CN114722898A - 列车超时故障判决方法及装置 - Google Patents

Abstract

本发明公开了一种列车超时故障判决方法及装置，涉及人工智能技术领域；其中该方法包括：从GSM‑R网络的历史接口数据中提取各超时故障特征对应的特征值；以决策树作为模型，采用CART算法，分别利用故障类别、故障原因、故障码对应的训练样本训练模型，得到故障类别、故障原因、故障码分别对应的超时故障判决模型；将未知列车超时故障的GSM‑R网络的接口数据，分别输入到故障类别、故障原因、故障码对应的超时故障判决模型，得到对应的故障类别判决结果、故障原因判决结果、故障码判决结果；根据故障类别判决结果、故障原因判决结果、故障码判决结果得到未知列车超时故障的判决结果。提高了判断列车超时故障的故障归属的效率。

Description

列车超时故障判决方法及装置

技术领域

本发明涉及人工智能技术领域，尤其涉及列车超时故障判决方法及装置。

背景技术

本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

中国列车运行控制系统(Chinese Train Control System 3，CTCS-3)超时故障是指列车采用CTCS-3列控系统控制列车运行时，由于GSM-R网络无线通信超时(也叫车地通信中断)使得列车触发常用制动。频繁的减速、加速过程会影响旅客乘车舒适度，造成的列车晚点也会降低铁路运营效率。因此，对超时故障的研究具有重要意义。如何判断故障归属，快速定位故障点是CTCS-3超时故障处理流程中的关键的，也是难点之一。

列车控制系统的无线通信承载网络是铁路综合数字移动通信系统(GlobalSystem for Mobile Communications–Railway，GSM-R)网络，根据列控系统车地通信规则、GSM-R网络基本通信原理，对GSM-R网络Abis接口、A接口和主速率接口(Primary RateInterface，RPI)接口的接口数据进行监测、分析处理，提取出与导致CTCS-3超时故障相关的特征，为CTCS-3超时故障类别判断及故障原因分析提供依据。

每个接口为超时故障类别判断及故障原因分析提供各种特征或者特征组，PRI接口分为应用层、安全层、传输层、网络层、链路层和物理层，A接口承接基站控制器(BaseStation Controller，BSC)与移动业务交换中心(Mobile-service Switching Center，MSC)之间、以及移动终端(Mobile Terminal，MT)与MSC之间的消息，Abis接口信令中相关的特征主要是切换信令和连接释放信令。由于网络数据信令数据的层次和流程较多，一般是一组特征对应一个故障原因，当特征数目较多，组合也较多时，要将这些特征整理组合成为系统逻辑将变得的非常困难。尤其是无线优化的进行不断增加新的特征组合时，通过人工方法完成系统逻辑整合已经不能满足需求。

发明内容

本发明实施例提供一种列车超时故障判决方法，用以提高判断CTCS-3超时故障的故障归属的效率和准确性，该方法包括：

从铁路综合数字移动通信系统GSM-R网络的历史接口数据中提取各超时故障特征对应的特征值；

对各超时故障特征、以及各超时故障特征对应的特征值进行预处理，得到故障类别、故障原因、以及故障码分别对应的训练样本；

以决策树作为模型，采用分类回归树CART算法，分别利用故障类别、故障原因、故障码对应的训练样本训练所述模型，得到故障类别、故障原因、故障码分别对应的超时故障判决模型；

将未知列车超时故障对应的GSM-R网络的接口数据，分别输入到故障类别、故障原因、故障码分别对应的超时故障判决模型，得到对应的故障类别判决结果、故障原因判决结果、故障码判决结果；

根据所述故障类别判决结果、所述故障原因判决结果、所述故障码判决结果得到未知列车超时故障的判决结果。

本发明实施例还提供一种列车超时故障判决装置，用以提高判断CTCS-3超时故障的故障归属的效率和准确性，该装置包括：

提取模块，用于从GSM-R网络的历史接口数据中提取各超时故障特征对应的特征值；

第一处理模块，用于对各超时故障特征、以及各超时故障特征对应的特征值进行预处理，得到故障类别、故障原因、以及故障码分别对应的训练样本；

模型训练模块，用于以决策树作为模型，采用CART算法，分别利用故障类别、故障原因、故障码对应的训练样本训练所述模型，得到故障类别、故障原因、故障码分别对应的超时故障判决模型；

第二处理模块，用于将未知列车超时故障对应的GSM-R网络的接口数据，分别输入到故障类别、故障原因、故障码分别对应的超时故障判决模型，得到对应的故障类别判决结果、故障原因判决结果、故障码判决结果；

第三处理模块，用于根据所述故障类别判决结果、所述故障原因判决结果、所述故障码判决结果得到未知列车超时故障的判决结果。

本发明实施例还提供一种计算机设备，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计算机程序时实现上述列车超时故障判决方法。

本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述列车超时故障判决方法。

本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现上述列车超时故障判决方法。

本发明实施例中，从GSM-R网络的历史接口数据中提取各超时故障特征对应的特征值；对各超时故障特征、以及各超时故障特征对应的特征值进行预处理，得到故障类别、故障原因、以及故障码分别对应的训练样本；以决策树作为模型，采用CART算法，分别利用故障类别、故障原因、故障码对应的训练样本训练所述模型，得到故障类别、故障原因、故障码分别对应的超时故障判决模型；将未知列车超时故障对应的GSM-R网络的接口数据，分别输入到故障类别、故障原因、故障码分别对应的超时故障判决模型，得到对应的故障类别判决结果、故障原因判决结果、故障码判决结果；根据所述故障类别判决结果、所述故障原因判决结果、所述故障码判决结果得到未知列车超时故障的判决结果。这样，利用故障类别、故障原因、以及故障码对应的超时故障判决模型来判断CTCS-3超时故障的故障归属，提高了判断CTCS-3超时故障的故障归属的效率和准确性；并且超时故障判决模型以决策树作为模型，输出逻辑可视化程度高，便于理解。

附图说明

为了更清楚地说明本发明实施例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简单地介绍，显而易见地，下面描述中的附图仅仅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。在附图中：

图1为本发明实施例中提供的一种列车超时故障判决方法的流程图；

图2为本发明实施例中提供的一种对各超时故障特征、以及各超时故障特征对应的特征值进行预处理，得到故障类别、故障原因、以及故障码分别对应的训练样本的方法流程图；

图3为本发明实施例中提供的一种分别配置故障类别、故障原因、故障码与超时故障特征之间的关联关系方法流程图；

图4为本发明实施例中提供的一种故障类别和故障原因的关系示例图；

图5为本发明实施例中提供的一种分别对故障类别、故障原因、故障码分别对应的超时故障特征及对应的特征值进行预处理的方法流程图；

图6为本发明实施例中提供的一种超时故障特征、对应特征值、以及整合后的超时故障特征与特征值组合项的示例图；

图7为本发明实施例中提供的一种分别根据故障类别、故障原因、故障码对应的预处理结果，得到故障类别、故障原因、故障码分别对应的训练样本的方法流程图；

图8为本发明实施例中提供的一种故障类别对应的超时故障判决模型的判决原理示意图；

图9为本发明实施例中提供的一种列车超时故障判决装置的示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。本文中术语“和/或”，仅仅是描述一种关联关系，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，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。

在本说明书的描述中，所使用的“包含”、“包括”、“具有”、“含有”等，均为开放性的用语，即意指包含但不限于。参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”等的描述意指结合该实施例或示例描述的具体特征、结构或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。各实施例中涉及的步骤顺序用于示意性说明本申请的实施，其中的步骤顺序不作限定，可根据需要作适当调整。

经研究发现，CTCS-3超时故障是指列车采用CTCS-3列控系统控制列车运行时，由于GSM-R网络无线通信超时(也叫车地通信中断)使得列车触发常用制动。频繁的减速、加速过程会影响旅客乘车舒适度，造成的列车晚点也会降低铁路运营效率。因此，对超时故障的研究具有重要意义。如何判断故障归属，快速定位故障点是CTCS-3超时故障处理流程中的关键的，也是难点之一。列车控制系统的无线通信承载网络是GSM-R网络，根据列控系统车地通信规则、GSM-R网络基本通信原理，对GSM-R网络Abis接口、A接口和PRI接口的接口数据进行监测、分析处理，提取出与导致CTCS-3超时故障相关的特征，为CTCS-3超时故障类别判断及故障原因分析提供依据。每个接口为超时故障类别判断及故障原因分析提供各种特征或者特征组，PRI接口分为应用层、安全层、传输层、网络层、链路层和物理层，A接口承接BSC与MSC之间、以及MT与MSC之间的消息，Abis接口信令中相关的特征主要是切换信令和连接释放信令。由于网络数据信令数据的层次和流程较多，一般是一组特征对应一个故障原因，当特征数目较多，组合也较多时，要将这些特征整理组合成为系统逻辑将变得的非常困难。尤其是无线优化的进行不断增加新的特征组合时，通过人工方法完成系统逻辑整合已经不能满足需求。

针对上述研究，本发明实施例提供一种列车超时故障判决方法，如图1所示，包括：

S101：从铁路综合数字移动通信系统GSM-R网络的历史接口数据中提取各超时故障特征对应的特征值；

S102：对各超时故障特征、以及各超时故障特征对应的特征值进行预处理，得到故障类别、故障原因、以及故障码分别对应的训练样本；

S103：以决策树作为模型，采用分类回归树CART算法，分别利用故障类别、故障原因、故障码对应的训练样本训练所述模型，得到故障类别、故障原因、故障码分别对应的超时故障判决模型；

S104：将未知列车超时故障对应的GSM-R网络的接口数据，分别输入到故障类别、故障原因、故障码分别对应的超时故障判决模型，得到对应的故障类别判决结果、故障原因判决结果、故障码判决结果；

S105：根据所述故障类别判决结果、所述故障原因判决结果、所述故障码判决结果得到未知列车超时故障的判决结果。

本发明实施例中，从GSM-R网络的历史接口数据中提取各超时故障特征对应的特征值；对各超时故障特征、以及各超时故障特征对应的特征值进行预处理，得到故障类别、故障原因、以及故障码分别对应的训练样本；以决策树作为模型，采用CART算法，分别利用故障类别、故障原因、故障码对应的训练样本训练所述模型，得到故障类别、故障原因、故障码分别对应的超时故障判决模型；将未知列车超时故障对应的GSM-R网络的接口数据，分别输入到故障类别、故障原因、故障码分别对应的超时故障判决模型，得到对应的故障类别判决结果、故障原因判决结果、故障码判决结果；根据所述故障类别判决结果、所述故障原因判决结果、所述故障码判决结果得到未知列车超时故障的判决结果。这样，利用故障类别、故障原因、以及故障码对应的超时故障判决模型来判断CTCS-3超时故障的故障归属，提高了判断CTCS-3超时故障的故障归属的效率和准确性；并且超时故障判决模型以决策树作为模型，输出逻辑可视化程度高，便于理解。

下面对上述S101～S105加以详细说明。

针对上述S101，GSM-R网络的历史接口数据例如包括：Abis接口的历史接口数据、A接口的历史接口数据、PRI接口的历史接口数据等。

超时故障特征例如包括但不限于下述至少一种：ABNORMAL_UPQUAL(拆链前上行质量是否变差)、CURRENT_CALL_SUCCESS(当前呼叫成功或失败)、HOEND_CELL_MT2_NORMAL(目标小区与备用电台通信的测量报告正常或异常)、LAST_NEXT_CALL_ABNORMAL(异常事件附近是否出现业务时间很短的呼叫)等。

此处需要说明的是，超时故障特征可结合实际的应用场景进行自定义设置，并且还可以结合实际的应用场景不断的进行更新、增加等，这里只是为了说明的一个示例，并不代表本申请中所述的超时故障特征只包含上述几种。

针对上述S102，故障类别、故障原因、故障码例如可以预先根据实际的应用场景进行自定化的配置，其分别从不同维度来展示导致列车超时故障的原因，如图2所示，为本发明实施例提供的一种对各超时故障特征、以及各超时故障特征对应的特征值进行预处理，得到故障类别、故障原因、以及故障码分别对应的训练样本的方法流程图，包括：

S201：分别配置故障类别、故障原因、故障码与超时故障特征之间的关联关系。

具体的，如图3所示，为本发明实施例提供的一种分别配置故障类别、故障原因、故障码与超时故障特征之间的关联关系方法流程图，包括：

S301：配置多个故障类别、以及每一故障类别对应的故障原因；其中，每一故障类别对应至少一个故障原因。

示例性的，故障类别例如包括：车载故障、GSM-R无线网故障、GSM-R核心网故障、无线干扰故障、无线网络优化故障、无线闭塞中心(Radio Block Centre，RBC)故障、通信其他故障、不明原因故障等。

其中，例如图4所示，车载故障对应的故障原因例如包括：MT硬件问题、单MT问题、MT软件问题、MT模块的其他问题、用户身份识别模块(Subscriber Identity Module，SIM)卡松动、车载其他问题等；GSM-R无线网故障对应的故障原因例如包括：合路器故障、载频板故障、跨BSC切换失败、Abis接口时隙故障、基站休眠等；GSM-R核心网故障对应的故障原因例如包括：MSC拆线、MSC故障、核心网络其他故障等；无线干扰故障对应的故障原因例如包括：突发干扰、运营商基站宽频_阻塞_干扰等；无线网络优化故障对应的故障原因例如包括：多径干扰、切换问题等；RBC故障对应的故障原因例如包括：移交过程中RBC-RBC通信超时，未向车载发送数据、RBC不发送应用层数据等；通信其他故障对应的故障原因例如包括：接口监测数据缺失等；不明原因故障对应的故障原因例如包括：小区切换导致移动授权(Movement Authority，MA)错包、车载判断高级数据链路控制(High-Level Data LinkControl，HDLC)帧类型或时序错误，发送帧拒绝(Frame Reject，FRMR)、RBC判断HDLC帧类型或时序错误，发送FRMR、RBC判断TPDU帧类型错误，发送ER(错误Error)、车载判断传送协议数据单元(Transport Protocol Data Unit，TPDU)帧类型错误，发送ER、以及车载安全传输层发送断开指示/断开请求(断开指示/断开请求Disconnect Indication/DisconnectRequest，DI/DR)等。

S302：配置每一故障原因对应的超时故障特征；其中，每一故障原因对应多个超时故障特征，同一超时故障特征对应于多个故障原因。

其中故障类别、故障原因是由超时故障特征对应的特征值异常所导致的，影响不同故障原因的超时故障特征不完全相同，也即一个故障原因对应多个故障特征，而一个故障特征也可以影响多个故障原因，具体可以结合实际的场景进行设置。

示例性的，针对故障原因：MT软件问题，其对应超时故障特征ABNORMAL_UPQUAL(拆链前上行质量是否变差)、CURRENT_CALL_SUCCESS(当前呼叫成功或失败)、HOEND_CELL_MT2_NORMAL(目标小区与备用电台通信的测量报告正常或异常)、LAST_NEXT_CALL_ABNORMAL(异常事件附近是否出现业务时间很短的呼叫)等，但是超时故障特征ABNORMAL_UPQUAL还对应故障原因：MSC拆线。

S303：配置多个故障码、以及每一故障码对应的超时故障特征；其中，每一故障码对应多个超时故障特征，同一超时故障特征对应于多个故障码。

具体的，故障码也可用于分析超时故障特征，不同的故障码可以代表不同含义，故障码可以结合实际的应用场景进行自定义配置，影响每一故障码的超时故障特征有多个，同一超时故障特征可以影响多个故障码。

S202：分别根据故障类别、故障原因、故障码与超时故障特征之间的关联关系，以及各超时故障特征、以及各超时故障特征对应的特征值，得到故障类别、故障原因、故障码分别对应的超时故障特征及对应的特征值。

S203：分别对故障类别、故障原因、故障码分别对应的超时故障特征及对应的特征值进行预处理。

具体的，如图5所示，为本发明实施例提供的一种分别对故障类别、故障原因、故障码分别对应的超时故障特征及对应的特征值进行预处理的方法流程图，包括：

S501：分别对故障类别、故障原因、故障码采用独热方式编码。

示例性的，采用独热方式进行编码，每一故障原因对应一个编码，每一个故障类别对应一个编码，每个故障码也对应一个编码。

S502：分别对故障类别、故障原因、故障码分别对应的超时故障特征及对应的特征值进行整合，得到超时故障特征与特征值组合项。

示例性的，如图6所示，为本发明实施例提供的一种超时故障特征、对应特征值、以及整合后的超时故障特征与特征值组合项的示例图，超时故障特征CONFIG_NAME包括：A_ABNORMAL_REASON_CODE(A接口信令显示MSC向BSC发起释放的中断原因)、ABIS_HOFAIL_THEN_BACK(由于切换失败发生过异常回切)、A_CLEAR_REQUEST_CAUSE(A接口上出现明确请求的原因)，其对应的特征值CONFIG_VALUE分别为‘3’、‘yes’、‘RESOURCE UNAVAILABLE/EQUIPMENT FAILURE(资源不可用或设备故障)’。则对超时故障特征和对应的特征值进行整合得到对应的超时故障特征与特征值组合项CONFIG_NAME_VALUE包括：A_ABNORMAL_REASON_CODE＝‘3’、ABIS_HOFAIL_THEN_BACK＝‘’yes’、A_CLEAR_REQUEST_CAUSE＝‘RESOURCE UNAVAILABLE/EQUIPMENT FAILURE’。

S204：分别根据故障类别、故障原因、故障码对应的预处理结果，得到故障类别、故障原因、故障码分别对应的训练样本。

具体的，如图7所示，为本发明实施例提供的一种分别根据故障类别、故障原因、故障码对应的预处理结果，得到故障类别、故障原因、故障码分别对应的训练样本的方法流程图，包括：

S701：根据各故障类别、故障原因、故障码分别对应的导致列车超时故障的超时故障特征与特征值组合项的数量，得到每一编码导致列车超时故障的可能性等级；

S702：根据故障类别、故障原因、故障码的各编码对应的超时故障特征与特征值组合项、以及可能性等级，得到故障类别、故障原因、故障码分别对应的训练样本。

针对上述S103，在得到训练样本后，分别利用故障类别、故障原因、故障码对应的训练样本训练所述模型，得到故障类别、故障原因、故障码分别对应的超时故障判决模型。

示例性的，以故障类别对应的超时故障判决模型为例，如图8所示，为本发明实施例提供的一种故障类别对应的超时故障判决模型的判决原理示意图，其中，在模型的每个节点根据对应的超时故障特征与特征值组合项进行判别，确定列车超时故障对应的故障原因，每个节点会根据一个超时故障特征进行一次判断，然后根据判决结果确定是进入下一节点继续判断，还是可以直接得到对应的故障类别，例如第一个节点是针对“ALM_NMS(告警信息包含合路器或者MTP3链路等特征值)”这一超时故障特征进行判断，若判决该超时故障特征没有问题，则进入第二节点继续判断，若第一超时故障特征存在问题，则直接得到对应的故障类别为GSM-R无线网络故障。

针对上述S104～S105，在得到故障类别、故障原因、故障码分别对应的超时故障判决模型后，就可以利用得到的超时故障判决模型对未知列车超时故障对应的GSM-R网络的接口数据进行分析，将未知列车超时故障对应的GSM-R网络的接口数据，分别输入到故障类别、故障原因、故障码分别对应的超时故障判决模型，得到对应的故障类别判决结果、故障原因判决结果、故障码判决结果，根据所述故障类别判决结果、所述故障原因判决结果、所述故障码判决结果得到未知列车超时故障的判决结果。

本发明一实施例中，在应用训练好的超时故障判决模型时，可以根据训练好的超时故障判决模型生成对应的判决条件，将判决条件输出到数据库的判决过程，完成判决故障分类数据生产。

此处，例如可以采用SQL方式生成对应的判决条件，此为将训练好的超时故障模型加载到具体的应用中的过程。

本发明实施例中还提供了一种列车超时故障判决装置，如下面的实施例所述。由于该装置解决问题的原理与列车超时故障判决方法相似，因此该装置的实施可以参见列车超时故障判决方法的实施，重复之处不再赘述。

如图9所示，为本发明实施例提供的一种列车超时故障判决装置的示意图，包括：提取模块901、第一处理模块902、模型训练模块903、第二处理模块904、以及第三处理模块905；其中，

提取模块901，用于从GSM-R网络的历史接口数据中提取各超时故障特征对应的特征值；

第一处理模块902，用于对各超时故障特征、以及各超时故障特征对应的特征值进行预处理，得到故障类别、故障原因、以及故障码分别对应的训练样本；

模型训练模块903，用于以决策树作为模型，采用CART算法，分别利用故障类别、故障原因、故障码对应的训练样本训练所述模型，得到故障类别、故障原因、故障码分别对应的超时故障判决模型；

第二处理模块904，用于将未知列车超时故障对应的GSM-R网络的接口数据，分别输入到故障类别、故障原因、故障码分别对应的超时故障判决模型，得到对应的故障类别判决结果、故障原因判决结果、故障码判决结果；

第三处理模块905，用于根据所述故障类别判决结果、所述故障原因判决结果、所述故障码判决结果得到未知列车超时故障的判决结果。

在一种可能的实施方式中，第一处理模块，具体用于分别配置故障类别、故障原因、故障码与超时故障特征之间的关联关系；分别根据故障类别、故障原因、故障码与超时故障特征之间的关联关系，以及各超时故障特征、以及各超时故障特征对应的特征值，得到故障类别、故障原因、故障码分别对应的超时故障特征及对应的特征值；分别对故障类别、故障原因、故障码分别对应的超时故障特征及对应的特征值进行预处理；分别根据故障类别、故障原因、故障码对应的预处理结果，得到故障类别、故障原因、故障码分别对应的训练样本。

在一种可能的实施方式中，第一处理模块，具体用于配置多个故障类别、以及每一故障类别对应的故障原因；其中，每一故障类别对应至少一个故障原因；配置每一故障原因对应的超时故障特征；其中，每一故障原因对应多个超时故障特征，同一超时故障特征对应于多个故障原因；配置多个故障码、以及每一故障码对应的超时故障特征；其中，每一故障码对应多个超时故障特征，同一超时故障特征对应于多个故障码。

在一种可能的实施方式中，第一处理模块，具体用于分别对故障类别、故障原因、故障码采用独热方式编码；分别对故障类别、故障原因、故障码分别对应的超时故障特征及对应的特征值进行整合，得到超时故障特征与特征值组合项。

在一种可能的实施方式中，第一处理模块，具体用于根据各故障类别、故障原因、故障码分别对应的导致列车超时故障的超时故障特征与特征值组合项的数量，得到每一编码导致列车超时故障的可能性等级；根据故障类别、故障原因、故障码的各编码对应的超时故障特征与特征值组合项、以及可能性等级，得到故障类别、故障原因、故障码分别对应的训练样本。

本发明实施例还提供一种计算机设备，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计算机程序时实现上述列车超时故障判决方法。

本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述列车超时故障判决方法。

本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现上述列车超时故障判决方法。

本发明实施例中，从GSM-R网络的历史接口数据中提取各超时故障特征对应的特征值；对各超时故障特征、以及各超时故障特征对应的特征值进行预处理，得到故障类别、故障原因、以及故障码分别对应的训练样本；以决策树作为模型，采用CART算法，分别利用故障类别、故障原因、故障码对应的训练样本训练所述模型，得到故障类别、故障原因、故障码分别对应的超时故障判决模型；将未知列车超时故障对应的GSM-R网络的接口数据，分别输入到故障类别、故障原因、故障码分别对应的超时故障判决模型，得到对应的故障类别判决结果、故障原因判决结果、故障码判决结果；根据所述故障类别判决结果、所述故障原因判决结果、所述故障码判决结果得到未知列车超时故障的判决结果。这样，利用故障类别、故障原因、以及故障码对应的超时故障判决模型来判断CTCS-3超时故障的故障归属，提高了判断CTCS-3超时故障的故障归属的效率和准确性；并且超时故障判决模型以决策树作为模型，输出逻辑可视化程度高，便于理解。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (12)

1.一种列车超时故障判决方法，其特征在于，包括：

从铁路综合数字移动通信系统GSM-R网络的历史接口数据中提取各超时故障特征对应的特征值；

对各超时故障特征、以及各超时故障特征对应的特征值进行预处理，得到故障类别、故障原因、以及故障码分别对应的训练样本；

以决策树作为模型，采用分类回归树CART算法，分别利用故障类别、故障原因、故障码对应的训练样本训练所述模型，得到故障类别、故障原因、故障码分别对应的超时故障判决模型；

将未知列车超时故障对应的GSM-R网络的接口数据，分别输入到故障类别、故障原因、故障码分别对应的超时故障判决模型，得到对应的故障类别判决结果、故障原因判决结果、故障码判决结果；

根据所述故障类别判决结果、所述故障原因判决结果、所述故障码判决结果得到未知列车超时故障的判决结果。

2.如权利要求1所述的列车超时故障判决方法，其特征在于，对各超时故障特征、以及各超时故障特征对应的特征值进行预处理，得到故障类别、故障原因、以及故障码分别对应的训练样本，包括：

分别配置故障类别、故障原因、故障码与超时故障特征之间的关联关系；

分别根据故障类别、故障原因、故障码与超时故障特征之间的关联关系，以及各超时故障特征、以及各超时故障特征对应的特征值，得到故障类别、故障原因、故障码分别对应的超时故障特征及对应的特征值；

分别对故障类别、故障原因、故障码分别对应的超时故障特征及对应的特征值进行预处理；

分别根据故障类别、故障原因、故障码对应的预处理结果，得到故障类别、故障原因、故障码分别对应的训练样本。

3.如权利要求2所述的列车超时故障判决方法，其特征在于，分别配置故障类别、故障原因、故障码与超时故障特征之间的关联关系，包括：

配置多个故障类别、以及每一故障类别对应的故障原因；其中，每一故障类别对应至少一个故障原因；

配置每一故障原因对应的超时故障特征；其中，每一故障原因对应多个超时故障特征，同一超时故障特征对应于一个或多个故障原因；

配置多个故障码、以及每一故障码对应的超时故障特征；其中，每一故障码对应多个超时故障特征，同一超时故障特征对应于一个多个故障码。

4.如权利要求2所述的列车超时故障判决方法，其特征在于，分别对故障类别、故障原因、故障码分别对应的超时故障特征及对应的特征值进行预处理，包括：

分别对故障类别、故障原因、故障码采用独热方式编码；

对故障类别、故障原因、故障码分别对应的超时故障特征及对应的特征值进行整合，得到超时故障特征与特征值组合项。

5.如权利要求4所述的列车超时故障判决方法，其特征在于，分别根据故障类别、故障原因、故障码对应的预处理结果，得到故障类别、故障原因、故障码分别对应的训练样本，包括：

根据各故障类别、故障原因、故障码分别对应的导致列车超时故障的超时故障特征与特征值组合项的数量，得到每一编码导致列车超时故障的可能性等级；

根据故障类别、故障原因、故障码的各编码对应的超时故障特征与特征值组合项、以及可能性等级，得到故障类别、故障原因、故障码分别对应的训练样本。

6.一种列车超时故障判决装置，其特征在于，包括：

提取模块，用于从GSM-R网络的历史接口数据中提取各超时故障特征对应的特征值；

第一处理模块，用于对各超时故障特征、以及各超时故障特征对应的特征值进行预处理，得到故障类别、故障原因、以及故障码分别对应的训练样本；

模型训练模块，用于以决策树作为模型，采用CART算法，分别利用故障类别、故障原因、故障码对应的训练样本训练所述模型，得到故障类别、故障原因、故障码分别对应的超时故障判决模型；

第二处理模块，用于将未知列车超时故障对应的GSM-R网络的接口数据，分别输入到故障类别、故障原因、故障码分别对应的超时故障判决模型，得到对应的故障类别判决结果、故障原因判决结果、故障码判决结果；

第三处理模块，用于根据所述故障类别判决结果、所述故障原因判决结果、所述故障码判决结果得到未知列车超时故障的判决结果。

7.如权利要求6所述的列车超时故障判决装置，其特征在于，第一处理模块，具体用于分别配置故障类别、故障原因、故障码与超时故障特征之间的关联关系；

分别根据故障类别、故障原因、故障码与超时故障特征之间的关联关系，以及各超时故障特征、以及各超时故障特征对应的特征值，得到故障类别、故障原因、故障码分别对应的超时故障特征及对应的特征值；

分别对故障类别、故障原因、故障码分别对应的超时故障特征及对应的特征值进行预处理；

分别根据故障类别、故障原因、故障码对应的预处理结果，得到故障类别、故障原因、故障码分别对应的训练样本。

8.如权利要求7所述的列车超时故障判决装置，其特征在于，第一处理模块，具体用于配置多个故障类别、以及每一故障类别对应的故障原因；其中，每一故障类别对应至少一个故障原因；

配置每一故障原因对应的超时故障特征；其中，每一故障原因对应多个超时故障特征，同一超时故障特征对应于多个故障原因；

配置多个故障码、以及每一故障码对应的超时故障特征；其中，每一故障码对应多个超时故障特征，同一超时故障特征对应于多个故障码。

9.如权利要求7所述的列车超时故障判决装置，其特征在于，第一处理模块，具体用于分别对故障类别、故障原因、故障码采用独热方式编码；

分别对故障类别、故障原因、故障码分别对应的超时故障特征及对应的特征值进行整合，得到超时故障特征与特征值组合项。

10.一种计算机设备，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，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5任一所述方法。

11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至5任一所述方法。

12.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现权利要求1至5任一所述方法。

Images