CN106330535A - 一种车地通信数据处理方法及装置 - Google Patents
一种车地通信数据处理方法及装置 Download PDFInfo
- Publication number
- CN106330535A CN106330535A CN201610698563.1A CN201610698563A CN106330535A CN 106330535 A CN106330535 A CN 106330535A CN 201610698563 A CN201610698563 A CN 201610698563A CN 106330535 A CN106330535 A CN 106330535A
- Authority
- CN
- China
- Prior art keywords
- data
- ground communication
- train
- fault
- initial data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004891 communication Methods 0.000 title claims abstract description 268
- 238000003672 processing method Methods 0.000 title claims abstract description 19
- 238000013507 mapping Methods 0.000 claims description 57
- 238000000034 method Methods 0.000 claims description 50
- 230000002159 abnormal effect Effects 0.000 claims description 24
- 238000010223 real-time analysis Methods 0.000 claims description 12
- 230000004888 barrier function Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000005065 mining Methods 0.000 claims description 7
- 238000001514 detection method Methods 0.000 abstract description 12
- 238000012544 monitoring process Methods 0.000 description 7
- 238000007689 inspection Methods 0.000 description 5
- 230000015556 catabolic process Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000008030 elimination Effects 0.000 description 3
- 238000003379 elimination reaction Methods 0.000 description 3
- 230000007257 malfunction Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 230000000149 penetrating effect Effects 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0677—Localisation of faults
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/04—Arrangements for maintaining operational condition
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请提供了一种车地通信数据处理方法及装置,车地通信数据处理方法包括:获取车地通信原始数据;根据车地通信原始获取车地通信原始数据数据的数值,对车地通信原始数据进行分类,得到分类结果;根据分类结果对车地通信原始数据进行标记,得到标记数据;在知识库中查找是否存在与标记数据相对应的故障数据,所述故障数据为故障原因或可能导致的故障;若存在,则输出至少包括标记数据和标记数据相对应的故障数据的第一运算结果;若不存在,则对标记数据进行非实时分析,得到第二运算结果,并输出第二运算结果。在本申请中,通过以上方式提高了检测效率,从而可以及时排除故障,改善了列车运行的可靠性和安全性。
Description
技术领域
本申请涉及通信领域,特别涉及一种车地通信数据处理方法及装置。
背景技术
目前,国内时速300km/h及以上的高速铁路均采用CTCS-3级列控系统。在CTCS-3级列控系统中,列车上的车载设备通过GSM-R网络与地面轨旁设备和RBC进行双向无线通信。
其中,列车上的车载设备通过GSM-R网络与地面轨旁设备和RBC进行双向无线通信过程中,可能会出现通信故障。目前,在出现通信故障后,由维修人员对各个通信设备进行逐个故障排查来查找故障源,效率低,导致无法及时排除故障源,从而影响列车运行的可靠性和安全性。
发明内容
为解决上述技术问题,本申请实施例提供一种车地通信数据处理方法及装置,以达到提高检测效率,从而可以及时排除故障,改善列车运行的可靠性和安全性的目的,技术方案如下:
一种车地通信数据处理方法,包括:
获取车地通信原始数据;
根据所述车地通信原始获取车地通信原始数据数据的数值,对所述车地通信原始数据进行分类,得到分类结果,所述分类结果为所述车地通信原始数据正常或所述车地通信原始数据存在潜在故障风险或所述车地通信原始数据异常;
根据所述分类结果对所述车地通信原始数据进行标记,得到标记数据;
在知识库中查找是否存在与所述标记数据相对应的故障数据,所述故障数据为故障原因或可能导致的故障;
若存在,则输出至少包括所述标记数据和所述标记数据相对应的故障数据的第一运算结果;
若不存在,则对所述标记数据进行非实时分析,得到第二运算结果,并输出所述第二运算结果。
优选的,所述根据所述车地通信原始数据的数值,对所述车地通信原始数据进行分类,得到分类结果的过程,包括:
判断所述车地通信原始数据的数值是否在所述车地通信原始数据的基础取值范围内;
若否,确定所述车地通信原始数据异常;
若是,判断所述车地通信原始数据的数值是否在所述车地通信原始数据的通信正常取值范围内;
若是,确定所述车地通信原始数据正常;
若否,确定所述车地通信原始数据存在潜在故障风险。
优选的,所述根据所述分类结果对所述车地通信原始数据进行标记,得到标记数据的过程,包括:
在所述分类结果为所述车地通信原始数据正常时,丢弃所述车地通信原始数据;
在所述分类结果为所述车地通信原始数据存在潜在故障风险时,将所述车地通信原始数据转换为第一结构体,并将所述车地通信原始数据的参数来源、参数类型、实际数值和存在潜在故障风险存储至所述第一结构体中;
在所述分类结果为所述车地通信原始数据异常时,将所述车地通信原始数据转换为第二结构体,并确定所述车地通信原始数据的故障类型,并将所述车地通信原始数据的参数来源、参数类型、实际数值和故障类型存储至所述第二结构体中。
优选的,在所述分类结果为所述车地通信原始数据存在潜在故障风险时,在知识库中查找是否存在与所述标记数据相对应的故障数据的过程,包括:
在所述知识库的第一映射关系表中查找是否存在与所述第一结构体相对应的可能导致的故障,所述第一映射关系表包括多条不同的第一映射关系,所述第一映射关系为存在潜在故障风险的数据和可能导致的故障的映射关系;
在所述分类结果为所述车地通信原始数据异常时,在知识库中查找是否存在与所述标记数据相对应的故障数据的过程,包括:
在所述知识库的第二映射关系表中查找是否存在与所述第二结构体相对应的故障原因,所述第二映射关系表包括多条不同的第二映射关系,所述第二映射关系为故障类型和故障原因的映射关系。
优选的,所述将所述车地通信原始数据的参数来源、参数类型、数值和存在潜在故障风险存储至所述第一结构体中之后,还包括:
将所述第一结构体转换为所述知识库可识别的数据,得到第一可识别数据,并将所述第一可识别数据存储至所述知识库;
所述将所述车地通信原始数据的参数来源、参数类型、数值和故障类型存储至所述第二结构体中之后,还包括:
将所述第二结构体转换为所述知识库可识别的数据,得到第二可识别数据,并将所述第二可识别数据存储至所述知识库。
优选的,所述对所述标记数据进行非实时分析,得到第二运算结果的过程,包括:
利用频繁项集挖掘算法排除所述标记数据中对故障影响小的参数或排除相关度低的故障原因,得到第二运算结果。
优选的,所述根据所述分类结果对所述车地通信原始数据进行标记,得到标记数据之后,还包括:
将所述标记数据存储至临时数据库;
从所述临时数据库中获取所述标记数据。
优选的,所述第一运算结果还包括:针对所述可能导致的故障的推算概率和故障预警或系统状态更新指示或针对所述故障原因的解决方案及故障分析报告。
一种车地通信数据处理装置,包括:
第一获取模块,用于获取车地通信原始数据;
分类模块,用于根据所述车地通信原始获取车地通信原始数据数据的数值,对所述车地通信原始数据进行分类,得到分类结果,所述分类结果为所述车地通信原始数据正常或所述车地通信原始数据存在潜在故障风险或所述车地通信原始数据异常;
标记模块,用于根据所述分类结果对所述车地通信原始数据进行标记,得到标记数据;
查找模块,用于在知识库中查找是否存在与所述标记数据相对应的故障数据,所述故障数据为故障原因或可能导致的故障,若存在,则执行第一输出模块,若不存在,则执行分析模块;
所述第一输出模块,用于输出至少包括所述标记数据和所述标记数据相对应的故障数据的第一运算结果;
所述分析模块,用于对所述标记数据进行非实时分析,得到第二运算结果;
第二输出模块,用于输出所述第二运算结果。
优选的,所述分类模块包括:
第一判断单元,用于判断所述车地通信原始数据的数值是否在所述车地通信原始数据的基础取值范围内,若否,执行第一确定单元,若是,执行第二判断单元;
所述第一确定单元,用于确定所述车地通信原始数据异常;
所述第二判断单元,用于判断所述车地通信原始数据的数值是否在所述车地通信原始数据的通信正常取值范围内,若是,执行第二确定单元,若否,执行第三确定单元;
所述第二确定单元,用于确定所述车地通信原始数据正常;
所述第三确定单元,用于确定所述车地通信原始数据存在潜在故障风险。
优选的,所述标记模块包括:
丢弃单元,用于在所述分类结果为所述车地通信原始数据正常时,丢弃所述车地通信原始数据;
第一转换单元,用于在所述分类结果为所述车地通信原始数据存在潜在故障风险时,将所述车地通信原始数据转换为第一结构体;
第一存储单元,用于将所述车地通信原始数据的参数来源、参数类型、实际数值和存在潜在故障风险存储至所述第一结构体中;
第二转换单元,用于在所述分类结果为所述车地通信原始数据异常时,将所述车地通信原始数据转换为第二结构体,并确定所述车地通信原始数据的故障类型;
第二存储单元,用于将所述车地通信原始数据的参数来源、参数类型、实际数值和故障类型存储至所述第二结构体中。
优选的,所述查找模块包括:
第一查找单元,用于在所述分类结果为所述车地通信原始数据存在潜在故障风险时,在所述知识库的第一映射关系表中查找是否存在与所述第一结构体相对应的可能导致的故障,所述第一映射关系表包括多条不同的第一映射关系,所述第一映射关系为存在潜在故障风险的数据和可能导致的故障的映射关系;
第二查找单元,用于在所述分类结果为所述车地通信原始数据异常时,在所述知识库的第二映射关系表中查找是否存在与所述第二结构体相对应的故障原因,所述第二映射关系表包括多条不同的第二映射关系,所述第二映射关系为故障类型和故障原因的映射关系。
优选的,所述标记模块还包括:
第三转换单元,用于将所述第一结构体转换为所述知识库可识别的数据,得到第一可识别数据;
第三存储单元,用于将所述第一可识别数据存储至所述知识库;
第四转换单元,用于将所述第二结构体转换为所述知识库可识别的数据,得到第二可识别数据;
第四存储单元,用于将所述第二可识别数据存储至所述知识库。
优选的,所述分析模块包括:
分析单元,用于利用频繁项集挖掘算法排除所述标记数据中对故障影响小的参数或排除相关度低的故障原因,得到第二运算结果。
优选的,还包括:
存储模块,用于将所述标记数据存储至临时数据库;
第二获取模块,用于从所述临时数据库中获取所述标记数据。
优选的,所述第一运算结果还包括:针对所述可能导致的故障的推算概率和故障预警或系统状态更新指示或针对所述故障原因的解决方案及故障分析报告。
与现有技术相比,本申请的有益效果为:
在本申请中,通过获取车地通信原始数据,以及对所述车地通信原始数据进行分类,得到分类结果,以及根据所述分类结果对所述车地通信原始数据进行标记,得到标记数据,以及在知识库中查找是否存在与所述标记数据相对应的故障数据,若存在,则输出至少包括所述标记数据和所述标记数据相对应的故障数据的运算结果,实现对通信故障的检测,在查找到故障数据即检测出故障原因或可能导致的故障后,输出至少包括所述标记数据和所述标记数据相对应的故障数据的运算结果,使维修人员根据运算结果进行故障排除,由于通信故障检测的过程是基于机器的,因此相比于维修人员对各个通信设备进行逐个故障排查来查找故障源的方式,所需检测时间短,提高了检测效率,从而可以及时排除故障,改善了列车运行的可靠性和安全性。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请提供的车地通信数据处理方法的一种流程图;
图2是本申请提供的利用Apriori算法分析过程的一种示意图;
图3是本申请提供的车地通信数据处理方法的一种子流程图;
图4是本申请提供的车地通信数据处理方法的另一种子流程图;
图5是本申请提供的车地通信数据处理方法的另一种流程图;
图6是本申请提供的车地通信数据处理装置的一种逻辑结构示意图;
图7是本申请提供的车地通信数据处理装置的另一种逻辑结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
实施例一
请参见图1,其示出了本申请提供的车地通信数据处理方法的一种流程图,可以包括以下步骤:
步骤S11:获取车地通信原始数据。
在本实施例中,车地通信原始数据为CTCS-3级列控系统中的监测检测数据,具体可以但不局限于为:GSM-R接口监测数据或动态检测数据或网管系统监测数据或ATP日志数据或RBC日志数据或DMS数据。
其中,GSM-R接口监测数据为GSM-R网络系统内设备(如BTS,BSC,MSC等)间的通信接口(如Abis接口,其中Abis接口是BTS设备与BSC设备间的通信接口)的监测数据。
动态检测数据为针对GSM-R网络系统内多种设备的动态检测数据。动态检测数据由于能够表征GSM-R网络系统中设备的性能,因此能够根据动态检测数据评估当前的网络质量。
网管系统监测数据为GSM-R网络系统中相应设备的网管设备的监测数据。如,MT模块,BTS(基站)和直放站各自均有相应的网管,如MT模块网管,BTS网管和直放站设备网管。
上述GSM-R网络系统为列车与CTCS-3级列控系统的通信媒介。
ATP日志数据为列车超速防护系统的日志数据,RBC日志数据为无线闭塞中心的日志数据,DMS数据为列控设备动态监测系统的相关数据。
步骤S12:根据所述车地通信原始获取车地通信原始数据数据的数值,对所述车地通信原始数据进行分类,得到分类结果,所述分类结果为所述车地通信原始数据正常或所述车地通信原始数据存在潜在故障风险或所述车地通信原始数据异常。
在分类结果为车地通信原始数据存在潜在故障风险时,说明列车上的车载设备通过GSM-R网络与地面轨旁设备和RBC之间双向无线通信尚未出现故障,但存在潜在故障风险。
在分类结果为车地通信原始数据异常时,说明列车上的车载设备通过GSM-R网络与地面轨旁设备和RBC之间的双向无线通信已经出现故障。
步骤S13:根据所述分类结果对所述车地通信原始数据进行标记,得到标记数据。
在本实施例中,在分类结果为车地通信原始数据正常时,不需要对车地通信原始数据进行标记。
在分类结果为车地通信原始数据存在潜在故障风险时,对车地通信原始数据进行存在潜在故障风险标记。
在分类结果为车地通信原始数据异常时,对车地通信原始数据进行异常标记。
步骤S14:在知识库中查找是否存在与所述标记数据相对应的故障数据,所述故障数据为故障原因或可能导致的故障。
在标记数据为对车地通信原始数据进行存在潜在故障风险标记后得到的数据时,与标记数据相对应的故障数据则为可能导致的故障。
在标记数据为对车地通信原始数据进行异常标记后得到的数据时,与标记数据相对应的故障数据则为故障原因。
知识库中的最初内容由通信工程师提供的先验知识,线路信息构成。先验知识指通信工程师在以往发现的经验,包括故障原因,异常参数的影响等;线路信息则是有关于通信系统的配置信息,包括软硬件版本,某些设备的编号与位置等。在未来的应用中每当出现知识库未收集的参数信息与故障信息,知识库会自动处理之前未收集的参数信息与故障信息并周期性的升级知识库。当然,知识库的升级更新也可以通过知识库工程师手动控制完成。
若存在,则执行步骤S15,若不存在,说明标记数据表征的存在潜在故障风险无效或故障原因错误,则执行步骤S16。
步骤S15:输出至少包括所述标记数据和所述标记数据相对应的故障数据的第一运算结果。
在标记数据为对车地通信原始数据进行存在潜在故障风险标记后得到的数据时,维护人员可以根据输出的第一运算结果存在潜在故障风险的通信数据和标记数据可能导致的故障,以此达到故障预警的目的,同时维护人员可以根据第一运算结果有计划的安排通信维护,从而提高CTCS-3级列控系统运行的可靠性和安全性。
在标记数据为车地通信原始数据进行异常标记后得到的数据时,维护人员可以根据输出的第一运算结果确定标记数据导致的故障和故障原因,从而快速定位故障源,及时排除故障源,提高CTCS-3级列控系统运行的可靠性和安全性。
步骤S16:对所述标记数据进行非实时分析,得到第二运算结果,并输出所述第二运算结果。
对标记数据进行非实时分析,同样是为了确定标记数据可能导致的故障或对应的故障原因,第二运算结果即为标记数据可能导致的故障或对应的故障原因。
在本申请中,通过获取车地通信原始数据,以及对所述车地通信原始数据进行分类,得到分类结果,以及根据所述分类结果对所述车地通信原始数据进行标记,得到标记数据,以及在知识库中查找是否存在与所述标记数据相对应的故障数据,若存在,则输出至少包括所述标记数据和所述标记数据相对应的故障数据的运算结果,实现对通信故障的检测,在查找到故障数据即检测出故障原因或可能导致的故障后,输出至少包括所述标记数据和所述标记数据相对应的故障数据的运算结果,使维修人员根据运算结果进行故障排除,由于通信故障检测的过程是基于机器的,因此相比于维修人员对各个通信设备进行逐个故障排查来查找故障源的方式,所需检测时间短,提高了检测效率,从而可以及时排除故障,改善了列车运行的可靠性和安全性。
在本实施例中,对所述标记数据进行非实时分析,得到第二运算结果的过程具体可以为:利用频繁项集挖掘算法排除所述标记数据中对故障影响小的参数或排除相关度低的故障原因,得到第二运算结果。
在本实施例中,频繁项集挖掘算法具体可以但不局限于为Apriori算法、FP-growth算法和FP-tree算法,由于Apriori算法、FP-growth算法和FP-tree算法等算法在处理时延,数据量大小,精准度等方面各有不同,在实际应用中可以根据具体情况进行具体算法的选取。
现举例对利用Apriori算法排除所述标记数据中对故障影响小的参数或排除相关度低的故障原因,得到第二运算结果的过程进行说明,例如,假定知识库工程师最近发现了一种新的故障类型即小区切换故障。需要对知识库中最近一段时间内出现的小区切换故障与参数进行处理运算,并将这种故障与所得到的异常参数之间的关系定期更新进入知识库中进行储存。假设最近一段时间内发生了4次小区切换故障,在这4次故障(时点①,②,③,④)发生时有5种参数发生异常,分别是直放站设备掉电(A),无线参数设置不合理(B),Abis接口时隙故障(C),附近车辆干扰(D),ATP主机重启(E)。具体每次发生故障时出现异常的参数如图2所示。
其中,支持度表示在所有调查的故障中,某个参数或参数集在故障中出现的百分比。如在如2中候选项集C1中,因为直放站设备掉电(A)在四次故障中的①,③时点出现了,所以{A}的支持度为2/4,即50%。附近车辆干扰(D)在四次故障中仅在时点①出现过一次,所以{D}的支持度仅为1/4,即25%。在统计中如果支持度大于某个阈值,则可以认定支持度大于某个阈值的集为频繁项集,即他们对结果有着更为重要的影响。在这个例子中假定阈值为50%。其中,阈值由知识库工程师人为设定,在后续的工作中可以参考故障信息对阈值进行微调。
首先对参数进行分集,得到{A}{B}{C}{D}{E}5个单项集,其中附近车辆干扰(D)的支持度仅为25%,没有达到阈值要求。故频繁项集L1包括{A}{B}{C}{E}4个,如图2中的表3所示,所以得到附近车辆干扰(D)与小区切换异常的关系不大。
再对频繁项集L1内的参数进行组合,得到6个二项集,其中{A,B}{A,E}的支持度没有达到阈值要求,所以频繁项集L2包括{A,C},{B,C},{B,E},{C,E}4个,如图2中的表5所示。
以此类推,得到频繁项集L3只包含{B,C,E},如图2中的表7所示。总结来说,导致小区切换异常的参数可能包括分别是直放站设备掉电(A),无线参数设置不合理(B),Abis接口时隙故障(C),ATP主机重启(E),其中当无线参数设置不合理,ATP主机重启后,Abis接口时隙发生故障时,有很大可能导致小区切换异常。或者说当小区切换发生异常时,很有可能是由于无线参数设置不合理,ATP主机重启后Abis接口时隙发生故障。以及将小区切换异常这个故障与这些异常参数建立联系,并统计异常发生的概率。
在本举例中,介绍的是找寻某一类故障与5个可能异常的参数之间关系的流程。假设阈值是50%的情况下,得到4个可能导致该故障的参数(ABCE),以及这4个参数与引发故障的关系(BCE同时异常时很可能导致故障,但参数A也有影响,参数D则影响较小)。
对所述标记数据进行非实时分析,得到第二运算结果,并输出所述第二运算结果的过程可以等同于针对某一类故障与不同的异常参数,或某一异常参数与不同的故障等关系进行运算,得到第二运算结果,第二运算结果包括且不局限于故障类型,异常参数类型,故障发生原因,故障解决办法,故障等级等。
其中,如何找寻某一异常参数与不同故障的关系与步骤S16中示出的举例的过程类似。比方说在知识库中找到一个月内甲参数一共发生了5次异常,其中4次正好发生了A故障,1次没有发生任何故障,则可以认为甲参数和A故障存在一定关系,但具体关系还要分析其他异常的参数。
在本实施例中,上述第一运算结果还可以包括:针对所述可能导致的故障的推算概率和故障预警或系统状态更新指示或针对所述故障原因的解决方案及故障分析报告。其中,针对所述可能导致的故障的推算概率和故障预警或系统状态更新指示或针对所述故障原因的解决方案及故障分析报告也是从知识库中获取的。
在本实施例中,上述根据所述车地通信原始数据的数值,对所述车地通信原始数据进行分类,得到分类结果的过程,可以参见图3,具体包括以下步骤:
步骤S31:判断所述车地通信原始数据的数值是否在所述车地通信原始数据的基础取值范围内。
若否,执行步骤S32,若是,执行步骤S33。
步骤S32:确定所述车地通信原始数据异常。
步骤S33:判断所述车地通信原始数据的数值是否在所述车地通信原始数据的通信正常取值范围内。
其中,车地通信原始数据的通信正常取值范围为车地通信原始数据在系统通信正常时的取值范围。
若是,执行步骤S34,若否,执行步骤S35。
步骤S34:确定所述车地通信原始数据正常。
步骤S35:确定所述车地通信原始数据存在潜在故障风险。
需要说明的是,上述基础取值范围和上述通信正常取值范围作为分类阈值,可以人为调整。其中,上述通信正常取值范围可以由日常的通信数据统计得到。
现举例对步骤S31至步骤S35的过程进行说明,例如,电平A的基础取值范围为大于25DB,电平A的通信正常取值范围为28-30DB,则在电平A的取值大于等于28DB时,确定电平A正常,在电平A的取值为25-27DB之间的数值时,确定电平A存在潜在故障风险,在电平A的取值小于25DB时,确定电平A异常。
在本实施例中,上述根据所述分类结果对所述车地通信原始数据进行标记,得到标记数据的过程,可以参见图4,可以包括以下步骤:
步骤S41:在所述分类结果为所述车地通信原始数据正常时,丢弃所述车地通信原始数据。
在所述分类结果为所述车地通信原始数据正常时,丢弃所述车地通信原始数据,可以使存在多个不同的车地通信原始数据时,对多个不同的车地通信原始数据进行精简,仅保留存在问题的车地通信原始数据,减少运算量,提高处理时效。
步骤S42:在所述分类结果为所述车地通信原始数据存在潜在故障风险时,将所述车地通信原始数据转换为第一结构体,并将所述车地通信原始数据的参数来源、参数类型、实际数值和存在潜在故障风险存储至所述第一结构体中。
步骤S43:在所述分类结果为所述车地通信原始数据异常时,将所述车地通信原始数据转换为第二结构体,并确定所述车地通信原始数据的故障类型,并将所述车地通信原始数据的参数来源、参数类型、实际数值和故障类型存储至所述第二结构体中。
在本实施例中,上述步骤S21至步骤S25和步骤S31至步骤S33示出的过程为本申请提出的决策树算法的执行过程。
现举例对上述步骤S31至步骤S35和步骤S41至步骤S43示出的过程进行说明,例如,假设某时点的监测检测数据为X,数据X只包含3个参数,分别为接收电平值,连接建立情况以及小区切换情况。利用决策树算法对接收电平值,连接建立情况以及小区切换情况3个参数逐层进行分析,当接收电平值正常时对连接建立参数进行分析;在接收电平值存在潜在故障风险时,将接收电平值转换为第一结构体,并将接收电平值的参数来源、参数类型、实际数值和预警基站天馈故障(即存在潜在故障风险)等信息存储至第一结构体中或在接收电平值异常时,将接收电平值转换为第二结构体,将接收电平值的参数来源、参数类型、实际数值和检查基站天馈故障(即故障类型)存储至第二结构体中。
在连接建立情况正常时对小区切换情况进行分析;在连接建立情况存在潜在故障风险时,将连接建立情况转换为第一结构体,并将连接建立情况的参数来源、参数类型、实际数值和预警计数器超时故障(即存在潜在故障风险)等信息存储至第一结构体中或在连接建立情况异常时,将连接建立情况转换为第二结构体,将连接建立情况的参数来源、参数类型、实际数值和检查计数器超时故障(即故障类型)存储至第二结构体中。
基于上述过程,在小区切换情况存在潜在故障风险时,将小区切换情况转换为第一结构体,并将小区切换情况的参数来源、参数类型、实际数值和预警直放站电平故障、无线信道误码率故障和切换失败故障(即存在潜在故障风险)等信息存储至第一结构体中或在接收电平值异常时,将小区切换情况转换为第二结构体,将小区切换情况的参数来源、参数类型、实际数值和检查直放站电平故障、无线信道误码率故障和切换失败故障(即故障类型)存储至第二结构体中
在本实施例中,将所述车地通信原始数据的参数来源、参数类型、数值和存在潜在故障风险存储至所述第一结构体中之后,还可以包括以下步骤:
将所述第一结构体转换为所述知识库可识别的数据,得到第一可识别数据,并将所述第一可识别数据存储至所述知识库。
相应的,所述将所述车地通信原始数据的参数来源、参数类型、数值和故障类型存储至所述第二结构体中之后,还包括以下步骤:
将所述第二结构体转换为所述知识库可识别的数据,得到第二可识别数据,并将所述第二可识别数据存储至所述知识库。
在将所述第一可识别数据存储至所述知识库和将所述第二可识别数据存储至所述知识库后,使知识库中的内容更加全面。
在上述车地通信数据处理方法中,在所述分类结果为所述车地通信原始数据存在潜在故障风险时,在知识库中查找是否存在与所述标记数据相对应的故障数据的过程,具体为:
在所述知识库的第一映射关系表中查找是否存在与所述第一结构体相对应的可能导致的故障,所述第一映射关系表包括多条不同的第一映射关系,所述第一映射关系为存在潜在故障风险的数据和可能导致的故障的映射关系;
在所述分类结果为所述车地通信原始数据异常时,在知识库中查找是否存在与所述标记数据相对应的故障数据的过程,具体为:
在所述知识库的第二映射关系表中查找是否存在与所述第二结构体相对应的故障原因,所述第二映射关系表包括多条不同的第二映射关系,所述第二映射关系为故障类型和故障原因的映射关系。
实施例二
在本实施例中,在图1示出的车地通信数据处理方法的基础上扩展出另外一种车地通信数据处理方法,请参见图5,可以包括以下步骤:
步骤S51:获取车地通信原始数据。
步骤S52:根据所述车地通信原始获取车地通信原始数据数据的数值,对所述车地通信原始数据进行分类,得到分类结果,所述分类结果为所述车地通信原始数据正常或所述车地通信原始数据存在潜在故障风险或所述车地通信原始数据异常。
步骤S53:根据所述分类结果对所述车地通信原始数据进行标记,得到标记数据。
步骤S51至步骤S53示出的过程与图1示出的车地通信数据处理方法中的步骤S11和步骤S13相同,在此不再赘述。
步骤S54:将所述标记数据存储至临时数据库。
步骤S55:从所述临时数据库中获取所述标记数据。
步骤S56:在知识库中查找是否存在与所述标记数据相对应的故障数据,所述故障数据为故障原因或可能导致的故障。
若存在,则执行步骤S57,若不存在,说明标记数据表征的存在潜在故障风险无效或故障原因错误,则执行步骤S58。
步骤S57:输出至少包括所述标记数据和所述标记数据相对应的故障数据的第一运算结果。
步骤S58:对所述标记数据进行非实时分析,得到第二运算结果,并输出所述第二运算结果。
步骤S56至步骤S58示出的过程与图1示出的车地通信数据处理方法中的步骤S14和步骤S16相同,在此不再赘述。
实施例三
与上述方法实施例相对应,本实施例提供了一种车地通信数据处理装置,请参见图6,车地通信数据处理装置包括:第一获取模块61、分类模块62、标记模块63、查找模块64、第一输出模块65、分析模块66和第二输出模块67。
第一获取模块61,用于获取车地通信原始数据。
分类模块62,用于根据所述车地通信原始获取车地通信原始数据数据的数值,对所述车地通信原始数据进行分类,得到分类结果,所述分类结果为所述车地通信原始数据正常或所述车地通信原始数据存在潜在故障风险或所述车地通信原始数据异常。
标记模块63,用于根据所述分类结果对所述车地通信原始数据进行标记,得到标记数据。
查找模块64,用于在知识库中查找是否存在与所述标记数据相对应的故障数据,所述故障数据为故障原因或可能导致的故障,若存在,则执行第一输出模块65,若不存在,则执行分析模块66。
所述第一输出模块65,用于输出至少包括所述标记数据和所述标记数据相对应的故障数据的第一运算结果。
在本实施例中,所述第一运算结果还可以包括:针对所述可能导致的故障的推算概率和故障预警或系统状态更新指示或针对所述故障原因的解决方案及故障分析报告。
所述分析模块66,用于对所述标记数据进行非实时分析,得到第二运算结果。
在本实施例中,分析模块66具体可以包括:分析单元,用于利用频繁项集挖掘算法排除所述标记数据中对故障影响小的参数或排除相关度低的故障原因,得到第二运算结果。
第二输出模块67,用于输出所述第二运算结果。
在本实施例中,分类模块62具体可以包括:第一判断单元、第一确定单元、第二判断单元、第二确定单元和第三确定单元。
第一判断单元,用于判断所述车地通信原始数据的数值是否在所述车地通信原始数据的基础取值范围内,若否,执行第一确定单元,若是,执行第二判断单元。
所述第一确定单元,用于确定所述车地通信原始数据异常。
所述第二判断单元,用于判断所述车地通信原始数据的数值是否在所述车地通信原始数据的通信正常取值范围内,若是,执行第二确定单元,若否,执行第三确定单元。
所述第二确定单元,用于确定所述车地通信原始数据正常。
所述第三确定单元,用于确定所述车地通信原始数据存在潜在故障风险。
基于上述结构,标记模块63具体可以包括:丢弃单元、第一转换单元、第一存储单元、第二转换单元和第二存储单元。
丢弃单元,用于在所述分类结果为所述车地通信原始数据正常时,丢弃所述车地通信原始数据。
第一转换单元,用于在所述分类结果为所述车地通信原始数据存在潜在故障风险时,将所述车地通信原始数据转换为第一结构体。
第一存储单元,用于将所述车地通信原始数据的参数来源、参数类型、实际数值和存在潜在故障风险存储至所述第一结构体中。
第二转换单元,用于在所述分类结果为所述车地通信原始数据异常时,将所述车地通信原始数据转换为第二结构体,并确定所述车地通信原始数据的故障类型。
第二存储单元,用于将所述车地通信原始数据的参数来源、参数类型、实际数值和故障类型存储至所述第二结构体中。
基于上述结构,查找模块64具体可以包括:第一查找单元和第二查找单元。
第一查找单元,用于在所述分类结果为所述车地通信原始数据存在潜在故障风险时,在所述知识库的第一映射关系表中查找是否存在与所述第一结构体相对应的可能导致的故障,所述第一映射关系表包括多条不同的第一映射关系,所述第一映射关系为存在潜在故障风险的数据和可能导致的故障的映射关系。
第二查找单元,用于在所述分类结果为所述车地通信原始数据异常时,在所述知识库的第二映射关系表中查找是否存在与所述第二结构体相对应的故障原因,所述第二映射关系表包括多条不同的第二映射关系,所述第二映射关系为故障类型和故障原因的映射关系。
基于上述结构,标记模块63还可以包括:第三转换单元、第三存储单元、第四转换单元和第四存储单元。
第三转换单元,用于将所述第一结构体转换为所述知识库可识别的数据,得到第一可识别数据。
第三存储单元,用于将所述第一可识别数据存储至所述知识库。
第四转换单元,用于将所述第二结构体转换为所述知识库可识别的数据,得到第二可识别数据。
第四存储单元,用于将所述第二可识别数据存储至所述知识库。
在本实施例中,在图6示出的车地通信数据处理装置的基础上扩展出另外一种车地通信数据处理装置,请参见图7,在图6示出的车地通信数据处理装置基础上还包括:存储模块68和第二获取模块69。
存储模块68,用于将所述标记数据存储至临时数据库。
第二获取模块69,用于从所述临时数据库中获取所述标记数据。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物品或者设备不仅包括那些要素,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、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本申请所提供的一种车地通信数据处理方法及装置进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (16)
1.一种车地通信数据处理方法,其特征在于,包括:
获取车地通信原始数据;
根据所述车地通信原始获取车地通信原始数据数据的数值,对所述车地通信原始数据进行分类,得到分类结果,所述分类结果为所述车地通信原始数据正常或所述车地通信原始数据存在潜在故障风险或所述车地通信原始数据异常;
根据所述分类结果对所述车地通信原始数据进行标记,得到标记数据;
在知识库中查找是否存在与所述标记数据相对应的故障数据,所述故障数据为故障原因或可能导致的故障;
若存在,则输出至少包括所述标记数据和所述标记数据相对应的故障数据的第一运算结果;
若不存在,则对所述标记数据进行非实时分析,得到第二运算结果,并输出所述第二运算结果。
2.根据权利要求1所述的方法,其特征在于,所述根据所述车地通信原始数据的数值,对所述车地通信原始数据进行分类,得到分类结果的过程,包括:
判断所述车地通信原始数据的数值是否在所述车地通信原始数据的基础取值范围内;
若否,确定所述车地通信原始数据异常;
若是,判断所述车地通信原始数据的数值是否在所述车地通信原始数据的通信正常取值范围内;
若是,确定所述车地通信原始数据正常;
若否,确定所述车地通信原始数据存在潜在故障风险。
3.根据权利要求2所述的方法,其特征在于,所述根据所述分类结果对所述车地通信原始数据进行标记,得到标记数据的过程,包括:
在所述分类结果为所述车地通信原始数据正常时,丢弃所述车地通信原始数据;
在所述分类结果为所述车地通信原始数据存在潜在故障风险时,将所述车地通信原始数据转换为第一结构体,并将所述车地通信原始数据的参数来源、参数类型、实际数值和存在潜在故障风险存储至所述第一结构体中;
在所述分类结果为所述车地通信原始数据异常时,将所述车地通信原始数据转换为第二结构体,并确定所述车地通信原始数据的故障类型,并将所述车地通信原始数据的参数来源、参数类型、实际数值和故障类型存储至所述第二结构体中。
4.根据权利要求3所述的方法,其特征在于,在所述分类结果为所述车地通信原始数据存在潜在故障风险时,在知识库中查找是否存在与所述标记数据相对应的故障数据的过程,包括:
在所述知识库的第一映射关系表中查找是否存在与所述第一结构体相对应的可能导致的故障,所述第一映射关系表包括多条不同的第一映射关系,所述第一映射关系为存在潜在故障风险的数据和可能导致的故障的映射关系;
在所述分类结果为所述车地通信原始数据异常时,在知识库中查找是否存在与所述标记数据相对应的故障数据的过程,包括:
在所述知识库的第二映射关系表中查找是否存在与所述第二结构体相对应的故障原因,所述第二映射关系表包括多条不同的第二映射关系,所述第二映射关系为故障类型和故障原因的映射关系。
5.根据权利要求3所述的方法,其特征在于,所述将所述车地通信原始数据的参数来源、参数类型、数值和存在潜在故障风险存储至所述第一结构体中之后,还包括:
将所述第一结构体转换为所述知识库可识别的数据,得到第一可识别数据,并将所述第一可识别数据存储至所述知识库;
所述将所述车地通信原始数据的参数来源、参数类型、数值和故障类型存储至所述第二结构体中之后,还包括:
将所述第二结构体转换为所述知识库可识别的数据,得到第二可识别数据,并将所述第二可识别数据存储至所述知识库。
6.根据权利要求1所述的方法,其特征在于,所述对所述标记数据进行非实时分析,得到第二运算结果的过程,包括:
利用频繁项集挖掘算法排除所述标记数据中对故障影响小的参数或排除相关度低的故障原因,得到第二运算结果。
7.根据权利要求1所述的方法,其特征在于,所述根据所述分类结果对所述车地通信原始数据进行标记,得到标记数据之后,还包括:
将所述标记数据存储至临时数据库;
从所述临时数据库中获取所述标记数据。
8.根据权利要求1所述的方法,其特征在于,所述第一运算结果还包括:针对所述可能导致的故障的推算概率和故障预警或系统状态更新指示或针对所述故障原因的解决方案及故障分析报告。
9.一种车地通信数据处理装置,其特征在于,包括:
第一获取模块,用于获取车地通信原始数据;
分类模块,用于根据所述车地通信原始获取车地通信原始数据数据的数值,对所述车地通信原始数据进行分类,得到分类结果,所述分类结果为所述车地通信原始数据正常或所述车地通信原始数据存在潜在故障风险或所述车地通信原始数据异常;
标记模块,用于根据所述分类结果对所述车地通信原始数据进行标记,得到标记数据;
查找模块,用于在知识库中查找是否存在与所述标记数据相对应的故障数据,所述故障数据为故障原因或可能导致的故障,若存在,则执行第一输出模块,若不存在,则执行分析模块;
所述第一输出模块,用于输出至少包括所述标记数据和所述标记数据相对应的故障数据的第一运算结果;
所述分析模块,用于对所述标记数据进行非实时分析,得到第二运算结果;
第二输出模块,用于输出所述第二运算结果。
10.根据权利要求9所述的装置,其特征在于,所述分类模块包括:
第一判断单元,用于判断所述车地通信原始数据的数值是否在所述车地通信原始数据的基础取值范围内,若否,执行第一确定单元,若是,执行第二判断单元;
所述第一确定单元,用于确定所述车地通信原始数据异常;
所述第二判断单元,用于判断所述车地通信原始数据的数值是否在所述车地通信原始数据的通信正常取值范围内,若是,执行第二确定单元,若否,执行第三确定单元;
所述第二确定单元,用于确定所述车地通信原始数据正常;
所述第三确定单元,用于确定所述车地通信原始数据存在潜在故障风险。
11.根据权利要求10所述的装置,其特征在于,所述标记模块包括:
丢弃单元,用于在所述分类结果为所述车地通信原始数据正常时,丢弃所述车地通信原始数据;
第一转换单元,用于在所述分类结果为所述车地通信原始数据存在潜在故障风险时,将所述车地通信原始数据转换为第一结构体;
第一存储单元,用于将所述车地通信原始数据的参数来源、参数类型、实际数值和存在潜在故障风险存储至所述第一结构体中;
第二转换单元,用于在所述分类结果为所述车地通信原始数据异常时,将所述车地通信原始数据转换为第二结构体,并确定所述车地通信原始数据的故障类型;
第二存储单元,用于将所述车地通信原始数据的参数来源、参数类型、实际数值和故障类型存储至所述第二结构体中。
12.根据权利要求11所述的装置,其特征在于,所述查找模块包括:
第一查找单元,用于在所述分类结果为所述车地通信原始数据存在潜在故障风险时,在所述知识库的第一映射关系表中查找是否存在与所述第一结构体相对应的可能导致的故障,所述第一映射关系表包括多条不同的第一映射关系,所述第一映射关系为存在潜在故障风险的数据和可能导致的故障的映射关系;
第二查找单元,用于在所述分类结果为所述车地通信原始数据异常时,在所述知识库的第二映射关系表中查找是否存在与所述第二结构体相对应的故障原因,所述第二映射关系表包括多条不同的第二映射关系,所述第二映射关系为故障类型和故障原因的映射关系。
13.根据权利要求11所述的装置,其特征在于,所述标记模块还包括:
第三转换单元,用于将所述第一结构体转换为所述知识库可识别的数据,得到第一可识别数据;
第三存储单元,用于将所述第一可识别数据存储至所述知识库;
第四转换单元,用于将所述第二结构体转换为所述知识库可识别的数据,得到第二可识别数据;
第四存储单元,用于将所述第二可识别数据存储至所述知识库。
14.根据权利要求9所述的装置,其特征在于,所述分析模块包括:
分析单元,用于利用频繁项集挖掘算法排除所述标记数据中对故障影响小的参数或排除相关度低的故障原因,得到第二运算结果。
15.根据权利要求9所述的装置,其特征在于,还包括:
存储模块,用于将所述标记数据存储至临时数据库;
第二获取模块,用于从所述临时数据库中获取所述标记数据。
16.根据权利要求9所述的装置,其特征在于,所述第一运算结果还包括:针对所述可能导致的故障的推算概率和故障预警或系统状态更新指示或针对所述故障原因的解决方案及故障分析报告。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610698563.1A CN106330535A (zh) | 2016-08-19 | 2016-08-19 | 一种车地通信数据处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610698563.1A CN106330535A (zh) | 2016-08-19 | 2016-08-19 | 一种车地通信数据处理方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106330535A true CN106330535A (zh) | 2017-01-11 |
Family
ID=57741311
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610698563.1A Pending CN106330535A (zh) | 2016-08-19 | 2016-08-19 | 一种车地通信数据处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106330535A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107016057A (zh) * | 2017-02-28 | 2017-08-04 | 北京铁路局 | 列控车载atp设备一体化智能运维方法及系统 |
CN109886541A (zh) * | 2019-01-14 | 2019-06-14 | 北京百度网讯科技有限公司 | 自动驾驶车辆数据质量评估方法、装置及存储介质 |
CN110673588A (zh) * | 2019-10-20 | 2020-01-10 | 北京鼎兴达信息科技股份有限公司 | 一种ctcs-3列控系统无线超时降级故障诊断方法 |
CN111830934A (zh) * | 2020-07-17 | 2020-10-27 | 中车大连电力牵引研发中心有限公司 | 一种电力机车故障源定位方法及装置 |
CN114466393A (zh) * | 2022-04-13 | 2022-05-10 | 深圳市永达电子信息股份有限公司 | 轨道交通车地通信潜在风险监测方法和系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101409890A (zh) * | 2008-11-19 | 2009-04-15 | 北京六捷科技有限公司 | 一种车地通信监测系统及其方法 |
CN101574975A (zh) * | 2009-06-03 | 2009-11-11 | 北京六捷科技有限公司 | 基于ctcs-3级列控系统的车载监测系统及终端 |
CN102358542A (zh) * | 2011-08-18 | 2012-02-22 | 上海交通大学 | 基于专家系统的矿井提升机故障诊断方法及系统 |
CN103079220A (zh) * | 2012-11-15 | 2013-05-01 | 中国科学院软件研究所 | 车地协同的高速铁路宽带通信系统集散式网络管理系统及方法 |
CN104925096A (zh) * | 2015-04-29 | 2015-09-23 | 中国铁道科学研究院 | 高速列车运营环境监测车地信息校验方法、装置及系统 |
CN105867351A (zh) * | 2016-04-29 | 2016-08-17 | 大连楼兰科技股份有限公司 | 车辆故障码实时采集与历史数据分析诊断的方法及装置 |
-
2016
- 2016-08-19 CN CN201610698563.1A patent/CN106330535A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101409890A (zh) * | 2008-11-19 | 2009-04-15 | 北京六捷科技有限公司 | 一种车地通信监测系统及其方法 |
CN101574975A (zh) * | 2009-06-03 | 2009-11-11 | 北京六捷科技有限公司 | 基于ctcs-3级列控系统的车载监测系统及终端 |
CN102358542A (zh) * | 2011-08-18 | 2012-02-22 | 上海交通大学 | 基于专家系统的矿井提升机故障诊断方法及系统 |
CN103079220A (zh) * | 2012-11-15 | 2013-05-01 | 中国科学院软件研究所 | 车地协同的高速铁路宽带通信系统集散式网络管理系统及方法 |
CN104925096A (zh) * | 2015-04-29 | 2015-09-23 | 中国铁道科学研究院 | 高速列车运营环境监测车地信息校验方法、装置及系统 |
CN105867351A (zh) * | 2016-04-29 | 2016-08-17 | 大连楼兰科技股份有限公司 | 车辆故障码实时采集与历史数据分析诊断的方法及装置 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107016057A (zh) * | 2017-02-28 | 2017-08-04 | 北京铁路局 | 列控车载atp设备一体化智能运维方法及系统 |
CN109886541A (zh) * | 2019-01-14 | 2019-06-14 | 北京百度网讯科技有限公司 | 自动驾驶车辆数据质量评估方法、装置及存储介质 |
CN110673588A (zh) * | 2019-10-20 | 2020-01-10 | 北京鼎兴达信息科技股份有限公司 | 一种ctcs-3列控系统无线超时降级故障诊断方法 |
CN111830934A (zh) * | 2020-07-17 | 2020-10-27 | 中车大连电力牵引研发中心有限公司 | 一种电力机车故障源定位方法及装置 |
CN114466393A (zh) * | 2022-04-13 | 2022-05-10 | 深圳市永达电子信息股份有限公司 | 轨道交通车地通信潜在风险监测方法和系统 |
CN114466393B (zh) * | 2022-04-13 | 2022-07-12 | 深圳市永达电子信息股份有限公司 | 轨道交通车地通信潜在风险监测方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106330535A (zh) | 一种车地通信数据处理方法及装置 | |
CN109413614B (zh) | 一种车地一体综合分析平台 | |
CN110958136A (zh) | 一种基于深度学习的日志分析预警方法 | |
CN103220173B (zh) | 一种报警监控方法及监控系统 | |
CN108009040A (zh) | 一种确定故障根因的方法、系统和计算机可读存储介质 | |
US7814369B2 (en) | System and method for detecting combinations of perfomance indicators associated with a root cause | |
CN106646030A (zh) | 基于多数据源及专家规则库的电网故障诊断方法及装置 | |
CN103797468A (zh) | 系统异常的自动化检测 | |
CN101656013A (zh) | 一种车载监控报警终端、系统及报警方法 | |
CN101188523A (zh) | 告警相关性规则的生成方法及生成系统 | |
CN101895446A (zh) | 广播风暴的检测方法与装置 | |
CN104574219A (zh) | 电网业务信息系统运行工况的监测预警方法及系统 | |
CN108919044B (zh) | 一种基于互校验机制的单元制配电网故障主动识别方法 | |
CN106355673B (zh) | 一种机载防撞系统故障记录系统及故障记录解码系统 | |
CN115118581B (zh) | 一种基于5g的物联网数据全链路监控和智能保障系统 | |
CN107040395A (zh) | 一种告警信息的处理方法、装置和系统 | |
CN110286300A (zh) | 一种多分支输电线路故障定位方法、装置、设备及系统 | |
CN104777827A (zh) | 高速铁路信号系统车载设备故障诊断方法 | |
CN102033789A (zh) | 一种用于嵌入式安全关键系统的可靠性分析方法 | |
CN108616405A (zh) | 一种智能变电站虚回路的故障定位方法与装置 | |
CN104243192B (zh) | 故障处理方法及系统 | |
KR101444250B1 (ko) | 개인정보 접근감시 시스템 및 그 방법 | |
CN114007244A (zh) | 一种分析车地通信质量的方法 | |
CN108960220A (zh) | 基于状态机模型的信号系统通信数据可靠性分析方法 | |
CN103607240B (zh) | 一种在智能变电站链路断链时的故障判断方法及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170111 |