CN115796651A - 基于多模态数据的客站设备智能化评价方法、装置和设备 - Google Patents

Abstract

本发明提供一种基于多模态数据的客站设备智能化评价方法、装置和设备，应用于设备管理技术领域，该方法包括：获取待评价类型设备对应的多个目标设备各自在不同一级评价指标下的多模态的第一评价数据；分别将所述多个目标设备在各一级评价指标下的多模态的第一评价数据进行融合，得到所述待评价类型设备在各所述一级评价指标下的目标评价数据；根据各所述一级评价指标下的目标评价数据以及各所述一级评价指标的第一权重值，确定所述待评价类型设备的智能化程度。本发明能够提高客站设备的智能化程度的评价效率，以及评价结果的准确性。

Description

基于多模态数据的客站设备智能化评价方法、装置和设备

技术领域

本发明涉及设备管理技术领域，尤其涉及一种基于多模态数据的客站设备智能化评价方法、装置和设备。

背景技术

近年来，随着铁路规模的不断扩大、云物大智等新技术的突破性进展、旅客对客运服务品质需求的提高，客站设备的智能化程度也越来越重要。

目前，通常是基于旅客或者工作人员的反馈信息，通过人工方式对客站设备的智能化程度进行评价。然而，由于客站设备较多，种类繁杂，产生的反馈信息数量也较多，因此，通过人工方式对客站设备的智能化程度进行评价的效率较低，且评价结果准确性不高。

发明内容

本发明提供一种基于多模态数据的客站设备智能化评价方法、装置和设备，用以解决现有技术中客站设备的智能化程度的评价效率较低，且评价结果的准确性不高的缺陷，提高了客站设备的智能化程度的评价效率，以及评价结果的准确性。

本发明提供一种基于多模态数据的客站设备智能化评价方法，包括：

获取待评价类型设备对应的多个目标设备各自在不同一级评价指标下的多模态的第一评价数据；

分别将所述多个目标设备在各一级评价指标下的多模态的第一评价数据进行融合，得到所述待评价类型设备在各所述一级评价指标下的目标评价数据；

根据所述各所述一级评价指标下的目标评价数据以及各所述一级评价指标的第一权重值，确定所述待评价类型设备的智能化程度。

根据本发明提供的一种基于多模态数据的客站设备智能化评价方法，所述分别将所述多个目标设备在各一级评价指标下的多模态的第一评价数据进行融合，得到所述待评价类型设备在各所述一级评价指标下的目标评价数据，包括：

针对每个一级评价指标，将所述多个目标设备在所述一级评价指标下的多模态的所述第一评价数据进行分类，得到属于不同类型的第一评价数据，所述类型包括结构化数据类型、非结构化数据类型和半结构化数据类型；

对属于所述结构化数据类型的第一评价数据进行数据预处理，得到第二评价数据，并对属于所述非结构化数据类型和所述半结构化数据类型的第一评价数据进行实体抽取处理和/或关系挖掘处理，得到第三评价数据；

将所述第二评价数据和所述第三评价数据进行融合，得到所述待评价类型设备在所述一级评价指标下的目标评价数据。

根据本发明提供的一种基于多模态数据的客站设备智能化评价方法，所述根据所述各所述一级评价指标下的目标评价数据以及各所述一级评价指标的第一权重值，确定所述待评价类型设备的智能化程度，包括：

根据各所述一级评价指标对应的第一权重值以及一级评价指标和二级评价指标之间的关系，确定所述待评价类型设备的多个二级评价指标各自对应的第二权重值，各所述二级评价指标为根据多个一级评价指标中的部分评价指标确定的；

根据各所述一级评价指标下的目标评价数据以及一级评价指标和二级评价指标之间的关系，确定所述待评价类型设备在各二级评价指标下的第四评价数据；

根据所述多个二级评价指标各自对应的第二权重值以及所述待评价类型设备在各二级评价指标下的第四评价数据，确定所述待评价类型设备的智能化程度。

根据本发明提供的一种基于多模态数据的客站设备智能化评价方法，所述根据所述各所述一级评价指标下的目标评价数据以及各所述一级评价指标的第一权重值，确定所述待评价类型设备的智能化程度，包括：

采用熵权法确定各所述一级评价指标的第一权重值，并采用优劣解距离法TOPSIS基于所述目标评价数据和所述第一权重值，确定所述待评价类型设备的智能化程度。

根据本发明提供的一种基于多模态数据的客站设备智能化评价方法，所述采用熵权法确定各所述一级评价指标的第一权重值之后，所述方法还包括：

采用客观权重赋权CRITIC法，确定任意两个所述一级评价指标之间的关系，所述关系包括冲突程度、变异程度和正相关性中的至少一个；

基于所述任意两个所述一级评价指标之间的关系，验证各所述一级评价指标的第一权重值的准确度；

在所述一级评价指标中存在第一评价指标的第一权重值的准确度小于第一预设值的情况下，重新确定所述第一评价指标的第一权重值。

根据本发明提供的一种基于多模态数据的客站设备智能化评价方法，所述采用熵权法确定各所述一级评价指标的第一权重值之后，所述方法还包括：

对多个一级评价指标进行聚类，得到多个类；

基于各所述一级评价指标的第一权重值，确定多个类各自对应的第二权重值；

在确定所述多个类中存在第一类对应的第二权重值小于第二预设值的情况下，重新确定所述第一类中包括的所述一级评价指标的第一权重值。

本发明还提供一种基于多模态数据的客站设备智能化评价装置，包括：

获取模块，用于获取待评价类型设备对应的多个目标设备各自在不同一级评价指标下的多模态的第一评价数据；

融合模块，用于分别将所述多个目标设备在各一级评价指标下的多模态的第一评价数据进行融合，得到所述待评价类型设备在各所述一级评价指标下的目标评价数据；

确定模块，用于根据所述各所述一级评价指标下的目标评价数据以及各所述一级评价指标的第一权重值，确定所述待评价类型设备的智能化程度。

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基于多模态数据的客站设备智能化评价方法。

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基于多模态数据的客站设备智能化评价方法。

本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述基于多模态数据的客站设备智能化评价方法。

本发明提供的基于多模态数据的客站设备智能化评价方法、装置和设备，通过获取待评价类型设备对应的多个目标设备各自在不同一级评价指标下的多模态的第一评价数据，分别将多个目标设备在各一级评价指标下的多模态的第一评价数据进行融合，得到待评价类型设备在各一级评价指标下的目标评价数据，再根据各一级评价指标下的目标评价数据以及各一级评价指标的第一权重值，确定待评价类型设备的智能化程度。由于考虑了待评价类型设备对应的多个目标设备的第一评价数据，并且可以将多个目标设备各自对应的多模态的第一评价数据进行融合，这样可以使得到的目标评价数据更加多样化，使得评价结果更全面，提高了评价结果的准确性以及可信度。另外，可以基于融合后得到的目标评价数据对待评价类型设备进行智能化程度的评价，避免了人工评价方式，提高了待评价类型设备的智能化程度的评价效率。

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为本发明实施例提供的基于多模态数据的客站设备智能化评价方法的流程示意图之一；

图2为本发明实施例提供的智能化评价体系模型的示意图；

图3为本发明实施例提供的一种数据融合示意图；

图4为本发明实施例提供的另一种数据融合示意图；

图5为本发明实施例提供的又一种数据融合示意图；

图6为本发明实施例提供的基于多模态数据的客站设备智能化评价方法的流程示意图之二；

图7为本发明实施例提供的基于多模态数据的客站设备智能化评价方法的流程示意图之三；

图8为本发明实施例提供的基于多模态数据的客站设备智能化评价方法的流程示意图之四；

图9为本发明实施例提供的基于多模态数据的客站设备智能化评价装置的示意图；

图10示例了一种电子设备的实体结构示意图。

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。

客站设备的智能化程度直接关系到客运生产组织、客运作业指挥以及旅客出行等过程。因此，如何对客站设备的智能化程度进行快速有效的评价，就显得越来越重要。目前，通常是基于旅客或工作人员的反馈，通过人工判断的方式，确定客站设备的智能化程度。但是上述方式，一方面，由于客站设备较多，且种类繁杂，旅客和工作人员反馈的信息也较多，通过人工方式对这些信息进行判断，以对客站设备的智能化程度进行评价时，评价效率较低。另一方面，通过人工方式进行评价时，可能会存在一些主观的因素，导致评价结果不准确，可信度不高。

本发明实施例考虑到上述问题，提出一种基于多模态数据的客站设备智能化评价方法，在对某个待评价类型设备进行智能化程度评价时，通过获取该待评价类型设备对应的多个目标设备各自在不同一级评价指标下的多模态的第一评价数据，针对每个一级评价指标，可以对不同目标设备对应的多模态的第一评价数据进行融合，可以获得待评价类型设备在每个一级评价指标下的目标评价数据，从而可以基于该目标评价数据，对待评价类型设备进行智能化程度的评价。由于考虑了待评价类型设备对应的多个目标设备的第一评价数据，并且可以将多个目标设备各自对应的第一评价数据进行融合，这样使得评价结果更全面，提高了评价结果的准确性以及可信度。另外，可以基于融合后得到的目标评价数据对待评价类型设备进行智能化程度的评价，避免了人工评价方式，提高了待评价类型设备的智能化程度的评价效率。

本发明实施例提供的基于多模态数据的客站设备智能化评价方法，应用于铁路运输场景中，或者其他具有客站设备的场景中，以对这些场景中的某类客站设备的智能化程度进行评价，如对客票类设备、旅服类设备和机电类设备的智能化程度进行评价。

下面结合图1-图8描述本发明的基于多模态数据的客站设备智能化评价方法。

图1为本发明实施例提供的基于多模态数据的客站设备智能化评价方法的流程示意图之一，该方法的执行主体为任何能够进行客站设备智能化程度评价的电子设备，如云端服务平台或终端等。如图1所示，该方法包括：

步骤101：获取待评价类型设备对应的多个目标设备各自在不同一级评价指标下的多模态的第一评价数据。

具体地，待评价类型设备包括客票类设备、旅服类设备和机电类设备，每个待评价类型设备都对应有多个目标设备。例如，旅服类设备包括但不限于：广播设备、引导设备、查询设备和视频监控设备等等。客票类设备包括但不限于：检票闸机、移动补票机和实名核验机等，机电类设备包括但不限于：电扶梯、空调、站台照明和电表等等。

图2为本发明实施例提供的智能化评价体系模型的示意图，如图2所示，指标层中包括的C1-C31所示的31个指标即为一级评价指标，如包括异常状况下处理速度快、售后及维修成本低等等。

另外，电子设备可以通过数据引擎获取多个目标设备各自在不同一级评价指标下的多模态的第一评价数据，其中，不同的目标设备对应的第一评价数据的模态可能不同，多模态包括音频、视频、图像、文字等结构化、半结构化或非结构化等类型的数据。例如，对于旅服类设备而言，其中，广播设备返回的是音频(如：广播记录)、文本(如：广播词)和结构化数据(如：结合车次的广播计划)，引导设备返回的基本为文本格式的数据和结构化数据，查询设备返回的有文本数据和语音(如：旅客查询时的录音、录制好的回复语音等)以及旅客面部图片和视频，视频监控设备则返回的是视频、音频、图片、结构化数据(如：结合车次的视频监控计划)等。

在本实施例中，由于客站设备的种类较多、数量大、协议复杂且涉及厂家众多，因此，通过获取待评价类型设备对应的多个目标设备返回的多模态的第一评价数据，可以将传统的单模态信息进行高效融合，解决了目前铁路客站设备设施各模态数据孤立且缺乏有效融合的弊端，克服单一数据模态处理的结果的片面化、不可靠、精准度低、质量低、效果不好等缺陷，通过全面且多样化的第一评价数据，将多源第一评价数据进行融合，通过融合、集成和汲取不同模态的优点，可以使多源第一评价数据优势互补，为评价类型设备智能化程度的评价结果提供了更为全面、准确、可靠的估计和判断，通过数字车站模型给出对评价结果直观的三维展示，便于工作人员开展后续的智能化决策。

步骤102：分别将多个目标设备在各一级评价指标下的多模态的第一评价数据进行融合，得到待评价类型设备在各一级评价指标下的目标评价数据。

在本步骤中，在确定出多个目标设备在各个一级评价指标下的第一评价数据之后，针对每个一级评价指标，可以将该一级评价指标对应的多个目标设备的第一评价数据进行融合，从而可以得到待评价类型设备在该一级评价指标下的目标评价数据。

例如，如图2所示，对于C2售后及维修成本低这一一级评价指标，可以将多个目标设备的C2售后及维修成本低所对应的第一评价数据进行数据融合，从而可以得到C2售后及维修成本低所对应的目标评价数据。

示例性的，上述的来自多个目标设备的多模态第一评价数据的融合方案包括以下至少一项：数据级融合、特征级融合、决策级融合以及混合融合。

示例性的，多模态第一评价数据的融合方法包括以下至少一项：加权平均、卡尔曼滤波、贝叶斯推理、统计决策、BP神经网络、D-S证据理论、模糊理论、产生式规则、极大似然估计、最小二乘法、熵理论法、聚类分析、表决法、专家决策、学习量子法、知识系统和遗传算法等。

图3为本发明实施例提供的一种数据融合示意图，如图3所示，分别通过多个传感器采集目标设备的第一评价数据之后，可以将不同传感器采集的第一评价数据先进行数据融合，再对融合后的数据进行特征提取，并识别提取出的特征，从而基于识别结果做决策，也即对待评价类型设备进行智能化程度的评价。

图4为本发明实施例提供的另一种数据融合示意图，如图4所示，分别通过多个传感器采集目标设备的第一评价数据之后，可以分别对不同传感器采集的第一评价数据先进行特征提取，再对提取出的特征进行融合，并识别融合后的特征，从而基于识别结果做决策，也即对待评价类型设备进行智能化程度的评价。

图5为本发明实施例提供的又一种数据融合示意图，如图5所示，分别通过多个传感器采集目标设备的第一评价数据之后，可以分别对不同传感器采集的第一评价数据先进行特征提取，再分别对多个提取出的特征进行识别，并对识别结果进行决策融合，从而基于融合后的识别结果做决策，也即对待评价类型设备进行智能化程度的评价。

进一步，为了分析和评价设备健康状况，后续便于采用不同算法进行分析处理，也为针对不同应用场景搭建模型提供数据依据，可以基于获取到的第一评价数据，建立客站设备数据库。另外，对于不同模态的第一评价数据，其可以通过规范化、归一化处理全部转换为0-1之间的数据，以便于后续分析，其中，转换之后的第一评价数据的均值，以±5％为正常范围。

步骤103：根据各一级评价指标下的目标评价数据以及各一级评价指标的第一权重值，确定待评价类型设备的智能化程度。

在本步骤中，可以按照1-9标度法或者熵权法确定各个一级评价指标的第一权重值，再采用优劣解距离法(Technique for Order Preference by Similarity to anIdeal Solution，TOPSIS)，基于目标评价数据和第一权重值对待评价类型设备的智能化程度进行评价。其中，智能化程度可以包括数据处理速度、信息采集广度、信息深度、接口拓展程度、新兴技术手段引用程度以及提供服务的智能化程度等等。

示例性的，TOPSIS法是一种常用的综合评价方法，其能充分利用原始数据的信息，其结果能精确地反应各评价方案之间的差距。特别适合具有多组评价对象时，要求通过检测评价对象与最优解、最劣解的距离来进行排序。传统TOPSIS方法的步骤主要包括：原始矩阵正向化、正向化矩阵标准化、矩阵归一化、计算权重。而熵权法是一种客观赋权方法，在具体使用过程中，根据各一级评价指标的第一评价数据的分散程度，利用信息熵计算出各一级评价指标的熵权，再根据各一级评价指标对熵权进行一定的修正，从而得到较为客观的指标权重。其中，熵权法的步骤包括矩阵标准化、计算每个一级评价指标的熵值、计算每个一级评价指标的熵权、得到一级评价指标的综合权数。

本发明中针对传统TOPSIS方法中采用主动赋权机制的弊端，改为采用“主动+被动”相结合的方法，也即，在计算第一权重值时将传统的通过距离得分排序的方式得到第一权重值改为通过熵值计算第一权重值，以对一级评价指标权重进行计算优化。之后，可以运用客观权重赋权(Criteria Importance Though Intercrieria Correlation，CRITIC)方法对计算得出的第一权重值进行准确性、合理性分析。比较聚类算法与改进TOPSIS方法的评价结果，通过组合赋权完成客站设备智能化多准则评价。

示例性的，采用CRITIC方法对计算得出的第一权重值进行准确性、合理性分析时，采用客观权重赋权CRITIC法，确定任意两个一级评价指标之间的关系，该关系包括冲突程度、变异程度和正相关性中的至少一个；基于任意两个一级评价指标之间的关系，验证各一级评价指标的第一权重值的准确度；在一级评价指标中存在第一评价指标的第一权重值的准确度小于第一预设值的情况下，重新确定第一评价指标的第一权重值。

具体地，通过CRITIC法，可以确定任意两个一级评价指标之间的冲突性、变异性和正相关性中的至少一个，若两个一级评价指标之间的冲突性越小，则这两个一级评价指标的权重越小，若两个一级评价指标之间的变异性越小，说明这两个一级评价指标越相似，则这两个一级评价指标的权重就越小，若两个一级评价指标之间的正相关性越大，说明这两个一级评价指标之间存在较强的关联关系，则这两个一级评价指标的权重就越小等等。电子设备可以基于上述规则验证各一级评价指标的第一权重值的准确度，也即验证各一级评价指标的第一权重值是否合理，若某个第一评价指标的第一权重值不符合上述规则，也即准确度小于第一预设值的情况下，说明该第一评价指标的第一权重值分配不合理，此时，将重新确定第一评价指标的第一权重值。

在本实施例中，可以采用CRITIC法确定任意两个一级评价指标之间的关系，并基于该关系验证各一级评价指标的第一权重值的准确度，从而可以使得分配给各一级评价指标的第一权重值更加合理，进一步提高了待评价类型设备智能化程度的评价结果的精度和可信度。

示例性的，在采用熵权法确定各一级评价指标的第一权重值之后，还可以进一步对多个一级评价指标进行聚类，得到多个类，并基于各一级评价指标的第一权重值，确定多个类各自对应的第三权重值；在确定多个类中存在第一类对应的第三权重值小于第二预设值的情况下，重新确定第一类中包括的一级评价指标的第一权重值。

具体地，可以采用聚类法对多个一级评价指标进行分析，以得到多个类，其中，在同一类中的一级评价指标的相关性较大。基于各一级评价指标的第一权重值，可以确定多个类各自对应的第二权重值，例如可以将各个类中的一级评价指标的第一权重值加和、求平均或者加权平均等等。若多个类中存在某个第一类对应的第二权重值小于第二预设值，也即该第一类对应的第二权重值较小，则说明该第一类中包含的多个一级评价指标对应的第一权重值可能过小，也即第一类中包含的多个一级评价指标对应的第一权重值分配不合理，此时，将重新确定第一类中包括的一级评价指标的第一权重值。

在本实施例中，可以通过聚类法，确定每个类对应的第二权重值，以验证各类中包含的一级评价指标的第一权重值的分配准确度，从而可以使得分配给各一级评价指标的第一权重值更加合理，进一步提高了待评价类型设备智能化程度的评价结果的精度和可信度。

示例性的，本发明实施例提供的通过TOPSIS方法对智能化程度进行评价的流程包括：步骤1：一级评价指标矩阵正向化、归一化。步骤2：熵值法计算分析第一权重值。步骤3：通过CRITIC法对第一权重值的合理性进行分析。步骤4：通过聚类法对第一权重值的分配合理性进行分析。步骤5：准则层的指标组合赋权，确定二级评价指标的第二权重值。步骤6：专家打分对准则层指标评价，其中，可以选择路内外专家对二级评价指标进行打分，分数在0～1之间，最后综合计算得出不同二级评价指标各自对应的分值。步骤7：目标层指标组合赋权。步骤8：指标评价结果，其中，该指标评价结果用于表征待评价类型设备智能化程度的评价结果。

本发明实施例所述的改进TOPSIS方法对于客站设备智能化程度的评价特点包括：该方法采用熵值法计算分析指标权重，后通过CRITIC方法对权重变异性进行分析，给出计算后的指标权重。通过聚类算法分析了权重的类别，并与改进TOPSIS方法得出的指标权重计算结果进行合理性比对。最终通过组合赋权的方式给出最终的评价指标的权重。

进一步地，在本发明中，在为第一评价数据分配第一权重值之前，先确定第一评价数据是否处于正常范围内，在确定第一评价数据处于正常范围内时，再进行第一权重值的分配。

本发明实施例提供的基于多模态数据的客站设备智能化评价方法，通过获取待评价类型设备对应的多个目标设备各自在不同一级评价指标下的多模态的第一评价数据，分别将多个目标设备在各一级评价指标下的多模态的第一评价数据进行融合，得到待评价类型设备在各一级评价指标下的目标评价数据，再根据各一级评价指标下的目标评价数据以及各一级评价指标的第一权重值，确定待评价类型设备的智能化程度。由于考虑了待评价类型设备对应的多个目标设备的第一评价数据，并且可以将多个目标设备各自对应的第一评价数据进行融合，这样可以使得到的目标评价数据更加多样化，使得评价结果更全面，提高了评价结果的准确性以及可信度。另外，可以基于融合后得到的目标评价数据对待评价类型设备进行智能化程度的评价，避免了人工评价方式，提高了待评价类型设备的智能化程度的评价效率。

图6为本发明实施例提供的基于多模态数据的客站设备智能化评价方法的流程示意图之二，本发明实施例在图1所示实施例的基础上，对图1中的步骤102中分别将多个目标设备在各一级评价指标下的第一评价数据进行融合的具体实现过程进行详细说明。如图6所示，该方法包括：

步骤601：针对每个一级评价指标，将多个目标设备在一级评价指标下的第一评价数据进行分类，得到属于不同类型的第一评价数据。

其中，该类型包括结构化数据类型、非结构化数据类型和半结构化数据类型。

具体地，由于待评价类型设备对应的多个目标设备的种类不同，因此，通过数据引擎获取到的这多个目标设备返回的第一评价数据的数据类型也会有所区别，如有些目标设备返回的第一评价数据为结构化数据类型，有些目标设备返回的第一评价数据为非结构化数据类型，还有些目标设备返回的第一评价数据可能为半结构化数据类型等。

其中，多个目标设备也可以理解为铁路环境中的前端感知设备，或者客站设备。示例性的，目标设备例如可以包括综合显示大屏等引导揭示系统终端、拾音器等广播系统终端、自助查询机等查询终端、温湿度亮度传感器等运行环境监测终端等。

上述多个目标设备采集到的在某个一级评价指标下的第一评价数据，通过管控平台的内部、外部接口，分别实时获取内部各相关子系统设备的运行状况信息以及各外部系统设备的运行状况信息；将内部相关子系统设备的运行状况信息和外部系统设备的运行状况信息上传至电子设备的数据引擎。

其中，内部相关子系统包括以下至少一项：生产指挥子系统、到发管理子系统、广播管理子系统、导向管理子系统、视频监控子系统、系统管理子系统；内部系统设备包括以下至少一项：导向终端、广播终端、查询机、摄像头、到发终端、移动终端、实名制验票设备、进站检票核验设备、补票机、温度传感器、湿度传感器、照度传感器等。外部系统设备包括以下至少一项：电梯、空调、照明、火灾报警设备、水表、电表、广告屏等。

步骤602：对属于结构化数据类型的第一评价数据进行数据预处理，得到第二评价数据。

具体地，电子设备可以根据通过数据引擎获取到的第一评价数据的数据类型以及结构特点，对第一评价数据进行分类，并将多个第一评价数据，通过接口服务器与管控平台的物联网数据库中进行同步，并将不同类型的第一评价数据按照不同的方式进行存储。

存储之后，可以对属于结构化数据类型的第一评价数据进行数据预处理，得到第二评价数据，其中，上述预处理包括以下至少一项：清洗、标准化、归一化、去除、补全、修正或模型检测等。

步骤603：对属于非结构化数据类型和半结构化数据类型的第一评价数据进行实体抽取处理和/或关系挖掘处理，得到第三评价数据。

具体地，实体抽取也可以理解命名实体识别与分类，其主要是为了识别出文本中出现的专有名称并加以归类。关系挖掘自动识别实体之间具有的某种语义关系，根据参与实体的多少可以分为二元关系抽取(两个实体)和多元关系抽取(三个及以上实体)。

步骤604：将第二评价数据和第三评价数据进行融合，得到待评价类型设备在一级评价指标下的目标评价数据。

具体地，在对第二评价数据和第三评价数据进行融合时，可以基于采集到的多模态的第一评价数据，选择数据级融合、特征级融合、决策级融合中的任一种或采用混合融合的方式进行融合。其中，融合方法可以包括代数法(包括：加权融合法、单变量图像差值法、图像比值法)、图像回归法、主成分分析法、K-T变换法、小波变换法、HIS变换法、贝叶斯估计法、D-S推理法、人工神经网络、专家系统等其中的一种或几种方法。

另外，对融合后得到的目标评价数据进行融合分析的方式，可以包括如下至少一项：特征抽取、属性融合、聚类分析、关联分析、分类预测等。

这样，电子设备即可基于融合后得到的目标评价数据以及各一级评价指标对应的第一权重值，对待评价类型设备的智能化程度进行评价。

在本实施例中，可以针对第一评价数据的不同类型，分别对各类型对应的第一评价数据进行处理之后，再将得到的第二评价数据和第三评价数据进行融合，从而可以得到用于对待评价类型设备进行智能化程度评价的目标评价数据，由于融合了不同数据类型的第一评价数据，这样可以使得到的目标评价数据更加多样化，使得评价结果更全面，提高了评价结果的准确性以及可信度。

图7为本发明实施例提供的基于多模态数据的客站设备智能化评价方法的流程示意图之三，本发明实施例在图1所示实施例的基础上，对图1中的步骤103中根据各一级评价指标下的目标评价数据以及各一级评价指标的第一权重值，确定待评价类型设备的智能化程度的具体实现过程进行详细说明。如图7所示，该方法包括：

步骤701：根据各一级评价指标对应的第一权重值以及一级评价指标和二级评价指标之间的关系，确定待评价类型设备的多个二级评价指标各自对应的第二权重值。

其中，各二级评价指标为根据多个一级评价指标中的部分评价指标确定的。

在本步骤中，如图2所示，智能化评价体系模型包括有目标层，准则层1、准则层2和指标层。其中，目标层为铁路客站的智能化水平；准则层1为从用户角度评判客站设备的智能化水平，分别为：高可靠性、高稳定性、高精度、灵活拓展、高效性、自主运行、绿色低碳、运行可视化。准则层2为按照评价指标对旅客服务质量水平的贡献情况，从车站建设角度评判客站设备的智能化水平，又分为：经济型、效率型、准确型、拓展型、复用型、便捷型、实用型等7个方面。其中准则层1和准则层2中包括的指标即为二级评价指标。指标层为具体的评判指标，也即一级评价指标，其包括但不限于以下的一种或几种：异常状况下处理速度快、设备生命周期长、环境变化敏感度低、设备故障率低、自动校对标定、实时分析处理等。

如图2所示，二级评价指标为根据多个一级评价指标中的部分评价指标确定的。例如，准则层1中包括的B1高可靠性指标，是基于一级评价指标中的C1异常状况下处理速度快、C2售后及维修成本低、C3维修频次及单时长合理、C4设备生命周期长确定的。又例如，准则层2中包括的经济型指标，是基于一级评价指标中的C2售后及维修成本低、C24无纸化流程功能点多确定的。

基于各一级评价指标对应的第一权重值以及一级评价指标和二级评价指标之间的关系，可以通过组合赋权法确定各个二级评价指标各自对应的第二权重值。

步骤702：根据各一级评价指标下的目标评价数据以及一级评价指标和二级评价指标之间的关系，确定待评价类型设备在各二级评价指标下的第四评价数据。

在本步骤中，基于图2所示的一级评价指标和二级评价指标之间的关系，可以根据各一级评价指标下的目标评价数据，确定待评价类型设备在各二级评价指标下的第四评价数据。例如，准则层1中包括的B1高可靠性指标，是基于一级评价指标中的C1异常状况下处理速度快、C2售后及维修成本低、C3维修频次及单时长合理、C4设备生命周期长确定的，因此，可以确定C1异常状况下处理速度快、C2售后及维修成本低、C3维修频次及单时长合理、C4设备生命周期长的目标评价数据的平均值或者加权平均值，从而将该平均值或者加权平均值作为B1高可靠性指标的第四评价数据。类似的，采用同样的方式，可以确定出其他二级评价指标下的第四评价数据。

步骤703：根据多个二级评价指标各自对应的第二权重值以及待评价类型设备在各二级评价指标下的第四评价数据，确定待评价类型设备的智能化程度。

在本步骤中，在确定出多个二级评价指标各自对应的第二权重值以及待评价类型设备在各二级评价指标下的第四评价数据之后，基于图2中的智能化评价模型，可以采用组合赋权的方式确定出待评价类型设备的智能化程度。

进一步地，如图2所示，由于存在2个准则层，因此，可以分别基于这两个准则层，从不同角度对待评价类型设备的智能化程度进行评价。

在本实施例中，可以通过组合赋权的方式确定出各个二级评价指标的第二权重值，基于该第二权重值以及各个二级评价指标下的第四评价数据，对待评价类型设备的智能化程度进行评价，从而可以基于多个不同的维度以及层次的评价指标对智能化程度进行评价，提高了智能化程度评价的全面性。

示例性的，在对待评价类型设备的智能化程度进行评价之后，还可以进一步综合得出该客运车站设备的整体智能化水平，结合客运车站的旅客服务满意度、站内候车舒适程度、车站个性化服务及客运服务质量、有无差异化服务、从候车至登乘整个流程是否智能快速等等因素，可以大致对该铁路客运车站给出智能化水平的层级评判。

另外，为了使得用户可以直观的看到待评价类型设备的智能化程度以及铁路客运车站整体的智能化水平，还可以将确定出的智能化程度的评价结果通过数字孪生模型直观展示。其中，数字孪生模型通过3D+GIS的方式，直观展示给工作人员所有设施设备的实时运行状况、历史运行记录、维修情况、智能化等级评估结果等信息，为车站智能化建设提供有力的参考依据。另外，还可以便于工作人员直观理解评价的结果和意义，大幅提升了人员工作效率，也为铁路客站的智能化提供发展方向。

本发明实施例中通过多模态的第一评价数据之间的补充、修正、特征提取和数学建模，以及与云平台、物联网的连接，汇集铁路客站各专业的所有设备设施数据，促使各专业各子系统在多感合一的背景下做出更为准确的决策，更好的评价铁路客站设备的智能化水平，通过三维展示也能更直观的提供铁路客站的智能化决策渠道。

图8为本发明实施例提供的基于多模态数据的客站设备智能化评价方法的流程示意图之四，为了方便理解和描述，在本实施例中，指标可以理解为一级评价指标。如图8所示，该方法包括：

步骤801：确定客站设备的智能化方向。

其中，客站设备的智能化方向包括但不限于：数据处理速度、信息采集广度、信息深度、接口拓展程度、新兴技术手段引用程度、提供服务的智能化程度等等。

本发明实施例所述的客站设备智能化方向大致分为采集实时高效、处理快速准确、设备可靠易拓展、服务实用多元共4个大的方向。

步骤802：分析旅服类设备、客票类设备和机电类设备的数据类型。

其中，数据类型包括结构化数据、半结构化数据和非结构化数据。

步骤803：通过数据引擎获取客站设备设施的多模态数据。

步骤804：分析多模态数据的数据类型。

步骤805：根据数据类型结合设备类型，对采集到的数据进行分类，明确具体类型的设备对应的不同类型数据。

步骤806：建立和管理客站设备数据库。

其中，建立客站设备数据库用于分析和评价设备健康状况，后续便于采用不同算法进行分析处理，也为针对不同应用场景搭建模型提供数据依据。

步骤807：确定不同类型设备中各类型数据的均值，以±5％为正常范围。

其中，可以将不同模态的第一评价数据进行规范化和归一化处理，将其转换为0-1之间的数据，以便于后续分析处理。

步骤808：分析能够代表铁路客站设备智能化的具体指标。

步骤809：建立铁路客站设备智能化指标评价模型。

步骤810：指标体系赋权重。

步骤811：改进TOPSIS方法进行指标权重合理性判定。

进一步，还可以借助卡尔曼滤波去除无效或多余一级评价指标。

步骤812：对应指标赋权。

进一步地，可以将对应指标划分不同类型数据，根据权重划分数据。

步骤813：明确客站设备数据模态。

其中，客站设备的数据模态结合目前铁路客站运营实施状况，大致包括:文本(如：设备运行状况数据、列车到发数据、运行调度数据等)、视频(如：车站咽喉区域及重点区域的监控录像及画面、设备故障点视频等)、音频(如：旅客问询声音、广播录音等)、图像(如：人脸检测结果、视频截图、设备关键部件故障截图等)这4大类。

步骤814：确定多源多模态数据融合方案。

其中，多源多模态数据融合方案包括数据级融合、特征级融合、决策级融合中的任一种或采用混合融合的方式。

步骤815：选择多源多模态数据融合方法。

其中，多源多模态数据融合方法包括代数法(包括：加权融合法、单变量图像差值法、图像比值法)、图像回归法、主成分分析法、K-T变换法、小波变换法、HIS变换法、贝叶斯估计法、D-S推理法、人工神经网络、专家系统等其中的一种或几种方法。

步骤816：多源多模态数据融合方案评价。

步骤817：多源多模态数据融合方法库。

其中，可以根据多源多模态数据的融合方法和方案的比较选择，最终形成适合铁路客站设备智能化评估的多源多模态数据融合方法库和方案评价。

步骤818：知识获取。

步骤819：知识推理。

步骤820：知识库形成。

本发明提供的多模态数据的融合方案和方法，该方案和方法均从知识库中抽取。多源多模态数据融合方法库和方案评价结果，经知识抽取和知识推理，形成知识库。

其中，通过对方法和方案的反复学习和知识获取，经知识推理，最终形成知识库，该知识库可用于指导评价模型的搭建，也为评价模型的搭建提供必要且有效的方式方法和评价依据。

步骤821：综合评价数据。

步骤822：待评价类型设备的评价结果。

步骤823：结合数字孪生模型给出铁路客站设备智能化的三维展示。

下面，以一个具体的示例对本发明实施例中的基于多模态数据的客站设备智能化评价方法进行说明。

以待评价类型设备为客票类设备，以一级评价指标为C2售后及维修成本低为例，对于其他待评价类型设备与其他一级评价指标的具体实现方式，与待评价类型设备为客票类设备，一级评价指标为C2售后及维修成本低相似，此处不再赘述。

其中，检票闸机(客票类设备)的维修费用数据(以元计算)：(4*4矩阵)

对以上矩阵每类求均值，得1*4矩阵或4*1矩阵，如：

	检票闸机1	检票闸机2	检票闸机3	检票闸机4
					子部件	12432	96	14	1231

或

	检票闸机
		子部件1	12432
子部件2	4543
		子部件3	578
子部件4	578

再对以上矩阵再次求均值，得：

	检票闸机
		子部件	1988

其中，移动补票(客票类设备)的维修费用(以元计算)数据：(5*4矩阵)

	移动补票1	移动补票2	移动补票3	移动补票4
					子部件1	12432	96	14	1231
子部件2	4543	954	463	342
					子部件3	578	63	763	963
子部件4	578	63	763	963
					子部件5	4543	954	463	342

按照检票闸机类似的方式进行处理，可以得到：

	移动补票机
		子部件	8732

实名核验(客票类设备)的维修费用数据(以元计算)：(9*7矩阵)

	实名核验1	实名核验2	实名核验3	实名核验4	实名核验5	实名核验6	实名核验7
								子部件1	12432	96	14	1231	123	24	343
子部件2	4543	954	463	342	123	24	343
								子部件3	578	63	763	963	123	24	343
子部件4	578	63	763	963	123	24	343
								子部件5	4543	954	463	342	123	24	343
子部件6	4543	954	463	342	123	24	343
								子部件7	4543	954	463	342	123	24	343
子部件8	4543	954	463	342	123	24	343
								子部件9	4543	954	463	342	123	24	343

按照同样的方式进行处理，可以得到:

	实名核验
		子部件	632

综合以上数据，得到客票类设备在C2指标下的结果(以元计算)(1*3矩阵)：

移动补票机	检票闸机	实名核验
			8732	1988	632

最后，综合得出客票类设备的C2指标数据为(8732+1988+632)/3＝3784(元)

类似，可以得出旅服类和机电类设备的C2指标数据，分别如下：

旅服类设备的C2指标数据(1*5矩阵)

机电类的C2指标数据(1*4矩阵)

将以上三个矩阵进行合并得到：

对以上矩阵求平均或者加权平均等处理，得出客站内三大类设备的C2指标数据：

客站设备	C2指标
		客票类设备	2335
旅服类设备	8532
		机电类设备	9132

将以上数据换算成0～1类的数值，可以得到：

以此类推，对每类设备的不同评价指标进行计算得出：

客站设备	C1指标	C2指标	……	C31指标
					客票类设备	0.63	0.78		0.89
旅服类设备	0.73	0.65		0.53
					机电类设备	0.59	0.43		0.76

对某类设备(如客票类设备)，按照1～9标度法给出31个指标之间的重要性对比矩阵，如：

	C1	C2	C3	C4	C5	C6	C7
								C1异常状况下处理速度快	1	8	4	5	9	2	7
C2售后及维修成本低	1/8	1	1/7	1/8	5	1/4	1/8
								C3维修频次及单时长合理	1/4	7	1	1/2	3	1/4	1/7
C4设备生命周期长	1/5	8	2	1	1/3	1/3	1/3
								C5环境变化敏感度低	1/9	1/5	1/3	3	1	1/3	1/9
C6量程变化灵活	1/2	4	4	2	3	1	1/8
								C7设备故障率低	1/9	8	7	3	9	8	1

通过对重要性对比矩阵的特征值计算、权重计算得出31个指标的第一权重值，组合赋权最终得到该类设备准则层的第二权重值(共8个)，如：

通过组合后的第二权重值，以及三大类设备在准则层对应的各二级评价指标下的评价数据，确定每类设备的智能化水平：

最终可以结合其他因素判定该铁路客运车站的整体智能化水平，甚至按照此方式可以推断站段、路局，乃至目前既有铁路客站智能化水平。

本发明提供的基于多模态数据的客站设备智能化评价方法，在明确客站设备智能化的发展方向和设备数据模态的前提下，一方面利用大数据分析平台实时分析采集到的实时状态信息，也即第一评价数据，根据设备类型分配各模态数据。另一方面结合建立的铁路客站设备智能化指标评价模型，通过改进的TOPSIS方法对不同指标进行权重的分配。最后，结合不同指标的权重综合评价不同类型设备对应的智能化程度，并结合铁路客站的数字孪生模型给出该站设备智能化的三维展示。

基于上述实施例的内容，作为一种可选实施例，在获取所述待评价类型设备的智能化评价结果之后，可综合该站所有设备设施的智能化水平对整个车站的智能化水平进行较为合理的评价参考，也可根据某类待评价类型设备的智能化水平和权重较高的指标逆向溯源，寻找到对应的数据模态，为数据融合方式的优化提供依据。作为延伸，也可以此评价方法对整条线路、整个车务段、整个路局的设备的智能化水平进行评价，为后续我国铁路客站智能化发展提供可靠的参考依据。

下面对本发明提供的基于多模态数据的客站设备智能化评价装置进行描述，下文描述的基于多模态数据的客站设备智能化评价装置与上文描述的基于多模态数据的客站设备智能化评价方法可相互对应参照。

图9为本发明实施例提供的基于多模态数据的客站设备智能化评价装置的示意图，如图9所示，该装置包括：

获取模块11，用于获取待评价类型设备对应的多个目标设备各自在不同一级评价指标下的多模态的第一评价数据；

融合模块12，用于分别将所述多个目标设备在各一级评价指标下的多模态的第一评价数据进行融合，得到所述待评价类型设备在各所述一级评价指标下的目标评价数据；

确定模块13，用于根据所述各所述一级评价指标下的目标评价数据以及各所述一级评价指标的第一权重值，确定所述待评价类型设备的智能化程度。

可选地，融合模块12，具体用于：

针对每个一级评价指标，将所述多个目标设备在所述一级评价指标下的多模态的所述第一评价数据进行分类，得到属于不同类型的第一评价数据，所述类型包括结构化数据类型、非结构化数据类型和半结构化数据类型；

对属于所述结构化数据类型的第一评价数据进行数据预处理，得到第二评价数据，并对属于所述非结构化数据类型和所述半结构化数据类型的第一评价数据进行实体抽取处理和/或关系挖掘处理，得到第三评价数据；

将所述第二评价数据和所述第三评价数据进行融合，得到所述待评价类型设备在所述一级评价指标下的目标评价数据。

可选地，确定模块13，具体用于：

根据各所述一级评价指标对应的第一权重值以及一级评价指标和二级评价指标之间的关系，确定所述待评价类型设备的多个二级评价指标各自对应的第二权重值，各所述二级评价指标为根据多个一级评价指标中的部分评价指标确定的；

根据各所述一级评价指标下的目标评价数据以及一级评价指标和二级评价指标之间的关系，确定所述待评价类型设备在各二级评价指标下的第四评价数据；

根据所述多个二级评价指标各自对应的第二权重值以及所述待评价类型设备在各二级评价指标下的第四评价数据，确定所述待评价类型设备的智能化程度。

可选地，确定模块13，具体用于：

采用熵权法确定各所述一级评价指标的第一权重值，并采用优劣解距离法TOPSIS基于所述目标评价数据和所述第一权重值，确定所述待评价类型设备的智能化程度。

可选地，确定模块13，具体用于：

采用客观权重赋权CRITIC法，确定任意两个所述一级评价指标之间的关系，所述关系包括冲突程度、变异程度和正相关性中的至少一个；

基于所述任意两个所述一级评价指标之间的关系，验证各所述一级评价指标的第一权重值的准确度；

在所述一级评价指标中存在第一评价指标的第一权重值的准确度小于第一预设值的情况下，重新确定所述第一评价指标的第一权重值。

可选地，所述装置还包括：聚类模块；

所述聚类模块，用于对多个一级评价指标进行聚类，得到多个类；

确定模块，用于基于各所述一级评价指标的第一权重值，确定多个类各自对应的第二权重值；

确定模块，还用于在确定所述多个类中存在第一类对应的第二权重值小于第二预设值的情况下，重新确定所述第一类中包括的所述一级评价指标的第一权重值。

本实施例的装置，可以用于执行前述电子设备侧方法实施例中任一实施例的方法，其具体实现过程与技术效果与电子设备侧方法实施例中类似，具体可以参见电子设备侧方法实施例中的详细介绍，此处不再赘述。

图10示例了一种电子设备的实体结构示意图，如图10所示，该电子设备可以包括：处理器(processor)810、通信接口(Communications Interface)820、存储器(memory)830和通信总线840，其中，处理器810，通信接口820，存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的逻辑指令，以执行基于多模态数据的客站设备智能化评价方法，该方法包括：获取待评价类型设备对应的多个目标设备各自在不同一级评价指标下的多模态的第一评价数据；分别将所述多个目标设备在各一级评价指标下的多模态的第一评价数据进行融合，得到所述待评价类型设备在各所述一级评价指标下的目标评价数据；根据所述各所述一级评价指标下的目标评价数据以及各所述一级评价指标的第一权重值，确定所述待评价类型设备的智能化程度。

此外，上述的存储器830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计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的基于多模态数据的客站设备智能化评价方法，该方法包括：获取待评价类型设备对应的多个目标设备各自在不同一级评价指标下的多模态的第一评价数据；分别将所述多个目标设备在各一级评价指标下的多模态的第一评价数据进行融合，得到所述待评价类型设备在各所述一级评价指标下的目标评价数据；根据所述各所述一级评价指标下的目标评价数据以及各所述一级评价指标的第一权重值，确定所述待评价类型设备的智能化程度。

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方法提供的基于多模态数据的客站设备智能化评价方法，该方法包括：获取待评价类型设备对应的多个目标设备各自在不同一级评价指标下的多模态的第一评价数据；分别将所述多个目标设备在各一级评价指标下的多模态的第一评价数据进行融合，得到所述待评价类型设备在各所述一级评价指标下的目标评价数据；根据所述各所述一级评价指标下的目标评价数据以及各所述一级评价指标的第一权重值，确定所述待评价类型设备的智能化程度。

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 (10)

1.一种基于多模态数据的客站设备智能化评价方法，其特征在于，包括：

获取待评价类型设备对应的多个目标设备各自在不同一级评价指标下的多模态的第一评价数据；

分别将所述多个目标设备在各一级评价指标下的多模态的第一评价数据进行融合，得到所述待评价类型设备在各所述一级评价指标下的目标评价数据；

根据所述各所述一级评价指标下的目标评价数据以及各所述一级评价指标的第一权重值，确定所述待评价类型设备的智能化程度。

2.根据权利要求1所述的基于多模态数据的客站设备智能化评价方法，其特征在于，所述分别将所述多个目标设备在各一级评价指标下的多模态的第一评价数据进行融合，得到所述待评价类型设备在各所述一级评价指标下的目标评价数据，包括：

针对每个一级评价指标，将所述多个目标设备在所述一级评价指标下的多模态的所述第一评价数据进行分类，得到属于不同类型的第一评价数据，所述类型包括结构化数据类型、非结构化数据类型和半结构化数据类型；

对属于所述结构化数据类型的第一评价数据进行数据预处理，得到第二评价数据，并对属于所述非结构化数据类型和所述半结构化数据类型的第一评价数据进行实体抽取处理和/或关系挖掘处理，得到第三评价数据；

将所述第二评价数据和所述第三评价数据进行融合，得到所述待评价类型设备在所述一级评价指标下的目标评价数据。

3.根据权利要求1所述的基于多模态数据的客站设备智能化评价方法，其特征在于，所述根据所述各所述一级评价指标下的目标评价数据以及各所述一级评价指标的第一权重值，确定所述待评价类型设备的智能化程度，包括：

根据各所述一级评价指标对应的第一权重值以及一级评价指标和二级评价指标之间的关系，确定所述待评价类型设备的多个二级评价指标各自对应的第二权重值，各所述二级评价指标为根据多个一级评价指标中的部分评价指标确定的；

根据各所述一级评价指标下的目标评价数据以及一级评价指标和二级评价指标之间的关系，确定所述待评价类型设备在各二级评价指标下的第四评价数据；

根据所述多个二级评价指标各自对应的第二权重值以及所述待评价类型设备在各二级评价指标下的第四评价数据，确定所述待评价类型设备的智能化程度。

4.根据权利要求1所述的基于多模态数据的客站设备智能化评价方法，其特征在于，所述根据所述各所述一级评价指标下的目标评价数据以及各所述一级评价指标的第一权重值，确定所述待评价类型设备的智能化程度，包括：

采用熵权法确定各所述一级评价指标的第一权重值，并采用优劣解距离法TOPSIS基于所述目标评价数据和所述第一权重值，确定所述待评价类型设备的智能化程度。

5.根据权利要求4所述的基于多模态数据的客站设备智能化评价方法，其特征在于，所述采用熵权法确定各所述一级评价指标的第一权重值之后，所述方法还包括：

采用客观权重赋权CRITIC法，确定任意两个所述一级评价指标之间的关系，所述关系包括冲突程度、变异程度和正相关性中的至少一个；

基于所述任意两个所述一级评价指标之间的关系，验证各所述一级评价指标的第一权重值的准确度；

在所述一级评价指标中存在第一评价指标的第一权重值的准确度小于第一预设值的情况下，重新确定所述第一评价指标的第一权重值。

6.根据权利要求4或5所述的基于多模态数据的客站设备智能化评价方法，其特征在于，所述采用熵权法确定各所述一级评价指标的第一权重值之后，所述方法还包括：

对多个一级评价指标进行聚类，得到多个类；

基于各所述一级评价指标的第一权重值，确定多个类各自对应的第二权重值；

在确定所述多个类中存在第一类对应的第二权重值小于第二预设值的情况下，重新确定所述第一类中包括的所述一级评价指标的第一权重值。

7.一种基于多模态数据的客站设备智能化评价装置，其特征在于，包括：

获取模块，用于获取待评价类型设备对应的多个目标设备各自在不同一级评价指标下的多模态的第一评价数据；

融合模块，用于分别将所述多个目标设备在各一级评价指标下的多模态的第一评价数据进行融合，得到所述待评价类型设备在各所述一级评价指标下的目标评价数据；

确定模块，用于根据所述各所述一级评价指标下的目标评价数据以及各所述一级评价指标的第一权重值，确定所述待评价类型设备的智能化程度。

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任一项所述基于多模态数据的客站设备智能化评价方法。

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任一项所述基于多模态数据的客站设备智能化评价方法。

10.一种计算机程序产品，包括计算机程序，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任一项所述基于多模态数据的客站设备智能化评价方法。

Images