基于边缘计算的桥梁数据上传方法

摘要

本发明公开了一种基于边缘计算的桥梁数据上传方法，其包括以下步骤：S1：物联网采集基础数据，并且物联网将所收集的基础数据传输给AI算法模块；S2：AI算法模块接收到基础数据后首先调用数据预处理模块对该基础数据进行初步分析处理，并获得预处理数据；S3：AI算法模块调用数据加密模块对所述预处理数据进行加密处理，并获得加密数据；S4：AI算法模块调用数据传输模块将所述加密数据传输至云端平台；S5：云端平台分析并分类储存所接收到的加密数据。本发明可以避免云计算技术依赖传输带宽的缺陷，同时还可以保障传输数据安全以及降低边缘计算的运营成本。

权利要求

1.一种基于边缘计算的桥梁数据上传方法，其特征在于，其包括以下步骤：

S1：物联网采集基础数据，并且，物联网将所收集的基础数据传输给AI算法模块；

S2：AI算法模块接收到基础数据后首先调用数据预处理模块对该基础数据进行初步分析处理，并获得预处理数据，具体为：S21：所述数据预处理模块接收到原始数据后启动数据甄别模块；

S22：判断该原始数据是否存在遗漏数据，如该原始数据不存在遗漏数据，则结束该判断环节；如该原始数据存在遗漏数据，则询问用户是否选择忽略遗漏数据：如用户确认忽略，则结束该判断环节；如用户取消忽略，则继续提示用户选择填补数据的方式，所述填补数据的方式包括：人工填补、平均值填补以及可能值填补；

S23：判断该原始数据是否存在异常数据，如该原始数据不存在异常数据，则结束该判断环节；如该原始数据存在异常数据，则询问用户是否选择忽略异常数据：如用户确认忽略，则结束该判断环节；如用户取消忽略，则继续对异常数据进行修正处理，修正完成后结束该判断环节；

S24：判断该原始数据是否存在噪声数据，如该原始数据不存在噪声数据，则结束该判断环节；如该原始数据存在噪声数据，则询问用户是否选择忽略噪声数据：如用户确认忽略，则结束该判断环节；如用户取消忽略，则继续对噪声数据进行修正处理，修正完成后结束该判断环节；

S25：关闭数据甄别模块并输出预处理数据；

S3：AI算法模块调用数据加密模块对所述预处理数据进行加密处理，并获得加密数据；

S4：AI算法模块调用数据传输模块将所述加密数据传输至云端平台；

S5：云端平台分析并分类储存所接收到的加密数据；

其中，所述物联网设置采集服务器和采集服务器控制端，所述采集服务器控制端分别连接每一所述采集服务器，所述每一采集服务器均连接有若干监测端，所述采集服务器控制端与所述云端平台直接进行数据交互，所述云端平台设有静态不变的外网的IP，所述监测端通过互联网识别访问所述外网IP，并将监测数据传输至所述云端平台；

所述采集服务器控制端通过互联网识别所述云端平台的外网IP以与云数据库进行数据交互，包括：所述云端平台中设置控制参数，该参数自动写入云数据库中；所述的采集服务器控制端定时自动访问所述云端平台的云数据库，并适时读取所述控制参数，以将所述控制参数通过每一相连的所述采集服务器输出至每一所对应的采集设备中。

2.根据权利要求1所述的基于边缘计算的桥梁数据上传方法，其特征在于：所述步骤S1中，物联网包括感知模块、应用模块以及通信模块，所述感知模块通过通讯模块传递数据至所述应用模块中，所述应用模块通过通讯模块控制感知模块。

3.根据权利要求2所述的基于边缘计算的桥梁数据上传方法，其特征在于：所述感知模块按需分布至监测现场之中，并且，所述感知模块与所述监测现场通讯连接，所述监测现场所接收的监测信息通过安全局域网传输至物理监控室，所述物理监控室配置有采集服务器和数据库服务器，所述采集服务器与所述数据库服务器数据连接，所述采集服务器只负责记录监测现场所采集的原始数据，而不会执行任何的数据分析和储存动作；所述数据库服务器负责接收所述采集服务器传递过来的原始数据，并对所接收的原始数据进行初步的数据分析。

4.根据权利要求3所述的基于边缘计算的桥梁数据上传方法，其特征在于：所述监测现场所采集到的监测信息直接通过安全局域网传输至所述应用模块的监测数据云平台之中。

5.根据权利要求3所述的基于边缘计算的桥梁数据上传方法，其特征在于：所述监测现场所采集到的监测信息先由本地设备进行加密处理后，再通过开放网络传输至第三方的云平台，然后再由第三方云平台开放相应的数据接口，将所采集到的监测信息通过开放网络传输至应用模块的监测数据云平台之中。

6.根据权利要求1所述的基于边缘计算的桥梁数据上传方法，其特征在于：所述步骤S22中，所述平均值填补的方式是指选用所缺失数据的前后两个数据来对其求平均值，进而自动将该平均值填补所缺失的数据。

7.根据权利要求1所述的基于边缘计算的桥梁数据上传方法，其特征在于：所述步骤S22中，所述可能值填补的方式是指通过对已有数据使用回归分析或者贝叶斯统计的方法来分析数据规律并预测数据趋势，并推断出最可能的缺失值然后自动进行填补。

说明书

基于边缘计算的桥梁数据上传方法

技术领域

[0001] 本发明涉及云计算技术领域，特别是涉及一种基于边缘计算的桥梁数据上传方法。

背景技术

[0002] 随着我国整体信息化建设体系、现代通信技术以及软件技术的不断推进，5G、AI、边缘计算、物联网以及大数据等技术不断注入智慧城市发展，传统意义上的智慧城市也迈向了新型智慧城市发展阶段。在该新型智慧城市的发展阶段中，我们致力于发展“云端”、“网络端”以及“用户终端”这三者之间的联系。“云、网、端”三位一体化发展的最初设想是，在云端有一个异常强大的数据中心，负责数据处理，网络端负责数据传输，而每一用户终端则负责采集数据，并通过网络端传送给云端，云端再根据数据分析并做决策后再把结果返还给所对应的用户终端。在这种模型中，云端负责智能计算，而每一用户终端负责数据采集以及决策执行。

[0003] 然而，随着新型智慧城市建设的逐步推进以及应用场景的增多，尤其是在一些桥梁或其他建筑物的健康监控场景中，人们更多地需要数据信息即时反馈，此时开始暴露出云计算大数据中心的不足，主要包括以下几点：

[0004] 1、传输带宽瓶颈：据统计，现在每人每天平均会产生1.5GB的数据。随着越来越多的设备连接到互联网并生成数据，以大数据中心服务为计算节点的云计算平台会愈加受制于带宽瓶颈问题。

[0005] 2、数据实时处理效率瓶颈：据估计，至2021年我国数据储存量将达到约39ZB，其中约30%的数据来自于物联网设备的接入，海量数据的即时处理使得现有的云计算大数据中心的处理效率变得力不从心。

[0006] 3、数据安全问题：云数据中心中数据采用长路径方式连接，用户数据暴露在不安全的传输通道中。

[0007] 4、运营成本问题：为解决日益增长的大数据处理和数据调用的需求，现在云计算服务提供商普遍采用的方法，依然是通过增加物理、虚拟主机或云联网链路的形式，造成了当前数据中心高负载以及高能耗的现状，大大提升了运营成本以及维护难度，最终此类成本会叠加于每一终端用户的实际使用成本之中。

[0008] 针对上述问题，边缘计算技术应运而生。边缘计算是指在靠近物或数据源头的网络边缘侧，融合网络、计算、存储以及应用核心能力的开放平台，就近提供边缘智能服务的一种模式。但目前的边缘计算在实际的应用中还属于探索阶段，尤其在数据的收集、数据的加密以及加密后数据的传送逻辑中依然过分依赖云计算中心的作用，导致当前的边缘计算在运用中同样存在类似的传输带宽瓶颈、数据安全或运营成本等方面的问题。

发明内容

[0009] 基于此，有必要针对边缘计算的应用中如何避免依赖传输带宽、保障传输数据安全以及降低运营成本的问题，提供一种基于边缘计算的桥梁数据上传方法。

[0010] 一种基于边缘计算的桥梁数据上传方法，其包括以下步骤：

[0011] S1：物联网采集基础数据，并且物联网将所收集的基础数据传输给AI算法模块；

[0012] S2：AI算法模块接收到基础数据后首先调用数据预处理模块对该基础数据进行初步分析处理，并获得预处理数据，具体为：

[0013] S21：所述数据预处理模块接收到原始数据后启动数据甄别模块；

[0014] S22：判断该原始数据是否存在遗漏数据，如该原始数据不存在遗漏数据，则结束该判断环节；如该原始数据存在遗漏数据，则询问用户是否选择忽略遗漏数据：如用户确认忽略，则结束该判断环节；如用户取消忽略，则继续提示用户选择填补数据的方式，所述填补数据的方式包括：人工填补、平均值填补以及可能值填补；

[0015] S23：判断该原始数据是否存在异常数据，如该原始数据不存在异常数据，则结束该判断环节；如该原始数据存在异常数据，则询问用户是否选择忽略异常数据：如用户确认忽略，则结束该判断环节；如用户取消忽略，则继续对异常数据进行修正处理，修正完成后结束该判断环节；

[0016] S24：判断该原始数据是否存在噪声数据，如该原始数据不存在噪声数据，则结束该判断环节；如该原始数据存在噪声数据，则询问用户是否选择忽略噪声数据：如用户确认忽略，则结束该判断环节；如用户取消忽略，则继续对噪声数据进行修正处理，修正完成后结束该判断环节；

[0017] S25：关闭数据甄别模块并输出预处理数据；

[0018] S3：AI算法模块调用数据加密模块对所述预处理数据进行加密处理，并获得加密数据；

[0019] S4：AI算法模块调用数据传输模块将所述加密数据传输至云端平台；

[0020] S5：云端平台分析并分类储存所接收到的加密数据；

[0021] 其中，所述物联网设置采集服务器和采集服务器控制端，所述采集服务器控制端分别连接每一所述采集服务器，所述每一采集服务器均连接有若干监测端，所述采集服务器控制端与所述云端平台直接进行数据交互，所述云端平台设有静态不变的外网的IP，所述监测端通过互联网识别访问所述外网IP，并将监测数据传输至所述云端平台；

[0022] 所述采集服务器控制端通过互联网识别所述云端平台的外网IP以与云数据库进行数据交互，包括：所述云端平台中设置控制参数，该参数自动写入云数据库中；所述的采集服务器控制端定时自动访问所述云端平台的云数据库，并适时读取所述控制参数，以将所述控制参数通过每一相连的所述采集服务器输出至每一所对应的采集设备中。

[0023] 具体的，所述步骤S1中，物联网包括感知模块、应用模块以及通信模块，所述感知模块通过通讯模块传递数据至所述应用模块中，所述应用模块通过通讯模块控制感知模块。

[0024] 具体的，所述感知模块按需分布至监测现场之中，并且，所述感知模块与所述监测现场通讯连接，所述监测现场所接收的监测信息通过安全局域网传输至物理监控室，所述物理监控室配置有采集服务器和数据库服务器，所述采集服务器与所述数据库服务器数据连接，所述采集服务器只负责记录监测现场所采集的原始数据，而不会执行任何的数据分析和储存动作；所述数据库服务器负责接收所述采集服务器传递过来的原始数据，并对所接收的原始数据进行初步的数据分析。

[0025] 具体的，所述监测现场所采集到的监测信息直接通过安全局域网传输至所述应用模块的监测数据云平台之中。

[0026] 具体的，所述监测现场所采集到的监测信息先由本地设备进行加密处理后，再通过开放网络传输至第三方的云平台，然后再由第三方云平台开放相应的数据接口，将所采集到的监测信息通过开放网络传输至应用模块的监测数据云平台之中。

[0027] 具体的，所述步骤S22中，所述平均值填补的方式是指选用所缺失数据的前后两个数据来对其求平均值，进而自动将该平均值填补所缺失的数据。

[0028] 具体的，所述步骤S22中，所述可能值填补的方式是指通过对已有数据使用回归分析或者贝叶斯统计的方法来分析数据规律并预测数据趋势，并推断出最可能的缺失值然后自动进行填补。

[0029] 综上所述，本发明一种基于边缘计算的桥梁数据上传方法，其通过将部分监测原始数据的预处理算法流程设置于监控现场的终端上，有利于改善桥梁等建筑物的结构健康监控环节中传输带宽瓶颈的问题，本发明可以将庞大的原始数据存放于每一数据采集终端中进行数据预处理，避免了所有的原始数据统一上传至云端进行分析而导致传输带宽阻塞的情况，有利于降低监测数据对云端计算中心的依赖程度以及控制边缘计算的应用成本。

附图说明

[0030] 图1为本发明基于边缘计算的桥梁数据上传方法的流程图；

[0031] 图2为本发明基于边缘计算的桥梁数据上传方法的流程图。

具体实施方式

[0032] 为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似改进，因此本发明不受下面公开的具体实施例的限制。

[0033] 请参阅图1，图1为本发明基于边缘计算的桥梁数据上传方法的流程图。本发明包括以下步骤：

[0034] S1：物联网采集基础数据，并且物联网将所收集的基础数据传输给AI算法模块；

[0035] S2：AI算法模块接收到基础数据后首先调用数据预处理模块对该基础数据进行初步分析处理，并获得预处理数据；

[0036] S3：AI算法模块调用数据加密模块对所述预处理数据进行加密处理，并获得加密数据；

[0037] S4：AI算法模块调用数据传输模块将所述加密数据传输至云端平台；

[0038] S5：云端平台分析并分类储存所接收到的加密数据。

[0039] 具体的，上述步骤S1中，物联网主要包括感知模块、应用模块以及通信模块。所述感知模块可以实现全面感知的功能，其通过RFID、传感器、GPS以及短距离无线通信等技术，对物联网各实体之间起到信息采集、状态捕获以及标签识别的作用。例如一种应用于城市桥梁等建筑结构的物联网感知模块，该所述感知模块可以根据桥梁等建筑物的结构规模以及结构形式，从而确定结构关键部位并优化测点布设方案，部署相应的各类传感器、采集仪器、网关以及采集服务器等，从而实时采集目标监测信息。具体的，所述感知模块可以分为以下三种工作模式：

[0040] 1. 感知模块按需分布至监测现场之中，并且，所述感知模块与所述监测现场通讯连接，所述感知模块可采集监测信息。所述监测现场所接收的监测信息通过安全局域网传输至物理监控室，所述物理监控室作为信息中转站，并且，该物理监控室配置有采集服务器和数据库服务器。所述采集服务器与所述数据库服务器数据连接，所述采集服务器只负责记录监测现场所采集的原始数据，而不会执行任何的数据分析和储存动作；所述数据库服务器负责接收所述采集服务器传递过来的原始数据，并对所接收的原始数据进行初步的数据分析。所述物理监控室将其初步分析过的数据通过安全局域网传输至所述应用模块的监测数据云平台之中。所述安全局域网为单对单的专用光纤网络或者为不对外开放的加密无线网络。

[0041] 2. 所述监测现场所采集到的监测信息直接通过安全局域网传输至所述应用模块的监测数据云平台之中。

[0042] 3. 所述监测现场所采集到的监测信息需要先由本地设备进行加密处理后，再通过开放网络传输至第三方的云平台，然后再由第三方云平台开放相应的数据接口，将所采集到的监测信息通过开放网络传输至应用模块的监测数据云平台之中。所述第三方云平台可以为各传感器硬件厂商所开设的数据云平台等。

[0043] 进一步的，传统的方案中，上述每一感知模块与监测现场通常需要一对一部署专用宽度网络，用户在所述物理监控室设置好的控制参数可通过专线传输至监测现场的每一采集服务器，进而实现对采集设备的远程控制。然而，这种专线通信往往耗费较高的成本，特别是区域级结构监测，需要部署庞大的专用线路。因此，可设置一采集服务器控制端，所述采集服务器控制端分别连接每一所述采集服务器，所述每一采集服务器均连接有若干监测端，所述监测端包括摄像头、传感器以及GPS等。所述采集服务器控制端与云端平台直接进行数据交互。所述云端平台设有一静态不变的外网的IP，各监测现场通过互联网可识别、访问该外网IP，将海量监测数据传输至所述云端平台。而桥梁监测现场中采集服务器大多为内网，该内网的IP地址是动态变化的，除非采用专线连接否则云端平台无法通过互联网直接识别和访问该采集服务器。由于内外网的通信限制，所述云端平台无法直接访问各监测端的采集服务器，但可设置一采集服务器控制端，并使该采集服务器控制端通过互联网识别所述云端平台的外网IP，进而访问云数据库，与云数据库进行数据交互。具体的，其可在所述云端平台中设置控制参数，该参数自动写入云数据库中，所述的采集服务器控制端可定时自动访问所述云端平台的云数据库，并适时读取该控制参数，进而将该控制参数通过每一相连的采集服务器输出至每一所对应的采集设备中。最终，用户可以通过远程修改云端数据库的参数进而在线控制各监测现场的终端设备。

[0044] 进一步的，所述应用模块可以实现智能处理的功能，其包括监测数据云平台、算法以及应用程序。所述监测数据云平台可通过预设的数据端口接收所述感知模块传输过来的采集数据，且所述监测数据云平台可以对所述检测现场全过程的监测信息进行分类储存，如桥梁现场上传的原始数据、经过所述物理监控室初步分析后所得到的分析数据以及系统管理数据等。所述算法可以对储存于监测数据云平台中的数据进行分析、加密或发送等操作；所述应用程序可以进行数据采控以及数据可视化处理，所述数据采控是指对数据采集的控制，其包括控制采集设备的工作状态和更改设备的采样频率等监测参数等；所述数据可视化是指将所述监测数据转化成直观的图表等形式呈现给用户。

[0045] 进一步的，所述通讯模块是连接感知模块与应用模块以及应用模块与云端平台的传输纽带，其主要作用是通过在不同硬件之间设立有线通讯端口或架设无线通讯端口保证各模块之间的监测信息联通。所述的通讯模块需要保证每一模块之间传递数据的可靠性，其主要采用互联网协议第6版，即Internet protocol version 6,简称IPv6的协议框架，通过互联网、有线接入网、无线接入网以及移动通信网等多种网络融合，实现物联网中数据、信息的传输，并且保证数据传输的安全性以及可靠性。

[0046] 请参阅图2，进一步的，上述步骤S2中，所述数据预处理模块的算法流程包括如下步骤：

[0047] S21：所述数据预处理模块接收到原始数据后启动数据甄别模块；

[0048] S22：判断该原始数据是否存在遗漏数据，如该原始数据不存在遗漏数据，则结束该判断环节；如该原始数据存在遗漏数据，则询问用户是否选择忽略遗漏数据：如用户确认忽略，则结束该判断环节；如用户取消忽略，则继续提示用户选择填补数据的方式，所述填补数据的方式包括：人工填补、平均值填补以及可能值填补；

[0049] S23：判断该原始数据是否存在异常数据，如该原始数据不存在异常数据，则结束该判断环节；如该原始数据存在异常数据，则询问用户是否选择忽略异常数据：如用户确认忽略，则结束该判断环节；如用户取消忽略，则继续对异常数据进行修正处理，修正完成后结束该判断环节；

[0050] S24：判断该原始数据是否存在噪声数据，如该原始数据不存在噪声数据，则结束该判断环节；如该原始数据存在噪声数据，则询问用户是否选择忽略噪声数据：如用户确认忽略，则结束该判断环节；如用户取消忽略，则继续对噪声数据进行修正处理，修正完成后结束该判断环节；

[0051] S25：关闭数据甄别模块并输出预处理数据。

[0052] 由于各种桥梁等建筑物实际现场在进行数据采集以及数据传输的过程中，无法避免地受到噪声干扰、设备故障以及网络传输受阻等异常的情况，以至于所需上传至下一环节的原始数据存在数据遗漏、数据异常或者噪声干扰等问题。如直接使用原始数据来进行分析，则会导致后续的分析正确性受到很大的影响。在传统的云计算方案中，所有的原始数据均被打包上传至数据云端，需要占用较多的网络带宽资源，并且，会增加数据失真的可能性。本发明可以直接应用至物联网的应用模块中，可使物联网所采集的现场数据可以先进行预处理，降低数据失真的可能性。

[0053] 具体的，上述步骤S22中，可以由用户针对原始数据存在遗漏数据的预设统一处理方式，例如，可以由用户指定所有原始数据均忽略遗漏数据，因为物联网端所采集的监测信息具有海量性，遗漏信息的比例相对较少，特别是一些高频采集的数据，例如风速、风向或者车流量等，可以直接忽略缺失的数据。但也可能存在数据失真的风险，特别是遗漏了某些关键的数据。所以亦可以由用户指定每一遗漏数据的具体处理方式，后续对原始数据的甄别中就不会再重复通知用户进行选择。例如，用户预先指定统一使用平均值填补的数据处理方式，则后续的数据甄别流程中，如判断有遗漏数据，则自动使用平均值填补的方式来进行数据预处理。所述人工填补的方式适用于处理量较少的数据；当数据量大或存在较多遗漏时，会导致用户工作量巨大。所述平均值填补的方式是指算法选用所缺失数据的前后两个数据来对其求平均值，进而自动填补完善所缺失数据的方式。所述可能值填补的方式是指通过对已有数据使用回归分析或者贝叶斯统计等方法来分析数据规律并预测数据趋势，算法自动推断出最可能的缺失值然后自动进行填补。

[0054] 进一步的，上述步骤S23中，所述异常数据是指不符合时间序列规律的或者偏离程度较大的数据。所述步骤S23中，可以根据所需处理数据的数据量大小来选用针对该类异常数据的处理方法，所述数据修正处理的方法包括采用拉伊达准则以及采用肖维勒准则。当所需处理的数据量大于预设值时，采用拉伊达准则；当所需处理的数据量小于预设值时，采用肖维勒准则。具体如下：

[0055] 所述的拉伊达准则，也称为3σ准则，该准则是指假设一组测量数据的均值为μ，其标准差为σx。在任意连续多次测量中，测量值有99.74%的概率出现在区间[μ–3σx,μ+3σx]内，若测量值的偏差Δx超过3σx是小概率事件，可作为异常数据剔除。具体的，本发明通过先计算每个测量值的偏差Δx，将最大的Δxi与3σx比较，若Δxi>3σx，则剔除对应的测量值，然后，再对剩余各测量值重新计算偏差Δx和标准差3σx，直至所有均小于3σx。

[0056] 所述的肖维勒准则是指先假设一组测量数据有n个测量值，其均值为μ，标准差为σx。选取置信水平为1‑1/2n，置信区间为[μ–wnσx,μ+wnσx]，其中wn为肖维勒系数，所述肖维勒系数为预设的数值。假设测量数据服从正态分布，如所甄别的测量值的偏差Δx超过wnσx的概率为1/2n，则自动剔除该测量值。

[0057] 进一步的，上述步骤S24中，所述噪声数据普遍存在于所述物联网感知模块的各个测量时段的所记录的数据中，并且，所述噪声数据常与数据真实值相混合，本发明可通过移动平均法对原始数据进行噪声消除干扰处理，具体为：针对所输入的原始数据，先计算其中的N项数据的均值，并逐项推进，同时将原有测量值逐步替换成移动平均值，以达到消除噪声干扰的目标。当项数N越多，此时数据的移动平均时距越大，其平滑效果越明显，但损失的测量值也越多。因此可以根据不同应用场景，预设N值并预先储存于算法中。当所需替换的测量值达到本发明预设的N项时，本步骤S24输出修正后的数据并结束本判断环节。

[0058] 具体的，上述数据预处理算法可以直接放置于每一所述感知模块之上，并且，由上述预处理算法流程处理过的原始数据得到所需的预处理数据，并将该预处理数据通过所述AI算法模块所设有的数据加密模块对其进行加密处理，所需加密处理可以得到所需的加密数据，所述加密数据通过所述数据传输模块传送至云端平台，所述云端平台可以针对所述加密数据进行分类储存或者进行数据分析。上述的数据分析结果可为结构评级以及评估提供数据支持，进而保障桥梁等类似建筑物结构的安全运营。

[0059] 具体的，上述云端平台的数据分析方法可分为统计分析以及特殊分析。所述统计分析包括：基本统计分析、概率密度函数估计以及极值分析，通过统计分析可以获取桥梁等建筑物监测信息的基本规律。所述基本统计分析是指统计监测数据的集中趋势和离散程度，通常以平均值、中位数、方差、标准差以及变异系数等体现。统计区间应包含日、月、年的范围，部分高频采样的数据还应包含10分钟的统计值。所述概率密度函数估计可分为参数估计和非参数估计，参数估计是已选定概率密度模型，只需确定其中的参数；而非参数估计是针对于难以判定数据符合的概率密度模型的情况。参数估计可采用最大似然法和贝叶斯方法，非参数估计可采用核概率估计。所述极值分析以最大值、最小值等来体现，统计区间也应包含日、月、年的区间范围。此外，桥梁等建筑物的结构响应是在外部环境因素影响下进行监测的，两者之间存在相关性，因而应对环境作用与结构响应进行相关性分析，有助于监测信息的数据挖掘，例如温度对应力、索力的影响等。所述特殊分析是针对于各监测项目的专项数据处理，包括有外部环境类和结构响应类，如荷载谱分析、风参数分析以及模态分析等。

[0060] 综上所述，本发明一种基于边缘计算的桥梁数据上传方法，其通过将部分监测原始数据的预处理算法流程设置于监控现场的终端上，有利于改善桥梁等建筑物的结构健康监控环节中传输带宽瓶颈的问题，本发明可以将庞大的原始数据存放于每一数据采集终端中进行数据预处理，避免了所有的原始数据统一上传至云端进行分析而导致传输带宽阻塞的情况，有利于降低监测数据对云端计算中心的依赖程度以及控制边缘计算的应用成本。

[0061] 以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

[0062] 以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。