申请/专利权人：内蒙古工业大学

申请日：2020-12-31

公开（公告）日：2024-04-16

公开（公告）号：CN112838963B

主分类号：H04L43/0882

分类号：H04L43/0882;H04L41/14;H04L41/142;H04L41/12;H04L47/11

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2021.06.11#实质审查的生效;2021.05.25#公开

摘要：本发明公开了一种基于事件同步和网络建模的识别系统拥塞风险的方法，采用过峰值阈值法从初始时空序列中提取事件序列，各地理位置处的事件序列记录的是事件发生的时间索引；根据动态延迟和最大延迟确定事件序列中同步发生的事件；将地理位置定义为网络中的节点，不同地理位置间发生的同步事件的数量定义为连边的权重，从而将时空序列映射为以事件发生地点为基元的无向加权网络；根据网络的拓扑特征定义节点的拥塞系数，量化节点发生拥塞的风险。本发明从时空数据中的特殊事件的发生位置和发生时间建立网络，定义节点拥塞系数，识别系统拥塞风险。

主权项：1.一种基于事件同步和网络建模的识别系统拥塞风险的方法，其特征在于，包括如下步骤：1根据过峰值阈值法，将时间序列中大于阈值的值定义为事件，记录事件发生的时间，从不同地理位置处产生的时间序列中提取事件序列，即：从地理位置l处的初始时间序列Yl＝{yil},i＝1,···,nl中基于过峰值阈值法提取出事件序列： 其中，tli表示地理位置l处第i个事件发生的时间，Nl表示地理位置l处事件发生的总数；2根据动态延迟τlmij和最大延迟τmax判断两个地理位置处的事件是否同步发生，如果l处的事件i和m处的事件j发生在动态延迟τlmij内，且事件发生时间间隔小于最大延迟τmax，那么事件i和事件j视为同步发生，假设l处的事件i和m处的事件j发生的时间间隔为dlmij： 如果dlmij满足：0≤|dlmij|＜τlmij且0≤|dlmij|＜τmax，则认为l处的事件i和m处的事件j同步发生；3将互不相同的地理位置视为复杂网络中的节点，不同地理位置间有事件同步发生则对应的节点之间存在连边，同步发生的事件的数量作为该连边的权重，如此，将时空序列映射为以事件发生的地理位置为基元的无向加权网络，无向加权网络的邻接矩阵A是对称矩阵，A中的元素alm＝0表示两节点之间不存在连边，alm≠0表示两节点之间存在连边，元素alm的数值表示连边的权重；4计算无向加权网络的拓扑特征，包括网络边权分布pw、网络累积度分布Pk、网络累积强度分布Ps和节点集聚系数ci， 上式中，Ew表示网络中权重为w的边的数量，E表示网络中边的总数， 上式中，nx表示度为x的节点的数量，n表示网络的节点总数，k表示节点的度， 上式中，qj表示强度为j的节点的数量，n表示网络的节点总数，s表示节点的强度， 上式中，Ei表示网络中节点i的邻居节点之间实际存在的边的数量，ki表示节点i的度；5识别系统拥塞风险，定义节点的拥塞系数为： 上式中，diw为节点i的平均强度，即与节点i相连的所有连边的权重之和除以这些边的数量，ci为节点i的集聚系数，对网络中的每个节点计算其拥塞系数，用于识别系统发生拥塞的风险；6借助MATLAB软件实现网络及拓扑特征和拥塞系数在地理位置上的可视化。

全文数据：

权利要求：

百度查询： 内蒙古工业大学 基于事件同步和网络建模的识别系统拥塞风险的方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD