CN109784512A - 一种交通基础设施缺陷成因追溯的方法 - Google Patents
一种交通基础设施缺陷成因追溯的方法 Download PDFInfo
- Publication number
- CN109784512A CN109784512A CN201910112243.7A CN201910112243A CN109784512A CN 109784512 A CN109784512 A CN 109784512A CN 201910112243 A CN201910112243 A CN 201910112243A CN 109784512 A CN109784512 A CN 109784512A
- Authority
- CN
- China
- Prior art keywords
- formation
- origin cause
- retrospect
- anomalous event
- reasoning
- 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
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000007547 defect Effects 0.000 title claims abstract description 14
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 38
- 238000013138 pruning Methods 0.000 claims abstract description 10
- 230000002159 abnormal effect Effects 0.000 claims abstract description 4
- 230000002547 anomalous effect Effects 0.000 claims description 15
- 238000012423 maintenance Methods 0.000 claims description 13
- 238000001514 detection method Methods 0.000 claims description 9
- 238000012546 transfer Methods 0.000 claims description 4
- 230000005856 abnormality Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000004826 seaming Methods 0.000 claims description 3
- 239000002689 soil Substances 0.000 claims description 3
- 238000012800 visualization Methods 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 238000011835 investigation Methods 0.000 claims description 2
- 230000003993 interaction Effects 0.000 abstract description 6
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000004062 sedimentation Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种交通基础设施缺陷成因追溯的方法，方法包括观察、关联、剪枝、定位和判断五个步骤，该交通基础设施缺陷成因追溯的方法结合线上活动和线下活动，能够更好的追溯设施发生异常事件的原因，通过引进信息推演规则，使得成因追溯更合理，人工核查更灵活，提高了输出成因的准确性、人机交互性和智能化。
Description
技术领域
本发明涉及交通基础设施维修领域，尤其涉及一种交通基础设施缺陷成因追溯的方法。
背景技术
近年来，交通基础设施维修策略已经从传统的修复性维修逐步转向全生命周期维护。全生命周期维护是从设施整个生命期出发，以全寿命周期性能、成本和安全作为主要指标，规划设施长时期的检修方案，确定合适的维修时机和策略，控制劣化过程，保障设施安全、降低运营成本。
全寿命周期维护的基础是准确的找出异常事件发生的原因，现有研究中把基础设施性能分析研究问题过度简化，没有考虑实际设施性能演化的复杂性，无法准确发现基础设施的隐患和引起缺陷的原因。因此，事件发生原因的追溯效果往往不佳，达不到预期的准确性。忽略了维修方案对与成本、交通和用户体验的影响，以至于使得维修策略也达不到理想效果。
发明内容
为了克服现有技术的不足，本发明的目的在于提供一种交通基础设施缺陷成因追溯的方法，该方法结合了事件关联性、人机交互性等以解决成因追溯不准确的问题。
本发明的目的采用以下技术方案实现：
一种交通基础设施缺陷成因追溯的方法，方法包括以下步骤：
观察，运维工作人员在日常巡检中发现异常现象，并将异常现象发生位置的基本信息作为异常事件存入检测系统的数据库中；
关联，在获得异常事件的基本信息后，检测系统根据系统关系和空间关系关联与异常事件相关的关联对象；
剪枝，通过转移关系和逻辑关系去除多余的关联对象；
定位，通过时间关系排查与异常事件紧密相关的关联对象的历史事件和历史数据，并对成因进行风险水平的排序，以此获取异常事件的可能成因；
判断，将定位获得的可能成因通过可视化模块传输给用户进行核查，若用户接受所述可能成因，则推理结束，输出成因，成因追溯完成；反之，则返回关联步骤开始二次推理查询，直至获得满足需求的输出成因后，用户接收并结束推理完成成因追溯。
优选的，其中，所述异常事件的基本信息包括环号、接缝位置和土层结构。
优选的，所述关联对象包括与异常事件发生位置临近的环、缝、装饰层和水泵。
优选的，在所述定位步骤中，若风险水平排序的成因均不是可能成因，检测系统自动扩大关联范围进行二次定位推理，直至发现可能成因为止。
相比现有技术，本发明的有益效果在于：该交通基础设施缺陷成因追溯的方法结合线上活动和线下活动，能够更好的追溯设施发生异常事件的原因，通过引进信息推演规则，使得成因追溯更合理，人工核查更灵活，提高了输出成因的准确性、人机交互性和智能化。
附图说明
图1为交通基础设施缺陷成因追溯方法的示意图。
具体实施方式
下面结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
需要说明的是，当组件被称为“固定于”另一个组件，它可以直接在另一个组件上或者也可以存在居中的组件。当一个组件被认为是“连接”另一个组件，它可以是直接连接到另一个组件或者可能同时存在居中组件。当一个组件被认为是“设置于”另一个组件，它可以是直接设置在另一个组件上或者可能同时存在居中组件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
交通基础设施维修内容是基于现有设施缺陷成因分析的结果确定的。
设施缺陷成因分需要进行规则推演进行追溯。而规则推演一般要符合信息推演规则才能使其系统化、规则化和标准化。
基础设施的信息推演规则分为空间关系、时间关系、系统关系、逻辑关系和传递关系五类规则群进行推演，具体规则可以根据交通基础设施类别的不同有所不同。
信息推演规则的类型和关系如下表-1所示。
整个设施缺陷成因追溯过程共分为五个步骤：观察、关联、剪枝、定位和判断。其中，观察是指运维工作人员在日常巡检中发现异常现象的过程，判断是指在推理机输出结果以后决策者根据推理结果进行线下排查的过程，这两个过程为线下活动；关联、剪枝和定位的过程由推理机执行，为线上活动。
具体实施例参见图1，具体为：
a)观察：在观察阶段，巡检人员发现一个渗漏现象(事件)Facility_Leakage_23出现在Cable_Channel_3的构件位置上。其中，HappensOn是位置属性，用来表达事件Facility_Leakage_23与构件Cable_Channel_3之间的位置关系。这一渗漏现象随之会作为Cable_Channel_3的一个相关事件存在检测系统的数据库中。
b)关联：在获取与该渗漏病害相关的基本信息(环号、接缝位置、土层结构等)之后，推理机在一定距离范围(如：100米)内基于系统关系和空间关系寻找关联的构件集合，在本示例中，与渗漏发现位置临近空间关系构件有：装饰层Decrotive_Layer_5和水泵Water_Pump_4等，存在系统关系的有衬砌环IfcRing_431_x和环缝IfcSeam_442_x等一系列构件，这些构件和设备被视为关联对象集合。
c)剪枝：在关联阶段仅仅通过空间关系和系统关系会关联到部分冗余的对象，由于渗漏的转移具有方向性并且部分对象与渗漏不存在任何因果关联，需要在剪枝阶段通过转移规则和逻辑规则去除多余的关联对象。通过剪枝过程以后，仅有几个管片和接缝被视为导致渗漏发生的潜在成因。例如：在关联的IfcRing_431_x和环缝IfcSeam_442_x构件组中，根据渗漏高度的前向转移特性，只有编号IfcSegment_431_(4-8)、IfcSeam_442_(23-31)的这些构件被保留，其余构件则被剪枝，不纳入后续分析范畴。
d)定位：在经过剪枝过程以后，推理机通过时间关系排查与渗漏紧密相关的对象的历史事件和历史数据，进而对成因进行风险水平的排序。这个过程存在未发现可能成因的可能，若未发现潜在成因，推理机将自动扩大连接范围进行二次推理，直至发现可能成因为止。本案例中，发现构件管片IfcSegment_431_4具有一次发生在2015/2/11的“堵漏”的事件记录：编号Inspection_20150211_stoppage而被列为风险水平最高的病害成因，其他可能的成因是Water_Pump_4曾经发生过一次阀门损坏维修事件Maintenance_20140728_switch，接缝IfcSeam_442_30和装饰层Decrotive_Layer_5所发生的历史事件，也会被列出，并根据成因可能性的高低进行排序。
f)判断：通过定位过程中检测到的可能成因将会通过可视化模块传输给用户，若用户接受该推理结果，则推理结束，成因输出，反之，则由用户手动开始二次推理查询，直至得到满意结果为止。在本案例中，用户可以对编号Inspection_20150211_stoppage事件进行二次推理查询，发现与Inspection_20150211_stoppage事件有关的是前一天发生的地面沉降事件Constr_Settlement_20150210，至此，用户对渗漏的成因判断获得了确认，系统则可以讲成因结果输出，完成整个追溯过程。
上述的推理机即为检测系统，检测系统是人机交互的，具体的包括机体、人机交互界面、信息输入设备和信息输出设备。
通过该成因追溯方法，可提高异常事件发生原因的追溯效率和准确性，通过人工核查，提高了人机交互的互动性，使得结果更准确。
前述对本发明的具体示例性实施方案的描述是为了说明和例证的目的。这些描述并非想将本发明限定为所公开的精确形式，并且很显然，根据上诉教导，可以进行很多改变及变化。对示例性实施例进行选择和描述的目的在于解释本发明的特定原理及其实际应用，从而使得本领域的技术人员能够实现并利用本发明的各种不同的示例性实施方案以及各种不同的选择和改变，即根据以上描述的技术方案以及构思，本领域的技术人员能够做出其它各种相应的改变以及形变，而所有的这些改变以及形变都应该属于本发明权利要求的保护范围之内。
Claims (4)
1.一种交通基础设施缺陷成因追溯的方法，其特征在于，方法包括以下步骤：
观察，运维工作人员在日常巡检中发现异常现象，并将异常现象发生位置的基本信息作为异常事件存入检测系统的数据库中；
关联，在获得异常事件的基本信息后，检测系统根据系统关系和空间关系关联与异常事件相关的关联对象；
剪枝，通过转移关系和逻辑关系去除多余的关联对象；
定位，通过时间关系排查与异常事件紧密相关的关联对象的历史事件和历史数据，并对成因进行风险水平的排序，以此获取异常事件的可能成因；
判断，将定位获得的可能成因通过可视化模块传输给用户进行核查，若用户接受所述可能成因，则推理结束，输出成因，成因追溯完成；反之，则返回关联步骤开始二次推理查询，直至获得满足需求的输出成因后，用户接收并结束推理完成成因追溯。
2.根据权利要求1所述的方法，其特征在于：其中，所述异常事件的基本信息包括环号、接缝位置和土层结构。
3.根据权利要求1所述的方法，其特征在于：所述关联对象包括与异常事件发生位置临近的环、缝、装饰层和水泵。
4.根据权利要求1所述的方法，其特征在于：在所述定位步骤中，若风险水平排序的成因均不是可能成因，检测系统自动扩大关联范围进行二次定位推理，直至发现可能成因为止。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910112243.7A CN109784512A (zh) | 2019-02-13 | 2019-02-13 | 一种交通基础设施缺陷成因追溯的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910112243.7A CN109784512A (zh) | 2019-02-13 | 2019-02-13 | 一种交通基础设施缺陷成因追溯的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109784512A true CN109784512A (zh) | 2019-05-21 |
Family
ID=66503295
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910112243.7A Pending CN109784512A (zh) | 2019-02-13 | 2019-02-13 | 一种交通基础设施缺陷成因追溯的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109784512A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140129536A1 (en) * | 2012-11-08 | 2014-05-08 | International Business Machines Corporation | Diagnosing incidents for information technology service management |
| CN108369416A (zh) * | 2016-03-15 | 2018-08-03 | 株式会社日立制作所 | 异常诊断系统 |
| CN108509290A (zh) * | 2018-02-11 | 2018-09-07 | 中国电子产品可靠性与环境试验研究所（（工业和信息化部电子第五研究所）（中国赛宝实验室）） | 数据驱动的故障树分析方法、装置及系统 |
| CN108520353A (zh) * | 2018-04-09 | 2018-09-11 | 交通运输部公路科学研究所 | 一种综合交通运输网络安全风险点辨识方法 |
| CN109414759A (zh) * | 2017-02-03 | 2019-03-01 | 新东工业株式会社 | 对构成铸造设备的多个装置的异常的原因进行检测的系统 |
-
2019
- 2019-02-13 CN CN201910112243.7A patent/CN109784512A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140129536A1 (en) * | 2012-11-08 | 2014-05-08 | International Business Machines Corporation | Diagnosing incidents for information technology service management |
| CN108369416A (zh) * | 2016-03-15 | 2018-08-03 | 株式会社日立制作所 | 异常诊断系统 |
| CN109414759A (zh) * | 2017-02-03 | 2019-03-01 | 新东工业株式会社 | 对构成铸造设备的多个装置的异常的原因进行检测的系统 |
| CN108509290A (zh) * | 2018-02-11 | 2018-09-07 | 中国电子产品可靠性与环境试验研究所（（工业和信息化部电子第五研究所）（中国赛宝实验室）） | 数据驱动的故障树分析方法、装置及系统 |
| CN108520353A (zh) * | 2018-04-09 | 2018-09-11 | 交通运输部公路科学研究所 | 一种综合交通运输网络安全风险点辨识方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106597136B (zh) | 一种基于变电站巡检机器人的异常设备智能巡检方法 | |
| CN104537034B (zh) | 基于时间序列分析的输变电设备的状态监测数据清洗方法 | |
| WO2021197009A1 (zh) | 一种水情监测数据的实时异常诊断与插补方法 | |
| CN111027730B (zh) | 一种基于阀门操作和在线用水计量的供水管网漏失高效定位方法 | |
| CN104133981A (zh) | 一种基于模糊产生式规则知识库的光伏电站故障诊断方法 | |
| CN107797537A (zh) | 一种应用于自动化生产线的故障预测与健康管理方法 | |
| CN102867105A (zh) | 一种城市天然气管道失效多因素多态概率分析方法及其应用 | |
| CN107633340B (zh) | 一种基于压力监测的供水管网漏失区域快速识别方法 | |
| CN109359698A (zh) | 基于长短时记忆神经网络模型的漏损识别方法 | |
| CN109886485A (zh) | 一种交通基础设施维修策略优化方法 | |
| CN109308556A (zh) | 一种基于内检测数据的管道评价方法及装置 | |
| CN106301522A (zh) | 遥感卫星地面站数据接收任务的可视化故障诊断方法及系统 | |
| CN106161138A (zh) | 一种智能自动计量方法及装置 | |
| CN109204389A (zh) | 一种地铁设备故障诊断和自愈方法、系统 | |
| CN103953098A (zh) | 管网漏失监测方法 | |
| CN103698637A (zh) | 一种电力关键指标异常快速检测方法和装置 | |
| CN114297810A (zh) | 一种dma分区拓扑分析验证的方法和系统 | |
| CN105243089A (zh) | 一种管道内检测数据处理方法 | |
| CN103645423A (zh) | 一种输电网络的故障定位方法和系统 | |
| CN106352244A (zh) | 一种基于分层神经网络的管道泄漏检测方法 | |
| CN102520708A (zh) | 一种新型过程工业多回路振荡的波动源定位方法 | |
| CN108506171B (zh) | 一种大型半直驱机组齿轮箱冷却系统故障预警方法 | |
| CN108052540A (zh) | 一种基于gis管网系统的管道故障预判与预处理方法 | |
| CN108071941A (zh) | 一种基于时序向量相似度分析的爆管识别与定位方法 | |
| CN109784512A (zh) | 一种交通基础设施缺陷成因追溯的方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for 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: 20190521 |