CN113449926B - 轨道交通车辆数据安全管理方法、系统、存储介质及设备 - Google Patents
轨道交通车辆数据安全管理方法、系统、存储介质及设备 Download PDFInfo
- Publication number
- CN113449926B CN113449926B CN202110785581.4A CN202110785581A CN113449926B CN 113449926 B CN113449926 B CN 113449926B CN 202110785581 A CN202110785581 A CN 202110785581A CN 113449926 B CN113449926 B CN 113449926B
- Authority
- CN
- China
- Prior art keywords
- data
- rail transit
- transit vehicle
- authority
- time
- 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.)
- Active
Links
- 238000007726 management method Methods 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 9
- 230000000875 corresponding effect Effects 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 15
- 238000013136 deep learning model Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 6
- 238000002372 labelling Methods 0.000 claims description 4
- 238000013523 data management Methods 0.000 claims description 3
- 230000002596 correlated effect Effects 0.000 claims description 2
- 230000008520 organization Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 238000013135 deep learning Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000013468 resource allocation Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000003137 locomotive effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000003062 neural network model Methods 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/211—Selection of the most significant subset of features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/44—Program or device authentication
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/604—Tools and structures for managing or administering access control systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Security & Cryptography (AREA)
- Evolutionary Computation (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Marketing (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Computer Hardware Design (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Game Theory and Decision Science (AREA)
- Automation & Control Theory (AREA)
- Bioethics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供了一种轨道交通车辆数据安全管理方法、系统、存储介质及设备,获取已有或新录入的轨道交通车辆数据;根据所述数据所对应的轨道交通车辆的实时定位信息、运行区段、车辆所在最近站点和当前时间,确定所述轨道交通车辆所在路局;根据所在路局各部门业务需求,以运行时间、运营区段和轨道交通车辆位置中若干维度,确定所在路局各部门的管理权限,按照所述管理权限对轨道交通车辆数据进行处理。本公开能够从数据层面实现按业务需求自动进行数据权限划分,保证各业务人员集中关注自身部门业务应用的数据,并且使数据得到最大化使用效率。
Description
技术领域
本公开属于数据管控技术领域,具体涉及一种轨道交通车辆数据安全管理方法、系统、存储介质及设备。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息,不必然构成在先技术。
随着轨道车辆故障预测与健康管理系统的正式应用和逐渐完善,对轨道车辆运行安全要求也越来越高,随之而来的是大大增加了运营人员的工作量以及对于不同部门、不同业务存在大量冗余的信息。造成了不同部门的人员可能对同一部分数据进行重复处理,也有可能同时忽略了某一部分数据,数据处理人员和理应处理人不对应,数据处理效率低等诸多问题。
发明内容
本公开为了解决上述问题,提出了一种轨道交通车辆数据安全管理方法、系统、存储介质及设备,本公开能够从数据层面实现按业务需求自动进行数据权限划分,保证各业务人员集中关注自身部门业务应用的数据,并且使数据得到最大化使用效率。
根据一些实施例,本公开采用如下技术方案:
一种轨道交通车辆数据安全管理方法,包括以下步骤:
获取已有或新录入的轨道交通车辆数据;
根据所述数据所对应的轨道交通车辆的实时定位信息、运行区段、车辆所在最近站点和当前时间,确定所述轨道交通车辆所在路局;
根据所在路局各部门业务需求,以运行时间、运营区段和轨道交通车辆位置中若干维度,确定所在路局各部门的管理权限,按照所述管理权限对轨道交通车辆数据进行处理。
上述方案中,基于轨道交通车辆的运行时间、运营区段、车辆位置等三维度的随机组合形式进行各级部门个性化定制,实现自动化、配置化列车数据权限管理,满足不同部门业务应用需求,使得各个部门都能够重点针对其业务进行精准应用。
作为可选择的实施方式,所述轨道交通车辆数据的获取来源包括实时数据和离线数据。
作为进一步的限定,所述实时数据包括列车运行模拟量参数、逻辑量参数、故障数据以及其他通过车载设备传回地面的数据,还包括走行部监测数据和蓄电池监测数据。
作为进一步的限定,所述离线数据包括第三方系统数据、车载存储设备存储数据、服务站终端采集数据中的至少部分数据。
作为可选择的实施方式,确定所述轨道交通车辆所在路局的具体过程包括:
作为可选择的实施方式,根据轨道交通车辆的实时定位信息、运行区段、车辆所在最近站点和当前时间,利用深度学习模型进行学习,预测所述轨道交通车辆所在路局。
作为进一步的限定,预测过程包括:
将轨道交通车辆的实时定位信息、运行区段、车辆所在最近站点、当前时间、路局信息进行标签化;
对标签化后的数据进行离散化和特征提取;
基于已经训练好的深度学习模型,基于提取的特征,预测轨道交通车辆所在路局。
作为可选择的实施方式,以运行时间、运营区段和轨道交通车辆位置中若干维度,确定所在路局各部门的管理权限的具体过程包括:根据路局下属各个部门的应用需求以及主机厂各应用部门的应用需求,以运行时间、运营区段和轨道交通车辆位置中任一维度,或不同组合维度,对各个部门进行权限配置。
作为可选择的实施方式,按照所述管理权限对轨道交通车辆数据进行处理的具体过程包括:对各部门相应业务人员,分别建立权限类型表、权限表、角色表和用户表,各表之间信息相互关联,按照构建的表格,对数据管理系统中对相应业务人员的账户配置相应的权限。
作为进一步的限定,所述权限类型表包括权限类型ID和权限类型字段;
所述权限表包括权限ID、权限类型ID和权限描述字段;
所述角色表包括管理角色ID、角色名;
所述用户表包括用户ID、用户名字段。
一种轨道交通车辆数据安全管理系统,包括:
数据获取模块,被配置为获取已有或新录入的轨道交通车辆数据;
所在路局预测模块,被配置为根据所述数据所对应的轨道交通车辆的实时定位信息、运行区段、车辆所在最近站点和当前时间,确定所述轨道交通车辆所在路局;
权限配置模块,被配置为根据所在路局各部门业务需求,以运行时间、运营区段和轨道交通车辆位置中若干维度,确定所在路局各部门的管理权限,按照所述管理权限对轨道交通车辆数据进行处理。
一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,完成上述方法中的步骤。
一种电子设备,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成上述方法中的步骤。
与现有技术相比,本公开的有益效果为:
本公开实现了运行人员与各区段、时间及车辆位置的精准匹配,有利于轨道交通车辆的管理者的合理资源调配与精准决策。
本公开通过对数据层不同组合形式的权限设置,既能满足各个业务部门应用需求,又能提升应用效率,使得车辆运营人员的工作量大大降低,使工作更精细化,保障数据安全性。
本公开利用深度学习技术实现了根据车辆实时定位信息,结合运行区段、车辆所在最近站点和当前时间,准确预测其对应路局,保证权限配置的准确性,也使得各部门对车辆运行实现精准匹配监控,更加精确地保证车辆安全运行。
为使本公开的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解,本公开的示意性实施例及其说明用于解释本公开,并不构成对本公开的不当限定。
图1是本实施例的数据权限管理整体思路图;
图2是本实施例的车辆实时位置所在路局预测建模流程图;
图3是本实施例的权限管理流程图;
图4是本实施例的路局各部门权限设定示意图;
图5是本实施例的路局各部门具体权限配置表;
图6是本实施例的主机厂各部门权限设定示意图;
图7是本实施例的主机厂各部门具体权限配置表。
具体实施方式:
下面结合附图与实施例对本公开作进一步说明。
应该指出,以下详细说明都是例示性的,旨在对本公开提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本公开的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在本公开中,术语如“上”、“下”、“左”、“右”、“前”、“后”、“竖直”、“水平”、“侧”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系,只是为了便于叙述本公开各部件或元件结构关系而确定的关系词,并非特指本公开中任一部件或元件,不能理解为对本公开的限制。
本公开中,术语如“固接”、“相连”、“连接”等应做广义理解,表示可以是固定连接,也可以是一体地连接或可拆卸连接;可以是直接相连,也可以通过中间媒介间接相连。对于本领域的相关科研或技术人员,可以根据具体情况确定上述术语在本公开中的具体含义,不能理解为对本公开的限制。
本实施例提供了一种轨道交通车辆数据安全管理方法,基于动车组运行时间、运营区段、车辆位置多种随机组合形式实现自动化、配置化的列车数据权限管理,满足不同业务人员业务使用,保证了数据的安全性和使用效率。
在本实施例中,需要对车载数据各个数据源进行数据采集以及数据存储,最终把全量数据存入Hbase对应的全量历史数据表;再次,根据每辆车的定位信息,确定车辆所在路局;最终,按照时间、运行区段、定位信息以及其组合对所在主机厂或路局的所有车辆数据按照不同的组合形式进行权限安全管理。
整体步骤如图1所示。
下面进行具体介绍,首先是数据的获取。在本实施例中,数据来源主要包括:车载实时数据、多数据源离线数据。车载实时数据:主要指车载WTD设备采集和传输的列车运行状态数据,包括列车运行模拟量参数、逻辑量参数、故障数据以及其他能够通过WTD设备传回地面的数据。
另外,还可以获取走行部监测数据、蓄电池监测数据等),最终实现数据接入系统。多数据源离线数据:离线数据采集主要是采集生产系统的数据(如第三方系统数据、车载存储设备存储的各类数据等)或者服务站终端采集数据,这类数据的采集和处理对实时性要求不高,以离线方式进行采集。
在本实施例中,针对车载各个接口的全量数据集通过kafka消息队列抽取进Hbase,全量数据采集进入大数据平台。
因为最终需要从主机厂和路局各自的应用需求出发,对其权限管理进行细分。
考虑到运行区段可能跨越不同的路局,同一辆车在不同时间段内可能在不同的路局,不同的列车出现在同一路局。因此,本实施例从根据车辆定位位置、运行区段、车辆所在最近站点、当前时间来预测车辆所在的路局。基于深度学习预测算法能够实现多参数的非线性函数关系拟合,并且有较好的泛化性,因此,本实施例中采用深度学习DNN来实现对车辆所在路局的预测。
如图2所示,具体的预测过程包括:
1)车辆GPS、运行区段、所在最近站点、当前时间、路局等数据标签化;
2)数据离散化以及数据特征提取;
3)基于深度学习DNN算法预测建模;
4)基于实时数据和优化好的模型,实现车辆GPS所在路局的实时预测。
当然,在本实施例中,利用的是车辆GPS获取车辆定位信息,在其他实施例中,可以选用其他定位模块或定位方式获取定位信息。
同样的,本实施例中,预测的具体模型可以更换为其他神经网络模型。
确定好路局后,对路局下属部门以及主机厂各部门进行权限设置。本实施例从时间、运行区间、车辆GPS三个维度以及其组合形式进行数据权限设定,服务于主机厂和路局下各个部门,使得各个部门能够重点针对其业务进行精准应用。
但是,在权限配置和具体业务人员相应管理系统或软件的对应下,本实施例采用以下方式。
如图3所示,建立权限类型表:包括权限类型ID和权限类型字段;
建立权限表:包括权限ID、权限类型ID、权限描述字段;
建立角色表:包括角色ID、角色名等字段,根据系统的特点设置角色,建立角色权限表,包括角色ID、权限ID、权限类型ID字段,将权限分配给角色,并记录到角色权限表中,则角色和权限有了关联,建立用户,并将用户分配给角色,则用户通过角色与权限建立了关联。
可以在创建用户时需指定角色。也可以在后期进行维护,一个用户可以拥有多角色,用户登录时会取该用户下所有角色的资源合集。每个角色和功能进行关联,选中角色后进入关联功能页面,可进行添加功能、删除功能操作。角色支持添加、修改和删除操作。
建立用户表:包括用户ID、用户名字段。
建立用户的角色表,包括用户ID、角色ID字段;用户信息主要包括用户账号、姓名、性别、所属组织机构、联系方式等基本信息,用户信息可新增、可修改、可删除,可一键重置密码。
创建用户时需指定组织机构,用户登录时,根据用户的组织机构获取到用户能够查看的线路等信息,在相应的功能页面进行展示。
在系统机构管理模块中,组织机构可以和已有的人员管理系统的组织机构打通,并采用统一认证方式登录。通过组织机构可以控制不同机构人员查看菜单、数据的权限。
用户权限管理:在用户登录并操作系统过程中,通过实时查询用户所具有的权限,实现复杂的权限管理。系统使用角色控制功能权限(包括菜单、按钮),将系统中所有的菜单和按钮配置成资源管理模块中的资源。
创建角色后,对角色进行资源配置,对用户设置角色(同一个人可以设置多个角色)。用户登录的时候,通过用户的角色,查询出用户所对应的菜单,在首页展示。支持添加、修改和删除操作。不同角色人员通过权限管理实现访问不同的功能模块。
对于路局各下属部门权限的设置,本实施例考虑到各路局下属部门(譬如,机务段、车辆段、客运段)有不同的应用需求,所需要的数据也有相应的特殊性,根据不同部门对数据的需求不同,对其设置不同的权限。针对路局下属部门的不同需求,从基于时间、运行区段、车辆定位三个维度对其进行相应的权限设定,具体权限形式如图4所示,其分为:超级管理员、时间限定、运行区段限定、时间和运行区段组合形式限定。
为了方便用户管理权限配置,对用户管理进行设计。在本实施例中,可【添加】、【修改】、【删除】等按钮,表设计对应的有用户账号、姓名、路局、下属部门、开始时间、结束时间、运行区段等字段。
为方便本领域技术人员理解,以具体示例进行说明:
北京铁路局,北京机务段没有权限设置;北京铁路局,北京车辆段:限定时间为2021.1.1 00:00:00-2021.2.1 00:00:00;北京铁路局,天津机务段:运行区段为北京南到上海虹桥;北京铁路局,天津车辆段:2021/2/15 1:00:00-2021/2/15 12:00:00,运行区段为北京南到上海虹桥。
通过【添加】按钮进行新用户权限的添加,采用下拉菜单选择方式进行选取,譬如,路局一栏下拉:北京铁路局、上海铁路局、郑州铁路局、济南铁路局等,用户可以根据自己的需求进行选取,选取铁路局后,其对应的下属部门也会相应的进行匹配,并也通过下拉形式进行选择;运行区段也类似;对于开始时间、结束时间的选取,可点击开始时间,根据日期、时间进行选取,并点击【确定】即可,结束时间类似。
对于【添加】相关配置后,点击【确定】,就可以在下图表格中进行顺次添加。
路局下属各部门具体权限配置示意表如图5所示。
主机厂各应用部门(譬如,信息技术部、技术中心、工程中心,检修服务事业部)有不同的应用需求,对数据也有相应的要求。根据不同部门对数据的需求不同,对其设置不同的权限。针对主机厂的特殊需求,本发明基于时间、运行区间等做如图6所示的进行权限划分:超级管理员、时间限定、运行区段限定、车辆所在路局限定、时间和运行区段组合、时间和路局组合、路局和运行区段组合、路局和运行区间和时间组合。主机厂各部门具体权限配置表如图7所示。
综上,上述实施例实现了运行人员与各区段、时间及车辆位置的精准匹配,有利于管理者的合理资源调配与精准决策。通过权限设置,使得轨道车辆运营人员的工作量大大降低,使工作更精细化,保障数据安全性。
以上所述仅为本公开的优选实施例而已,并不用于限制本公开,对于本领域的技术人员来说,本公开可以有各种更改和变化。凡在本公开的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
上述虽然结合附图对本公开的具体实施方式进行了描述,但并非对本公开保护范围的限制,所属领域技术人员应该明白,在本公开的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。
Claims (10)
1.一种轨道交通车辆数据安全管理方法,其特征是:包括以下步骤:
获取已有或新录入的轨道交通车辆数据;
根据所述数据所对应的轨道交通车辆的实时定位信息、运行区段、车辆所在最近站点和当前时间,确定所述轨道交通车辆所在路局;
根据所在路局各部门业务需求,以运行时间、运营区段和轨道交通车辆位置中若干维度,确定所在路局各部门的管理权限,按照所述管理权限对轨道交通车辆数据进行处理;
确定所述轨道交通车辆所在路局的具体过程包括:根据轨道交通车辆的实时定位信息、运行区段、车辆所在最近站点和当前时间,利用深度学习模型进行学习,预测所述轨道交通车辆所在路局,具体预测过程包括:
将轨道交通车辆的实时定位信息、运行区段、车辆所在最近站点、当前时间、路局信息进行标签化;
对标签化后的数据进行离散化和特征提取;
基于实时数据和已经训练好的深度学习模型,基于提取的特征,实时预测轨道交通车辆所在路局。
2.如权利要求1所述的一种轨道交通车辆数据安全管理方法,其特征是:所述轨道交通车辆数据的获取来源包括实时数据和离线数据。
3.如权利要求2所述的一种轨道交通车辆数据安全管理方法,其特征是:所述实时数据包括列车运行模拟量参数、逻辑量参数、故障数据以及其他通过车载设备传回地面的数据,还包括走行部监测数据和蓄电池监测数据。
4.如权利要求2所述的一种轨道交通车辆数据安全管理方法,其特征是:所述离线数据包括第三方系统数据、车载存储设备存储数据、服务站终端采集数据。
5.如权利要求1所述的一种轨道交通车辆数据安全管理方法,其特征是:以运行时间、运营区段和轨道交通车辆位置中若干维度,确定所在路局各部门的管理权限的具体过程包括:根据路局下属各个部门的应用需求以及主机厂各应用部门的应用需求,以运行时间、运营区段和轨道交通车辆位置中任一维度,或不同组合维度,对各个部门进行权限配置。
6.如权利要求1所述的一种轨道交通车辆数据安全管理方法,其特征是:按照所述管理权限对轨道交通车辆数据进行处理的具体过程包括:对各部门相应业务人员,分别建立权限类型表、权限表、角色表和用户表,各表之间信息相互关联,按照构建的表格,对数据管理系统中相应业务人员的账户配置相应的权限。
7.如权利要求6所述的一种轨道交通车辆数据安全管理方法,其特征是:所述权限类型表包括权限类型ID和权限类型字段;
所述权限表包括权限ID、权限类型ID和权限描述字段;
所述角色表包括管理角色ID、角色名;
所述用户表包括用户ID、用户名字段。
8.一种轨道交通车辆数据安全管理系统,其特征是:包括:
数据获取模块,被配置为获取已有或新录入的轨道交通车辆数据;
所在路局预测模块,被配置为根据所述数据所对应的轨道交通车辆的实时定位信息、运行区段、车辆所在最近站点和当前时间,确定所述轨道交通车辆所在路局;
权限配置模块,被配置为根据所在路局各部门业务需求,以运行时间、运营区段和轨道交通车辆位置中若干维度,确定所在路局各部门的管理权限,按照所述管理权限对轨道交通车辆数据进行处理;
确定所述轨道交通车辆所在路局的具体过程包括:根据轨道交通车辆的实时定位信息、运行区段、车辆所在最近站点和当前时间,利用深度学习模型进行学习,预测所述轨道交通车辆所在路局,具体预测过程包括:
将轨道交通车辆的实时定位信息、运行区段、车辆所在最近站点、当前时间、路局信息进行标签化;
对标签化后的数据进行离散化和特征提取;
基于实时数据和已经训练好的深度学习模型,基于提取的特征,实时预测轨道交通车辆所在路局。
9.一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,完成权利要求1-7中任一项所述的一种轨道交通车辆数据安全管理方法中的步骤。
10.一种电子设备,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成权利要求1-7中任一项所述的一种轨道交通车辆数据安全管理方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110785581.4A CN113449926B (zh) | 2021-07-12 | 2021-07-12 | 轨道交通车辆数据安全管理方法、系统、存储介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110785581.4A CN113449926B (zh) | 2021-07-12 | 2021-07-12 | 轨道交通车辆数据安全管理方法、系统、存储介质及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113449926A CN113449926A (zh) | 2021-09-28 |
CN113449926B true CN113449926B (zh) | 2022-07-29 |
Family
ID=77815999
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110785581.4A Active CN113449926B (zh) | 2021-07-12 | 2021-07-12 | 轨道交通车辆数据安全管理方法、系统、存储介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113449926B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101394549A (zh) * | 2008-10-28 | 2009-03-25 | 北京佳讯飞鸿电气股份有限公司 | 一种铁路综合视频监控系统 |
CN102609781A (zh) * | 2011-12-15 | 2012-07-25 | 东南大学 | 一种基于od更新的公路交通预测系统及方法 |
CN109785656A (zh) * | 2019-03-18 | 2019-05-21 | 南京大学 | 一种基于局部近似秩的交通规划及导航方法 |
CN112529755A (zh) * | 2021-01-16 | 2021-03-19 | 江苏江凌测控科技股份有限公司 | 高铁动车智能运维管理系统 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104828114A (zh) * | 2015-05-21 | 2015-08-12 | 河南蓝信科技股份有限公司 | 列控设备动态监测系统 |
CN105183376A (zh) * | 2015-08-31 | 2015-12-23 | 河南思维自动化设备股份有限公司 | 一种车载数据的分块存储方法 |
CN105610850A (zh) * | 2016-01-13 | 2016-05-25 | 天津大学 | 基于车联网的车辆服务与管理系统 |
CN106909816A (zh) * | 2017-01-25 | 2017-06-30 | 斑马信息科技有限公司 | 一车辆权限管理系统及其管理方法 |
JP2020095292A (ja) * | 2017-02-24 | 2020-06-18 | 株式会社日立製作所 | 混雑予測システムおよび歩行者シミュレーション装置 |
CN107241397A (zh) * | 2017-05-24 | 2017-10-10 | 清华大学 | 一种基于云平台的多级列车调度指挥系统 |
CN108040058A (zh) * | 2017-12-18 | 2018-05-15 | 湖南中车时代通信信号有限公司 | 一种列车监控装置数据无线换装的安全防护系统和方法 |
CN110008472B (zh) * | 2019-03-29 | 2022-11-11 | 北京明略软件系统有限公司 | 一种实体抽取的方法、装置、设备和计算机可读存储介质 |
CN111046275B (zh) * | 2019-11-19 | 2023-03-28 | 腾讯科技(深圳)有限公司 | 基于人工智能的用户标签确定方法及装置、存储介质 |
CN112182619A (zh) * | 2020-09-30 | 2021-01-05 | 澳优乳业(中国)有限公司 | 基于用户权限的业务处理方法、系统及电子设备和介质 |
-
2021
- 2021-07-12 CN CN202110785581.4A patent/CN113449926B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101394549A (zh) * | 2008-10-28 | 2009-03-25 | 北京佳讯飞鸿电气股份有限公司 | 一种铁路综合视频监控系统 |
CN102609781A (zh) * | 2011-12-15 | 2012-07-25 | 东南大学 | 一种基于od更新的公路交通预测系统及方法 |
CN109785656A (zh) * | 2019-03-18 | 2019-05-21 | 南京大学 | 一种基于局部近似秩的交通规划及导航方法 |
CN112529755A (zh) * | 2021-01-16 | 2021-03-19 | 江苏江凌测控科技股份有限公司 | 高铁动车智能运维管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113449926A (zh) | 2021-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105554059B (zh) | 基于北斗导航技术的物流运输智能感知与位置服务系统 | |
CN105407159B (zh) | 物流运输位置服务系统 | |
CN101315731B (zh) | 一种利用gps智能车载终端实现车辆监控调度的系统 | |
CN102346470B (zh) | 基于物联网的工程机械综合运营和调度管理系统 | |
CN102625339A (zh) | 铁路机车综合无线通信设备运用状态的监测系统 | |
CN108860223B (zh) | 一种数据处理系统及方法 | |
CN103264717A (zh) | 一种轨道交通综合监控调度协同与运维信息化系统 | |
CN107168278A (zh) | 地铁列车信号系统的自动维护与预警系统 | |
CN103400246A (zh) | 一种基于云架构的核电厂风险监测系统及监测方法 | |
CN203870689U (zh) | 基于北斗定位系统的车联网监控系统 | |
CN112698953A (zh) | 一种基于微服务的电网智能运检平台 | |
CN103049817A (zh) | 结合负载平衡机制的需求式共乘运输服务方法 | |
CN104908783A (zh) | 铁路电务综合监测维护系统体系架构 | |
CN106651313A (zh) | 一种通过互联网管理的智能旅游管理系统 | |
CN110182244A (zh) | 一种基于云计算和ai智能的有轨电车云平台 | |
CN110135598A (zh) | 一种基于知识服务的高速铁路电务维护辅助系统 | |
Maka et al. | OPC UA object oriented model for public transportation system | |
CN110667657A (zh) | 列车运行远程监控和安全管理系统 | |
CN113449926B (zh) | 轨道交通车辆数据安全管理方法、系统、存储介质及设备 | |
CN111626457A (zh) | 一种用车管理的软件系统、软件产品及处理方法 | |
Bieser et al. | A framework for assessing impacts of information and communication technology on passenger transport and greenhouse gas emissions | |
CN111476697A (zh) | 一种智慧路网综合管理平台 | |
CN104966152B (zh) | 电力安全生产管理系统 | |
CN109558220A (zh) | 一种故障车辆的管理方法和设备 | |
Ostermann et al. | Leveraging electric cross-company car fleets through cloud service chains: The shared e-fleet architecture |
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 |