CN112990753A - 用于路侧设备的故障诊断的方法、装置及设备 - Google Patents
用于路侧设备的故障诊断的方法、装置及设备 Download PDFInfo
- Publication number
- CN112990753A CN112990753A CN202110384348.5A CN202110384348A CN112990753A CN 112990753 A CN112990753 A CN 112990753A CN 202110384348 A CN202110384348 A CN 202110384348A CN 112990753 A CN112990753 A CN 112990753A
- Authority
- CN
- China
- Prior art keywords
- information
- fault
- fault information
- acquiring
- road side
- 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 44
- 238000003745 diagnosis Methods 0.000 title claims abstract description 33
- 230000002159 abnormal effect Effects 0.000 claims abstract description 102
- 238000004364 calculation method Methods 0.000 abstract description 10
- 230000004927 fusion Effects 0.000 abstract description 8
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000005315 distribution function Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Game Theory and Decision Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及故障诊断技术领域,公开一种用于路侧设备的故障诊断的方法。该方法包括:通过第一预设方式获取路侧设备对应的异常状态信息,通过第二预设方式获取路侧设备对应的异常数据信息;根据异常状态信息获取第一故障信息,根据异常数据信息获取第二故障信息;根据第一故障信息和第二故障信息确定第三故障信息。通过路侧设备对应的异常状态信息获取第一故障信息,通过路侧设备对应的异常数据信息获取第二故障信息,根据第一故障信息和第二故障信息进行融合计算获得第三故障信息,由于考虑了路侧设备对应的异常状态信息或异常数据信息等多种因素,从而提高了对路侧设备故障诊断的准确度。本申请还公开一种用于路侧设备的故障诊断的装置及设备。
Description
技术领域
本申请涉及故障诊断技术领域,例如涉及一种用于路侧设备的故障诊断的方法、装置及设备。
背景技术
智能交通信息系统工程是典型的物联网应用,主要由路侧感知设备、网络通信设备、智能应用系统组成。路侧采集感知设备众多,分散在各条道路上,由于各种不确定因素及交通管制措施的影响,准确检测设备故障成为一个难题。
在实现本公开实施例的过程中,发现相关技术中至少存在如下问题:现有技术中仅考虑单一因素对路侧设备进行故障诊断的准确度较低。
发明内容
为了对披露的实施例的一些方面有基本的理解,下面给出了简单的概括。所述概括不是泛泛评述,也不是要确定关键/重要组成元素或描绘这些实施例的保护范围,而是作为后面的详细说明的序言。
本公开实施例提供了一种用于路侧设备的故障诊断的方法、装置及设备,以能够提高对路侧设备故障诊断的准确度。
在一些实施例中,所述用于路侧设备的故障诊断的方法包括:
通过第一预设方式获取路侧设备对应的异常状态信息,通过第二预设方式获取所述路侧设备对应的异常数据信息;
根据所述异常状态信息获取第一故障信息,根据所述异常数据信息获取第二故障信息;
根据所述第一故障信息和所述第二故障信息确定第三故障信息。
在一些实施例中,所述用于路侧设备的故障诊断的装置包括:处理器和存储有程序指令的存储器,所述处理器被配置为在执行所述程序指令时,执行上述的用于路侧设备的故障诊断的方法。
在一些实施例中,所述设备包括上述的用于路侧设备的故障诊断的装置。
本公开实施例提供的用于路侧设备的故障诊断的方法、装置及设备,可以实现以下技术效果:通过第一预设方式获取路侧设备对应的异常状态信息,通过第二预设方式获取路侧设备对应的异常数据信息;根据异常状态信息获取第一故障信息,根据异常数据信息获取第二故障信息;根据第一故障信息和第二故障信息确定第三故障信息。通过路侧设备对应的异常状态信息获取第一故障信息,通过路侧设备对应的异常数据信息获取第二故障信息,并根据第一故障信息和第二故障信息进行多维融合计算获得第三故障信息,由于考虑了路侧设备对应的异常状态信息或异常数据信息等多种因素,从而提高了对路侧设备故障诊断的准确度。
以上的总体描述和下文中的描述仅是示例性和解释性的,不用于限制本申请。
附图说明
一个或多个实施例通过与之对应的附图进行示例性说明,这些示例性说明和附图并不构成对实施例的限定,附图中具有相同参考数字标号的元件示为类似的元件,附图不构成比例限制,并且其中:
图1是本公开实施例提供的一个用于路侧设备的故障诊断的方法的示意图;
图2是本公开实施例提供的一个用于路侧设备的故障诊断的装置的示意图。
具体实施方式
为了能够更加详尽地了解本公开实施例的特点与技术内容,下面结合附图对本公开实施例的实现进行详细阐述,所附附图仅供参考说明之用,并非用来限定本公开实施例。在以下的技术描述中,为方便解释起见,通过多个细节以提供对所披露实施例的充分理解。然而,在没有这些细节的情况下,一个或多个实施例仍然可以实施。在其它情况下,为简化附图,熟知的结构和装置可以简化展示。
本公开实施例的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本公开实施例的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含。
除非另有说明,术语“多个”表示两个或两个以上。
本公开实施例中,字符“/”表示前后对象是一种“或”的关系。例如,A/B表示:A或B。
术语“和/或”是一种描述对象的关联关系,表示可以存在三种关系。例如,A和/或B,表示:A或B,或,A和B这三种关系。
结合图1所示,本公开实施例提供一种用于路侧设备的故障诊断的方法,包括:
步骤S101,通过第一预设方式获取路侧设备对应的异常状态信息,通过第二预设方式获取路侧设备对应的异常数据信息;
步骤S102,根据异常状态信息获取第一故障信息,根据异常数据信息获取第二故障信息;
步骤S103,根据第一故障信息和第二故障信息确定第三故障信息。
采用本公开实施例提供的用于路侧设备的故障诊断的方法,通过第一预设方式获取路侧设备对应的异常状态信息,通过第二预设方式获取路侧设备对应的异常数据信息;根据异常状态信息获取第一故障信息,根据异常数据信息获取第二故障信息;根据第一故障信息和第二故障信息确定第三故障信息。通过路侧设备对应的异常状态信息获取第一故障信息,通过路侧设备对应的异常数据信息获取第二故障信息,并根据第一故障信息和第二故障信息进行多维融合计算获得第三故障信息,由于考虑了路侧设备对应的异常状态信息或异常数据信息等多种因素,从而提高了对路侧设备故障诊断的准确度。
可选地,通过第一预设方式获取路侧设备对应的异常状态信息,包括:获取预设时间段内的路侧设备的运行状态信息;从运行状态信息中提取异常状态信息。
可选地,将与设定状态信息不同的运行状态信息确定为异常状态信息。
在一些实施例中,异常状态信息包括:路侧设备处于死机状态、路侧设备运行温度超过设定值的状态等。
可选地,根据异常状态信息获取第一故障信息,包括:从预设的第一数据库中匹配出与异常状态信息对应的第一故障信息;第一数据库中存储有第异常状态信息与第一故障信息之间的对应关系。
可选地,第一故障信息包括故障类别、故障代码及故障置信度等。可选地,故障类别包括设备故障、非设备故障等。
可选地,根据异常状态信息获取第一故障信息,包括:在预设的第一数据库中没有与异常状态信息对应的第一故障信息的情况下,获取异常状态信息对应的备选故障信息;将备选故障信息确定为第一故障信息。并将该第一故障信息与对应的异常状态信息存入第一数据库中。可选地,备选故障信息为用户输入。
可选地,通过第二预设方式获取路侧设备对应的异常数据信息,包括:获取预设时间段内的路侧设备的业务运行数据;从业务运行数据中确定出异常数据信息。
可选地,从业务运行数据中确定出异常数据信息,包括:将预设时间段内的各业务运行数据与对应的历史业务运行数据均值进行对比,获得对比偏差值;在对比偏差值大于或等于预设值的情况下,将对比偏差值对应的业务运行数据确定为异常数据信息。可选地,业务运行数据包括:交通量,车辆通行记录、交通事件记录、车辆违法记录等。
可选地,根据异常数据信息获取第二故障信息,包括:获取预设时间段内的交通管制信息;获取异常数据信息和交通管制信息之间的故障关联度;根据故障关联度获取第二故障信息。
可选地,第二故障信息包括故障类别、故障代码及故障置信度等。可选地,故障类别包括设备故障、非设备故障等。
可选地,从交通管制信息库中获取预设时间段内的交通管制信息。交通管制信息库中存储有交通管制信息及其对应的交通管制信息编号。
可选地,交通管制信息包括管制时间、管制路段、管制措施和分流绕行路线等。
可选地,获取异常数据信息和交通管制信息之间的故障关联度,包括:获取交通管制信息对交通量的影响程度;在影响程度满足预设条件的情况下,将异常数据信息输入预设的交通管制措施影响模型,获得异常数据信息和交通管制信息之间的故障关联度。
可选地,将历史异常数据信息和历史交通管制信息输入预设的神经网络模型进行训练,获得交通管制措施影响模型。
可选地,在影响程度大于第一设定阈值的情况下,将异常数据信息输入预设的交通管制措施影响模型,获得故障关联度。可选地,第一设定阈值为0.7。
可选地,根据故障关联度获取第二故障信息,包括:在故障关联度达到第二设定阈值的情况下,将故障类别确定为非设备故障;将故障关联度最大值对应的交通管制信息的交通管制信息编号确定为故障代码;故障置信度大于或等于第三设定阈值。可选地,第二设定阈值为0.7。
可选地,在故障关联度大于或等于第二设定阈值的情况下,故障关联度最大值对应的交通管制信息发送给用户终端。
这样,在故障关联度大于或等于第二设定阈值的情况下,确定异常数据信息是由交通管制措施引起的,将对应的交通管制信息发送给用户终端,以能够实现对用户进行交通管制信息的提醒。
在一些实施例中,在故障关联度小于第二设定阈值的情况下,确定异常数据信息不是由交通管制措施引起的。
可选地,根据故障关联度获取第二故障信息,包括:在故障关联度小于第二设定阈值的情况下,将故障类别确定为设备故障;并根据异常数据信息确定故障代码和故障置信度。
可选地,根据异常数据信息确定故障代码和故障置信度,包括:从预设的第二数据库中匹配出异常数据信息对应的故障代码和故障置信度,第二数据库中存储有异常数据信息与故障代码、故障置信度之间的对应关系。
可选地,根据异常数据信息确定故障代码和故障置信度,包括:获取用户输入的异常数据信息对应的备选故障代码和备选故障置信度;并将备选故障代码确定为异常数据信息对应的故障代码,将备选故障置信度确定为异常数据信息对应故障置信度。
这样,通过获取预设时间段内的交通管制信息和异常数据信息之间的故障关联度,并根据故障关联度确定出第二故障信息;在故障关联度达到第二设定阈值的情况下,确定异常数据信息是由交通管制措施引起的;通过异常数据信息和交通管制信息之间的影响关系,考虑了路侧设备的多种故障因素,使得对路侧设备进行故障诊断更准确。
可选地,根据第一故障信息和第二故障信息确定第三故障信息,包括:在第一故障信息和第二故障信息相同的情况下将第一故障信息或第二故障信息确定为第三故障信息。
在一些实施例中,在第一故障信息和第二故障信息相同的情况下,从第一故障信息或第二故障信息中任选其一作为第三故障信息。可选地,第三故障信息包括故障类别、故障代码和置信度。可选地,置信度为99.99%。
可选地,根据第一故障信息和第二故障信息确定第三故障信息,包括:在第一故障信息和第二故障信息不相同的情况下,通过预设规则对第一故障信息和第二故障信息进行判断,获得第三故障信息。
可选地,预设规则为D-S证据理论融合决策。
可选地,根据第一故障信息和第二故障信息确定识别框架;
可选地,识别框架的子集包括:A1={第一故障信息}、A2{第二故障信息}和A3{不确定故障信息}。识别框架中的各子集之间互不相容。
可选地,建立证据信息,即建立识别框架中各子集为第三故障信息对应的概率分配。可选地,通过基本信任分配函数来确定各子集为第三故障信息对应的分配概率。
在一些实施例中,如表1所示的证据信息示例表,与证据信息E1对应的基本信任分配函数为m1(*),与证据信息E2对应的基本信任分配函数为m2(*);
A<sub>1</sub> | A<sub>2</sub> | A<sub>3</sub> | |
m<sub>1</sub>(*) | 0.4 | 0.1 | 0.5 |
m<sub>2</sub>(*) | 0.6 | 0.3 | 0.1 |
表1
如表1所示,在证据信息E1下,子集A1为第三故障信息的概率为0.4,在证据信息E1下,子集A2为第三故障信息的概率为0.1,在证据信息E1下,子集A3为第三故障信息的概率为0.5;在证据信息E2下,子集A1为第三故障信息的概率为0.6,在证据信息E2下,子集A2为第三故障信息的概率为0.3,在证据信息E2下,子集A3为第三故障信息的概率为0.6。
可选地,利用各子集在各证据信息下的分配概率进行计算,获得各子集对应的第一参考值;根据各子集对应的第一参考值获取第三故障信息。
可选地,通过计算获得各子集对应的第一参考值;其中,M(Aj)为第j个子集对应的第一参考值,mi(Aj)为在第i个证据下第j个子集为第三故障信息的概率,n为证据信息的数量,K为第二参考值。可选地,j=1、2或3,i、n为正整数。
可选地,根据各子集对应的第一参考值获取第三故障信息,包括:将第一参考值中的最大值对应的子集确定为第三故障信息。
在一些实施例中,根据表1所示的证据信息E1和证据信息E2下的各子集对应为第三故障信息的概率进行融合计算,获得子集A1对应的第一参考值为0.707,子集A2对应的第一参考值为0.232,子集A3对应的第一参考值为0.061;其中,子集A1对应的第一参考值最大,则将子集A1确定为第三故障信息。
这样,通过路侧设备对应的异常状态信息获取第一故障信息,通过路侧设备对应的异常数据信息获取第二故障信息,并根据第一故障信息和第二故障信息进行多维融合计算获得第三故障信息,由于考虑了路侧设备对应的异常状态信息或异常数据信息等多种因素,从而提高了对路侧设备故障诊断的准确度。
结合图2所示,本公开实施例提供一个用于路侧设备的故障诊断的装置,包括处理器(processor)100和存储有程序指令的存储器(memory)101。可选地,该装置还可以包括通信接口(Communication Interface)102和总线103。其中,处理器100、通信接口102、存储器101可以通过总线103完成相互间的通信。通信接口102可以用于信息传输。处理器100可以调用存储器101中的程序指令,以执行上述实施例的用于路侧设备的故障诊断的方法。
此外,上述的存储器101中的程序指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。
存储器101作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序,如本公开实施例中的方法对应的程序指令/模块。处理器100通过运行存储在存储器101中的程序指令/模块,从而执行功能应用以及数据处理,即实现上述实施例中用于路侧设备的故障诊断的方法。
存储器101可包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端设备的使用所创建的数据等。此外,存储器101可以包括高速随机存取存储器,还可以包括非易失性存储器。
采用本公开实施例提供的用于路侧设备的故障诊断的装置,通过第一预设方式获取路侧设备对应的异常状态信息,通过第二预设方式获取路侧设备对应的异常数据信息;根据异常状态信息获取第一故障信息,根据异常数据信息获取第二故障信息;根据第一故障信息和第二故障信息确定第三故障信息。通过路侧设备对应的异常状态信息获取第一故障信息,通过路侧设备对应的异常数据信息获取第二故障信息,并根据第一故障信息和第二故障信息进行多维融合计算获得第三故障信息,由于考虑了路侧设备对应的异常状态信息或异常数据信息等多种因素,从而提高了对路侧设备故障诊断的准确度。
本公开实施例提供了一种设备,包含上述的用于路侧设备的故障诊断的装置。该设备通过第一预设方式获取路侧设备对应的异常状态信息,通过第二预设方式获取路侧设备对应的异常数据信息;根据异常状态信息获取第一故障信息,根据异常数据信息获取第二故障信息;根据第一故障信息和第二故障信息确定第三故障信息。通过路侧设备对应的异常状态信息获取第一故障信息,通过路侧设备对应的异常数据信息获取第二故障信息,并根据第一故障信息和第二故障信息进行多维融合计算获得第三故障信息,由于考虑了路侧设备对应的异常状态信息或异常数据信息等多种因素,从而提高了对路侧设备故障诊断的准确度。
可选地,设备包括:路侧设备。
可选地,设备包括:计算机、服务器等。
可选地,设备为计算机、服务器的情况下,获取路侧设备发送的运行状态信息和业务运行数据。
本公开实施例提供了一种计算机可读存储介质,存储有计算机可执行指令,计算机可执行指令设置为执行上述用于路侧设备的故障诊断的方法。
本公开实施例提供了一种计算机程序产品,计算机程序产品包括存储在计算机可读存储介质上的计算机程序,计算机程序包括程序指令,当程序指令被计算机执行时,使计算机执行上述用于路侧设备的故障诊断的方法。
上述的计算机可读存储介质可以是暂态计算机可读存储介质,也可以是非暂态计算机可读存储介质。
本公开实施例的技术方案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,包括一个或多个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)执行本公开实施例所述方法的全部或部分步骤。而前述的存储介质可以是非暂态存储介质,包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等多种可以存储程序代码的介质,也可以是暂态存储介质。
以上描述和附图充分地示出了本公开的实施例,以使本领域的技术人员能够实践它们。其他实施例可以包括结构的、逻辑的、电气的、过程的以及其他的改变。实施例仅代表可能的变化。除非明确要求,否则单独的部件和功能是可选的,并且操作的顺序可以变化。一些实施例的部分和特征可以被包括在或替换其他实施例的部分和特征。而且,本申请中使用的用词仅用于描述实施例并且不用于限制权利要求。如在实施例以及权利要求的描述中使用的,除非上下文清楚地表明,否则单数形式的“一个”(a)、“一个”(an)和“所述”(the)旨在同样包括复数形式。类似地,如在本申请中所使用的术语“和/或”是指包含一个或一个以上相关联的列出的任何以及所有可能的组合。另外,当用于本申请中时,术语“包括”(comprise)及其变型“包括”(comprises)和/或包括(comprising)等指陈述的特征、整体、步骤、操作、元素,和/或组件的存在,但不排除一个或一个以上其它特征、整体、步骤、操作、元素、组件和/或这些的分组的存在或添加。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、方法或者设备中还存在另外的相同要素。本文中,每个实施例重点说明的可以是与其他实施例的不同之处,各个实施例之间相同相似部分可以互相参见。对于实施例公开的方法、产品等而言,如果其与实施例公开的方法部分相对应,那么相关之处可以参见方法部分的描述。
本领域技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,可以取决于技术方案的特定应用和设计约束条件。所述技术人员可以对每个特定的应用来使用不同方法以实现所描述的功能,但是这种实现不应认为超出本公开实施例的范围。所述技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本文所披露的实施例中,所揭露的方法、产品(包括但不限于装置、设备等),可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,可以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,例如多个单元或组件可以结合或者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,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者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者全部单元来实现本实施例。另外,在本公开实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
附图中的流程图和框图显示了根据本公开实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这可以依所涉及的功能而定。在附图中的流程图和框图所对应的描述中,不同的方框所对应的操作或步骤也可以以不同于描述中所披露的顺序发生,有时不同的操作或步骤之间不存在特定的顺序。例如,两个连续的操作或步骤实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这可以依所涉及的功能而定。框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
Claims (10)
1.一种用于路侧设备的故障诊断的方法,其特征在于,包括:
通过第一预设方式获取路侧设备对应的异常状态信息,通过第二预设方式获取所述路侧设备对应的异常数据信息;
根据所述异常状态信息获取第一故障信息,根据所述异常数据信息获取第二故障信息;
根据所述第一故障信息和所述第二故障信息确定第三故障信息。
2.根据权利要求1所述的方法,其特征在于,所述通过第一预设方式获取路侧设备对应的异常状态信息,包括:
获取预设时间段内的路侧设备的运行状态信息;
从所述运行状态信息中确定出异常状态信息。
3.根据权利要求1所述的方法,其特征在于,根据所述异常状态信息获取第一故障信息,包括:
从预设的第一数据库中匹配出与所述异常状态信息对应的第一故障信息;所述第一数据库中存储有所述第异常状态信息与所述第一故障信息之间的对应关系。
4.根据权利要求1所述的方法,其特征在于,根据所述异常状态信息获取第一故障信息,包括:
在预设的第一数据库中没有与所述异常状态信息对应的第一故障信息的情况下,获取所述异常状态信息对应的备选故障信息;
将所述备选故障信息确定为第一故障信息。
5.根据权利要求1所述的方法,其特征在于,所述通过第二预设方式获取所述路侧设备对应的异常数据信息,包括:
获取预设时间段内的路侧设备的业务运行数据;
从所述业务运行数据中确定出异常数据信息。
6.根据权利要求1所述的方法,其特征在于,根据所述异常数据信息获取第二故障信息,包括:
获取预设时间段内的交通管制信息;
获取所述异常数据信息和所述交通管制信息之间的故障关联度;
根据所述故障关联度获取第二故障信息。
7.根据权利要求1至6任一项所述的方法,其特征在于,根据所述第一故障信息和所述第二故障信息确定第三故障信息,包括:
在所述第一故障信息和所述第二故障信息相同的情况下将所述第一故障信息或所述第二故障信息确定为第三故障信息。
8.根据权利要求1至6任一项所述的方法,其特征在于,根据所述第一故障信息和所述第二故障信息确定第三故障信息,包括:
在所述第一故障信息和所述第二故障信息不相同的情况下,通过预设规则对所述第一故障信息和所述第二故障信息进行判断,获得第三故障信息。
9.一种用于路侧设备的故障诊断的装置,包括处理器和存储有程序指令的存储器,其特征在于,所述处理器被配置为在执行所述程序指令时,执行如权利要求1至8任一项所述的用于路侧设备的故障诊断的方法。
10.一种设备,其特征在于,包括如权利要求9所述的用于路侧设备的故障诊断的装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110384348.5A CN112990753A (zh) | 2021-04-09 | 2021-04-09 | 用于路侧设备的故障诊断的方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110384348.5A CN112990753A (zh) | 2021-04-09 | 2021-04-09 | 用于路侧设备的故障诊断的方法、装置及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112990753A true CN112990753A (zh) | 2021-06-18 |
Family
ID=76339661
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110384348.5A Pending CN112990753A (zh) | 2021-04-09 | 2021-04-09 | 用于路侧设备的故障诊断的方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112990753A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113689693A (zh) * | 2021-07-21 | 2021-11-23 | 阿波罗智联(北京)科技有限公司 | 路侧设备的异常处理方法、设备和智慧高速监控平台 |
CN114120636A (zh) * | 2021-11-05 | 2022-03-01 | 湖南湘江智能科技创新中心有限公司 | 一种基于c-v2x的路侧设备信息的监控设备 |
-
2021
- 2021-04-09 CN CN202110384348.5A patent/CN112990753A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113689693A (zh) * | 2021-07-21 | 2021-11-23 | 阿波罗智联(北京)科技有限公司 | 路侧设备的异常处理方法、设备和智慧高速监控平台 |
CN113689693B (zh) * | 2021-07-21 | 2022-11-15 | 阿波罗智联(北京)科技有限公司 | 路侧设备的异常处理方法、设备和智慧高速监控平台 |
CN114120636A (zh) * | 2021-11-05 | 2022-03-01 | 湖南湘江智能科技创新中心有限公司 | 一种基于c-v2x的路侧设备信息的监控设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108182515B (zh) | 智能规则引擎规则输出方法、设备及计算机可读存储介质 | |
CN110781294A (zh) | 训练语料库细化和增量更新 | |
CN109117941A (zh) | 告警预测方法、系统、存储介质及计算机设备 | |
CN112990753A (zh) | 用于路侧设备的故障诊断的方法、装置及设备 | |
EP1958034B1 (en) | Use of sequential clustering for instance selection in machine condition monitoring | |
CN110991999A (zh) | 执法裁量效率的提高方法、装置、计算机设备及存储介质 | |
CN112102959B (zh) | 一种服务器、数据处理方法、装置及可读存储介质 | |
CN113641993A (zh) | 一种基于云计算的数据安防处理方法及数据安防服务器 | |
CN113392426A (zh) | 用于增强工业系统或电功率系统的数据隐私的方法及系统 | |
CN112560465B (zh) | 批量异常事件的监控方法、装置、电子设备及存储介质 | |
CN112070506A (zh) | 风险用户识别方法、装置、服务器及存储介质 | |
CN116644825B (zh) | 一种基于大数据的门诊信息查询预约管理系统 | |
CN113687972A (zh) | 业务系统异常数据的处理方法、装置、设备及存储介质 | |
CN113728321A (zh) | 利用训练表的集合来准确预测各种表内的错误 | |
Abril et al. | Supervised learning using a symmetric bilinear form for record linkage | |
Bittmann et al. | Decision‐making method using a visual approach for cluster analysis problems; indicative classification algorithms and grouping scope | |
CN110598959A (zh) | 一种资产风险评估方法、装置、电子设备及存储介质 | |
CN112785146B (zh) | 一种网络舆情的评估方法及系统 | |
CN113568952A (zh) | 一种物联网资源数据分析方法 | |
CN111985577A (zh) | 基于人工智能的客户价值标注方法、装置、设备及介质 | |
CN113724059A (zh) | 联邦学习模型的训练方法、装置和电子设备 | |
CN111159001A (zh) | 用于操作系统的检测方法及装置、服务器 | |
CN116842264A (zh) | 一种平台智能个性化信息推送系统 | |
CN113535458B (zh) | 异常误报的处理方法及装置、存储介质、终端 | |
CN112866295B (zh) | 一种大数据防爬虫处理方法及云平台系统 |
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 |