CN113191631A - 铁路工务设备单元综合画像预警方法和系统 - Google Patents

铁路工务设备单元综合画像预警方法和系统 Download PDF

Info

Publication number
CN113191631A
CN113191631A CN202110476868.9A CN202110476868A CN113191631A CN 113191631 A CN113191631 A CN 113191631A CN 202110476868 A CN202110476868 A CN 202110476868A CN 113191631 A CN113191631 A CN 113191631A
Authority
CN
China
Prior art keywords
equipment
data
unit
portrait
image
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.)
Granted
Application number
CN202110476868.9A
Other languages
English (en)
Other versions
CN113191631B (zh
Inventor
邵赛
刘军
马小宁
李平
薛蕊
程智博
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Academy of Railway Sciences Corp Ltd CARS
Institute of Computing Technologies of CARS
Beijing Jingwei Information Technology Co Ltd
Original Assignee
China Academy of Railway Sciences Corp Ltd CARS
Institute of Computing Technologies of CARS
Beijing Jingwei Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Academy of Railway Sciences Corp Ltd CARS, Institute of Computing Technologies of CARS, Beijing Jingwei Information Technology Co Ltd filed Critical China Academy of Railway Sciences Corp Ltd CARS
Priority to CN202110476868.9A priority Critical patent/CN113191631B/zh
Publication of CN113191631A publication Critical patent/CN113191631A/zh
Application granted granted Critical
Publication of CN113191631B publication Critical patent/CN113191631B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L23/00—Control, warning or like safety means along the route or between vehicles or trains
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • 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
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • G06Q50/40—Business processes related to the transportation industry

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Probability & Statistics with Applications (AREA)
  • Mechanical Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Train Traffic Observation, Control, And Security (AREA)
  • Alarm Systems (AREA)

Abstract

本发明提供一种铁路工务设备单元综合画像预警方法和系统，其中方法包括：获取铁路工务设备画像数据，根据铁路工务设备所属的画像单元，将铁路工务设备画像数据整合为多个画像单元数据集；针对多个画像单元数据集，建立影响安全因素的设备特征指标；对设备特征指标建立设定的设备特征权重；根据设备特征指标和设备特征权重，计算得到画像单元设备安全状态综合评价结果；根据画像单元设备安全状态综合评价结果，进行设定的预警动作和/或监控动作。本发明能够适用于任意线路、任意线路区间、任意工务设备类型安全状态评估预警，对于掌握工务专业范围内设备整体运行质量、提高设备运维管理效率、有效管控安全薄弱环节具有重要的意义。

Description

铁路工务设备单元综合画像预警方法和系统
技术领域
本发明涉及铁路安全技术领域，尤其涉及一种铁路工务设备单元 综合画像预警方法和系统。
背景技术
铁路工务安全是铁路基础设施运营维护工作的重中之重。目前， 工务专业相关安全业务系统繁多，各系统积累了与安全有关的海量数 据资源，但无法实现系统互联互通、数据共享共用，无法实现安全数 据的综合决策分析，无法实现风险、隐患、事故故障的超前防控，影 响工务安全管理工作的科学化、智能化进程。因此，急需整合工务设 备基础台账数据、检测监测数据、运营维护数据，科学合理评估设备 运行状态，有效预测未来安全趋势，形成工务设备闭环管理，以提高 工务设备的利用率，促进业务系统之间的互联互通，充分挖掘铁路数 据潜在价值，真正实现设备设施修护具有针对性、故障防控具有超前 性、安全预警具有时效性。
目前，工务设备安全状态评价预警研究的对象基本为单个工务设 备类型，例如轨道、桥梁、隧道、涵洞等。不少学者已提出铁路轨道 健康状态评价指标体系，并应用模糊分析法获取综合评价指标。
但现有研究较少涉及对任意线路区间内包含的轨道、桥梁、隧道、 涵洞、路基、护网等一系列工务设备进行整体性评价及预警。随着铁 路线网规模日益庞大，基础设施运营安全要求高，建立全面、科学的 工务设备安全状态评价预警体系是十分关键且亟需解决的问题。
因此，提供一种铁路工务设备单元综合画像预警方法和系统具有 较高的实用价值和意义。
发明内容
针对现有技术存在的问题，本发明实施例提供一种铁路工务设备 单元综合画像预警方法和系统。
本发明提供一种铁路工务设备单元综合画像预警方法，包括：
将铁路工务设备以设定的方法分组，作为多个画像单元；
获取铁路工务设备画像数据，根据铁路工务设备所属的画像单元， 将铁路工务设备画像数据整合为多个画像单元数据集；
针对多个画像单元数据集，建立影响安全因素的设备特征指标；
对设备特征指标建立设定的设备特征权重；
根据设备特征指标和设备特征权重，计算得到画像单元设备安全 状态综合评价结果；
根据画像单元设备安全状态综合评价结果，进行设定的预警动作 和/或监控动作。
根据本发明提供的一种铁路工务设备单元综合画像预警方法，所 述根据铁路工务设备所属的画像单元，将铁路工务设备画像数据整合 为多个画像单元数据集的步骤包括：
获取跨系统铁路工务设备画像数据；
对跨系统铁路工务设备画像数据进行预处理；
根据铁路工务设备所属的画像单元，将预处理后的跨系统铁路工 务设备画像数据整合，形成多个画像单元数据集；
所述跨系统工务设备画像数据包括设备基础数据、检测监测数据 以及运营维护数据中的任一者或任多者组合；
所述预处理包括去除不完整数据、去除不规范数据以及数据脱敏 中的任一者或任多者组合；所述数据脱敏包括替代、混洗、数值变换、 加密、遮挡以及数据插入中的任一者或任多者组合；
所述画像单元数据集包括基础数据子集、检测监测数据子集以及 运营维护数据子集中的任一者或任多者组合。
根据本发明提供的一种铁路工务设备单元综合画像预警方法，所 述针对多个画像单元数据集，建立影响安全因素的设备特征指标的步 骤包括：
针对每个画像单元的基础数据子集、检测监测数据子集以及运营 维护数据子集，基于工务设备类型，聚类建立基础数据特征标签、检 测监测特征标签以及运营维护特征标签；
将多个画像单元的基础数据特征标签、检测监测特征标签以及运 营维护特征标签，以设定目标进行排序计算，得到特征标签排序结果；
根据特征标签排序结果，将满足特征标签选取条件的h个特征标 签整合为h维特征向量，作为影响安全因素的设备特征指标；
所述特征标签选取条件包括设备类型全覆盖；所述设备类型全覆 盖是指，对于任一种工务设备类型，h维特征向量中均存在至少一个 特征标签与这种工务设备类型对应；
所述工务设备类型包括轨道、桥梁、隧道、涵洞、路基以及护网 中的任一者或任多者组合；
其中，h为正整数。
根据本发明提供的一种铁路工务设备单元综合画像预警方法，所 述针对每个画像单元的基础数据子集、检测监测数据子集以及运营维 护数据子集，基于工务设备类型，聚类建立基础数据特征标签、检测 监测特征标签以及运营维护特征标签的步骤包括：
依次对每个画像单元的基础数据子集、检测监测数据子集以及运 营维护数据子集进行Kmeans聚类；
所述Kmeans聚类是指：
针对进行聚类的集合，确定K个点作为初始聚类中心，将集合 中的每个数据分配到最近的初始聚类中心形成K个簇；
进行迭代运算并重复迭代运算，直至达到设定的迭代次数或者得 到设定的迭代结果，将迭代结束后的K个簇作为所述进行聚类的集 合的特征标签；
所述迭代运算是指，计算K个簇的K个迭代聚类中心，将集合 中的每个数据重新分配到最近的迭代聚类中心，形成新的K个簇；
其中，K为正整数。
根据本发明提供的一种铁路工务设备单元综合画像预警方法，所 述对设备特征指标建立设定的设备特征权重的步骤包括：
将同一画像单元中的设备特征指标根据工务设备类型分类；
通过设定的方法，在第j个工务设备类型中，计算得到第i个设 备特征指标相对于其他每个设备特征指标的相对重要性参数组；
根据第j个工务设备类型中第i个设备特征指标的相对重要性参 数组，计算得到第j个工务设备类型中第i个设备特征指标的权重系 数；
将第j个工务设备类型中每个设备特征指标的权重系数集合排列 为比较判断矩阵，作为第j个工务设备类型中设备特征指标对应的权 重，记为第j个第一权重；
针对第j个工务设备类型，设定工务设备类型对应的权重值，记 为第j个第二权重；
其中，i、j均为为正整数；所述工务设备类型包括轨道、桥梁、 隧道、涵洞、路基以及护网中的任一者或任多者组合；所述设备特征 权重包括第一权重和第二权重。
根据本发明提供的一种铁路工务设备单元综合画像预警方法，所 述根据设备特征指标和设备特征权重，计算得到画像单元设备安全状 态综合评价结果的步骤包括：
在同一画像单元中，针对第j个工务设备类型，根据第j个工务 设备类型中的设备特征指标和第j个第一权重，计算得到第j个工务 设备类型对应的评价结果；
根据各工务设备类型对应的评价结果和第二权重，计算得到所述 画像单元设备安全状态综合评价结果。
本发明还提供一种铁路工务设备单元综合画像预警系统，包括画 像单元设置模块、数据整合模块、特征指标建立模块、权重建立模块、 评价模块以及预警模块；
所述画像单元设置模块能够将铁路工务设备以设定的方法分组， 作为多个画像单元；
所述数据整合模块能够获取铁路工务设备画像数据，根据铁路工 务设备所属的画像单元，将铁路工务设备画像数据整合为多个画像单 元数据集；
所述特征指标建立模块能够针对多个画像单元数据集，建立影响 安全因素的设备特征指标；
所述权重建立模块能够对设备特征指标建立设定的设备特征权 重；
所述评价模块能够根据设备特征指标和设备特征权重，计算得到 画像单元设备安全状态综合评价结果；
所述预警模块能够根据画像单元设备安全状态综合评价结果，进 行设定的预警动作和/或监控动作。
本发明还提供一种电子设备，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程序时 实现如上述任一种所述铁路工务设备单元综合画像预警方法的步骤。
本发明还提供一种非暂态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如上述任一种所述铁路工 务设备单元综合画像预警方法的步骤。
本发明提供的铁路工务设备单元综合画像预警方法和系统，通过 将铁路工务设备分为多个画像单元，并以画像单元为单位对数据进行 整合分析，基于权重建立画像单元设备安全状态综合评价结果，能够 适用于任意线路、任意线路区间、任意工务设备类型安全状态评估预 警，对于掌握工务专业范围内设备整体运行质量、提高设备运维管理 效率、有效管控安全薄弱环节具有重要的意义。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实 施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见 地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术 人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得 其他的附图。
图1是本发明提供的铁路工务设备单元综合画像预警方法的流 程示意图；
图2是本发明实施例提供的结合特征标签的铁路工务设备单元 综合画像预警方法的流程示意图；
图3是本发明实施例提供的步骤100的流程示意图；
图4是本发明实施例提供的步骤200的流程示意图；
图5是本发明实施例提供的步骤300的流程示意图；
图6是本发明实施例提供的步骤400的流程示意图；
图7是本发明实施例提供的步骤500的流程示意图；
图8是本发明实施例提供的步骤210的流程示意图；
图9是本发明实施例提供的步骤320的流程示意图；
图10是本发明实施例提供的工务设备安全状态综合评价体系的 示意图；
图11是本发明提供的电子设备的结构示意图；
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发 明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然， 所描述的实施例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作出创造性劳动前提 下所获得的所有其他实施例，都属于本发明保护的范围。
下面结合图1-图9描述本发明的铁路工务设备单元综合画像预 警方法。
如图1所示，本发明实施例提供一种铁路工务设备单元综合画像 预警方法，包括：
步骤1，将铁路工务设备以设定的方法分组，作为多个画像单元；
步骤2，获取铁路工务设备画像数据，根据铁路工务设备所属的 画像单元，将铁路工务设备画像数据整合为多个画像单元数据集；
步骤3，针对多个画像单元数据集，建立影响安全因素的设备特 征指标；
步骤4，对设备特征指标建立设定的设备特征权重；
步骤5，根据设备特征指标和设备特征权重，计算得到画像单元 设备安全状态综合评价结果；
步骤6，根据画像单元设备安全状态综合评价结果，进行设定的 预警动作和/或监控动作。
本实施例的有益效果在于：
通过将铁路工务设备分为多个画像单元，并以画像单元为单位对 数据进行整合分析，基于权重建立画像单元设备安全状态综合评价结 果，能够适用于任意线路、任意线路区间、任意工务设备类型安全状 态评估预警，对于掌握工务专业范围内设备整体运行质量、提高设备 运维管理效率、有效管控安全薄弱环节具有重要的意义。
根据上述实施例，在本实施例中，所述根据铁路工务设备所属的 画像单元，将铁路工务设备画像数据整合为多个画像单元数据集的步 骤包括：
获取跨系统铁路工务设备画像数据；
对跨系统铁路工务设备画像数据进行预处理；
根据铁路工务设备所属的画像单元，将预处理后的跨系统铁路工 务设备画像数据整合，形成多个画像单元数据集；
所述跨系统工务设备画像数据包括设备基础数据(主要包括设备 或零部件的基础风险扣分数据、基础隐患扣分数据和管理单位扣分数 据等)、检测监测数据(设备或零部件的动态检测等级扣分数据、静 态检测等级扣分数据和人工检查等级扣分数据等)以及运营维护数据 (设备或零部件的动态病害等级扣分数据、静态病害等级扣分数据等) 中的任一者或任多者组合；
所述预处理包括去除不完整数据、去除不规范数据以及数据脱敏 中的任一者或任多者组合；所述数据脱敏包括替代、混洗、数值变换、 加密、遮挡以及数据插入中的任一者或任多者组合；
所述画像单元数据集包括设备基础数据子集(主要包括设备或零 部件的基础风险扣分数据、基础隐患扣分数据和管理单位扣分数据 等)、检测监测数据子集(设备或零部件的动态检测等级扣分数据、 静态检测等级扣分数据和人工检查等级扣分数据等)以及运营维护数 据子集(设备或零部件的动态病害等级扣分数据、静态病害等级扣分 数据等)中的任一者或任多者组合。
本实施例的有益效果在于：
基于智能编码技术将工务设备的设备基础数据(主要包括设备或 零部件的基础风险扣分数据、基础隐患扣分数据和管理单位扣分数据 等)、检测监测数据(设备或零部件的动态检测等级扣分数据、静态 检测等级扣分数据和人工检查等级扣分数据等)以及运营维护数据 (设备或零部件的动态病害等级扣分数据、静态病害等级扣分数据等) 等进行跨系统整合，实现不同系统之间的数据在同一个对象的融合。
根据上述任一实施例，在本实施例中，所述针对多个画像单元数 据集，建立影响安全因素的设备特征指标的步骤包括：
针对每个画像单元的设备基础数据子集(主要包括设备或零部件 的基础风险扣分数据、基础隐患扣分数据和管理单位扣分数据等)、 检测监测数据子集(设备或零部件的动态检测等级扣分数据、静态检 测等级扣分数据和人工检查等级扣分数据等)以及运营维护数据子集(设备或零部件的动态病害等级扣分数据、静态病害等级扣分数据 等)，基于工务设备类型，聚类建立基础数据特征标签、检测监测特 征标签以及运营维护特征标签；
将多个画像单元的基础数据特征标签、检测监测特征标签以及运 营维护特征标签，以设定目标进行排序计算，得到特征标签排序结果；
根据特征标签排序结果，将满足特征标签选取条件的h个特征标 签整合为h维特征向量，作为影响安全因素的设备特征指标；
所述特征标签选取条件包括设备类型全覆盖；所述设备类型全覆 盖是指，对于任一种工务设备类型，h维特征向量中均存在至少一个 特征标签与这种工务设备类型对应；
所述工务设备类型包括轨道、桥梁、隧道、涵洞、路基以及护网 中的任一者或任多者组合；
其中，h为正整数。
本实施例的有益效果在于：
本实施例构建了影响安全因素的设备关键特征标签体系，能够自 动提取与安全因素最相关的属性特征。
本实施例可应用于任意线路、任意线路区间、任意工务设备类型 的特征标签提取及安全状态评估预警。
根据上述任一实施例，在本实施例中，所述针对每个画像单元的 设备基础数据子集(主要包括设备或零部件的基础风险扣分数据、基 础隐患扣分数据和管理单位扣分数据等)、检测监测数据子集(设备 或零部件的动态检测等级扣分数据、静态检测等级扣分数据和人工检 查等级扣分数据等)以及运营维护数据子集(设备或零部件的动态病 害等级扣分数据、静态病害等级扣分数据等)，基于工务设备类型， 聚类建立基础数据特征标签、检测监测特征标签以及运营维护特征标 签的步骤包括：
依次对每个画像单元的基础数据子集、检测监测数据子集以及运 营维护数据子集进行Kmeans聚类；
所述Kmeans聚类是指：
针对进行聚类的集合，确定K个点作为初始聚类中心，将集合 中的每个数据分配到最近的初始聚类中心形成K个簇；
进行迭代运算并重复迭代运算，直至达到设定的迭代次数或者得 到设定的迭代结果，将迭代结束后的K个簇作为所述进行聚类的集 合的特征标签；
所述迭代运算是指，计算K个簇的K个迭代聚类中心，将集合 中的每个数据重新分配到最近的迭代聚类中心，形成新的K个簇；
其中，K为正整数。
本实施例的有益效果在于：
本实施例构建了影响安全因素的设备关键特征标签体系，能够自 动提取与安全因素最相关的属性特征。
本实施例可应用于任意线路、任意线路区间、任意工务设备类型 的特征标签提取及安全状态评估预警。
根据上述任一实施例，在本实施例中，所述根据设备特征指标形 成工务设备安全状态综合评价指标体系，并建立设定的设备特征权重 的步骤包括：
将影响安全因素的设备特征指标根据工务设备类型分类，形成三 层结构的工务设备安全状态综合评价指标体系；
针对工务设备安全状态综合评价指标体系，在第j个工务设备类 型中，计算得到第i个设备特征指标相对于其他每个设备特征指标的 相对重要性参数组；
根据第j个工务设备类型中第i个设备特征指标的相对重要性参 数组，计算得到第j个工务设备类型中第i个设备特征指标的权重系 数；
将第j个工务设备类型中每个设备特征指标的权重系数集合排列 为比较判断矩阵，作为第j个工务设备类型中设备特征指标对应的权 重，记为第j个第一权重；
针对第j个工务设备类型，设定工务设备类型对应的权重值，记 为第j个第二权重；
其中，i、j均为为正整数；所述工务设备类型包括轨道、桥梁、 隧道、涵洞、路基以及护网中的任一者或任多者组合；所述设备特征 权重包括第一权重和第二权重。
本实施例的有益效果在于：
本实施例构建了基于层次分析法的工务设备安全状态综合评价 体系，能够有效评估任意线路区间内包含的轨道、桥梁、隧道、涵洞、 路基、护网等一系列工务基础设备的整体安全状态，对重点盯控画像 单元设备给出预警提示，实现闭环管理。
根据上述任一实施例，在本实施例中，所述根据设备特征指标和 设备特征权重，计算得到画像单元设备安全状态综合评价结果的步骤 包括：
在同一画像单元中，针对第j个工务设备类型，根据第j个工务 设备类型中的设备特征指标和第j个第一权重，计算得到第j个工务 设备类型对应的评价结果；
根据各工务设备类型对应的评价结果和第二权重，计算得到所述 画像单元设备安全状态综合评价结果。
本实施例的有益效果在于：
本实施例构建了基于层次分析法的工务设备安全状态综合评价 体系，能够有效评估任意线路区间内包含的轨道、桥梁、隧道、涵洞、 路基、护网等一系列工务基础设备的整体安全状态，对重点盯控画像 单元设备给出预警提示，实现闭环管理。
下面将结合具体应用场景，提供一种结合特征标签的铁路工务设 备单元综合画像预警方法实施例。
本实施例重点研究铁路工务设备单元安全状态综合评价及预警 方法,同时涉及到跨系统数据融合编码技术和特征标签提取技术。铁 路工务设备画像问题本质上是一个多模态、多维度的评估预测问题。 首先应用智能编码技术整合工务设备基础台账数据、检测监测数据、 运营维护数据等，构建影响安全因素的关键特征标签体系；然后基于 提取的关键特征标签建立包含轨道、桥梁、隧道、涵洞、路基、护网 等多维度构成的工务设备安全状态综合评价体系，通过层次分析法确 定评价体系中中间层和准则层的指标权重向量，最后结合动静态检测 监测数据，得到画像单元设备及对应的各类基础设备的安全状态评价结果，并针对评价结果高于规定阈值的画像单元设备进行预警提醒和 重点盯控。
本实施例通过动静态检测监测数据，结合关键特征标签提取计算， 构建铁路工务设备单元综合画像体系，既能大幅度提高设备运用和管 理效率，还可帮助业务部门人员对高危设备重点盯控，为及时掌握设 备安全态势、制定检修计划、开展安全排查提供辅助决策支持。
本实施例主要运用关键特征标签及层级分析法构建工务设备安 全状态综合评价体系，解决设备安全状态综合评估及高危预警问题， 主要步骤如图2所示，具体如下：
步骤100，整合跨系统工务设备画像数据，形成单元画像数据集；
如图3所示，步骤100具体包括：
步骤110：对原始的工务设备设备基础数据(主要包括设备或零 部件的基础风险扣分数据、基础隐患扣分数据和管理单位扣分数据 等)、检测监测数据(设备或零部件的动态检测等级扣分数据、静态 检测等级扣分数据和人工检查等级扣分数据等)以及运营维护数据 (设备或零部件的动态病害等级扣分数据、静态病害等级扣分数据等) 等不同类型数据进行数据预处理，除不完整和不规范的数据，并采用 替代、混洗、数值变换、加密、遮挡和数据插入等脱敏方法，实现所 有数据脱敏。
步骤120：确定工务设备画像以线路公里区间(起讫公里均为整 数公里)作为画像单元。
步骤130：按照铁路线路名称编码国家标准与线路位置定位管理， 对线路公里区间进行统一编码，主要由线路名称编码、行别代码、公 里标代码(线路公里区间起始公里)共三部分组成，共计10位数。 对桥梁、隧道、涵洞、路基、护网等工务基础设备进行统一编码，包 括设备类型代码、线路名称编码、行别代码、设备编号四部分组成， 共计13位数。
步骤140：将画像单元基础设备的设备基础数据(主要包括设备 或零部件的基础风险扣分数据、基础隐患扣分数据和管理单位扣分数 据等)、检测监测数据(设备或零部件的动态检测等级扣分数据、静 态检测等级扣分数据和人工检查等级扣分数据等)以及运营维护数据 (设备或零部件的动态病害等级扣分数据、静态病害等级扣分数据等) 进行整合，形成单元画像数据集。
Ei＝{Xi,Yi,Zi}
Xi＝[xi1,xi2,...,xin]
Yi＝[yi1,yi2,...,yim]
Zi＝[zi1,zi2,...,zip]
式中，Ei为第i个画像单元。Xi为第i个画像单元的基础数据集， xij为第i个画像单元的第j个基础数据类型。Yi为第i个画像单元的检 测监测数据集，yij为第i个画像单元的第j个检测监测数据类型。Zi为 第i个画像单元的运营维护数据集，zij为第i个画像单元的第j个运营 维护数据类型；n、m、p分别为X、Y、Z集合中的元素数量。
步骤200，构建影响安全因素的设备关键特征指标；
如图4所示，步骤200具体包括：
步骤210：建立基于Kmeans聚类方法的特征标签提取模型；针 对每个数据集Xi，Yi，Zi，各选择K个点作为初始聚类中心，将每个 数据分配到最近的中心形成K个簇，重新计算每个簇的中心，重复 以上迭代步骤，直到簇不再变化或达到指定迭代次数为止。
如图8所示，以数据集Xi为例，描述模型建立过程：
步骤211，数据集Xi＝[xi1,xi2,...,xin]，xij是第j维特征向量；
步骤212，把n个特征向量随机分为k组，Si＝[si1,si2,...,sik]；
步骤213，数据集中的数据分配到最近的簇中心，计算簇内的最 小平方和作为模型目标；
Figure BDA0003047694750000141
步骤214，重复步骤212和213，直到模型目标不变或者指定迭 代次数，整合得到排序后的h维特征向量；
步骤220：以工务基础设备类型(轨道、桥梁、隧道、涵洞、路 基、护网)指标全覆盖为原则，对得到的h维特征向量进行调整；
步骤230：最终得到影响安全因素的hupdate个设备关键特征指标。
步骤300，应用层次分析法实现关键特征指标权重；
如图5所示，步骤300具体包括：
步骤310：建立基于分层级原则的多维度工务设备安全状态综合 评价体系。依据筛选出来的hupdate个设备关键特征标签，按照不同工务 基础设备类型(轨道、桥梁、隧道、涵洞、路基、护网)重新分类， 得到工务设备安全状态综合评价体系，如图10所示。
步骤320：构造递阶层次的安全状态综合评价矩阵。对工务设备 安全状态综合评价体系中的同类型基础设备关键特征指标进行两两 比较，采用专家咨询方法确定判断标准，给出两两关键特征指标相对 重要性。轨道、桥梁、隧道、涵洞、路基、护网6个类型的基础设备 的全部关键特征指标经过两两判定之后，形成6个比较判断矩阵如下。
轨道判断矩阵：
Figure BDA0003047694750000151
桥梁判断矩阵：
Figure BDA0003047694750000152
隧道判断矩阵：
Figure BDA0003047694750000153
涵洞判断矩阵：
Figure BDA0003047694750000154
路基判断矩阵：
Figure BDA0003047694750000161
护网判断矩阵：
Figure BDA0003047694750000162
步骤330：计算判断矩阵权重向量。计算每一个判断矩阵中关键 特征指标针对其判断标准的相对权重，运用特征根法计算得到该基础 设备类型的各个关键特征指标的权重系数，并将其归一化处理。
如图9所示，以轨道判断矩阵G为例，步骤330的具体流程如下。 其他桥梁、隧道、涵洞、路基、护网等5类基础设备的判断矩阵权重 计算过程相同。
步骤331，计算轨道判断矩阵G的第i个关键特征指标几何平均 值：
Figure BDA0003047694750000164
步骤332，归一化处理几何平均值向量,最后得到所求第i个关键 特征指标的权重系数：
Figure BDA0003047694750000163
步骤333，得到轨道判断矩阵G权重向量：
GW＝(GW1,GW2,…,GWn)T
步骤334，重复步骤331、332、333，计算得到桥梁、隧道、涵 洞、路基、护网的判断矩阵权重向量QW、SW、HW、LW、WW。
步骤400，画像单元设备安全状态综合评估；
如图7所示，步骤400具体包括：
步骤410：采用专家咨询方法确定轨道、桥梁、隧道、涵洞、路 基、护网6类基础设备的权重占比,即图2中中间层因素对目标层的 权重占比：
A＝[a1,a2,a3,a4,a5,a6]
步骤420：选取某个画像单元，从原始数据集中筛选出该画像单 元在轨道、桥梁、隧道、涵洞、路基、护网6类基础设备的关键特征 指标的原始数据集(轨道Gdata，桥梁Qdata，隧道Sdata，涵洞Hdata， 路基Ldata，护网Wdata)作为对应的关键特征指标的分数，即图2 中准则层的分数。
再根据关键特征指标的权重向量GW、QW、SW、HW、LW、WW 与准则层分数，得到轨道、桥梁、隧道、涵洞、路基、护网6类基础 设备的安全状态评价结果。
轨道：Gevaluate＝Gdata*GW
桥梁：Qevaluate＝Qdata*QW
隧道：Sevaluate＝Sdata*SW
涵洞：Hevaluate＝Hdata*HW
路基：Levaluate＝Ldata*LW
护网：Wevaluate＝Wdata*WW
再根据基础设备的权重占比A和轨道、桥梁、隧道、涵洞、路基、 护网6类基础设备的安全状态评价结果Gevaluate、Qevaluate、 Sevaluate、Hevaluate、Levaluate、Wevaluate，计算得到该画像 单元设备安全状态综合评价结果Evaluate。
Evaluate＝
A*
(Gevaluate,Qevaluate,Sevaluate,Hevaluate,Levaluate,Wevaluate)T
步骤500，重点盯控设备安全状态阀值预警
如图8所示，步骤500具体包括：
步骤510：将该画像单元设备安全状态综合评价结果与规定阈值 进行比对；
步骤520：判断评价结果与阈值的大小，如高于阀值则该画像单 元及所涉及的基础设备将作为重点盯控进行时空预警，如低于阀值则 该画像单元及所涉及的基础设备将作为一般盯控进行管理。
本实施例的有益效果在于：
本实施例分析铁路工务专业设备运维现状，基于智能编码技术将 同一画像单元对象的基础数据、检测监测数据、运营维护数据进行整 合提取与安全最相关的属性特征，确定影响设备使用寿命以及设备安 全隐患的关键特征标签，从而构建由轨道、桥梁、隧道、涵洞、路基、 护网等多维度构成的工务设备安全状态综合评价体系，应用层次分析 法给出评价体系中中间层和准则层的指标权重向量，最终可输入任意 区间内画像单元设备的动静态检测监测数据，计算得到画像单元设备 安全状态综合评价及对应的各类基础设备安全状态评价结果，并将评 价结果高于规定阈值的画像单元及基础设备作为重点盯控进行时空 预警及维修建议，从而对工务专业设备进行全面综合的画像，对于掌 握工务专业范围内设备整体运行质量、提高设备运维管理效率、有效 管控安全薄弱环节具有重要的意义。
下面对本发明提供的铁路工务设备单元综合画像预警装置进行 描述，下文描述的铁路工务设备单元综合画像预警装置与上文描述的 铁路工务设备单元综合画像预警方法可相互对应参照。
本发明实施例还提供一种铁路工务设备单元综合画像预警系统， 包括画像单元设置模块、数据整合模块、特征指标建立模块、权重建 立模块、评价模块以及预警模块；
所述画像单元设置模块能够将铁路工务设备以设定的方法分组， 作为多个画像单元；
所述数据整合模块能够获取铁路工务设备画像数据，根据铁路工 务设备所属的画像单元，将铁路工务设备画像数据整合为多个画像单 元数据集；
所述特征指标建立模块能够针对多个画像单元数据集，建立影响 安全因素的设备特征指标；
所述权重建立模块能够对设备特征指标建立设定的设备特征权 重；
所述评价模块能够根据设备特征指标和设备特征权重，计算得到 画像单元设备安全状态综合评价结果；
所述预警模块能够根据画像单元设备安全状态综合评价结果，进 行设定的预警动作和/或监控动作。
本实施例的有益效果在于：
通过将铁路工务设备分为多个画像单元，并以画像单元为单位对 数据进行整合分析，基于权重建立画像单元设备安全状态综合评价结 果，能够适用于任意线路、任意线路区间、任意工务设备类型安全状 态评估预警，对于掌握工务专业范围内设备整体运行质量、提高设备 运维管理效率、有效管控安全薄弱环节具有重要的意义。
图11示例了一种电子设备的实体结构示意图，如图11所示，该 电子设备可以包括：处理器(processor)1110、通信接口(Communications Interface)1120、存储器(memory)1130和通信总线1140，其中，处理 器1110，通信接口1120，存储器1130通过通信总线1140完成相互 间的通信。处理器1110可以调用存储器1130中的逻辑指令，以执行 铁路工务设备单元综合画像预警方法，该方法包括：将铁路工务设备 以设定的方法分组，作为多个画像单元；获取铁路工务设备画像数据， 根据铁路工务设备所属的画像单元，将铁路工务设备画像数据整合为 多个画像单元数据集；针对多个画像单元数据集，建立影响安全因素 的设备特征指标；对设备特征指标建立设定的设备特征权重；根据设 备特征指标和设备特征权重，计算得到画像单元设备安全状态综合评 价结果；根据画像单元设备安全状态综合评价结果，进行设定的预警 动作和/或监控动作。
此外，上述的存储器1130中的逻辑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。基于这样的理解，本发明的技术方案本质上或者 说对现有技术做出贡献的部分或者该技术方案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)执行本发明各个实施例所述方法的全部或部分步骤。 而前述的存储介质包括：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)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序 产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计 算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能 够执行上述各方法所提供的铁路工务设备单元综合画像预警方法，该 方法包括：将铁路工务设备以设定的方法分组，作为多个画像单元； 获取铁路工务设备画像数据，根据铁路工务设备所属的画像单元，将 铁路工务设备画像数据整合为多个画像单元数据集；针对多个画像单 元数据集，建立影响安全因素的设备特征指标；对设备特征指标建立 设定的设备特征权重；根据设备特征指标和设备特征权重，计算得到画像单元设备安全状态综合评价结果；根据画像单元设备安全状态综 合评价结果，进行设定的预警动作和/或监控动作。
又一方面，本发明还提供一种非暂态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以执行上述各 提供的铁路工务设备单元综合画像预警方法，该方法包括：将铁路工 务设备以设定的方法分组，作为多个画像单元；获取铁路工务设备画 像数据，根据铁路工务设备所属的画像单元，将铁路工务设备画像数 据整合为多个画像单元数据集；针对多个画像单元数据集，建立影响 安全因素的设备特征指标；对设备特征指标建立设定的设备特征权重； 根据设备特征指标和设备特征权重，计算得到画像单元设备安全状态 综合评价结果；根据画像单元设备安全状态综合评价结果，进行设定 的预警动作和/或监控动作。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部 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 者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付 出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解 到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然 也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现 有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 件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光 盘等，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)执行各个实施例或者实施例的某些部分所 述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而 非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领 域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技 术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修 改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方 案的精神和范围。

Claims (9)

1.一种铁路工务设备单元综合画像预警方法，其特征在于，包括：
将铁路工务设备以设定的方法分组，作为多个画像单元；
获取铁路工务设备画像数据，根据铁路工务设备所属的画像单元，将铁路工务设备画像数据整合为多个画像单元数据集；
针对多个画像单元数据集，建立影响安全因素的设备特征指标；
对设备特征指标建立设定的设备特征权重；
根据设备特征指标和设备特征权重，计算得到画像单元设备安全状态综合评价结果；
根据画像单元设备安全状态综合评价结果，进行设定的预警动作和/或监控动作。
2.根据权利要求1所述的铁路工务设备单元综合画像预警方法，其特征在于，所述根据铁路工务设备所属的画像单元，将铁路工务设备画像数据整合为多个画像单元数据集的步骤包括：
获取跨系统铁路工务设备画像数据；
对跨系统铁路工务设备画像数据进行预处理；
根据铁路工务设备所属的画像单元，将预处理后的跨系统铁路工务设备画像数据整合，形成多个画像单元数据集；
所述跨系统工务设备画像数据包括设备基础数据、检测监测数据以及运营维护数据中的任一者或任多者组合；
所述预处理包括去除不完整数据、去除不规范数据以及数据脱敏中的任一者或任多者组合；所述数据脱敏包括替代、混洗、数值变换、加密、遮挡以及数据插入中的任一者或任多者组合；
所述画像单元数据集包括基础数据子集、检测监测数据子集以及运营维护数据子集中的任一者或任多者组合。
3.根据权利要求1所述的铁路工务设备单元综合画像预警方法，其特征在于，所述针对多个画像单元数据集，建立影响安全因素的设备特征指标的步骤包括：
针对每个画像单元的基础数据子集、检测监测数据子集以及运营维护数据子集，基于工务设备类型，聚类建立基础数据特征标签、检测监测特征标签以及运营维护特征标签；
将多个画像单元的基础数据特征标签、检测监测特征标签以及运营维护特征标签，以设定目标进行排序计算，得到特征标签排序结果；
根据特征标签排序结果，将满足特征标签选取条件的h个特征标签整合为h维特征向量，作为影响安全因素的设备特征指标；
所述特征标签选取条件包括设备类型全覆盖；所述设备类型全覆盖是指，对于任一种工务设备类型，h维特征向量中均存在至少一个特征标签与这种工务设备类型对应；
所述工务设备类型包括轨道、桥梁、隧道、涵洞、路基以及护网中的任一者或任多者组合；
其中，h为正整数。
4.根据权利要求3所述的铁路工务设备单元综合画像预警方法，其特征在于，所述针对每个画像单元的基础数据子集、检测监测数据子集以及运营维护数据子集，基于工务设备类型，聚类建立基础数据特征标签、检测监测特征标签以及运营维护特征标签的步骤包括：
依次对每个画像单元的基础数据子集、检测监测数据子集以及运营维护数据子集进行Kmeans聚类；
所述Kmeans聚类是指：
针对进行聚类的集合，确定K个点作为初始聚类中心，将集合中的每个数据分配到最近的初始聚类中心形成K个簇；
进行迭代运算并重复迭代运算，直至达到设定的迭代次数或者得到设定的迭代结果，将迭代结束后的K个簇作为所述进行聚类的集合的特征标签；
所述迭代运算是指，计算K个簇的K个迭代聚类中心，将集合中的每个数据重新分配到最近的迭代聚类中心，形成新的K个簇；
其中，K为正整数。
5.根据权利要求1所述的铁路工务设备单元综合画像预警方法，其特征在于，所述对设备特征指标建立设定的设备特征权重的步骤包括：
将同一画像单元中的设备特征指标根据工务设备类型分类；
通过设定的方法，在第j个工务设备类型中，计算得到第i个设备特征指标相对于其他每个设备特征指标的相对重要性参数组；
根据第j个工务设备类型中第i个设备特征指标的相对重要性参数组，计算得到第j个工务设备类型中第i个设备特征指标的权重系数；
将第j个工务设备类型中每个设备特征指标的权重系数集合排列为比较判断矩阵，作为第j个工务设备类型中设备特征指标对应的权重，记为第j个第一权重；
针对第j个工务设备类型，设定工务设备类型对应的权重值，记为第j个第二权重；
其中，i、j均为为正整数；所述工务设备类型包括轨道、桥梁、隧道、涵洞、路基以及护网中的任一者或任多者组合；所述设备特征权重包括第一权重和第二权重。
6.根据权利要求5所述的铁路工务设备单元综合画像预警方法，其特征在于，所述根据设备特征指标和设备特征权重，计算得到画像单元设备安全状态综合评价结果的步骤包括：
在同一画像单元中，针对第j个工务设备类型，根据第j个工务设备类型中的设备特征指标和第j个第一权重，计算得到第j个工务设备类型对应的评价结果；
根据各工务设备类型对应的评价结果和第二权重，计算得到所述画像单元设备安全状态综合评价结果。
7.一种铁路工务设备单元综合画像预警系统，其特征在于，包括画像单元设置模块、数据整合模块、特征指标建立模块、权重建立模块、评价模块以及预警模块；
所述画像单元设置模块能够将铁路工务设备以设定的方法分组，作为多个画像单元；
所述数据整合模块能够获取铁路工务设备画像数据，根据铁路工务设备所属的画像单元，将铁路工务设备画像数据整合为多个画像单元数据集；
所述特征指标建立模块能够针对多个画像单元数据集，建立影响安全因素的设备特征指标；
所述权重建立模块能够对设备特征指标建立设定的设备特征权重；
所述评价模块能够根据设备特征指标和设备特征权重，计算得到画像单元设备安全状态综合评价结果；
所述预警模块能够根据画像单元设备安全状态综合评价结果，进行设定的预警动作和/或监控动作。
8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述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程序时实现如权利要求1至6任一项所述铁路工务设备单元综合画像预警方法的步骤。
9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述铁路工务设备单元综合画像预警方法的步骤。
CN202110476868.9A 2021-04-29 2021-04-29 铁路工务设备单元综合画像预警方法和系统 Active CN113191631B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110476868.9A CN113191631B (zh) 2021-04-29 2021-04-29 铁路工务设备单元综合画像预警方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110476868.9A CN113191631B (zh) 2021-04-29 2021-04-29 铁路工务设备单元综合画像预警方法和系统

Publications (2)

Publication Number Publication Date
CN113191631A true CN113191631A (zh) 2021-07-30
CN113191631B CN113191631B (zh) 2024-06-14

Family

ID=76980857

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110476868.9A Active CN113191631B (zh) 2021-04-29 2021-04-29 铁路工务设备单元综合画像预警方法和系统

Country Status (1)

Country Link
CN (1) CN113191631B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113592336A (zh) * 2021-08-09 2021-11-02 安徽富煌科技股份有限公司 一种基于智能化集成系统全域运行态势分析办法
CN113723811A (zh) * 2021-08-30 2021-11-30 平安国际智慧城市科技股份有限公司 基于机器学习的设备维保单位评估方法、装置及电子设备
CN116049700A (zh) * 2023-04-03 2023-05-02 佰聆数据股份有限公司 基于多模态的运检班组画像生成方法及装置
CN118333405A (zh) * 2024-06-12 2024-07-12 深圳启程智远网络科技有限公司 一种基于大数据的企业安全性分析系统、方法及介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013121344A2 (en) * 2012-02-17 2013-08-22 Balaji Venkatraman Real time railway disaster vulnerability assessment and rescue guidance system using multi-layered video computational analytics
CN104217122A (zh) * 2014-09-15 2014-12-17 北京市市政工程研究院 基于多元信息预警系统的隧道施工过程安全评价方法
CN108876184A (zh) * 2018-06-29 2018-11-23 中车建设工程有限公司 一种高速铁路隧道运营期的安全风险评价及预警方法
CN109345117A (zh) * 2018-09-30 2019-02-15 北京工业大学 一种多维数据驱动的交通运输主体综合画像方法
CN110705873A (zh) * 2019-09-30 2020-01-17 国网福建省电力有限公司 一种新型的配电网运行状态画像分析方法
KR102165528B1 (ko) * 2020-06-03 2020-10-14 (주)금호전력 철도설비 상태감시를 위한 센싱 및 융합데이터 모니터링 시스템

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013121344A2 (en) * 2012-02-17 2013-08-22 Balaji Venkatraman Real time railway disaster vulnerability assessment and rescue guidance system using multi-layered video computational analytics
CN104217122A (zh) * 2014-09-15 2014-12-17 北京市市政工程研究院 基于多元信息预警系统的隧道施工过程安全评价方法
CN108876184A (zh) * 2018-06-29 2018-11-23 中车建设工程有限公司 一种高速铁路隧道运营期的安全风险评价及预警方法
CN109345117A (zh) * 2018-09-30 2019-02-15 北京工业大学 一种多维数据驱动的交通运输主体综合画像方法
CN110705873A (zh) * 2019-09-30 2020-01-17 国网福建省电力有限公司 一种新型的配电网运行状态画像分析方法
KR102165528B1 (ko) * 2020-06-03 2020-10-14 (주)금호전력 철도설비 상태감시를 위한 센싱 및 융합데이터 모니터링 시스템

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
张万鹏 等: ""基于层次分析法的工务安全评价研究"", 《铁路计算机应用》, no. 2014, pages 1 - 4 *
王玥: "《供应链金融信用体系评价方法及应用》", vol. 1, 北京冶金工业出版社, pages: 100 - 102 *
苏尔慈 等: ""基于铁路数据服务平台的铁路工务设备安全画像应用设计方案"", 《铁路计算机应用》, vol. 29, no. 06, pages 34 - 38 *
赵永柱 等: ""基于电力资产全寿命周期的标签画像技术研究"", 《电网与清洁能源》, vol. 34, no. 01, pages 51 - 58 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113592336A (zh) * 2021-08-09 2021-11-02 安徽富煌科技股份有限公司 一种基于智能化集成系统全域运行态势分析办法
CN113723811A (zh) * 2021-08-30 2021-11-30 平安国际智慧城市科技股份有限公司 基于机器学习的设备维保单位评估方法、装置及电子设备
CN116049700A (zh) * 2023-04-03 2023-05-02 佰聆数据股份有限公司 基于多模态的运检班组画像生成方法及装置
CN116049700B (zh) * 2023-04-03 2023-06-20 佰聆数据股份有限公司 基于多模态的运检班组画像生成方法及装置
CN118333405A (zh) * 2024-06-12 2024-07-12 深圳启程智远网络科技有限公司 一种基于大数据的企业安全性分析系统、方法及介质
CN118333405B (zh) * 2024-06-12 2024-09-03 深圳启程智远网络科技有限公司 一种基于大数据的企业安全性分析系统、方法及介质

Also Published As

Publication number Publication date
CN113191631B (zh) 2024-06-14

Similar Documents

Publication Publication Date Title
CN113191631B (zh) 铁路工务设备单元综合画像预警方法和系统
CN113688459B (zh) 基于bim与ai的施工现场安全管理系统
Qu et al. Feature recognition of urban road traffic accidents based on GA-XGBoost in the context of big data
CN111178598A (zh) 铁路客运站客流量预测方法、系统、电子设备及存储介质
CN117172414A (zh) 一种基于bim技术的建筑幕墙施工管理系统
CN113380033A (zh) 基于人机混合增强智能的城市交通安全预警方法及系统
An et al. Railway risk assessment-the fuzzy reasoning approach and fuzzy analytic hierarchy process approaches: a case study of shunting at waterloo depot
CN113033840B (zh) 一种公路养护的判断方法和装置
CN112084240B (zh) 一种群租房智能识别、联动治理方法及系统
CN114118507A (zh) 一种基于多维信息融合的风险评估预警方法和装置
CN114418175A (zh) 一种人员管理方法、装置、电子设备及存储介质
CN103942739A (zh) 建筑项目风险知识库的构建方法
CN116976318A (zh) 基于深度学习和模型推理的电网倒闸操作票智能审核系统
CN118153963A (zh) 一种基于大数据的资产安全风险管理系统
CN113642162A (zh) 一种城市道路交通应急预案仿真综合分析方法
Yan et al. Evaluating railway operation safety situation in China based on an improved TOPSIS method: A regional perspective
CN112950011B (zh) 轨道交通系统风险链分析方法和装置
Ragala et al. Railway track faults detection based on image processing using MobileNet
Hu et al. Development of the real-time evaluation and decision support system for incident management
Zhang et al. Modelling the information flows during emergency response
Jeon et al. Deep learning approaches for vulnerable road users safety
Yaghoubi et al. Model-based clustering (MBC) for road data via multivariate mixture of normal distributions and factor analysis (FA)
CN110889468A (zh) 一种可排除错误信息的多模型不确定再现结果分析方法
CN115345465B (zh) 一种基于基层治理事件的多色层级管理方法及系统
Mashhadi et al. Comparing Performance of Different Machine Learning Methods for Predicting Severity of Construction Work Zone Crashes

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
GR01 Patent grant
GR01 Patent grant