CN115514659B - 一种数据处理方法、装置、设备及存储介质 - Google Patents

Abstract

本申请公开了一种数据处理方法、装置、设备及存储介质，包括：接收所述至少一个设备上报的第一数据；通过场景规则库对所述第一数据进行处理，得到处理结果；所述场景规则库包括至少两条场景规则；将所述第一数据发送至所述云服务端；所述第一数据用于所述云服务端得到更新后的场景规则库；接收所述云服务端发送的所述更新后的场景规则库，并接收所述至少一个设备上报的第二数据，以通过所述更新后的场景规则库对所述第二数据进行处理；结合云服务端海量处理数据的能力以及网关对近端数据处理的高效性、网关与设备连接稳定性的优势，提高居家舒适性、安全性。

Description

一种数据处理方法、装置、设备及存储介质

技术领域

本申请涉及计算机技术领域，涉及但不限于一种数据处理方法、装置、设备及存储介质。

背景技术

随着物联网技术的发展，智能家居作为一个重要应用领域，日益渗透进日常生活中并逐步变成现实。在智能家居应用领域下，人们对智能家居的情境感知能力，包括智能联动、家居隐患、非法入侵、智能节能，提出了更高的要求。

随着智能家居设备大规模接入物联网，终端设备的数量增长以及用户业务需求的多样化，海量数据处理、带宽消耗、网络延时、堵塞等问题越来越突出，单靠云计算已不能满足未来智能家居的发展趋势。为此，通过在网络边缘侧集中可用的计算、存储和网络资源，引入边缘计算使服务更接近终端用户。通过边缘计算实现对边缘数据高时效的实时处理，无需将所有的数据均上传至云端进行处理，从而减轻云计算的压力、降低数据延时、降低带宽压力。但是边缘计算的计算资源和存储能力有限，当数据量过大时，还需要将数据上传到云端服务进行处理。将云计算和边缘计算结合使用(云边协同)，充分利用云计算和边缘计算的联合优势，可以为用户提供更优质的服务。

相关技术中，对设备数据处理的方案包括云计算或边缘计算。

云计算的数据处理如下：云端即云服务端收集大量设备上传的数据，通过大数据、机器学习等相关技术，形成推理规则，云端在获取到目标情境下的情境信息后，根据推理规则，对其进行处理，从而完成自主推理服务，控制相关设备或给用户相应反馈。但是，随着越来越多的传感器类设备上传数据到云端，云端对规则的处理，可能带来延时和阻塞问题，以及设备与云端之间的连接可能不稳定，导致相应处理不能执行。边缘计算的数据处理如下：将场景规则置于网关端，网关端对设备的数据进行处理，以实现与规则场景数据相关联的场景；网关采用边缘计算可以高效的对近端数据进行处理，且网关端与智能设备之间的连接也相对比较稳定；但是由于网关计算能力有限，缺乏一定推理能力，只能完成特定预设场景的数据的处理。

发明内容

本申请实施例提供一种数据处理方法、装置、设备及存储介质，能够结合云服务端海量处理数据的能力以及网关端对近端数据处理的高效性、网关端与设备连接稳定性的优势，提高居家舒适性、安全性。

本申请实施例的技术方案是这样实现的：

本申请实施例提供了一种数据处理方法，应用于分别与云服务端和至少一个设备连接的网关端；所述方法包括：

接收所述至少一个设备上报的第一数据；

通过场景规则库对所述第一数据进行处理，得到处理结果；所述场景规则库包括至少两条场景规则；

将所述第一数据发送至云服务端；所述第一数据用于所述云服务端得到更新后的场景规则库；

接收所述云服务端发送的所述更新后的场景规则库，并接收所述至少一个设备上报的第二数据，以通过所述更新后的场景规则库对所述第二数据进行处理。

本申请实施例提供一种数据处理方法，应用于云服务端，所述云服务端与网关端连接，所述网关端连接有至少一个设备，所述方法包括：

接收所述网关端发送的第一数据；所述第一数据为所述至少一个设备上报至所述网关端的数据；

通过所述第一数据和所述至少一个设备的历史数据对预测模型进行训练，得到收敛的预测模型；

将所述收敛的预测模型转换为更新后的场景规则库；

将所述更新后的场景规则库发送至所述网关端，所述更新后的场景规则库用于对所述网关端中的场景规则库进行更新。

本申请实施例提供了一种数据处理装置，应用于网关端，所述装置包括：

第一接收模块，用于接收所述至少一个设备上报的第一数据；

第一处理模块，用于通过场景规则库对所述第一数据进行处理，得到处理结果；所述场景规则库包括至少两条场景规则；

第一发送模块，用于将所述第一数据发送至云服务端；所述第一数据用于所述云服务端得到更新后的场景规则库；

所述第一接收模块，还用于接收所述云服务端发送的所述更新后的场景规则库，并接收所述第一设备上报的第二数据，以通过所述更新后的场景规则库对所述第二数据进行处理。

本申请实施例提供了一种数据处理装置，其特征在于，应用于云服务端，所述装置包括：

第二接收模块，用于接收所述网关端发送的第一数据；所述第一数据为所述至少一个设备上报至所述网关端的数据；

训练模块，用于通过所述第一数据和所述至少一个设备的历史数据对预测模型进行训练，得到收敛的预测模型；

更新模块，用于将所述收敛的预测模型转换为更新后的场景规则库；

第二发送模块，用于将所述更新后的场景规则库发送至所述网关端，所述更新后的场景规则库用于对所述网关端中的场景规则库进行更新。

本申请实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述网关端或云服务端的数据处理方法中的步骤。

本申请实施例还提供了一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述网关端或云服务端的数据处理方法。

本申请实施例所提供的数据处理方法、装置、设备及存储介质，接收所述至少一个设备上报的第一数据；通过场景规则库对所述第一数据进行处理，得到处理结果；所述场景规则库包括至少两条场景规则；将所述第一数据发送至云服务端；所述第一数据用于所述云服务端得到更新后的场景规则库；接收所述云服务端发送的所述更新后的场景规则库，并接收所述至少一个设备上报的第二数据，以通过所述更新后的场景规则库对所述第二数据进行处理；由设备的近端的网关通过场景规则对设备的数据进行处理，且由云服务端对网关端使用的场景规则进行更新，从而结合云服务端海量处理数据的能力以及网关端对近端数据处理的高效性、网关端与设备连接稳定性的优势，实现在智能家居下能够根据设备传来的数据做出适合于用户当前上下文情境的合适反馈，提高居家舒适性、安全性。

附图说明

图1为本申请实施例提供的数据处理系统的一种可选的结构示意图；

图2为本申请实施例提供的数据处理方法的一种可选的流程示意图；

图3为本申请实施例提供的数据处理方法的一种可选的流程示意图；

图4为本申请实施例提供的数据处理方法的一种可选的流程示意图；

图5为本申请实施例提供的数据处理方法的一种可选的流程示意图；

图6为本申请实施例提供的数据处理方法的一种可选的流程示意图；

图7为本申请实施例提供的数据处理方法的一种可选的流程示意图；

图8为本申请实施例提供的数据处理方法的一种可选的流程示意图；

图9为本申请实施例提供的数据处理方法的一种可选的流程示意图；

图10为本申请实施例提供的数据处理装置的一种可选的结构示意图；

图11为本申请实施例提供的数据处理装置的一种可选的结构示意图；

图12为本申请实施例提供的电子设备的一种可选的结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对申请的具体技术方案做进一步详细描述。以下实施例用于说明本申请，但不用来限制本申请的范围。

本申请实施例可提供为数据处理方法及设备、存储介质。实际应用中，数据处理方法可实施于电子设备，电子设备中的各功能实体可以由电子设备(如终端设备、网关、服务器)的硬件资源，如处理器等计算资源、通信资源(如用于支持实现光缆、蜂窝等各种方式通信)协同实现。

本申请实施例提供的数据处理方法应用于数据处理系统。

作为一示例，数据处理系统的结构可如图1所示，包括：云服务端101、网关端102和多个设备103，其中，设备103与网关端102连接，网关端102与云服务端101连接。可选地，设备103可包括传感器等物联网设备，网关端102可为边缘网关。云服务端101可为云端物联网平台，此时，数据处理系统可构成物联网系统。

网关端102接收设备103的数据，网关端102对数据进行缓存，并上传到云服务端101。其中，设备103可以支持多种类型设备，例如：空调、电视机、洗衣机、智能门锁、照明设备、烟雾传感器、进水传感器、温湿度传感器、空气净化器等智能家具中的设备。

本申请实施例中，设备103直接接入网关端103，还可通过终端网关接入网关端103。

网关端102接接收所述至少一个设备103上报的第一数据；通过场景规则库对所述第一数据进行处理，得到处理结果；所述场景规则库包括至少两条场景规则；将所述第一数据发送至云服务端101；所述第一数据用于所述云服务端得到更新后的场景规则库；

云服务端101接收网关端102发送的第一数据；通过所述第一数据和所述至少一个设备的历史数据对预测模型进行训练，得到收敛的预测模型；将所述收敛的预测模型转换为更新后的场景规则库；将所述更新后的场景规则库发送至网关端102，所述更新后的场景规则库用于对网关端102中的场景规则库进行更新。

网关端102接收所述云服务端发送的所述更新后的场景规则库，并接收所述至少一个设备上报的第二数据，以通过所述更新后的场景规则库对所述第二数据进行处理上。

结合图1所示的数据处理系统，本实施例提出一种数据处理方法，结合云服务端海量处理数据的能力以及网关对近端数据处理的高效性、网关与设备连接稳定性的优势，实现在智能家居下能够根据设备传来的数据做出适合于用户当前上下文情境的合适反馈，提高居家舒适性、安全性。

下面，结合图1所示的数据处理系统的示意图，对本申请实施例提供的数据处理方法及设备、存储介质的各实施例进行说明。

本实施例提供一种数据处理方法，该方法应用于电子设备。该方法所实现的功能可以通过电子设备中的处理器调用程序代码来实现，当然程序代码可以保存在计算机存储介质中，可见，该电子设备至少包括处理器和存储介质。其中，电子设备实施为网关端或云服务端。

当然，本申请实施例不局限于提供为方法和硬件，还可有多种实现方式，例如提供为存储介质(存储有用于执行本申请实施例提供的数据处理方法的指令)。

图2为本申请实施例的数据处理方法的实现流程示意图，如图2所示，该方法包括以下步骤：

S201、网关端接收至少一个设备上报的第一数据。

本申请实施例中，第一数据可包括至少一个设备中的部分设备或全部设备在一段时间内上报的数据。其中，网关端可接收到多条第一数据。

在一示例中，接入网关端中的至少一个设备包括：设备1、设备2、设备3、设备4和设备5，第一数据包括设备1、设备2上报至网关端的数据。

在一示例中，接入网关端中的至少一个设备包括：设备1、设备2、设备3、设备4和设备5，第一数据包括设备1、设备2、设备3、设备4和设备5上报至网关端的数据。

本申请实施例中，网关端接收的第一数据可为设备基于用户的操作行为所产生的数据，也可为设备基于网关端的控制指令所产生的数据。

本申请实施例中，网关端存储有场景规则库，将场景规则库更新前所接收的设备上报的数据称为第一数据。在实际应用中，网关端周期性地对场景规则库进行更新，则将得到当前场景规则库至当前场景规则库更新之前的这一时间段所接收的至少一个设备的数据称为第一数据。更新场景规则库的周期可为一天、5天、15天、一个月等。

本申请实施例中，不同设备上传的数据可不同，比如，温湿度传感器上报的数据包括：温度、湿度，烟雾传感器上报的数据包括：烟雾量，空气净化器上报的数据为空气质量。

S202、网关端通过所述第一设备对应的场景规则库对所述第一数据进行处理，得到处理结果。

所述场景规则库包括至少两条场景规则。

网关端接收到第一数据后，通过场景规则库中的场景规则对第一数据进行处理，得到处理结果。这里，处理结果为对当前第一数据进行处理的处理方法，可包括：不处理、至少一个设备中的设备支持的功能、告警等。当处理结果为不处理时，网关不执行任何下一步处理；当处理结果为功能，则向支持所述动作的设备发送控制指令，指示支持该功能的设备执行该功能；当处理结果为告警时，可确定告警设备，向告警设备发送告警指令，指示告警设备基于告警指令执行告警处理。本申请实施例中，处理结果还可包括其他形式的处理方法，本申请实施例对处理结果的处理形式不进行任何限定。

需要说明的是，当处理结果为动作，则上报第一数据的设备与支持该动作的设备可为同一设备，也可为不同的设备。

在一示例中，当第一数据包括：空调上报的当前环境的温度，基于场景规则确定的动作为将空调的制冷温度降低时，则指示空调降低制冷温度，此时，第一数据所属的设备和支持动作的设备同为空调。

在一示例中，当第一数据包括：智能门锁检测的门锁状态，基于场景规则确定的动作为将灯打开，则指示将灯打开，此时，第一数据所属的设备为门锁，支持动作的设备为灯。

需要说明的是，本申请实施例中，当处理结果为指示设备执行动作时，支持该动作的设备会产生数据，并基于处理结果产生的数据上报至网关端，此时，如果基于处理结果产生的数据上报的时间在场景规则库更新之前，则基于处理结果产生的数据可作为新的第一数据，网关端通过场景规则库对基于处理结果产生的第一数据进行处理。

S203、网关端将所述第一数据发送至所述云服务端。

所述第一数据用于所述云服务端得到更新后的场景规则库；

本申请实施例中，网关端对第一数据进行处理，还将第一数据发送至云服务端。其中，在网关端与云服务端的连接建立的情况下，网关直接将第一数据发送至云服务端。在网关端与云服务端的连接断开的情况下，网关对第一数据进行缓存，等待网关端与云服务端的连接建立后，通过建立的连接将缓存的第一数据发送至云服务端。

云服务端接收到第一数据后，通过第一数据和至少一个设备的历史数据得到更新后的场景规则。其中，历史数据为网关端发送至云服务端的第一数据之前的至少一个设备上报的数据，可选地，历史数据可为一段时间内的历史数据。

在一些实施例中，网关端中的场景规则可基于历史数据得到。这里，在接收到第一数据之前，云服务端可基于历史数据得到场景规则库，将场景规则库发送至网关端，使得网关端基于场景规则库对第一数据进行处理。

云服务端得到更新后的场景规则库后，将更新后的场景规则库发送至网关端。

S204、网关端接收所述云服务端发送的所述更新后的场景规则库，并接收所述第一设备上报的第二数据，以通过所述更新后的场景规则库对所述第二数据进行处理。

这里，将在接收到更新后的场景规则库所接收的设备上报的数据称为第二数据。网关设备在接收到更新后的场景规则库后，通过更新后的场景规则库对所述第二数据进行处理。

需要说明的时，网关设备在接收到更新后的场景规则之前，通过未更新的场景规则对设备上报的数据进行处理。

本申请实施例提供的数据处理方法可应用于以下场景：

场景1、在1月2号，网关端通过场景规则库1中的场景规则对设备上报的数据进行处理，并将接收的数据发送至云服务端，在1月3号凌晨，云服务端通过网关端1月2号发送的数据和1月2号之前发送的数据得到场景规则库2，并将场景规则库2发送至网关端，网关端接收到场景规则库2，且在1月3号通过场景规则库2中的场景规则对设备上报的数据进行处理。

场景2、网关端在于云服务端断开连接的情况下，通过场景规则库1对设备上报的数据进行处理，并将设备上报的数据进行缓存，在与云服务端建立连接的情况下，将缓存的数据发送至云服务端，云服务端基于接收到的数据和历史数据得到更新后的场景规则库：场景规则库2，并将场景规则库2发送至网关端，网关端2接收到场景规则库2后，基于场景规则库2对接收到场景规则库2之后设备上报的数据进行处理。

本申请实施例提供的数据处理方法，网关端接收所述至少一个设备上报的第一数据；通过场景规则库对所述第一数据进行处理，得到处理结果；所述场景规则库包括至少两条场景规则；将所述第一数据发送至云服务端；所述第一数据用于所述云服务端得到更新后的场景规则库；接收所述云服务端发送的所述更新后的场景规则库，并接收所述至少一个设备上报的第二数据，以通过所述更新后的场景规则库对所述第二数据进行处理；由设备的近端的网关通过场景规则对设备的数据进行处理，且由云服务端对网关端使用的场景规则进行更新，从而结合云服务端海量处理数据的能力以及网关对近端数据处理的高效性、网关与设备连接稳定性的优势，实现在智能家居下能够根据设备传来的数据做出适合于用户当前上下文情境的合适反馈，提高居家舒适性、安全性，以提供优质的家居服务。

在一些实施例中，所述场景规则包括功能数据和所述功能数据对应的动作；S202的实施包括以下步骤：

S2021、将所述第一数据与所述场景规则库中的每一场景规则进行匹配；

场景规则库中包括多条场景规则，每个场景规则包括功能数据和所述功能数据对应的动作，其中，功能数据作为触发条件，动作作为执行动作，以在触发条件满足时，执行对应的执行动作。在一示例中，场景规则为：温度高于温度阈值，且检测到有人移动，则打开空调，则在该场景规则中，触发条件为：温度高于温度阈值，状态条件为检测到有人移动，执行动作为打开空调。在一示例中，场景规则为收到燃气泄漏状态，则通知用户，在该场景规则中，触发条件为：收到燃气泄漏状态，执行动作为：通知用户。

对于第一数据，网关端将第一数据和场景规则库中每条场景规则的功能数据进行匹配，将场景规则库中与第一数据匹配的规则称为目标场景规则。

在一示例中，第一数据包括：温度30和烟雾量40，当场景库中包括有场景规则：场景规则1、当温度大于25则开启空调，场景规则2、当温度介于25至20则将空调的温度上调一个步长，场景规则3、当温度小于20则关闭空调，当当前温度30匹配到场景规则1，则场景规则1为温度30对应的目标场景规则。

这里，当在场景规则库中匹配到当前第一数据的目标场景规则，则表明场景规则库中规定了对当前第一数据的处理方式，当在场景规则库中未匹配到当前第一数据的目标场景规则，则表明场景规则库中未规定对当前第一数据的处理方式。

S2022、当所述第一数据与所述场景规则库中的目标场景规则的功能数据匹配，确定所述目标场景规则的动作；

当存在第一数据对应的目标场景规则，则基于目标场景规则中的动作来执行对应的处理。其中，这里的动作可为至少一个设备中的设备支持的功能或告警。当动作为功能，则向支持所述动作的设备发送控制指令，指示支持该功能的设备执行该功能；当处理结果为告警时，可确定告警设备，向告警设备发送告警指令，指示告警设备基于告警指令执行告警处理。

S2023、当所述第一数据与所述场景规则库中任一场景规则中的功能数据不匹配，基于所述第一数据与用户行为模型的相似度，确定针对所述第一数据对应的处理方式。

当场景规则库中未存在以第一数据对应的目标场景，确定该第一数据与用户行为模型的相似度，根据第一数据与用户行为模型的相似度的来确定第一数据对应的处理方式。

这里，第一数据与用户行为模型的相似度越高，表征第一数据越符合用户的行为习惯，第一数据与用户行为模型的相似度越低，表征第一数据越不符合用户的行为习惯。当第一数据符合用户的行为习惯，则第一数据对应的处理方式为不处理，当第一数据不符合用户的行为习惯，则第一数据对应的处理方式为告警。

在一些实施例中，所述场景规则库包括至少一条行为规则和至少一条告警规则；所述至少一条行为规则表征用户行为模型；所述至少一条告警规则表征告警模型；在S2022中基于所述第一数据与用户行为模型的相似度确定针对所述第一数据对应的处理方式之前，还包括以下步骤：

S2023、确定所述至少一条行为规则所包括的功能数据；

S2024、确定所述第一数据与所述至少一条行为规则中的功能数据的第一相似度。

至少一条行为规则中的功能数据能够表征用户正常行为轮廓即用户正常行为习惯，网关端确定第一数据与至少一条行为规则中的功能数据的第一相似度，即确定第一数据与用户正常行为轮廓的相似度。

本申请实施例中，场景规则库中包括两种类型的场景规则：行为规则和告警规则。行为规则表征设备的正常操作，因此，行为规则能够表征反映用户行为习惯的用户行为模型。告警规则为设备故障或告警等能够触发设备告警的规则，表征设备的异常操作，因此，告警规则能够表征反映异常情况处理的告警模型。其中，场景规则库中的行为规则组成正常行为规则库，场景规则库中的告警规则构成告警规则库。

网关端将第一数据和正常行为规则库中行为规则的功能数据的相似度。这里，可将正常行为规则库中行为规则的功能数据作为一个整体，来计算第一数据和这个整体的相似度，也可分别计算第一数据和各行为规则中的功能数据的相似度评分，基于所有的相似度评分来计算相似度。

需要说明的时，网关端从场景规则库中确定与第一数据相关的参考场景规则，

在一些实施例中，S2024的实施包括以下步骤：

S2241、获取第一系数和第二系数，所述第一系数为所述至少一条行为规则所包括的功能数据的标准差，所述第二系数为所述至少一条行为规则所包括的功能数据的均值；

S2242、根据所述第一系数和所述第二系数，确定至少两个数据范围；其中，数据分布在不同的数据范围的概率值不同；

S2243、将所述至少两个数据范围中所述第一数据所属的数据范围对应的概率值，确定为所述第一相似度。

这里，行为规则库中所有的功能数据的标准差即第一系数表示为σ，行为规则库中所有的功能数据的均值即第二系数表示为μ，网关端基于σ和μ确定多个数据范围。本申请实施例中，基于第一数据和第二系数确定多个数据范围，数据分布在不同的数据范围的概率值不同。

以确定三个数据范围为例，三个数据范围包括：

数据范围一、(μ-σ,μ+σ)，对应的概率为0.6826，表征数值分布在(μ-σ,μ+σ)中的概率为0.6826；

数据范围二、(μ-2σ,μ+2σ)，对应的概率为0.9545，表征数值分布在μ-2σ,μ+2σ)中的概率为0.9545；

数据范围三、(μ-3σ,μ+3σ)，对应的概率为0.9973，表征数值分布在(μ-3σ,μ+3σ)中的概率为0.9973。

网关端将第一数据所落在的数据范围对应的概率，确定该第一数据对应的第一相似度。

在一些实施例中，S2022中基于所述第一数据与用户行为模型的相似度确定针对所述第一数据对应的处理方式的实施包括以下步骤：

当所述第一相似度大于相似度阈值，确定针对所述第一数据对应的处理方式为告警。

这里，当第一相似度小于相似度阈值，表征当前第一数据符合用户行为模型，则处理方式为不处理，当第一相似度大于相似度阈值，表征当前第一数据不符合用户行为模型，为异常情况，则处理方式为告警。

在一些实施例中，在S201之后，还实施以下步骤：

判断是否存在所述场景规则库；

在所述判断的结果为不存在所述场景规则库的情况下，将所述第一数据发送至所述云服务端，使得所述云服务端对所述第一数据进行处理。

此时，如图3所示，

S301、网关端接收至少一个设备上报的第一数据。

S302、网关端判断本地是否存在场景规则库。

如果存在的情况下，执行S303，如果不存在的情况下，执行S304。

S303、网关端通过本地的场景规则对第一数据进行处理，得到处理结果。

S304、网关端将第一数据发送至云服务端。

这里，通过云服务端的场景规则库对第一数据进行处理，得到处理结果。

在S203之后，网关端还执行以下步骤：

接收所述云服务端发送的通知消息；所述通知消息用于指示所述云服务端得到所述更新后的场景规则库；

向所述云服务端发送响应所述通知消息的拉取消息，所述拉取消息用于指示从所述云服务端拉取所述更新后的场景规则库。

本申请实施例中，不需要网关端与云服务端保持持续的连接，在网关端与云服务端建立连接的情况下，能够接收云服务端的通知消息，从而从云端拉取场景规则库，从而节省无线资源。

本申请实施例提供一种数据处理方法，该方法应用于云服务端。该方法所实现的功能可以通过云服务端中的处理器调用程序代码来实现，当然程序代码可以保存在计算机存储介质中，可见，该云服务端至少包括处理器和存储介质。

当然，本申请实施例不局限于提供为方法和硬件，还可有多种实现方式，例如提供为存储介质(存储有用于执行本申请实施例提供的数据处理方法的指令)。

基于图1所示的数据处理系统，图4为本申请实施例的数据处理方法的实现流程示意图，如图4所示，该方法包括以下步骤：

S401、云服务端接收所述网关端发送的第一数据。

所述第一数据为所述至少一个设备上报至所述网关端的数据。

本申请实施例中，第一数据可包括网关端发送至云服务端的至少一个设备中的部分设备或全部设备在一段时间内上报的数据。

在一示例中，接入网关端中的至少一个设备包括：设备1、设备2、设备3、设备4和设备5，第一数据包括设备1和设备2上报至网关端的数据。

在一示例中，接入网关端中的至少一个设备包括：设备1、设备2、设备3、设备4和设备5，第一数据包括设备1、设备2、设备3、设备4和设备5上报至网关端的数据。

本申请实施例中，网关端接收的第一数据可为设备基于用户的操作行为所产生的数据，也可为设备基于网关端的控制指令所产生的数据。

本申请实施例中，网关端存储有场景规则库，将场景规则库更新前所接收的设备上报的数据称为第一数据。在实际应用中，网关端周期性地对场景规则库进行更新，则将得到当前场景规则库至当前场景规则库更新之前的这一时间段所接收的至少一个设备的数据称为第一数据，并将第一数据发送至云服务端。更新场景规则库的周期可为一天、5天、15天、一个月等。

本申请实施例中，不同设备上传的数据可不同，比如，温湿度传感器上报的数据包括：温度、湿度，烟雾传感器上报的数据包括：烟雾量，空气净化器上报的数据为空气质量。

S402、云服务端通过所述第一数据和所述至少一个设备的历史数据对预测模型进行训练，得到收敛的预测模型。

云服务端接收到第一数据后，获取至少一个设备的历史数据，这里，历史数据可为一段时间内的数据，也可为得到对网关端中处理第一数据的场景规则库的历史数据。

云服务端直接将第一数据和历史数据作为预测模型的训练数据对预测模型进行训练，也可对第一数据进行过滤和特征提取，得到第一数据的数据特征，将第一数据的数据特征和历史数据的数据特征作为训练数据对预测模型进行训练。其中，当训练数据包括第一数据和历史数据的情况下，云服务端中存储历史数据本身；当训练数据包括第一数据的数据特征和历史数据的数据特征的情况下，云服务端中缓存历史数据的数据特征。

本申请实施例中，预测模型可为一个采用机器学习算法的单个模型或多个采用机器学习算法的单个模型的组合。其中，采用机器学习算法的单个模型可包括：支持向量机(Support Vector Machine,SVM)、逻辑回归(Logistic Regression，LR)、可扩展梯度提升树算法((eXtreme Gradient Boosting，XGBoost)、轻量梯度提升树算法(Light GradientBoosting Machine，LightGBM)等。在一示例中，预测模型为XGBoost。在一示例中，预测模型为XGBoost和LightGBM的组合。

本申请实施例中，通过训练数据对预测模型的训练，使得预测模型能够不断的学习设备的状态和设备之间的关系，使得收敛的预测模型能够学习到用户行为轮廓。这里，第一数据和历史数据中可包括各设备的正常数据，也可包括告警情况下的数据，因此，用户行为轮廓可包括正常行为轮廓和告警行为轮廓。

S403、云服务端基于所述预测模型得到更新后的场景规则库。

收敛的预测模型能够学习到用户行为轮廓，则能够体现用户行为轮廓，因此，云服务端基于预测模得到的场景规则也能够体现用户行为轮廓。基于用户行为轮廓包括正常行为轮廓和告警行为轮廓，因此，预测模型所转换的场景规则包括体现正常行为轮廓的行为规则和体现告警行为轮廓的告警规则。

本申请实施例中，云服务端可将接入网关端的至少一个设备中各设备的设备数据输入预测模型，得到预测模型得到的输出，基于一个输入和该输入对应的输入得到一条场景规则，从而基于各设备的设备数据得到预测模型转换的场景规则。其中，设备的设备数据表征设备所支持的功能。设备数据可包括：功能名称、功能标识符、数据类型、取值范围、步长、单位、读写类型(读写或只读)等。

本申请实施例中，各设备的设备数据可通过该设备的设备数据模型来表示，设备数据包括可为物模型(Thing Specification Language，TSL)，TSL包括属性、服务和事件，属性表征设备所支持的基本功能，属性的参数可包括功能名称、功能标识符、数据类型、取值范围、步长、单位、读写类型(读写或只读)等。服务表征设备所能提供的基本功能之外的服务，服务的参数可包括：功能名称、功能标识符、调用方式、输入参数、输出参数等，其中，输入参数和输出参数的子参数包括：参数名称、参数标识符、数据类型、取值范围、步长、单位等。事件表征故障、告警等能够触发告警的事件，事件的参数包括：功能名称、功能标识、事件类型、输出参数等，其中，输出参数由参数名称(故障编号)、参数标识、数据类型、枚举值等。

云服务端得到预测模型所转换的场景规则后，可基于预测模型所转换的场景规则直接构成更新后的场景规则库，也可基于预测模型所转换的场景规则对云服务端中当前的场景规则库进行更新，得到更新后的场景规则库。其中，云服务端中当前的场景规则库与网关端对第一数据进行处理所使用的场景规则库相同。

S404、云服务端将所述更新后的场景规则库发送至所述网关端。

所述更新后的场景规则库用于对所述网关端中的场景规则库进行更新。

云服务端得到更新后的场景规则库后，将更新后的场景规则库发送至网关端，网关端接收所述云服务端发送的所述更新后的场景规则库，对原来的场景规则库进行更新，替换原来的场景规则库，通过更新后的场景规则库对接收到更新后的场景规则库之后接收的第二数据进行处理。

在一些实施例中，S402通过所述第一数据和所述至少一个设备的历史数据对预测模型进行训练，得到收敛的预测模型的实施包括以下步骤：根据所述至少一个设备中每一所述设备的设备数据模型，对所述第一数据进行过滤处理；所述设备数据模型表征所述设备支持的功能；基于所述至少一个设备中每一所述设备的设备类型，提取经过过滤的所述第一数据中的数据特征；通过所述数据特征和所述历史数据对所述预测模型进行训练，得到收敛的预测模型。

本申请实施例中，基于第一数据对预测模型进行训练之前，可先对第一数据进行过滤和特征提取，通过特征提取所提取的数据特征对预测模型进行训练。

在一些实施例中，所述场景规则库包括至少一条行为规则和至少一条告警规则；所述至少一条行为规则表征用户行为模型；所述至少一条告警规则表征告警模型；云服务端还实施以下步骤：

S405、确定所述至少一条行为规则所包括的功能数据；

S406、确定所述第一数据与所述历史数据中每一数据与所述至少一条行为规则中的功能数据的第二相似度；

S407、根据所确定的第二相似度确定相似度阈值；

S408、将所述相似度阈值发送至所述网关端，所述相似度阈值用于在所述第一数据未与所述场景规则匹配下时，确定所述第一数据的处理结果。

在一些实施例中，S406的实施包括：

S4061、获取第一系数和第二系数，所述第一系数为所述至少一条行为规则所包括的功能数据的标准差，所述第二系数为所述至少一条行为规则所包括的功能数据的均值；

S4062、根据所述第一系数和所述第二系数，确定至少两个数据范围；其中，数据分布在不同的数据范围的概率值不同；

S4063、以所述第一数据与所述历史数据中每一数据为目标数据，针对目标数据执行以下处理：将所述至少两个数据范围中所述目标数据所属的数据范围对应的概率值，确定为所述第二相似度。

在一些实施例中，S407的实施包括：

S4071、对所确定的第二相似度进行排序，得到排序结果；

S4072、根据设定比例，在所述排序结果中确定分割点；

S4073、将所述分割点对应的第二相似度确定为所述相似度阈值。

本申请实施例中，可计算通过对预测模型进行训练的训练数据中每一训练数据和用户行为模型的相似度即第二相似度，并对所有的第二相似度进行排序，根据排序结果确定相似度的分割点，将分割点的第二相似度作为相似度阈值。

在一示例中，根据从小到大的顺序对所有的第二相似度进行排序，并将10％作为设定比例，此时，将相似度从第到高排在10％位置的第二相似度确定为相似度阈值。

在一些实施例中，云服务端还实施以下步骤：

判断所述网关端是否从所述云服务端拉取所述场景规则；

在所述判断的结果为所述网关端未从所述云服务端拉取所述场景规则库的情况下，基于本地存储的所述场景规则库对所述第一数据进行处理，得到处理结果。

此时，如图5所示，云服务端实施以下步骤：

S501、判断所述网关端是否从所述云服务端拉取所述场景规则。

如果未拉取，执行S502，如果已经拉取，执行S503。

S502、基于本地存储的所述场景规则库对所述第一数据进行处理，得到处理结果。

S503、通过所述第一数据和历史数据，确定更新后的场景规则。

S503的描述可参见S402和S403的描述，这里不再赘述。

在一些实施例中，在S403之后，云服务端还实施以下步骤：

向所述网关端发送通知消息；所述通知消息用于指示所述云服务端得到所述更新后的场景规则库；接收所述网关端响应所述通知消息返回的拉取消息；所述拉取消息用于指示所述网关端从所述云服务端拉取所述更新后的场景规则库。

此时，云服务端响应于所述拉取消息，将所述更新后的场景规则库发送至所述网关端。

本申请实施例提供一种数据处理方法，应用于包括网关端和云服务端的数据处理系统，如图6所示，包括：

S601、网关端接收所述至少一个设备上报的第一数据。

S602、网关端通过场景规则库对所述第一数据进行处理，得到处理结果。

所述场景规则库包括至少两条场景规则。

S603、网关端将所述第一数据发送至所述云服务端。

S604、云服务端接收所述网关端发送的第一数据。

S605、云服务端通过所述第一数据和所述至少一个设备的历史数据对预测模型进行训练，得到收敛的预测模型。

S606、云服务端基于所述预测模型得到更新后的场景规则库。

S607、云服务端将所述更新后的场景规则库发送至所述网关端。

S608、网关端接收所述云服务端发送的所述更新后的场景规则库，并接收所述至少一个设备上报的第二数据，以通过所述更新后的场景规则库对所述第二数据进行处理。

这里，S601、S602、S603和S608的描述可分别参见S201、S202、S203、S204的描述，S604、S605、S606和S607的描述可分别参见S401、S402、S403、S404的描述，这里不再赘述。

本申请实施例中，网关端通过场景规则库对设备上报的数据进行处理的同时，将设备上报的数据发送至云服务端，云服务端基于网关端发送的数据对场景规则库进行更新，得到更新后的场景规则库，并将更新后的场景规则库发送至网关端，网关端基于更新后的场景规则库对设备上报的数据进行处理，从而结合云服务端海量处理数据的能力以及网关对近端数据处理的高效性、网关与设备连接稳定性的优势，提高居家舒适性、安全性，以提供优质的智能家居服务。

下面，通过具体的应用场景对本申请实施例提供的数据处理方法进行进一步说明。

本申请实施例提供的数据处理方法应用于图1所示的数据处理系统100，包括：云服务端101、网关端102和多个设备103，其中，云服务端101与网关端102连接，网关端102与设备103连接。

本申请实施例提供的数据处理方法中初始场景规则的行程方法，如图7所示，包括：

S701、设备基于TSL向云端上报设备支持的功能。

设备基于TSL向网关端即网关上报设备支持的功能，网关将设备支持的功能发送至云端。

本申请实施例中，可将设备支持的功能定义为TSL，TSL将设备支持的功能抽象为一个数据模型即设备数据模型，该数据模型包括：属性、服务和事件。属性表征设备的基本功能，一个属性可通过以下信息来表示：功能名称、功能标识符、数据类型、取值范围、步长、单位、读写类型(读写或只读)来表示。服务表征设备的所提供的附加功能，一个服务可通过以下信息来表示：功能名称、功能标识符、调用方式、输入参数、输出参数等，其中，输入参数或输出参数包括：参数名称、参数标识符、数据类型、取值范围、步长、单位等。事件表征设备告警、故障等功能，一个事件可通过以下信息来表示：功能名称、功能标识、事件类型、输出参数，其中，输出参数由参数名称(故障编号)、参数标识、数据类型、枚举值来表示。

本申请实施例中，设备的完整的物模型用JSON文件来标识，设备根据TSL定义设备支持的功能为数据，并上报数据至云端，云端根据TSL来解析设备的上报的数据。

这里，当网关将设备上报的数据发送至云端后，可与云端断开连接。

S702、云端根据TSL，得到初始的场景规则。

云端根据TSL自定义规则，得到初始的场景规则，其中，场景规则包括：行为规则和告警规则，行为规则可构成行为规则库，告警规则可构成告警规则库。场景规则可包括以下元素：触发条件、执行动作，触发条件为场景规则的功能数据，执行动作为场景规则的动作。场景规则还可包括以下元素：状态条件，在场景规则不包括状态条件的情况下，场景规则表征满足触发条件时，执行对应的执行动作，在场景规则包括状态条件的情况下，场景规则满足触发条件和状态条件时，执行对应的执行动作，此时，功能数据包括触发条件和状态条件。

在一示例中，行为规则包括：当温度高于温度阈值，且检测到有人移动，则打开空调，则在该行为规则中，触发条件为：温度高于温度阈值，状态条件为检测到有人移动，执行动作为打开空调。

在一示例中，行为规则包括当某个时刻，关闭家里所有灯，则在该行为规则中，触发条件为时间为某个时刻，执行动作为关闭家里所有灯。

在一示例中，行为规则包括空调打开，则关门，则在该行为规则中，触发条件为空调打开，执行动作为关门。

在一示例中，告警规则包括：收到燃气泄漏状态，则通知用户，在该告警规则中，触发条件为：收到燃气泄漏状态，执行动作为：通知用户。

在一示例中，告警规则包括：收到室内温度高于阈值，则通知用户，在该告警规则中，触发条件为：室内温度高于温度阈值，执行作为为：通知用户。

在一示例中，告警规则包括：收到烟雾传感器上报检测到烟雾状态，发出告警铃音，在该告警规则中，触发条件为：收到烟雾传感器上报检测到烟雾状态，执行动作为发出告警。

本申请实施例中，行为规则和告警规则的区别在于：告警规则中的执行动作用于告警，行为规则中的执行动作为作用为非告警。

本申请实施例中，云端可设置至少一条告警规则。

S703、网关从云端拉取初始场景规则。

当云端确定场景规则后，通知网关拉取场景规则，网关从云端拉取场景规则，当网关从云端拉取场景规则后，将拉取的场景规则进行本地存储。

当云端网关拉取场景规则后，则默认由云端网关对设备上报的数据进行处理，云端屏蔽对设备的上行数据的处理，以避免误报，从而引起不必要的冲突。

当网关未从云端拉取场景规则，则由云端基于场景规则对设备上报的数据的处理。

上述S701至S703描述了场景规则的形成，网关通过场景规则对从设备收集的数据进行处理，能够给用户相应的反馈。但基于场景规则缺少一定的推理能力，无法正确应对场景异常的情况下的设备的数据，其中，场景异常的情况包括：温度高于空调支持的温度上限、发生火灾、外人入侵能等场景规则中未包括的场景。

这里，通过云端对网关收集的数据进行分析，从而分析用户行为轮廓，形成不断调优的规则库，达到情境感知的目的。

规则库中的规则调优的方法，如图8所示，包括：

S801、云端获取网关收集的数据，对获取的数据进行预处理。

远端获取网关收集的设备上报的所处情境的各种数据，并对获取的数据进行预处理。

这里，预处理的方式包括：云端根据设备对应的TSL对设备上报的数据进行解析处理，对不包含在各设备的TSL中的数据进行清洗处理。

本申请实施例中，预处理的方式还包括：在数据中增加位置、日期、时刻信息，形成样本数据集进行统一存储。

S802、云端提取预处理的数据中的数据特征。

云端基于设备的类型对预处理的数据进行特征提取，提取数据特征。

当预处理的数据中包括智能门磁的数据，则从智能门磁的数据中提取的数据特征包括：门磁状态、电量信息。当预处理的数据汇总包括温湿度传感器的数据，则从温湿度传感器的数据提取的数据特征包括：温湿度数据、电量信息。当预处理的数据中包括空气净化器的数据，则从空气净化器的数据中提取的特征包括：设备的模式和直径小于2.5的细颗粒物(fine particulate matter，PM)即PM2.5信息。

S803、云端通过提取的数据特征和历史数据特征对预测模型进行训练，得到收敛的预测模型。

云端对各设备的数据特征通过结构化语言进行表示，以通过结构化语言表示不同类型设备所具有的功能、设备的当前状态、各个时刻各个设备的状态等，云端采用机器学习算法，通过对提取的数据特征和历史特征数据的不断学习，分析设备间的关联关系，得出用户正常行为轮廓。这里，云端通过提取的数据特征和历史特征数据对预测模型的训练，使得预测模型分析设备间的关联关系，从而得到能够反映用户行为轮廓的收敛的预测模型。

本申请实施例中，云端所采用的预测模型可为单一模型，比如：SVM、LR、XGB、LightGBM等。云端所采用的预测模型还可以为多个单一模型的组合。本申请实施例中所采用的预测模型可为XGBoost和LightGBM的组合。

云端对训练模型分别进行训练、参数调优、对比结果，得到训练好的预测模型。

S804、云端基于收敛的预测模型得到场景规则，并将场景规则发送至网关。

当云端获取到预测模型后，分别输入TSL中各功能，并得到各功能的输出结果，基于各功能和各功能的输出结果得到场景规则构成的场景规则库，从而将预测模型转换成网关可识别的场景规则库。云端得到场景规则库后，通知网关重新从云端获取场景规则，网关从云端获取场景规则，并更新本地正常行为场景规则库。

本申请实施例中，如图9所示，设备903-1、设备903-2、设备903-3和设备903-4向网关902上报数据，网关902将上报的数据发送至云端901，云端901对接收到的数据依次进行以下处理得到收敛的预测模型905：9041、预处理；9042、特征提取，9043、模型训练，并基于预测模型905得到场景规则库906，云端将场景规则库906发送至网关902，使得网关902通过场景规则库906对设备903-1、设备903-2、设备903-3和设备903-4上报的数据进行处理。其中，场景规则库906包括：正常行为规则库9061和告警规则库9062。

本申请实施例中，网关接收设备的数据，并基于场景规则库中的场景规则对接收的数据进行处理，具体处理如下：

将接收的数据和场景规则库中的场景规则进行匹配，如果匹配到接收的数据对应的场景规则，则基于匹配的场景规则的描述执行动作或发出告警。如果未匹配到场景规则，则将接收的数据和表征正常行为轮廓的行为规则采用3Sigma准则进行判决，得到接收的数据与正常行为轮廓的相似性。当计算的相似性表征当前接收的数据与正常行为轮廓的偏差过大，则发出预警。其中，当网关计算出相似性后，根据相似度的值Sim判断当前用户所处情境是否异常，这里，取判决相似度阈值即门限值为k，如果Sim＞k，认为行为正常，如果Sim<＝k，则认为用户当前所处环境可能存在异常。门限值k的选取可采用如下方式：训练过程中，建立起用户正常情境轮廓之后，将训练数据都计算一遍相似度，取相似度的分割点(相似度最低的前10％)，将这个分割点的相似度作为门限值k，之后在检测过程中，再根据系统的误报率和漏报率，适当调整门限值。

云端通过网关端的不断上行数据，对预测模型不断训练和优化，形成情境感知的场景规则库，网关通过获取云端的调优后的场景规则库后，本地规则库得到更新，并采用3Sigma准则对未匹配规则的上行数据进行相似性判决，判断是否有异常出现，能根据关联传感器设备数据行为，综合分析是否有异常出现。其对智能传感器的上行数据高效处理，对用户当前上下文情境给出合适反馈。

本申请实施例提供一种数据处理装置1000，应用于网关端，如图10所示，数据处理装置1000包括：

第一接收模块1001，用于接收所述至少一个设备上报的第一数据；

第一处理模块1002，用于通过场景规则库对所述第一数据进行处理，得到处理结果；所述场景规则库包括至少两条场景规则；

第一发送模块1003，用于将所述第一数据发送至云服务端；所述第一数据用于所述云服务端得到更新后的场景规则库；

第一接收模块1001，还用于接收所述云服务端发送的所述更新后的场景规则库，并接收所述第一设备上报的第二数据，以通过所述更新后的场景规则库对所述第二数据进行处理。

在一些实施例中，处理模块1002还用于：

当所述第一数据与所述场景规则库中的目标场景规则的功能数据匹配，确定所述目标场景规则的动作；当所述第一数据与所述场景规则库中任一场景规则中的功能数据不匹配，基于所述第一数据与用户行为模型的相似度，确定针对所述第一数据对应的处理方式。

在一些实施例中，装置1000还包括：确定模块，用于：

确定所述场景规则库中至少一条行为规则所包括的功能数据；所述场景规则库包括至少一条行为规则和至少一条告警规则；所述至少一条行为规则表征用户行为模型；所述至少一条告警规则表征告警模型；

确定所述第一数据与所述至少一条行为规则中的功能数据的第一相似度。

在一些实施例中，确定模块还用于：

获取第一系数和第二系数，所述第一系数为所述至少一条行为规则所包括的功能数据的标准差，所述第二系数为所述至少一条行为规则所包括的功能数据的均值；

根据所述第一系数和所述第二系数，确定至少两个数据范围；其中，数据分布在不同的数据范围的概率值不同；

将所述至少两个数据范围中所述第一数据所属的数据范围对应的概率值，确定为所述第一相似度。

在一些实施例中，第一处理模块1002还用于：

当所述第一相似度大于相似度阈值，确定针对所述第一数据对应的处理方式为告警。

在一些实施例中，装置1000还包括：

第一判断模块，用于判断是否存在所述场景规则库；

第一发送模块1003，还用于在所述判断的结果为不存在所述场景规则库的情况下，将所述第一数据发送至所述云服务端，使得所述云服务端对所述第一数据进行处理。

在一些实施例中，第一接收模块1001，还用于接收所述云服务端发送的通知消息；所述通知消息用于指示所述云服务端得到所述更新后的场景规则库；

第一发送模块1003，还用于向所述云服务端发送响应所述通知消息的拉取消息，所述拉取消息用于指示从所述云服务端拉取所述更新后的场景规则库。

本申请实施例提供一种数据处理装置1100，应用于云服务端，如图11所示，数据处理装置1100包括：

第二接收模块1101，用于接收所述网关端发送的第一数据；所述第一数据为所述至少一个设备上报至所述网关端的数据；

用于通过所述第一数据和所述至少一个设备的历史数据对预测模型进行训练，得到收敛的预测模型；

更新模块1103，用于将所述收敛的预测模型转换为更新后的场景规则库；

第二发送模块1104，用于将所述更新后的场景规则库发送至所述网关端，所述更新后的场景规则库用于对所述网关端中的场景规则库进行更新。

在一些实施例中，训练模块1102，还用于：

根据所述至少一个设备中每一所述设备的设备数据模型，对所述第一数据进行过滤处理；所述设备数据模型表征所述设备支持的功能；

基于所述至少一个设备中每一所述设备的设备类型，提取经过过滤的所述第一数据中的数据特征；

通过所述数据特征和所述历史数据对所述预测模型进行训练，得到收敛的预测模型。

在一些实施例中，装置1100还包括：第二确定模块，用于：

确定所述场景规则库包括的至少一条行为规则所包括的功能数据；其中，所述场景规则库包括至少一条行为规则和至少一条告警规则；所述至少一条行为规则表征用户行为模型；所述至少一条告警规则表征告警模型；

确定所述第一数据与所述历史数据中每一数据与所述至少一条行为规则中的功能数据的第二相似度；

根据所确定的第二相似度确定相似度阈值；

将所述相似度阈值发送至所述网关端，所述相似度阈值用于在所述第一数据未与所述场景规则匹配下时，确定所述第一数据的处理结果。

在一些实施例中，第二确定模块，用于：

获取第一系数和第二系数，所述第一系数为所述至少一条行为规则所包括的功能数据的标准差，所述第二系数为所述至少一条行为规则所包括的功能数据的均值；

根据所述第一系数和所述第二系数，确定至少两个数据范围；其中，数据分布在不同的数据范围的概率值不同；

以所述第一数据与所述历史数据中每一数据为目标数据，针对目标数据执行以下处理：将所述至少两个数据范围中所述目标数据所属的数据范围对应的概率值，确定为所述第二相似度。

在一些实施例中，第二确定模块，用于：

对所确定的第二相似度进行排序，得到排序结果；

根据设定比例，在所述排序结果中确定分割点；

将所述分割点对应的第二相似度确定为所述相似度阈值。

在一些实施例中，装置1100还包括：

第二判断模块，用于判断所述网关端是否从所述云服务端拉取所述场景规则；

第二处理模块，用于在所述判断的结果为所述网关端未从所述云服务端拉取所述场景规则库的情况下，基于本地存储的所述场景规则库对所述第一数据进行处理，得到处理结果。

在一些实施例中，第二发送模块1103，还用于向所述网关端发送通知消息；所述通知消息用于指示所述云服务端得到所述更新后的场景规则库；

第二接收模块1101，还用于接收所述网关端响应所述通知消息返回的拉取消息，所述拉取消息用于指示所述网关端从所述云服务端拉取所述更新后的场景规则库。

以上装置实施例的描述，与上述方法实施例的描述是类似的，具有同方法实施例相似的有益效果。对于本申请装置实施例中未披露的技术细节，请参照本申请方法实施例的描述而理解。

需要说明的是，本申请实施例中，如果以软件功能模块的形式实现上述的数据处理方法，并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实施例的技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read OnlyMemory，ROM)、磁碟或者光盘等各种可以存储程序代码的介质。这样，本申请实施例不限制于任何特定的硬件和软件结合。

对应地，本申请实施例提供一种电子设备，包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述实施例中提供的数据处理方法中的步骤。

对应地，本申请实施例提供一种存储介质，也就是计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中提供的数据处理方法。

这里需要指出的是：以上存储介质和设备实施例的描述，与上述方法实施例的描述是类似的，具有同方法实施例相似的有益效果。对于本申请存储介质和设备实施例中未披露的技术细节，请参照本申请方法实施例的描述而理解。

需要说明的是，图12为本申请实施例电子设备(网关端或云服务端)的一种硬件实体示意图，如图12所示，所述电子设备1200包括：一个处理器1201、至少一个通信总线1202、至少一个外部通信接口1204和存储器1205。其中，通信总线1202配置为实现这些组件之间的连接通信。其中，外部通信接口1204可以包括标准的有线接口和无线接口。

存储器1205配置为存储由处理器1201可执行的指令和应用，还可以缓存待处理器1201以及电子设备中各模块待处理或已经处理的数据(例如，图像数据、音频数据、语音通信数据和视频通信数据)，可以通过闪存(FLASH)或随机访问存储器(Random AccessMemory，RAM)实现。

应理解，说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一些实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。

上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。

另外，在本申请各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(Read Only Memory，ROM)、磁碟或者光盘等各种可以存储程序代码的介质。

或者，本申请上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实施例的技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本申请的实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (16)

1.一种数据处理方法，其特征在于，应用于分别与云服务端和至少一个设备连接的网关端；所述方法包括：

接收所述至少一个设备上报的第一数据；

将所述第一数据与场景规则库中的每一场景规则进行匹配；所述场景规则库包括至少两条场景规则，所述场景规则库包括至少一条行为规则和至少一条告警规则；所述至少一条行为规则表征用户行为模型；所述至少一条告警规则表征告警模型；所述场景规则包括功能数据和所述功能数据对应的动作；

当所述第一数据与所述场景规则库中的目标场景规则的功能数据匹配，确定所述目标场景规则的动作；

当所述第一数据与所述场景规则库中任一场景规则中的功能数据不匹配，确定所述至少一条行为规则所包括的功能数据；确定所述第一数据与所述至少一条行为规则中的功能数据的第一相似度；基于所述第一相似度，确定针对所述第一数据对应的处理方式，所述处理方式包括不处理或告警；

将所述第一数据发送至所述云服务端；所述第一数据用于所述云服务端得到更新后的场景规则库；

接收所述云服务端发送的所述更新后的场景规则库，并接收所述至少一个设备上报的第二数据，以通过所述更新后的场景规则库对所述第二数据进行处理。

2.根据权利要求1所述的方法，其特征在于，所述确定所述第一数据与所述至少一条行为规则中的功能数据的第一相似度，包括：

获取第一系数和第二系数，所述第一系数为所述至少一条行为规则所包括的功能数据的标准差，所述第二系数为所述至少一条行为规则所包括的功能数据的均值；

根据所述第一系数和所述第二系数，确定至少两个数据范围；其中，数据分布在不同的数据范围的概率值不同；

将所述至少两个数据范围中所述第一数据所属的数据范围对应的概率值，确定为所述第一相似度。

3.根据权利要求1所述的方法，其特征在于，所述基于所述第一相似度，确定针对所述第一数据对应的处理方式，包括：

当所述第一相似度大于相似度阈值，确定针对所述第一数据对应的处理方式为告警。

4.根据权利要求1所述的方法，其特征在于，在接收所述至少一个设备上报的第一数据之后，所述方法还包括：

判断是否存在所述场景规则库；

在所述判断的结果为不存在所述场景规则库的情况下，将所述第一数据发送至所述云服务端，使得所述云服务端对所述第一数据进行处理。

5.根据权利要求1所述的方法，其特征在于，在将所述第一数据发送至云服务端之后，所述方法还包括：

接收所述云服务端发送的通知消息；所述通知消息用于指示所述云服务端得到所述更新后的场景规则库；

向所述云服务端发送响应所述通知消息的拉取消息，所述拉取消息用于指示从所述云服务端拉取所述更新后的场景规则库。

6.一种数据处理方法，其特征在于，应用于云服务端，所述云服务端与网关端连接，所述网关端连接有至少一个设备，所述方法包括：

接收所述网关端发送的第一数据；所述第一数据为所述至少一个设备上报至所述网关端的数据；

通过所述第一数据和所述至少一个设备的历史数据对预测模型进行训练，得到收敛的预测模型；

基于所述预测模型得到更新后的场景规则库；

将所述更新后的场景规则库发送至所述网关端，所述更新后的场景规则库用于对所述网关端中的场景规则库进行更新；其中，所述网关端用于接收所述至少一个设备上报的第一数据；将所述第一数据与所述场景规则库中的每一场景规则进行匹配；当所述第一数据与所述场景规则库中的目标场景规则的功能数据匹配，确定所述目标场景规则的动作；当所述第一数据与所述场景规则库中任一场景规则中的功能数据不匹配，确定至少一条行为规则所包括的功能数据；确定所述第一数据与所述至少一条行为规则中的功能数据的第一相似度；基于所述第一相似度，确定针对所述第一数据对应的处理方式，所述处理方式包括不处理或告警；其中，所述场景规则库包括至少两条场景规则，所述场景规则库包括至少一条行为规则和至少一条告警规则；所述至少一条行为规则表征用户行为模型；所述至少一条告警规则表征告警模型；所述场景规则包括功能数据和所述功能数据对应的动作。

7.根据权利要求6所述的方法，其特征在于，所述通过所述第一数据和所述至少一个设备的历史数据对预测模型进行训练，得到收敛的预测模型，包括：

根据所述至少一个设备中每一所述设备的设备数据模型，对所述第一数据进行过滤处理；所述设备数据模型表征所述设备支持的功能；

基于所述至少一个设备中每一所述设备的设备类型，提取经过过滤的所述第一数据中的数据特征；

通过所述数据特征和所述历史数据对所述预测模型进行训练，得到收敛的预测模型。

8.根据权利要求6所述的方法，其特征在于，所述方法还包括：

确定所述至少一条行为规则所包括的功能数据；

确定所述第一数据与所述历史数据中每一数据与所述至少一条行为规则中的功能数据的第二相似度；

根据所确定的第二相似度确定相似度阈值；

将所述相似度阈值发送至所述网关端；所述相似度阈值用于在所述第一数据未与所述场景规则匹配下时，确定所述第一数据的处理结果。

9.根据权利要求8所述的方法，其特征在于，所述确定所述第一数据与所述历史数据中每一数据与所述至少一条行为规则中的功能数据的第二相似度，包括：

获取第一系数和第二系数，所述第一系数为所述至少一条行为规则所包括的功能数据的标准差，所述第二系数为所述至少一条行为规则所包括的功能数据的均值；

根据所述第一系数和所述第二系数，确定至少两个数据范围；其中，数据分布在不同的数据范围的概率值不同；

以所述第一数据与所述历史数据中每一数据为目标数据，针对所述目标数据执行以下处理：将所述至少两个数据范围中所述目标数据所属的数据范围对应的概率值，确定为所述第二相似度。

10.根据权利要求8所述的方法，其特征在于，所述根据所确定的第二相似度确定相似度阈值，包括：

对所确定的第二相似度进行排序，得到排序结果；

根据设定比例，在所述排序结果中确定分割点；

将所述分割点对应的第二相似度确定为所述相似度阈值。

11.根据权利要求6所述的方法，其特征在于，在接收所述网关端发送的第一数据之后，所述方法还包括：

判断所述网关端是否从所述云服务端拉取所述场景规则；

在所述判断的结果为所述网关端未从所述云服务端拉取所述场景规则库的情况下，基于本地存储的所述场景规则库对所述第一数据进行处理，得到处理结果。

12.根据权利要求6所述的方法，其特征在于，在基于所述预测模型得到更新后的场景规则库之后，所述方法还包括：

向所述网关端发送通知消息；所述通知消息用于指示所述云服务端得到所述更新后的场景规则库；

接收所述网关端响应所述通知消息返回的拉取消息；所述拉取消息用于指示所述网关端从所述云服务端拉取所述更新后的场景规则库。

13.一种数据处理装置，其特征在于，应用于网关端，所述装置包括：

第一接收模块，用于接收至少一个设备上报的第一数据；

第一处理模块，用于通过场景规则库对所述第一数据进行处理，得到处理结果；所述场景规则库包括至少两条场景规则；所述场景规则库包括至少一条行为规则和至少一条告警规则；所述至少一条行为规则表征用户行为模型；所述至少一条告警规则表征告警模型；

第一发送模块，用于将所述第一数据发送至云服务端；所述第一数据用于所述云服务端得到更新后的场景规则库；

所述第一接收模块，还用于接收所述云服务端发送的所述更新后的场景规则库，并接收所述至少一个设备上报的第二数据，以通过所述更新后的场景规则库对所述第二数据进行处理；

所述第一处理模块，还用于将所述第一数据与场景规则库中的每一场景规则进行匹配；所述场景规则包括功能数据和所述功能数据对应的动作；当所述第一数据与所述场景规则库中的目标场景规则的功能数据匹配，确定所述目标场景规则的动作；当所述第一数据与所述场景规则库中任一场景规则中的功能数据不匹配，确定所述至少一条行为规则所包括的功能数据；确定所述第一数据与所述至少一条行为规则中的功能数据的第一相似度；基于所述第一相似度，确定针对所述第一数据对应的处理方式，所述处理方式包括不处理或告警。

14.一种数据处理装置，其特征在于，应用于云服务端，所述装置包括：

第二接收模块，用于接收网关端发送的第一数据；所述第一数据为至少一个设备上报至所述网关端的数据；

训练模块，用于通过所述第一数据和所述至少一个设备的历史数据对预测模型进行训练，得到收敛的预测模型；

更新模块，用于基于所述预测模型得到更新后的场景规则库；

第二发送模块，用于将所述更新后的场景规则库发送至所述网关端，所述更新后的场景规则库用于对所述网关端中的场景规则库进行更新；其中，所述网关端用于接收所述至少一个设备上报的第一数据；将所述第一数据与所述场景规则库中的每一场景规则进行匹配；当所述第一数据与所述场景规则库中的目标场景规则的功能数据匹配，确定所述目标场景规则的动作；当所述第一数据与所述场景规则库中任一场景规则中的功能数据不匹配，确定至少一条行为规则所包括的功能数据；确定所述第一数据与所述至少一条行为规则中的功能数据的第一相似度；基于所述第一相似度，确定针对所述第一数据对应的处理方式，所述处理方式包括不处理或告警；所述场景规则库包括至少两条场景规则，所述场景规则库包括至少一条行为规则和至少一条告警规则；所述至少一条行为规则表征用户行为模型；所述至少一条告警规则表征告警模型；所述场景规则包括功能数据和所述功能数据对应的动作。

15.一种电子设备，所述电子设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时，实现权利要求1至5任一项所述数据处理方法中的步骤，或实现权利要求6至12任一项所述数据处理方法中的步骤。

16.一种存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时，实现权利要求1至5任一项所述数据处理方法，或实现权利要求6至12任一项所述数据处理方法。