CN115866289A - 一种机务数据整合管理系统 - Google Patents

Abstract

本申请属于机务数据管理技术领域，提供了一种机务数据整合管理系统。所述系统包括：列车监控模块，用于采集列车各位置的影像信息，并将所述影像信息以特定时间间隔进行分段得到分段影像信息；数据库，用于存储所述分段影像信息，并为每段所述分段影像信息设置元数据；运行监测模块，用于监测列车运行故障，并根据监测到的所述列车运行故障的故障类型发出警告；处理模块，用于在所述运行监测模块发出警告时，根据监测到的所述列车运行故障的时间信息和位置信息，通过所述元数据匹配从所述数据库中自动提取对应的所述分段影像信息。本申请可以实现数据调用的高效性。

Description

一种机务数据整合管理系统

技术领域

本申请属于机务数据管理技术领域，具体涉及了一种机务数据整合管理系统。

背景技术

铁路大数据时代的发展导致数据信息量不断扩大，数据集中、统计及时、结果准确等方面变得十分重要，也是亟需构建数据高度融合的瓶颈所在。当前传统铁路机务系统的计算机设备使用功能相对简单，组织架构非常落后，在进行数据处理时由于数据的格式不统一，各地区的机务段系统信息共享功能低，信息利用率也非常低，造成信息资源浪费。尤其在系统集成性方面存在明显不足，操作性与现行的平台不适应，无法进一步向上集成和兼容，功能扩展调整困难，维护成本很高，应用效果与实际需求存在较大落差。

通过机务数据的整合管理，能够建立人、列车和设备基础数据库并导入基础数据，形成机务数据链。机务数据链的数据进行抽取、存储、挖掘、分析展现和规范标准统一，进而能够实现铁路不同运行子系统的数据连通。然而现有的机务数据系统仅仅起到不同子系统之间数据传输，而子系统之间的运行过程依然是相互独立的。

对于列车的运行监控过程，其在监测到列车出现故障时，会通过调用数据库对应数据来进行进一步分析，然而此过程对数据调用的效率较低，因此分析过程具有滞后性。

发明内容

为解决如何基于整合后的机务数据实现数据调用的高效性的技术问题，本申请提出了一种机务数据整合管理系统。

本申请的第一方面，提供了一种机务数据整合管理系统，包括：

列车监控模块，用于采集列车各位置的影像信息，并将所述影像信息以特定时间间隔进行分段得到分段影像信息；

数据库，用于存储所述分段影像信息，并为每段所述分段影像信息设置元数据；

运行监测模块，用于监测列车运行故障，并根据监测到的所述列车运行故障的故障类型发出警告；

处理模块，用于在所述运行监测模块发出警告时，根据监测到的所述列车运行故障的时间信息和位置信息，通过所述元数据匹配从所述数据库中自动提取对应的所述分段影像信息。

在一些实施例中，所述系统还包括影像分析模块，所述影像分析模块用于根据预设监控策略调用并分析所述分段影像信息。

在一些实施例中，所述系统还包括机务管理模块，所述机务管理模块用于获取列车在停靠车站预测的停车时间点、停车时间段、下车人数及上车人数，形成预测列车数据并存储至数据库中；

所述列车监控模块还用于根据所述数据库中的预测列车数据调整所述监控策略和所述特定时间间隔。

在一些实施例中，所述监控策略为：通过多组影像分析服务器对所述分段影像信息进行预警分析。

在一些实施例中，所述监控策略的调整过程为：

根据所述预测列车数据确定在停车区间内的人流量；

将所述人流量与预设值进行比对；

若所述人流量大于所述预设值，则提高N个影像分析服务器的运行数量，并降低所述特定时间间隔M；

若所述人流量小于等于所述预设值，则提高X个影像分析服务器的运行数量，并降低所述特定时间间隔Y；

其中，N>X，M>Y。

在一些实施例中，在列车的停车区间[T₀-T_p,T₀+ΔT+T_p]内，所述人流量的表达式为：

其中，Q为人流量，T₀为停车时间点，ΔT为停车时间段，T_p为预设时间段，n_u为上车人数，n_d为下车人数，f_t()为运行函数；所述运行函数为根据列车历史运行数据针对不同的人流量等级设定的运行压力大小所预先设定。

在一些实施例中，所述影像分析服务器的运行数量X、所述特定时间间隔Y均为预设固定值；

所述影像分析服务器的运行数量N的表达式为：

所述特定时间间隔M的表达式为：

其中，[]为取整符号，Q为人流量；γ为修正系数；Q_th为预设值；ΔQ为人流量均值。

在一些实施例中，所述系统还包括乘务员管理模块，所述乘务员管理模块用于根据所述分段影像信息获取乘务员的工作状态信息，并根据每个乘务员的工作状态信息进行劳时分析，根据劳时分析结果对于乘务员进行提醒。

在一些实施例中，劳时分析的过程包括：

根据乘务员的工作状态信息识别乘务员是否在工作；

若识别结果为在工作，则以乘务员的出勤时间点统计勤务员的出勤时间、处于工作状态的总时间及最长持续工作时长；

根据勤务员的出勤时间、处于工作状态的总时间及最长持续工作时长计算乘务员的劳时系数；

当乘务员的劳时系数大于预设阈值时，发出休息提醒。

在一些实施例中，所述劳时系数的表达式为：

其中，W为劳时系数，t_c出勤时间，t_w为处于工作状态总时间，t_p为最长持续工作时长，θ₁为第一权重系数，θ₂为第二权重系数，t₀为预设时段。

本申请的第二个方面，提供了一种机务数据整合管理方法，包括：

采集列车各位置的影像信息；

将所述影像信息以特定时间间隔进行分段得到分段影像信息；

将所述分段影像信息存储至数据库中，并为每段所述分段影像信息设置元数据；

监测列车运行故障；

根据监测到的所述列车运行故障的故障类型发出警告；并根据监测到的所述列车运行故障的时间信息和位置信息，通过所述元数据匹配从所述数据库中自动提取对应的所述分段影像信息。

在一些实施例中，所述方法还包括：

获取列车在停靠车站预测的停车时间点、停车时间段、下车人数及上车人数，形成预测列车数据；

根据所述预测列车数据调整监控策略和所述特定时间间隔，所述监控策略为通过多组影像分析服务器对所述分段影像信息进行预警分析；

根据所述监控策略调用并分析所述分段影像信息。

在一些实施例中，所述监控策略的调整过程为：

根据所述预测列车数据确定列车在停车区间内的人流量；

将所述人流量与预设值进行比对；

若所述人流量大于所述预设值，则提高N个影像分析服务器的运行数量，并降低所述特定时间间隔M；

若所述人流量小于等于所述预设值，则提高X个影像分析服务器的运行数量，并降低所述特定时间间隔Y；

其中，N>X，M>Y。

在一些实施例中，在列车的停车区间[T₀-T_p,T₀+ΔT+T_p]内，所述人流量的表达式为：

其中，Q为人流量，T₀为停车时间点，ΔT为停车时间段，T_p为预设时间段，n_u为上车人数，n_d为下车人数，f_t()为运行函数；所述运行函数为根据列车历史运行数据针对不同的人流量等级设定的运行压力大小所预先设定。

在一些实施例中，所述影像分析服务器的运行数量X、所述特定时间间隔Y均为预设固定值；

所述影像分析服务器的运行数量N的表达式为：

所述特定时间间隔M的表达式为：

其中，[]为取整符号，Q为人流量；γ为修正系数；Q_th为预设值；ΔQ为人流量均值。

在一些实施例中，所述方法还包括：

根据所述分段影像信息获取乘务员的工作状态信息；

根据每个乘务员的工作状态信息进行劳时分析，并根据劳时分析结果对乘务员发出提醒。

在一些实施例中，劳时分析的过程包括：

根据乘务员的工作状态信息识别乘务员是否在工作；

若识别结果为在工作，则以乘务员的出勤时间点统计勤务员的出勤时间、处于工作状态的总时间及最长持续工作时长；

根据勤务员的出勤时间、处于工作状态的总时间及最长持续工作时长计算乘务员的劳时系数；

当乘务员的劳时系数大于预设阈值时，发出休息提醒。

在一些实施例中，所述劳时系数的表达式为：

其中，W为劳时系数，t_c出勤时间，t_w为处于工作状态总时间，t_p为最长持续工作时长，θ₁为第一权重系数，θ₂为第二权重系数，t₀为预设时段。

本申请的第三个方面，提供了一种存储介质，该存储介质存储的计算机程序，可被一个或多个处理器执行，用以实现如上所述的机务数据整合管理方法。

本申请的第四个方面，提供了一种电子设备，包括存储器和处理器，所述存储器上存储有计算机程序，所述存储器和所述处理器之间互相通信连接，该计算机程序被所述处理器执行时，实现如上所述的机务数据整合管理方法。

与现有技术相比，本申请技术方案具有以下优点或有益效果：

(1)本申请通过处理模块对运行监测模块与数据库相互联动，能够根据元数据快速获取对应位置对应时间点的相关影像信息，进而实现数据调用的高效性。

(2)本申请能够根据不同停靠站点的实际运行状况对监测过程进行适应性的调整，在运行压力过大的站点提高监测的效率，进而能够提高监测的及时性，而在运行压力较小的时间段按基础的监测效率执行，则能够减小处理分析的压力。

(3)本申请结合乘务员的最长持续工作时长，工作总时长及累计工作时长，综合性的对其劳累程度进行评价，更加准确的判断乘务员的状态，能够更加科学的对乘务员进行任务分配，保证乘务员的工作状态。

附图说明

为了更清楚地说明本申请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申请的实施例，对于所属领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本申请实施例一提供的一种机务数据整合管理系统的结构示意图；

图2为本申请实施例二提供的一种机务数据整合管理系统的结构示意图；

图3为本申请实施例三提供的一种机务数据整合管理系统的结构示意图；

图4为本申请实施例四提供的一种机务数据整合管理方法的流程图；

图5为本申请实施例四提供的一种机务数据整合管理方法的流程图；

图6为本申请实施例四提供的一种机务数据整合管理方法的流程图；

图7为本申请实施例六提供的一种电子设备的连接框图。

具体实施方式

为了使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请作进一步地详细描述，所描述的实施例不应视为对本申请的限制，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。

在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解，“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。

如果申请文件中出现“第一\第二\第三”的类似描述则增加以下的说明，在以下的描述中，所涉及的术语“第一\第二\第三”仅仅是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序，以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。

除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。

实施例一

本实施例提供了一种机务数据整合管理系统，如图1所示，本实施例的系统包括列车监控模块100、数据库400、运行监测模块200和处理模块300。

列车监控模块100，用于采集列车各位置的影像信息，并将所述影像信息以特定时间间隔进行分段得到分段影像信息。所述影像信息的切分过程及元数据的设置过程均通过现有技术实现，在此不作详述。

数据库400，用于存储所述分段影像信息，并为每段所述分段影像信息设置元数据。

运行监测模块200，用于监测列车运行故障，并根据监测到的所述列车运行故障的故障类型发出警告。所述列车运行故障包括异常停车、异常噪音等常见问题点，而运行监测模块200对于所述列车运行故障的监测方式通过现有的运行监测子系统实现，在此不作详述。

处理模块300，用于在所述运行监测模块发出警告时，根据监测到的所述列车运行故障的时间信息和位置信息，通过所述元数据匹配从所述数据库400中自动提取对应的所述分段影像信息。

本实施例中，通过列车监控模块100将采集的影像信息进行分段处理并存储在数据库400中；通过数据库400对存储的分段影像信息建立元数据，因此在运行监测模块监测到列车出现运行故障时，通过处理模块300对运行监测模块与数据库400相互联动，能够根据元数据快速获取对应位置、对应时间点相关的分段影像信息，进而实现数据调用的高效性。

实施例二

本实施例提供了一种机务数据整合管理系统，如图2所示，与实施例一的区别点在于所述系统还包括机务管理模块600和影像分析模块500。

所述机务管理模块600用于获取列车在停靠车站预测的停车时间点、停车时间段、下车人数及上车人数，形成预测列车数据并存储至数据库400中。本实施例中，通过机务管理模块600与购票系统、调度系统进行数据对接，进而能够获取列车在停靠车站预测的停车时间点、停车时间段、下车人数及上车人数，通过将预测列车数据存储至数据库400中，进而实现预测列车数据的获取。

所述影像分析模块500用于根据预设监控策略调用并分析所述分段影像信息。

所述列车监控模块100还用于根据所述数据库400中的预测列车数据调整所述监控策略和所述特定时间间隔。

在本实施例中，通过预测列车数据来调整列车监控模块100的预设监控策略及特定时间间隔，进而能够根据不同停靠站点的实际运行状况对监测过程进行适应性的调整，在运行压力过大的站点提高监测的效率，进而能够提高监测的及时性，而在运行压力较小的时间段按基础的监测效率执行，则能够减小处理分析的压力。

在一实施例中，所述监控策略为通过多组影像分析服务器对分段影像信息进行预警分析。

利用多台影像分析服务器对不同位置的影像信息进行分析，且多台影像分析服务器部分基于列车自身的相关服务器完成，部分则通过数据传输到云服务器中完成分析，具体的分析过程通过现有技术中的视频、图像识别算法模型实现，在此不作详述。

在一实施例中，所述监控策略的调整过程为：

步骤S1，根据所述预测列车数据确定列车的停车区间内的人流量。在一实施例中，在列车的停车区间[T₀-T_p,T₀+ΔT+T_p]内，所述人流量的表达式为：

其中，Q为人流量。T₀为停车时间点，ΔT为停车时间段，T_p为预设时间段，n_u为上车人数，n_d为下车人数，f_t()为运行函数；所述运行函数为根据列车历史运行数据针对不同的人流量等级设定的运行压力大小所预先设定。

步骤S2，将所述人流量与预设值进行比对。

若所述人流量Q大于所述预设值Q_th，则提高N个影像分析服务器的运行数量，并降低所述特定时间间隔M。

若所述人流量Q小于等于所述预设值Q_th，则提高X个影像分析服务器的运行数量，并降低所述特定时间间隔Y。

其中，N>X，M>Y。

本实施例提供了一种对预设监控策略及特定时间间隔调整的方法，具体的，根据预测列车数据获取列车的停车区间[T₀-T_p,T₀+ΔT+T_p]，在该区间内根据预测列车数据对人流量进行计算。由于列车在停靠时，运行状态不仅和人流量有关，还与停车时间有关，因此通过表达式

获得人流量Q，通过人流量Q来对列车停靠时运行压力状态进行判断。因而在Q＞Q_th时，即运行压力较大时，通过降低特定时间间隔M来提高效率，通过增加影像分析服务器运行数量来满足分析过程，进而提高列车在较大运行压力状态下的监控分析效率，进而在出现异常时实现及时的预警。

在另一实施例中，所述影像分析服务器的运行数量X、所述特定时间间隔Y均为预设固定值。

所述影像分析服务器的运行数量N的表达式为：

所述特定时间间隔M的表达式为：

其中，[]为取整符号，Q为人流量；γ为修正系数；Q_th为预设值；ΔQ为人流量均值。

需要说明的是，数值Y远小于特定时间间隔，因此在实际应用过程中不会出现M小于特定时间间隔的问题。

通过上述技术方案，当Q≤Q_th时，说明运行压力较小，因此将X、Y设为固定值，即能满足监测的要求，而当运行压力过大时，通过调整影像分析服务器的运行数量，降低特定时间间隔，进而能够提高监测的效率，具体地，通过表达式

计算N，其中，[]为取整符号，γ为修正系数，因此根据实际的运行压力程度适应性的调整N的数值，进而适应性提高监测能力；通过表达式

计算降低的时间间隔M，因此根据实际的运行压力程度适应性的调整M的数值，进而适应性提高监测的效率，进而通过对预设监控策略及特定时间间隔的调整，实现监测能力及效率的提升。

实施例三

本实施例提供了一种机务数据整合管理系统，如图3所示，与实施例一的不同之处在于，所述系统还包括乘务员管理模块700，所述乘务员管理模块700用于根据所述分段影像信息获取乘务员的工作状态信息，并根据每个乘务员的工作状态信息进行劳时分析，根据劳时分析结果对于乘务员进行提醒。

本实施例还基于数据的整合，将获取的影像信息利用至对乘务员的劳时分析过程，通过数据的整合管理，能够在乘务员出现超劳时对超劳乘务员信息进行提醒，以保证乘务员得到科学的工作安排。

在一实施例中，劳时分析的过程包括：

步骤S1，根据乘务员的工作状态信息识别乘务员是否在工作。

若识别结果为在工作，则以乘务员的出勤时间点统计勤务员的出勤时间、处于工作状态的总时间及最长持续工作时长。

步骤S2，根据勤务员的出勤时间、处于工作状态的总时间及最长持续工作时长计算乘务员的劳时系数。

当乘务员的劳时系数大于预设阈值时，发出休息提醒。

在一些实施例中，所述劳时系数的表达式为：

其中，W为劳时系数，t_c出勤时间，t_w为处于工作状态总时间，t_p为最长持续工作时长，θ₁为第一权重系数，θ₂为第二权重系数，t₀为预设时段。预设时段t₀根据乘务员一次标准工作时段选定，第一权重系数θ₁及第二权重系数θ₂均通过实际工作过程中的测试数据选定。

常规的对乘务员劳时分析的方法主要通过乘务员累计工作时长及累计休息时长判断，但在乘务员实际工作状态下，长时间持续工作相对间隔式工作更容易影响到乘务员的正常工作状态，因此本实施例通过获取出勤时间t_c、处于工作状态总时间t_w及最长持续工作时长t_p，通过表达式

计算出劳时系数，能够结合乘务员的最长持续工作时长，工作总时长及累计工作时长，综合性的对乘务员的劳累程度进行评价，进而能够更加准确的判断乘务员的状态。由于列车乘务服务为持续性运行，因此通过本实施例中的劳时分析方法，能够更加科学的对乘务员进行任务分配，保证乘务员的工作状态。

实施例四

本实施例提供了一种机务数据整合管理方法，如图4所示，本实施例提供的系统包括：

步骤S11，采集列车各位置的影像信息。

步骤S12，将所述影像信息以特定时间间隔进行分段得到分段影像信息。影像信息的切分过程及元数据的设置过程均通过现有技术实现，在此不作详述。

步骤S13，将所述分段影像信息存储至数据库中，并为每段所述分段影像信息设置元数据。

步骤S14，监测列车运行故障。所述列车运行故障包括异常停车、异常噪音等常见问题点，对于所述列车运行故障的监测方式通过现有的运行监测子系统实现，在此不作详述。

步骤S15，根据监测到的所述列车运行故障的故障类型发出警告；并根据监测到的所述列车运行故障的时间信息和位置信息，通过所述元数据匹配从所述数据库中自动提取对应的所述分段影像信息。

本实施例中，通过将采集的影像信息进行分段处理并存储；通过对存储的分段影像信息建立元数据，因此在监测到列车出现运行故障时，能够根据元数据快速获取对应位置、对应时间点相关的分段影像信息，进而实现数据调用的高效性。

在一些实施例中，如图5所示，所述方法还包括：

步骤S21，获取列车在停靠车站的停车时间点、停车时间段、下车人数及上车人数，形成预测列车数据。本实施例中，通过与购票系统、调度系统进行数据对接，获取列车在停靠车站预测的停车时间点、停车时间段、下车人数及上车人数，实现预测列车数据的获取。

步骤S22，根据所述预测列车数据调整监控策略和所述特定时间间隔。

步骤S23，根据所述监控策略调用并分析所述分段影像信息。

在本实施例中，通过预测列车数据来调整预设监控策略及特定时间间隔，进而能够根据不同停靠站点的实际运行状况对监测过程进行适应性的调整，在运行压力过大的站点提高监测的效率，进而能够提高监测的及时性，而在运行压力较小的时间段按基础的监测效率执行，则能够减小处理分析的压力。

在一些实施例中，所述监控策略为通过多组影像分析服务器对所述分段影像信息进行预警分析。

利用多台影像分析服务器对不同位置的影像信息进行分析，且多台影像分析服务器部分基于列车自身的相关服务器完成，部分则通过数据传输到云服务器中完成分析，具体的分析过程通过现有技术中的视频、图像识别算法模型实现，在此不作详述。

在一些实施例中，所述监控策略的调整过程为：

步骤S221，根据所述预测列车数据确定列车在停车区间内的人流量.

步骤S222，将所述人流量与预设值进行比对。

步骤S223，若所述人流量大于所述预设值，则提高N个影像分析服务器的运行数量，并降低所述特定时间间隔M。

步骤S224，若所述人流量小于等于所述预设值，则提高X个影像分析服务器的运行数量，并降低所述特定时间间隔Y。其中，N>X，M>Y。

在一些实施例中，在列车的停车区间[T₀-T_p,T₀+ΔT+T_p]内，所述人流量的表达式为：

其中，Q为人流量，T₀为停车时间点，ΔT为停车时间段，T_p为预设时间段，n_u为上车人数，n_d为下车人数，f_t()为运行函数；所述运行函数为根据列车历史运行数据针对不同的人流量等级设定的运行压力大小所预先设定。

本实施例提供了一种对预设监控策略及特定时间间隔调整的方法，具体的，根据预测列车数据获取列车的停车区间[T₀-T_p,T₀+ΔT+T_p]，在该区间内根据预测列车数据对人流量进行计算。由于列车在停靠时，运行状态不仅和人流量有关，还与停车时间有关，因此通过表达式

获得人流量Q，通过人流量Q来对列车停靠时运行压力状态进行判断。因而在Q＞Q_th时，即运行压力较大时，通过降低特定时间间隔M来提高效率，通过增加影像分析服务器运行数量来满足分析过程，进而提高列车在较大运行压力状态下的监控分析效率，进而在出现异常时实现及时的预警。

在一些实施例中，所述影像分析服务器的运行数量X、所述特定时间间隔Y均为预设固定值；

所述影像分析服务器的运行数量N的表达式为：

所述特定时间间隔M的表达式为：

其中，[]为取整符号，Q为人流量；γ为修正系数；Q_th为预设值；ΔQ为人流量均值。

需要说明的是，数值Y远小于特定时间间隔，因此在实际应用过程中不会出现M小于特定时间间隔的问题。

通过上述技术方案，当Q≤Q_th时，说明运行压力较小，因此将X、Y设为固定值，即能满足监测的要求，而当运行压力过大时，通过调整影像分析服务器的运行数量，降低特定时间间隔，进而能够提高监测的效率，具体地，通过表达式

计算N，其中，[]为取整符号，γ为修正系数，因此根据实际的运行压力程度适应性的调整N的数值，进而适应性提高监测能力；通过公式

计算降低的时间间隔M，因此根据实际的运行压力程度适应性的调整M的数值，进而适应性提高监测的效率，进而通过对预设监控策略及特定时间间隔的调整，实现监测能力及效率的提升。

在一些实施例中，如图6所示，所述方法还包括：

步骤S31，根据所述分段影像信息获取乘务员的工作状态信息；

步骤S32，根据每个乘务员的工作状态信息进行劳时分析，并根据劳时分析结果对乘务员发出提醒。

本实施例还基于数据的整合，将获取的影像信息利用至对乘务员的劳时分析过程，通过数据的整合管理，能够在乘务员出现超劳时对超劳乘务员信息进行提醒，以保证乘务员得到科学的工作安排。

在一些实施例中，劳时分析的过程包括：

步骤S1，根据乘务员的工作状态信息识别乘务员是否在工作。

步骤S2，若识别结果为在工作，则以乘务员的出勤时间点统计勤务员的出勤时间、处于工作状态的总时间及最长持续工作时长。

步骤S3，根据勤务员的出勤时间、处于工作状态的总时间及最长持续工作时长计算乘务员的劳时系数。

步骤S4，当乘务员的劳时系数大于预设阈值时，发出休息提醒。

在一些实施例中，所述劳时系数的表达式为：

其中，W为劳时系数，t_c出勤时间，t_w为处于工作状态总时间，t_p为最长持续工作时长，θ₁为第一权重系数，θ₂为第二权重系数，t₀为预设时段。预设时段t₀根据乘务员一次标准工作时段选定，第一权重系数θ₁及第二权重系数θ₂均通过实际工作过程中的测试数据选定。

常规的对乘务员劳时分析的方法主要通过乘务员累计工作时长及累计休息时长判断，但在乘务员实际工作状态下，长时间持续工作相对间隔式工作更容易影响到乘务员的正常工作状态，因此本实施例通过获取出勤时间t_c、处于工作状态总时间t_w及最长持续工作时长t_p，通过表达式

计算出劳时系数，能够结合乘务员的最长持续工作时长，工作总时长及累计工作时长，综合性的对乘务员的劳累程度进行评价，进而能够更加准确的判断乘务员的状态。由于列车乘务服务为持续性运行，因此通过本实施例中的劳时分析方法，能够更加科学的对乘务员进行任务分配，保证乘务员的工作状态。

实施例五

本实施例还提供一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，该计算机程序被处理器执行时可以实现如上述实施例中的方法步骤，本实施例在此不再重复赘述。

其中，计算机可读存储介质还可单独包括计算机程序、数据文件、数据结构等，或者包括其组合。计算机可读存储介质或计算机程序可被计算机软件领域的技术人员具体设计和理解，或计算机可读存储介质对计算机软件领域的技术人员而言可以是公知和可用的。计算机可读存储介质的示例包括：磁性介质，例如硬盘、软盘和磁带；光学介质，例如，CDROM盘和DVD；磁光介质，例如，光盘；和硬件装置，具体被配置以存储和执行计算机程序，例如，只读存储器(ROM)、随机存取存储器(RAM)、闪存；或服务器、app应用商城等。计算机程序的示例包括机器代码(例如，由编译器产生的代码)和包含高级代码的文件，可由计算机通过使用解释器来执行高级代码。所描述的硬件装置可被配置为用作一个或多个软件模块，以执行以上描述的操作和方法，反之亦然。另外，计算机可读存储介质可分布在联网的计算机系统中，可以分散的方式存储和执行程序代码或计算机程序。

实施例六

图7为本申请实施例提供的一种电子设备的连接框图，如图7所示，该电子设备400可以包括：一个或多个处理器410，存储器420，多媒体组件430，输入/输出(I/O)接口440，以及通信组件450。

其中，处理器410用于执行如实施例一方法中的全部或部分步骤。存储器420用于存储各种类型的数据，这些数据例如可以包括电子设备中的任何应用程序或方法的指令，以及应用程序相关的数据。

所述处理器410可以是专用集成电路(Application Specific IntegratedCircuit，简称ASIC)、数字信号处理器(Digital Signal Processor，简称DSP)、数字信号处理设备(Digital Signal Processing Device，简称DSPD)、可编程逻辑器件(ProgrammableLogic Device，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述实施例中的方法。

所述存储器420可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-OnlyMemory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。

多媒体组件430可以包括屏幕和音频组件，该屏幕可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器或通过通信组件发送。音频组件还包括至少一个扬声器，用于输出音频信号。

I/O接口440为处理器410和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。

通信组件450用于该电子设备400与其他设备之间进行有线或无线通信。

有线通信包括通过网口、串口等进行通信；无线通信包括：Wi-Fi、蓝牙、近场通信(Near Field Communication，简称NFC)、2G、3G、4G、5G，或它们中的一种或几种的组合。因此相应的该通信组件450可以包括：Wi-Fi模块，蓝牙模块，NFC模块。

另外应该理解到，在本申请所提供的实施例中所揭露的方法或系统，也可以通过其它的方式实现。以上所描述的方法或系统实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的方法和装置的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、计算机程序段或计算机程序的一部分，模块、计算机程序段或计算机程序的一部分包含一个或多个用于实现规定的逻辑功能的计算机程序。

也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生，实际上也可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机程序的组合来实现。

在本申请中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、装置或者设备中还存在另外的相同要素；如果有描述到“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系；在本申请的描述中，除非另有说明，术语“多个”、“多”的含义是指至少两个；如果有描述到服务器，需要说明的是，服务器可以是独立的物理服务器或终端，也可以是多个物理服务器构成的服务器集群，可以是能够提供云服务器、云数据库、云存储和CDN等基础云计算服务的云服务器；在本申请中如果有描述到智能终端或移动设备，需要说明的是，智能终端或移动设备可以是手机、平板电脑、智能手表、上网本、可穿戴电子设备、个人数字助理(Personal Digital Assistant，PDA)、增强现实技术设备(Augmented Reality，AR)、虚拟现实设备(Virtual Reality，VR)、智能电视、智能音响、个人计算机(Personal Computer，PC)等，但并不局限于此，本申请对智能终端或移动设备的具体形式不做特殊限定。

最后需要说明的是，在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“一个示例”或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料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、材料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进行结合。

尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例都是示例性的，所述的内容只是为了便于理解本申请而采用的实施方式，并非用以限定本申请。任何本申请所属技术领域内的技术人员，在不脱离本申请所公开的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本申请的保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (20)

1.一种机务数据整合管理系统，其特征在于，包括：

列车监控模块，用于采集列车各位置的影像信息，并将所述影像信息以特定时间间隔进行分段得到分段影像信息；

数据库，用于存储所述分段影像信息，并为每段所述分段影像信息设置元数据；

运行监测模块，用于监测列车运行故障，并根据监测到的所述列车运行故障的故障类型发出警告；

处理模块，用于在所述运行监测模块发出警告时，根据监测到的所述列车运行故障的时间信息和位置信息，通过所述元数据匹配从所述数据库中自动提取对应的所述分段影像信息。

2.根据权利要求1所述的机务数据整合管理系统，其特征在于，所述系统还包括影像分析模块，所述影像分析模块用于根据预设监控策略调用并分析所述分段影像信息。

3.根据权利要求2所述的机务数据整合管理系统，其特征在于，所述系统还包括机务管理模块，所述机务管理模块用于获取列车在停靠车站预测的停车时间点、停车时间段、下车人数及上车人数，形成预测列车数据并存储至数据库中；

所述列车监控模块还用于根据所述数据库中的预测列车数据调整所述监控策略和所述特定时间间隔。

4.根据权利要求3所述的机务数据整合管理系统，其特征在于，所述监控策略为：通过多组影像分析服务器对所述分段影像信息进行预警分析。

5.根据权利要求4所述的机务数据整合管理系统，其特征在于，所述监控策略的调整过程为：

根据所述预测列车数据确定列车在停车区间内的人流量；

将所述人流量与预设值进行比对；

若所述人流量大于所述预设值，则提高N个影像分析服务器的运行数量，并降低所述特定时间间隔M；

若所述人流量小于等于所述预设值，则提高X个影像分析服务器的运行数量，并降低所述特定时间间隔Y；

其中，N>X，M>Y。

6.根据权利要求5所述的机务数据整合管理系统，其特征在于，在列车的停车区间[T₀-T_p,T₀+ΔT+T_p]内，所述人流量的表达式为：

其中，Q为人流量，T₀为停车时间点，ΔT为停车时间段，T_p为预设时间段，n_u为上车人数，n_d为下车人数，f_t()为运行函数；所述运行函数为根据列车历史运行数据针对不同的人流量等级设定的运行压力大小所预先设定。

7.根据权利要求6所述的机务数据整合管理系统，其特征在于，所述影像分析服务器的运行数量X、所述特定时间间隔Y均为预设固定值；

所述影像分析服务器的运行数量N的表达式为：

所述特定时间间隔M的表达式为：

其中，[]为取整符号，Q为人流量；γ为修正系数；Q_th为预设值；ΔQ为人流量均值。

8.根据权利要求1所述的机务数据整合管理系统，其特征在于，所述系统还包括乘务员管理模块，所述乘务员管理模块用于根据所述分段影像信息获取乘务员的工作状态信息，并根据每个乘务员的工作状态信息进行劳时分析，根据劳时分析结果对于乘务员进行提醒。

9.根据权利要求8所述的机务数据整合管理系统，其特征在于，劳时分析的过程包括：

根据乘务员的工作状态信息识别乘务员是否在工作；

若识别结果为在工作，则以乘务员的出勤时间点统计勤务员的出勤时间、处于工作状态的总时间及最长持续工作时长；

根据勤务员的出勤时间、处于工作状态的总时间及最长持续工作时长计算乘务员的劳时系数；

当乘务员的劳时系数大于预设阈值时，发出休息提醒。

10.根据权利要求9所述的机务数据整合管理系统，其特征在于，所述劳时系数的表达式为：

其中，W为劳时系数，t_c出勤时间，t_w为处于工作状态总时间，t_p为最长持续工作时长，θ₁为第一权重系数，θ₂为第二权重系数，t₀为预设时段。

11.一种机务数据整合管理方法，其特征在于，包括：

采集列车各位置的影像信息；

将所述影像信息以特定时间间隔进行分段得到分段影像信息；

将所述分段影像信息存储至数据库中，并为每段所述分段影像信息设置元数据；

监测列车运行故障；

根据监测到的所述列车运行故障的故障类型发出警告；并根据监测到的所述列车运行故障的时间信息和位置信息，通过所述元数据匹配从所述数据库中自动提取对应的所述分段影像信息。

12.根据权利要求11所述的机务数据整合管理方法，其特征在于，所述方法还包括：

获取列车在停靠车站预测的停车时间点、停车时间段、下车人数及上车人数，形成预测列车数据；

根据所述预测列车数据调整监控策略和所述特定时间间隔，所述监控策略为通过多组影像分析服务器对所述分段影像信息进行预警分析；

根据所述监控策略调用并分析所述分段影像信息。

13.根据权利要求12所述的机务数据整合管理方法，其特征在于，所述监控策略的调整过程为：

根据所述预测列车数据确定列车在停车区间内的人流量；

将所述人流量与预设值进行比对；

若所述人流量大于所述预设值，则提高N个影像分析服务器的运行数量，并降低所述特定时间间隔M；

若所述人流量小于等于所述预设值，则提高X个影像分析服务器的运行数量，并降低所述特定时间间隔Y；

其中，N>X，M>Y。

14.根据权利要求13所述的机务数据整合管理方法，其特征在于，在列车的停车区间[T₀-T_p,T₀+ΔT+T_p]内，所述人流量的表达式为：

其中，Q为人流量，T₀为停车时间点，ΔT为停车时间段，T_p为预设时间段，n_u为上车人数，n_d为下车人数，f_t()为运行函数；所述运行函数为根据列车历史运行数据针对不同的人流量等级设定的运行压力大小所预先设定。

15.根据权利要求14所述的机务数据整合管理方法，其特征在于，所述影像分析服务器的运行数量X、所述特定时间间隔Y均为预设固定值；

所述影像分析服务器的运行数量N的表达式为：

所述特定时间间隔M的表达式为：

其中，[]为取整符号，Q为人流量；γ为修正系数；Q_th为预设值；ΔQ为人流量均值。

16.根据权利要求11所述的机务数据整合管理方法，其特征在于，所述方法还包括：

根据所述分段影像信息获取乘务员的工作状态信息；

根据每个乘务员的工作状态信息进行劳时分析，并根据劳时分析结果对乘务员发出提醒。

17.根据权利要求16所述的机务数据整合管理方法，其特征在于，劳时分析的过程包括：

根据乘务员的工作状态信息识别乘务员是否在工作；

若识别结果为在工作，则以乘务员的出勤时间点统计勤务员的出勤时间、处于工作状态的总时间及最长持续工作时长；

根据勤务员的出勤时间、处于工作状态的总时间及最长持续工作时长计算乘务员的劳时系数；

当乘务员的劳时系数大于预设阈值时，发出休息提醒。

18.根据权利要求17所述的机务数据整合管理方法，其特征在于，所述劳时系数的表达式为：

其中，W为劳时系数，t_c出勤时间，t_w为处于工作状态总时间，t_p为最长持续工作时长，θ₁为第一权重系数，θ₂为第二权重系数，t₀为预设时段。

19.一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的计算机程序，当被一个或多个处理器执行时，实现如权利要求11～18中任一项所述的机务数据整合管理方法。

20.一种电子设备，其特征在于，包括存储器和一个或多个处理器，所述存储器上存储有计算机程序，所述存储器和所述处理器之间互相通信连接，当所述计算机程序被所述处理器执行时，执行如权利要求11～18中任一项所述的机务数据整合管理方法。

Images