CN114071526A - Gsm-r网络运行状态诊断方法 - Google Patents
Gsm-r网络运行状态诊断方法 Download PDFInfo
- Publication number
- CN114071526A CN114071526A CN202111358524.4A CN202111358524A CN114071526A CN 114071526 A CN114071526 A CN 114071526A CN 202111358524 A CN202111358524 A CN 202111358524A CN 114071526 A CN114071526 A CN 114071526A
- Authority
- CN
- China
- Prior art keywords
- index
- determining
- physical examination
- gsm
- network
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000003745 diagnosis Methods 0.000 title abstract description 8
- 238000001514 detection method Methods 0.000 claims abstract description 55
- 238000013499 data model Methods 0.000 claims abstract description 24
- 238000011156 evaluation Methods 0.000 claims abstract description 22
- 238000004458 analytical method Methods 0.000 claims abstract description 16
- 238000007781 pre-processing Methods 0.000 claims abstract description 15
- 238000003860 storage Methods 0.000 claims abstract description 13
- 238000012423 maintenance Methods 0.000 claims abstract description 7
- 230000002159 abnormal effect Effects 0.000 claims description 36
- 230000036541 health Effects 0.000 claims description 16
- 230000005856 abnormality Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000003862 health status Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims description 2
- 238000004088 simulation Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 238000005457 optimization Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 5
- 230000006866 deterioration Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000002405 diagnostic procedure Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
-
- 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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请的实施例提供了GSM‑R网络运行状态诊断方法、装置、设备和计算机可读存储介质。所述方法包括获取全量数据;对所述全量数据进行预处理,得到标准数据模型;对所述标准数据模型进行多角度指标检测,得到每个指标的检测结果;基于预设的故障分析知识库,确定体检对象的指标间的关联性;基于所述关联性,确定各类体检对象中各指标的权重体系;基于所述权重体系和每个指标的检测结果,确定每类体检对象中单个对象的指标评价得分;基于所述指标评价得分,确定所述GSM‑R网络的运行状态。以此方式,可以使得诊断结论更加全面,同时提高了运维效率。
Description
技术领域
本申请的实施例涉及网络诊断领域,尤其涉及GSM-R网络运行状态诊断方法、装置、设备和计算机可读存储介质。
背景技术
随着中国高速铁路建设的迅速发展,GSM-R网络成为铁路运输生产指挥的重要通信手段之一。由于GSM-R网络在铁路中的特殊性与实际应用中网络运行状况会随着周围环境改变而改变。因此,如何利用现有资源最大限度的优化GSM-R网络,使得GSM-R网络获得最佳效益,将成为一项长期而艰巨的任务。
当前,对GSM-R网络进行优化,通常为在故障发生后进行现场处理,这种“故障修”的方式并不能减少故障发生;
网络优化的数据量基于全量接口监测数据,数据量大,全靠人工对大量数据进行分析,工作异常复杂,无法实现全量数据检测;通过抽取几趟车检测的方式,分析出的结论不够全面,并且很多指标人工不好实现,人工分析运维效率较低;
网络运行状态标准单一(指标单一);
综上,实施网络优化,展开基于信令数据的无线网络质量分析和故障数据挖掘的研究,建立相应的维护优化工作流程,达到保障GSM-R网络有效的承载CTCS-3级列控系统和铁路通信业务;改善系统性能;达到在现有系统配置下可能提供的最优服务质量,使得网络达到最佳允许状态;为网络今后的维护和规划建设提供合理的建议的目标,成为网络高效运行和优化服务的重要课题,具有十分迫切的现实意义。
发明内容
根据本申请的实施例,提供了一种GSM-R网络运行状态诊断方案。
在本申请的第一方面,提供了一种GSM-R网络运行状态诊断方法。该方法包括:
获取全量数据;
对所述全量数据进行预处理,得到标准数据模型;
对所述标准数据模型进行多角度指标检测,得到每个指标的检测结果;基于预设的故障分析知识库,确定体检对象的指标间的关联性;基于所述关联性,确定各类体检对象中各指标的权重体系;
基于所述权重体系和每个指标的检测结果,确定每类体检对象中单个对象的指标评价得分;
基于所述指标评价得分,确定所述GSM-R网络的运行状态。
进一步地,所述对所述全量数据进行预处理,得到标准数据模型包括:
基于Hadoop技术对所述全量数据进行预处理,得到标准数据模型。
进一步地,所述对所述标准数据模型进行多角度指标检测,得到每个指标的检测结果包括:
基于方向性指标、网络环境指标、模拟计算和历史建模指标,对所述标准数据模型进行多角度指标检测,得到各指标数值;
采用连续、异常点和阈值的概念作为指标异常的标准判断,对所述各指标数值进行处理,确定每个指标的检测结果。
进一步地,所述通过基于预设的故障分析知识库,确定体检对象的指标间的关联性包括:
基于CTCS-3故障分析知识库,确定体检对象的指标间的关联性。
进一步地,所述基于所述指标评价得分,确定所述GSM-R网络的运行状态包括:
基于所述指标评价得分,确定每一类体检对象的健康等级;
基于每一类体检对象的健康等级,采用向等级严重合并的方法,确定所述GSM-R网络的运行状态。
进一步地,还包括:
基于体检对象的历史体检记录,对所述权重体系进行维护。
进一步地,所述基于体检对象的历史体检记录,对所述权重体系进行维护包括:
基于体检对象的历史体检记录,通过预设的调整幅度,调整所述权重体系中各指标的权重系数,完成对所述权重体系的维护。
在本申请的第二方面,提供了一种GSM-R网络运行状态诊断装置。该装置包括:
获取模块,用于获取全量数据;
预处理模块,用于对所述全量数据进行预处理,得到标准数据模型;
确定模块,用于对所述标准数据模型进行多角度指标检测,得到每个指标的检测结果;通过基于预设的故障分析知识库,确定体检对象的指标间的关联性;基于所述关联性,确定各类体检对象中各指标的权重体系;
计算模块,用于基于所述权重体系和每个指标的检测结果,确定每类体检对象中单个对象的指标评价得分;
运行检测模块,用于基于所述指标评价得分,确定所述GSM-R网络的运行状态。
在本申请的第三方面,提供了一种电子设备。该电子设备包括:存储器和处理器,所述存储器上存储有计算机程序,所述处理器执行所述程序时实现如以上所述的方法。
在本申请的第四方面,提供了一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现如根据本申请的第一方面的方法。
本申请实施例提供的GSM-R网络运行状态诊断方法,通过获取全量数据;
对所述全量数据进行预处理,得到标准数据模型;对所述标准数据模型进行多角度指标检测,确定体检对象的指标间的关联性;基于所述关联性,确定各类体检对象中各指标的权重体系;基于所述权重体系,确定每类体检对象中单个对象的指标评价得分;基于所述指标评价得分,确定所述GSM-R网络的运行状态,提升了诊断结论的全面性,同时提高了运维效率。
应当理解,发明内容部分中所描述的内容并非旨在限定本申请的实施例的关键或重要特征,亦非用于限制本申请的范围。本申请的其它特征将通过以下的描述变得容易理解。
附图说明
结合附图并参考以下详细说明,本申请各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中,相同或相似的附图标记表示相同或相似的元素,其中:
图1示出了本申请的实施例提供的方法所涉及的系统架构图。
图2示出了根据本申请的实施例的GSM-R网络运行状态诊断方法的流程图;
图3示出了根据本申请的实施例的GSM-R网络运行状态诊断装置的方框图;
图4示出了适于用来实现本申请实施例的终端设备或服务器的结构示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚,下面将结合本公开实施例中的附图,对本公开实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本公开一部分实施例,而不是全部的实施例。基于本公开中的实施例,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全部其他实施例,都属于本公开保护的范围。
另外,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
图1示出了可以应用本申请的GSM-R网络运行状态诊断方法或GSM-R网络运行状态诊断装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101和108,地面设备102,网络相关103、104和109,数据中心105和服务器106和107。
其中,终端设备101在GSM-R中为高铁车载设备,地面设备102为RBC(无线闭塞中心)等地面相关的终端设备;
网络103用以在终端设备101、地面设备102和数据中心105之间提供通信链路的介质,为铁路GSM-R的专用网络;
网络基站设备104为GSM-R网络中的基站设备,负责数据的转储;
网络设备109为以太网,用于连接服务器107和显示终端108;
数据中心105为GSM-R中的总数据处理中心,用于根据行车中的各种数据进行调度指挥行车,保证行车安全;
服务器106用于处理中心存储的数据;
服务器107和终端108是本公开的相关设备,服务器107用于存储/计算从GSM-R数据中心获得的本公开所需要的数据;终端108为显示器大屏,用于将服务器107的处理结果进行可视化的显示;
进一步地,101-106为GSM-R中,高铁正常运行时所需的各种设备、环境和终端监控部门等,为本公开所需数据的运行生成过程;
107和108是本方法实施的相关设备;目标数据从服务器106通过如ftp的方式实时对接到服务器107进行存储计算;
服务器107可以是提供各种服务的服务器,例如对从服务器106上获得的数据处理的后台服务器和负责显示结果的应用程序服务器。后台服务器可以对接收到的数据进行分析等处理,并可以将处理结果(例如检测结果)反馈给终端108。应用程序服务器可以对得到的结果,进行显示并反馈在终端108上。
需要说明的是,服务器可以是硬件,也可以是软件。当服务器为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。特别地,在目标数据不需要从远程获取的情况下,上述系统架构可以不包括106和107之间的网络链接,而只包括GSM-R相关的101-106和本公开具体实施相关的107、108和109。
如图2所示,是本申请实施例GSM-R网络运行状态诊断方法的流程图。从图2中可以看出,本实施例的GSM-R网络运行状态诊断方法,包括以下步骤:
S210,获取全量数据。
在本实施例中,用于GSM-R网络运行状态诊断方法的执行主体(例如图1所示的服务器107)可以通过对接或者导入方式获取全量数据。
进一步地,上述执行主体可以获取与之通信连接的服务器(例如图1所示的服务器106)发送的全量数据,也可以是预先存储于本地的全量数据。
在一些实施例中,所述全量数据为运行的全量数据;所述全量数据包括通过GSM-R接口监测系统获取的三接口监测数据,即,GSM-R的全量接口数据。
S220,对所述全量数据进行预处理,得到标准数据模型。
在一些实施例中,根据路局线路的规模,一条路局线路的平均数据量大约为3G,路局线路通常为两条到十几条之间,每天产生的数据量级很大,因此在本公开中,采用Hadoop的分布式方式对数据进行分发处理。
当前GSM-R的接口监测厂家有通号、六捷和铁科等,不同厂家数据的呈现不一,为了对各大厂家的数据进行更好的兼容,在本公开中,根据数据的类型、字段样式和字段标准范围等,制定了通用的规范模板,即,标准数据模型,用于将不同的厂家数据进行靠拢,达到标准的统一。
在一些实施例中,在对所述全量数据进行处理前,需对所述全量数据进行清洗,用于去除“脏”数据,避免数据的重复导入、纠偏由于导出过程各环节造成的例如数据方向错乱的情况。
S230,对所述标准数据模型进行多角度指标检测,得到每个指标的检测结果;基于预设的故障分析知识库,确定体检对象的指标间的关联性;基于所述关联性,确定各类体检对象中各指标的权重体系。
高铁行车过程复杂,涉及的数据多样,各类交互数据相辅相成,“牵一发而动全身”,任意两网元部件的交互异常都可能影响正常行车,因此,在本公开中从多角度进行指标检测,以达到更好的检测效果,发掘出通常被忽视的细节问题,参考表1,表1示出了具体指标体系:
在一些实施例中,对同一方向性的指标进行细化,如,将切换角度划分为切换原因、切换失败原因、切换结果、切换位置、跳切、乒乓切换和/或回切等指标,增加同一角度指标检测的侧重点,同时对切换前/后小区的定责也不同,如对切换位置的检测,可以通过是否在切换规划区域进行,若偏离标准较大,则需要关注是车载原因或现场小区环境变化导致;对于切换顺序,回切关注重点为切换前小区,跳切关注重点为切换后小区。
在一些实施例中,恶化的网络环境也会对列车运行造成干扰,导致数据不能及时正确的传递,易造成高铁超时降级;在本公开中,对网络环境设置上行质差小区、下行质差小区、上行区段、下行区段等指标检测。
在一些实施例中,涉及到直放站情况时,多径干扰问题影响较大,在本公开中从模拟计算和历史建模指标检测多径干扰的存在;车载设备是高铁正常运行至关重要的一个模块,车载本身故障或者性能差,易造成发射接收电平不良,达不到列车运行需要的正常值范围,影响列车正常运行,对车载模块的检测重点从性能角度展开,采用了接收电平性能、发射电平性能、MT天馈和/或SIM异常等指标维度检测,用于衡量车载部件和外部交互能力的性能和自身维持正常在线工作的性能高低;如车载发射性能指标,若车载发射性能不好,则会反映在上行电平低,可能引起非正常切换,影响高铁正常运行等。
在本公开中,针对每一个指标,都基于大量数据统计和高铁运行相关标准,设计出了一套检测指标体系;
具体地,采用连续、异常点和阈值的概念作为指标异常的标准判断;
其中,所述阈值为,即达到异常的临界值;如电平小于Q1,通信质量大于Q2为异常,所述Q1和Q2即该指标的阈值;
所述异常点为,指标检测各数值都达到相应阈值的一条数据作为一个异常点;
所述连续为,异常点最大相邻间隔为N并且连续个数达到M的情况,作为一条指标异常,一条指标异常中记录以下基本信息:指标名称、异常开始时间、异常结束时间、车次、异常开始小区、异常结束小区、开始公里标、结束公里标、本条异常检测总点数S、本条异常检测满足异常点的个数S1、异常点和/或阈值的偏离程度等;
采用连续的概念能最大程度的排除掉一些偶发数据,统计异常点和阈值的偏离程度,可以避免后续过程中剔除掉一些特殊数据,阈值设定是通过大量数据反复试验(人工经验、历史数据等)得出的一个值的有效范围。
在一些实施例中,需对体检对象进行多角度的解析,以便掌握体检对象的整体状况。在本公开中,以构建小区、车载为体检对象的健康状态预测指标体系,采用画像概念,勾画“小区画像”和“车载画像”。基于体检对象的特点,解析出体检对象涉及的相关指标;如对车载的画像刻画,从车载发射性能、车载接收性能、车载天馈线预警、车载上行质量、切换顺序、车载上(下)行无效等角度检测,由于车载问题不仅反映在车载相关指标,比如MT软件问题反映在数据上就是连续切换失败,因此车载画像还包括切换等指标;然后对各体检指标赋值权重,计算得到体检对象的异常检测情况。
具体地,基于上述步骤确定的每一类体检对象中每一个指标的检测结果,通过如下公式确定该类体检对象中单个体检对象的单个体检指标的检测结果:
其中,所述S1i为,每条指标异常中满足条件的异常点;
所述n为,异常指标的总条数;
所述S总为,数据总数;
所述P为,单个指标的体检分数;
基于CTCS-3列控业务故障分析的知识储备(预设故障分析知识库),对各指标的单独存在、复合存在等多种情况引起故障发生概率而动态设定权重;如切换失败和车载发射性能同时存在,车载发射性能异常的发生时间比切换失败早的前提下,车载发射性能的权重比切换失败大;
在进行CTCS-3列控业务故障分析时,从数据呈现,推测出多种可能引起故障的原因,然后基于推理机制裁决出可能性最大的原因,裁决时对各种可能原因的影响因子做出排序,同一个异常指标在不同种类的故障中的影响力是不同的;
根据不同故障的各种情况组成权重体系。具体指标权重体系的设定,基于CTCS-3列控业务故障分析的知识库,设定了指标的相互影响值;
如业务故障中切换掉话和外界干扰同时存在时,通常情况下外界干扰质差影响切换掉话,所以对应为上(下)行质差(衡量外界干扰的指标)的权重就比切换掉话的权重大;
如业务故障中MT工作异常和多径干扰同时存在时,多径干扰的原因可性能大,所以对应的多径干扰指标对MT发射性能(衡量MT工作异常的指标)权重大;
如业务故障中车载设备无信号、单通和质量恶化同时存在,通常质量恶化会引起单通现象,车载设备无信号也会出现单通,而车载设备无信号和质量恶化哪个是主要原因,则还需考虑故障发生的时间因素,对应的车载信号缺失(衡量车载设备无信号的指标)和上(下)行质差(衡量质量恶化的指标)权重设置相同;
权重设置时,如指标a影响大于指标b,指标b影响大于指标c,指标b影响大于指标c,则组合成统一指标体系时按照wa>wb>wc设置。
综上,根据各指标的内在关联性,得到了各类体检对象包括的各指标的权重体系。
S240,基于所述权重体系和每个指标的检测结果,确定每类体检对象中单个对象的指标评价得分。
在一些实施例中,通过如下公式计算每类体检对象中单个对象的指标评价得分:
其中,[W1 W2 … W(n)];
所述Wi为,每个指标的权重;
所述Pi为,每个指标检测得到的体检分数;
所述N为,每个体检对象涉及的相关指标总数。
250,基于所述指标评价得分,确定每一类体检对象的健康等级。
在一些实施例中,设定三类健康等级:
严重等级R1(比如设定大于90分),健康等级R3(比如设定小于10),亚健康等级R2;
需要说明的是,由于分数是异常检测指标计算得到,所以分数值代表了异常的严重程度,因此分数越大代表网络状态越差。
进一步地,对每一类体检对象的等级情况统计,如车载整体各等级情况如下:
其中,所述Rk为,当前健康等级为K;
所述N(Rk)为,满足健康等级为K的车载对象的个数;
所述N总为,检测的所有车载对象;
所述Sk为,健康等级K的占比情况;
基于得到的健康等级占比,对每一类体检对象得出健康状态,若严重等级为T1(比如占比大于K1),则说明小区或车载均存在较严重问题;若亚健康等级为T2(占比大于K2),则说明需要重点关注;若健康等级为T3(占比大于K3),则说明整体状况较好。
在一些实施例中,采用向等级较严重合并的方法,对GSM-R的网络运行健康状态做出整体性评价;如车载严重,小区健康或亚健康,整体状态为严重;车载亚健康,小区健康,整体状态为亚健康。
最后基于网络的整体状况,通过得到的不同健康等级,给出网络运行的健康状态结论,然后结合检测过程中数据的具体情况,给出不同的建议和具体异常数据内容,本实施例中给出的现象描述和优化建议描述,按照网络整体状态描述和优化建议、体检对象概况描述和优化建议、每个体检对象的详细异常描述、所有体检异常指标的定位(包括时间、小区、公里标)、具体指标描述和优化方向的方式呈现,方便后续的现场优化进行精准定位。
进一步地,还包括:
高铁运行的环境并不是一成不变的,可能会定期调整车载天线角度或者小区切换点,因此需要定期更新指标体系的标准值,并通过历史数据的检测结果不断优化调整指标权重体系,使检测结论更准确。
基于体检对象的历史体检记录,对所述权重体系进行维护。
在一些实施例中,对一些特殊情况进行如下处理,基于检测指标时得到的异常点与阈值的偏离程度和得到的指标异常次数等数据,若异常次数<Q,但异常点与阈值的偏离程度大于M1,则代表此类情况虽然发生次数少但是影响大,也为严重等级需要重点关注;
若异常次数<Q,异常点与阈值的偏离程度介于M1和M2之间,但是有周期性的规律,则需要作为关注对象进行重点跟踪;
以上两种情况均有可能会对接下来的正常运行造成隐患,因此,均需要放在关注列表,在状态结论中展示;
若异常次数<Q,且异常点与阈值的偏离程度小于M2,则作为偶发剔除;所述Q为指标阈值。
在一些实施例中,对每个体检对象检测评价后,可以参考体检对象的历史体检记录规律维护所述权重体系,从历史数据中统计出最近D天(根据需求设定,如7天)的体检对象下各指标的异常比重,若某些指标的内在关联和权重体系中的权重比相差很大,则通过相应加大或减小其对应的权重值来微调权重值,每次微调的幅度可设为(可根据实际应用场景和/或人工经验进行设定)。
根据本申请的实施例,实现了以下技术效果:
采用从指标(点)到画像(面)再到网络运行状态(整体)的概念,全方面的衡量的整体衡量,提升了结论的全面性;同时动态的进行权重体系构建,大幅提升了数据的准确性;
进一步地,本公开真正实现了“故障修”转为“状态修”;实现了提前预防和网络优化的目的。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于可选实施例,所涉及的动作和模块并不一定是本申请所必须的。
以上是关于方法实施例的介绍,以下通过装置实施例,对本申请所述方案进行进一步说明。
图3示出了根据本申请的实施例的GSM-R网络运行健康状态诊断装置300的方框图。如图3所示,装置300包括:
获取模块310,用于获取全量数据;
预处理模块320,用于对所述全量数据进行预处理,得到标准数据模型;
确定模块330,用于对所述标准数据模型进行多角度指标检测,得到每个指标的检测结果;基于预设的故障分析知识库,确定体检对象的指标间的关联性;基于所述关联性,确定各类体检对象中各指标的权重体系;
计算模块340,用于基于所述权重体系和每个指标的检测结果,确定每类体检对象中单个对象的指标评价得分;
运行检测模块350,用于基于所述指标评价得分,确定所述GSM-R网络的运行状态。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,所述描述的模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
图4示出了可以用来实施本公开的实施例的电子设备400的示意性框图。如图所示,设备400包括中央处理单元(CPU)401,其可以根据存储在只读存储器(ROM)402中的计算机程序指令或者从存储单元408加载到随机访问存储器(RAM)403中的计算机程序指令,来执行各种适当的动作和处理。在RAM 403中,还可以存储设备400操作所需的各种程序和数据。CPU 401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
设备400中的多个部件连接至I/O接口405,包括:输入单元406,例如键盘、鼠标等;输出单元407,例如各种类型的显示器、扬声器等;存储单元408,例如磁盘、光盘等;以及通信单元409,例如网卡、调制解调器、无线通信收发机等。通信单元409允许设备400通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理单元401执行上文所描述的各个方法和处理,例如方法200。例如,在一些实施例中,方法200可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元408。在一些实施例中,计算机程序的部分或者全部可以经由ROM 402和/或通信单元409而被载入和/或安装到设备400上。当计算机程序加载到RAM 403并由CPU 701执行时,可以执行上文描述的方法200的一个或多个步骤。备选地,在其他实施例中,CPU 401可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行方法200。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)等等。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
此外,虽然采用特定次序描绘了各操作,但是这应当理解为要求这样操作以所示出的特定次序或以顺序次序执行,或者要求所有图示的操作应被执行以取得期望的结果。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实现中。相反地,在单个实现的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实现中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (10)
1.一种GSM-R网络运行状态诊断方法,其特征在于,包括:
获取全量数据;
对所述全量数据进行预处理,得到标准数据模型;
对所述标准数据模型进行多角度指标检测,得到每个指标的检测结果;基于预设的故障分析知识库,确定体检对象的指标间的关联性;基于所述关联性,确定各类体检对象中各指标的权重体系;
基于所述权重体系和每个指标的检测结果,确定每类体检对象中单个对象的指标评价得分;
基于所述指标评价得分,确定所述GSM-R网络的运行状态。
2.根据权利要求1所述的方法,其特征在于,所述对所述全量数据进行预处理,得到标准数据模型包括:
基于Hadoop技术对所述全量数据进行预处理,得到标准数据模型。
3.根据权利要求2所述的方法,其特征在于,所述对所述标准数据模型进行多角度指标检测,得到每个指标的检测结果包括:
基于方向性指标、网络环境指标、模拟计算和历史建模指标,对所述标准数据模型进行多角度指标检测,得到各指标数值;
采用连续、异常点和阈值的概念作为指标异常的标准判断,对所述各指标数值进行异常检测,确定每个指标的检测结果。
4.根据权利要求3所述的方法,其特征在于,所述基于预设的故障分析知识库,确定体检对象的指标间的关联性包括:
基于CTCS-3故障分析知识库,确定体检对象的指标间的关联性。
5.根据权利要求4所述的方法,其特征在于,所述基于所述指标评价得分,确定所述GSM-R网络的运行状态包括:
基于所述指标评价得分,确定每一类体检对象的健康等级;
基于每一类体检对象的健康等级,采用向等级严重合并的方法,确定所述GSM-R网络的运行状态。
6.根据权利要求5所述的方法,其特征在于,还包括:
基于体检对象的历史体检记录,对所述权重体系进行维护。
7.根据权利要求6所述的方法,其特征字在于,所述基于体检对象的历史体检记录,对所述权重体系进行维护包括:
基于体检对象的历史体检记录,通过预设的调整幅度,调整所述权重体系中各指标的权重系数,完成对所述权重体系的维护。
8.一种GSM-R网络运行健康状态诊断装置,其特征在于,包括:
获取模块,用于获取全量数据;
预处理模块,用于对所述全量数据进行预处理,得到标准数据模型;
确定模块,用于对所述标准数据模型进行多角度指标检测,得到每个指标的检测结果;基于预设的故障分析知识库,确定体检对象的指标间的关联性;基于所述关联性,确定各类体检对象中各指标的权重体系;
计算模块,用于基于所述权重体系和每个指标的检测结果,确定每类体检对象中单个对象的指标评价得分;
运行检测模块,用于基于所述指标评价得分,确定所述GSM-R网络的运行状态。
9.一种电子设备,包括存储器和处理器,所述存储器上存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1~7中任一项所述的方法。
10.一种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1~7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111358524.4A CN114071526B (zh) | 2021-11-16 | 2021-11-16 | Gsm-r网络运行状态诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111358524.4A CN114071526B (zh) | 2021-11-16 | 2021-11-16 | Gsm-r网络运行状态诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114071526A true CN114071526A (zh) | 2022-02-18 |
CN114071526B CN114071526B (zh) | 2024-01-30 |
Family
ID=80272896
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111358524.4A Active CN114071526B (zh) | 2021-11-16 | 2021-11-16 | Gsm-r网络运行状态诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114071526B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102238577A (zh) * | 2011-04-26 | 2011-11-09 | 北京锦鸿希电信息技术股份有限公司 | Ctcs-3级列控系统gsm-r车载无线传输模块网络传输环境监测系统 |
US20160082988A1 (en) * | 2014-09-18 | 2016-03-24 | Westinghouse Air Brake Technologies Corporation | Data Management System and Method for a Target Device of a Vehicle |
CN108173670A (zh) * | 2016-12-07 | 2018-06-15 | 华为技术有限公司 | 检测网络的方法和装置 |
CN109428759A (zh) * | 2017-09-01 | 2019-03-05 | 中国移动通信集团广西有限公司 | 一种网络质量评估方法及装置 |
CN109874148A (zh) * | 2017-12-01 | 2019-06-11 | 中国移动通信集团四川有限公司 | 天馈异常检测方法、装置、系统及计算机设备 |
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 |
WO2020063280A1 (zh) * | 2018-09-27 | 2020-04-02 | 北京全路通信信号研究设计院集团有限公司 | 一种车地一体综合分析平台 |
CN111126824A (zh) * | 2019-12-19 | 2020-05-08 | 中国移动通信集团江苏有限公司 | 多指标关联模型训练方法及多指标异常分析方法 |
CN112040501A (zh) * | 2020-08-28 | 2020-12-04 | 康键信息技术(深圳)有限公司 | 移动网络质量的检测预警方法、装置、设备及存储介质 |
CN113473514A (zh) * | 2021-09-06 | 2021-10-01 | 国网江苏省电力有限公司信息通信分公司 | 电力无线专网故障诊断模型训练方法、诊断方法及装置 |
-
2021
- 2021-11-16 CN CN202111358524.4A patent/CN114071526B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102238577A (zh) * | 2011-04-26 | 2011-11-09 | 北京锦鸿希电信息技术股份有限公司 | Ctcs-3级列控系统gsm-r车载无线传输模块网络传输环境监测系统 |
US20160082988A1 (en) * | 2014-09-18 | 2016-03-24 | Westinghouse Air Brake Technologies Corporation | Data Management System and Method for a Target Device of a Vehicle |
CN108173670A (zh) * | 2016-12-07 | 2018-06-15 | 华为技术有限公司 | 检测网络的方法和装置 |
CN109428759A (zh) * | 2017-09-01 | 2019-03-05 | 中国移动通信集团广西有限公司 | 一种网络质量评估方法及装置 |
CN109874148A (zh) * | 2017-12-01 | 2019-06-11 | 中国移动通信集团四川有限公司 | 天馈异常检测方法、装置、系统及计算机设备 |
WO2020063280A1 (zh) * | 2018-09-27 | 2020-04-02 | 北京全路通信信号研究设计院集团有限公司 | 一种车地一体综合分析平台 |
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 |
CN111126824A (zh) * | 2019-12-19 | 2020-05-08 | 中国移动通信集团江苏有限公司 | 多指标关联模型训练方法及多指标异常分析方法 |
CN112040501A (zh) * | 2020-08-28 | 2020-12-04 | 康键信息技术(深圳)有限公司 | 移动网络质量的检测预警方法、装置、设备及存储介质 |
CN113473514A (zh) * | 2021-09-06 | 2021-10-01 | 国网江苏省电力有限公司信息通信分公司 | 电力无线专网故障诊断模型训练方法、诊断方法及装置 |
Non-Patent Citations (3)
Title |
---|
乔绍虎;韩佳汛;方怡;曾敏;: "一种铁路GSM-R网络动态检测系统研究", 数字通信世界, no. 04 * |
孙斌;蒋文怡;: "新一代GSM-R网络接口监测系统", 铁道通信信号, no. 04 * |
蒋文怡;钟章队;: "CTCS-3级列控系统无线通信网络综合监测技术的研究", 铁道通信信号, no. 10 * |
Also Published As
Publication number | Publication date |
---|---|
CN114071526B (zh) | 2024-01-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107831422B (zh) | 一种gis设备局部放电诊断方法及系统 | |
CN112949715A (zh) | 一种基于svm的轨道交通故障诊断方法 | |
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 | |
CN114267178B (zh) | 一种车站的智能运营维护方法及装置 | |
CN113837596B (zh) | 一种故障确定方法、装置、电子设备及存储介质 | |
US20130316750A1 (en) | Characterizing cable leakage interference priorities on lte | |
CN107426019A (zh) | 网络故障确定方法、计算机设备及计算机可读存储介质 | |
CN109747685B (zh) | 应答器系统故障预警平台 | |
CN110855521B (zh) | 基于网络化的测试系统在线监测与故障诊断软件平台 | |
CN114401523A (zh) | 故障处理方法、装置及电子设备 | |
Cui et al. | Identifying accident black spots based on the accident spacing distribution | |
CN116452154B (zh) | 一种适用于通信运营商的项目管理系统 | |
CN114071526A (zh) | Gsm-r网络运行状态诊断方法 | |
CN114631032A (zh) | 用于监控电池组健康状况的方法和系统 | |
CN116070140B (zh) | 一种配电变电站安全运行状态监测系统及方法 | |
CN110337118B (zh) | 用户投诉快速处理方法及装置 | |
CN109625025B (zh) | Btm设备预警系统 | |
CN111007363A (zh) | 输电线路故障监测装置、方法设备及存储介质 | |
CN116319255A (zh) | 一种基于kpi的根因定位方法、装置、设备及存储介质 | |
CN113376562B (zh) | 基于滚动时窗—fcm聚类的cvt校验方法、设备及介质 | |
CN105981314A (zh) | 监视设备、无线通信系统、故障原因判别方法以及存储程序的非瞬时计算机可读介质 | |
CN114485826A (zh) | 一种车辆里程油耗数据确定方法及装置 | |
CN111652505A (zh) | 基站部署合理性的评估方法、装置和设备 | |
CN117726959B (zh) | 基于智能图像识别的无人机电力线路安全巡检系统及方法 | |
CN116720601A (zh) | 一种铁路无线通信质量预测方法、装置及存储介质 |
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 |