在交互、共享和联动过程中，需要大量的基于控制指令的代码算力支持，大量的代码算力的加持虽然可以提高智能物联的响应效率，但是也加重了代码算力的资源浪费；同时，不同边缘设备的代码算力资源能力有限，显然在频繁的交互、共享和联动过程中，也使智能物联的适用功能场景无法更好的拓展。
技术实现思路
1、本发明的目的在于提供一种基于边缘计算的智能物联终端数据采集及分析方法，以解决上述背景技术中提出的问题。
2、为了解决上述技术问题，本发明提供如下技术方案：
3、一种基于边缘计算的智能物联终端数据采集及分析方法，本方法包括以下步骤：
4、所述数据采集及分析方法包括数据采集方法和数据分析方法，且所述数据采集方法用于为所述数据分析方法的执行进行待分析数据集的采集，其中，所述待分析数据集作为所述数据分析方法在执行过程中涉及的底层数据资源，
5、所述数据采集方法包括以下步骤：
6、步骤s1：调用设备终端的后台运行日志，并对后台运行日志进行处理，生成用户需求标签；
7、步骤s2：根据用户需求标签，对执行用户需求的控制指令时，参与联动响应的全部设备终端进行处理，并生成需求行为集合；
8、步骤s3：根据需求行为集合，构建边缘节点识别迭代模型，对边缘节点进行迭代分析，其中，一个边缘节点对应一个设备终端，计算设备终端的边节点成熟度；
9、步骤s4：根据边节点的成熟度，建立所述待分析数据集；
10、所述数据分析方法响应于所述数据采集方法完成后，所述数据分析方法包括以下步骤：
11、步骤s5：根据所述待分析数据集，建立待分析样本集；
12、步骤s6：根据边节点成熟度，建立点集二维坐标系，将待分析样本集中的全部设备终端在点集二维坐标系中进行映射；
13、步骤s7：根据点集二维坐标系，建立用户需求关联分析模型，计算用户需求关联度，并生成功能场景模块集，进行云端存储；
14、进一步的，所述对后台运行日志进行处理，生成用户需求标签的具体实施过程包括：对参与智联物联的全部设备终端进行统筹并统一编号，并调用设备终端的后台运行日志，且对所述后台运行日志附加用户需求标签，所述用户需求为用户通过调用设备终端进行设备终端之间联动而实现的场景功能，所述用户需求标签为对调用设备终端过程中发送的控制指令统一附加的场景功能标签，所述后台运行日志中记录有执行用户需求过程中联动响应的设备终端的编号。
15、进一步的，所述对执行用户需求的控制指令时，参与联动响应的全部设备终端进行处理，并生成需求行为集合的具体实施过程包括：统筹全部用户需求标签并进行统一编码，将任意一个用户需求标签记为ii，根据后台运行日志，调取每一次执行用户需求标签ii对应的用户需求过程中联动响应的全部设备终端，并生成需求行为集合，记为dbw(ii)＝{e1，e2，...，en}，其中，ii表示第i个用户需求标签，dbw(ii)表示第w次执行用户需求标签ii对应的用户需求过程中联动响应的全部设备终端，对应生成的需求行为集合，e1，e2，...，en分别表示参与第w次执行用户需求标签ii对应的用户需求过程中联动响应的第1，2，...，n个设备终端。
16、进一步的，所述构建边缘节点识别迭代模型，对边缘节点进行迭代分析的具体实施过程包括：
17、根据需求行为集合，构建边缘节点识别迭代模型，将执行用户需求过程中联动响应的全部设备终端中一个设备终端看作一个边缘节点，则所述边缘节点用于作为中枢节点连接除所述边缘节点以外的全部设备终端，并执行用户需求的控制指令；
18、对每一次需求行为集合中的中枢节点进行标记，并生成迭代样本集，记为es＝{ex|dbw(ii)，w∈[1，m]}，其中，ex表示需求行为集合dbw(ii)中标记的中枢节点对应的设备终端，x表示设备终端的编号，m表示用户需求标签ii对应的用户需求被执行的总次数；
19、令第l次迭代输入集为esl，则第一次迭代输入集为es1，且es1＝es；令第l次迭代输出集为osl，则第l+1次迭代输入集为esl+1＝esl-osl；
20、第l次迭代过程如下：
21、在第l次迭代输入集esl中任意选取一个设备终端ex，并统筹迭代输入集esl中以设备终端ex作为中枢节点的全部需求行为集合，且生成第l次迭代的待处理数据集，记为hsl，根据待处理数据集hsl计算设备终端ex的边节点成熟度，具体计算公式如下：
22、
23、其中，bnm(ex)表示设备终端ex的边节点成熟度，num(hsl)表示待处理数据集hsl中包含的需求行为集合的数量，表示交集集合中包含的设备终端的数量，表示并集集合中包含的设备终端的数量；
24、将设备终端ex存入第l次迭代输出集osl中，进行第l+1次迭代；
25、当迭代样本集es中包含的全部设备终端完成边节点成熟度的计算后，迭代停止；
26、根据上述方法，在智能物联过程中，通过设备之间的万物互联关系，实现多元化的功能场景，即用户需求，进而本技术发明立足于设备终端之间的交互、共享和联动行为，生成需求行为集合，同时，基于边缘计算理论，在实现某一次用户需求时，可以通过不同的边缘设备，即通过中枢节点，来实现用户需求，进而，在实现同一个用户需求时，基于智能物联和边缘计算理论，采用的中枢节点可能不同，因此，对每一次需求行为集合中的中枢节点进行标记；在大量的执行用户需求经验中，分析设备终端的边节点成熟度，其中，边节点成熟度反应设备终端被作为中枢节点的频繁度，设备终端的边节点成熟度越大，则在实现某个用户需求时，该设备终端越重要。
27、进一步的，所述根据边节点的成熟度，建立所述待分析数据集的具体实施过程包括：
28、根据边缘节点识别迭代模型，对每一次迭代输出集进行统筹，并形成用户需求标签ii的待分析数据集，记为as(ii)，且x∈[1，n]}。
29、进一步的，根据所述待分析数据集，建立待分析样本集的具体实施过程包括：
30、在所有用户需求标签对应生成的待分析数据集中，任意选取两个待分析数据集as(ii)和as(ij)，其中，ij表示第j个用户需求标签；
31、统筹待分析数据集as(ii)和as(ij)中包含的全部设备终端，生成待分析样本集，记为ss。
32、进一步的，所述建立点集二维坐标系，将待分析样本集中的全部设备终端在点集二维坐标系中进行映射的具体实施过程包括：
33、根据边节点成熟度，建立点集二维坐标系，所述点集二维坐标系的横纵坐标均表示边节点成熟度，且横坐标记录待分析数据集as(ii)中每个设备终端的边节点成熟度，纵坐标记录待分析数据集as(ij)中每个设备终端的边节点成熟度；
34、在待分析样本集中任意选取一个设备终端ex，根据点集二维坐标系，生成设备终端ex对应的坐标点，记为ex:(bnm(ex)|as(ii)，bnm(ex)|as(ij))，其中，bnm(ex)|as(ii)表示在待分析数据集as(ii)中设备终端ex对应的边节点成熟度bnm(ex)，bnm(ex)|as(ij)表示在待分析数据集as(ij)中设备终端ex对应的边节点成熟度bnm(ex)；
35、如果设备终端ex存在在待分析数据集as(ii)中且不存在在待分析数据集as(ij)中，则ex:(bnm(ex)|as(ii)，bnm(ex)|as(ij))为ex:(bnm(ex)|as(ii)，0)，即设备终端ex在点集二维坐标系中对应的点，坐落在横坐标上；
36、如果设备终端ex不存在在待分析数据集as(ii)中且存在在待分析数据集as(ij)中，则ex:(bnm(ex)|as(ii)，bnm(ex)|as(ij))为ex:(0，bnm(ex)|as(ij))，即设备终端ex在点集二维坐标系中对应的点，坐落在纵坐标上。
37、进一步的，所述建立用户需求关联分析模型，计算用户需求关联度的具体实施过程包括：
38、在点集二维坐标系中，获取横坐标和纵坐标上的点的总数量，记为nc；
39、在点集二维坐标系中，统筹除横坐标和纵坐标上的以外点，并对除横坐标和纵坐标上的以外点依次进行两两连接，形成包含除横坐标和纵坐标上的以外点的最大外包面，获取所述最大外包面的面积，记为p；
40、建立用户需求关联分析模型，计算用户需求关联度，具体计算公式如下：
41、
42、其中，cd(ii→ij)表示用户需求标签ii与用户需求标签ij之间的关联度，num(ss)表示待分析样本集ss中包含的设备终端的数量；
43、预设关联度阈值，如果用户需求关联度大于等于关联度阈值，则用户需求标签ii与用户需求标签ij之间形成功能场景绑定，统计与用户需求标签ii之间绑定的全部关联用户标签，并生成功能场景模块集，上传所述功能场景模块集至云数据库，云数据库对同一功能场景模块集中的各个用户需求标签对应的用户需求进行控制指令的程序代码复用管理；
44、根据上述方法，建立点集二维坐标系，对用户需求关联度进行分析，实质是一种点密度分析法，其中，用户需求关联度越大，表示点越密集；进而，用户需求关联度越大表示两个用户需求之间越关联，从而，可以形成功能场景绑定，并进行控制指令的程序代码复用。
45、一种计算机可读存储介质，所述可读存储介质用于承载计算机程序，所述计算机程序可被处理器执行以实现如权利要求1至8中任一项所述方法的步骤。
46、一种边缘计算设备，包括：
47、一个或多个处理器；
48、存储装置，用于存储一个或多个计算机程序，当所述一个或多个计算机程序被所述一个或多个处理器执行时，使得所述边缘计算设备实现如权利要求1至8中任一项所述方法的步骤。
49、与现有技术相比，本发明所达到的有益效果是：本发明提供的一种基于边缘计算的智能物联终端数据采集及分析方法中，数据采集方法包括：调用设备终端的后台运行日志，并对后台运行日志进行处理，生成用户需求标签，对执行用户需求的控制指令时，参与联动响应的全部设备终端进行处理，并生成需求行为集合，构建边缘节点识别迭代模型，对边缘节点进行迭代分析，计算设备终端的边节点成熟度，建立待分析数据集；数据分析方法包括：根据待分析数据集，建立待分析样本集，根据边节点成熟度，建立点集二维坐标系，将待分析样本集中的全部设备终端在点集二维坐标系中进行映射，建立用户需求关联分析模型，计算用户需求关联度，并生成功能场景模块集，进行云端存储；从而，在智能物联过程中，通过设备之间的万物互联关系，实现多元化的功能场景的同时，避免代码算力资源的浪费，使智能物联的适用功能场景能够更好的拓展。
1.一种基于边缘计算的智能物联终端数据采集及分析方法，其特征在于，所述数据采集及分析方法包括数据采集方法和数据分析方法，且所述数据采集方法用于为所述数据分析方法的执行进行待分析数据集的采集，其中，所述待分析数据集作为所述数据分析方法在执行过程中涉及的底层数据资源，
2.根据权利要求1所述的一种基于边缘计算的智能物联终端数据采集及分析方法，其特征在于，所述对后台运行日志进行处理，生成用户需求标签的具体实施过程包括：对参与智联物联的全部设备终端进行统筹并统一编号，并调用设备终端的后台运行日志，且对所述后台运行日志附加用户需求标签，所述用户需求为用户通过调用设备终端进行设备终端之间联动而实现的场景功能，所述用户需求标签为对调用设备终端过程中发送的控制指令统一附加的场景功能标签，所述后台运行日志中记录有执行用户需求过程中联动响应的设备终端的编号。
3.根据权利要求2所述的一种基于边缘计算的智能物联终端数据采集及分析方法，其特征在于，所述对执行用户需求的控制指令时，参与联动响应的全部设备终端进行处理，并生成需求行为集合的具体实施过程包括：统筹全部用户需求标签并进行统一编码，将任意一个用户需求标签记为ii，根据后台运行日志，调取每一次执行用户需求标签ii对应的用户需求过程中联动响应的全部设备终端，并生成需求行为集合，记为dbw(ii)＝{e1，e2，...，en}，其中，ii表示第i个用户需求标签，dbw(ii)表示第w次执行用户需求标签ii对应的用户需求过程中联动响应的全部设备终端，对应生成的需求行为集合，e1，e2，...，en分别表示参与第w次执行用户需求标签ii对应的用户需求过程中联动响应的第1，2，...，n个设备终端。
4.根据权利要求3所述的一种基于边缘计算的智能物联终端数据采集及分析方法，其特征在于，所述构建边缘节点识别迭代模型，对边缘节点进行迭代分析的具体实施过程包括：
5.根据权利要求4所述的一种基于边缘计算的智能物联终端数据采集及分析方法，其特征在于，所述根据边节点的成熟度，建立所述待分析数据集的具体实施过程包括：
6.根据权利要求5所述的一种基于边缘计算的智能物联终端数据采集及分析方法，其特征在于，根据所述待分析数据集，建立待分析样本集的具体实施过程包括：
7.根据权利要求6所述的一种基于边缘计算的智能物联终端数据采集及分析方法，其特征在于，所述建立点集二维坐标系，将待分析样本集中的全部设备终端在点集二维坐标系中进行映射的具体实施过程包括：
8.根据权利要求7所述的一种基于边缘计算的智能物联终端数据采集及分析方法，其特征在于，所述建立用户需求关联分析模型，计算用户需求关联度的具体实施过程包括：
9.一种计算机可读存储介质，其特征在于，所述可读存储介质用于承载计算机程序，所述计算机程序可被处理器执行以实现如权利要求1至8中任一项所述方法的步骤。
10.一种边缘计算设备，其特征在于，包括：
