CN116074183A - 一种基于规则引擎的c3超时分析方法、装置及设备 - Google Patents
一种基于规则引擎的c3超时分析方法、装置及设备 Download PDFInfo
- Publication number
- CN116074183A CN116074183A CN202310207207.5A CN202310207207A CN116074183A CN 116074183 A CN116074183 A CN 116074183A CN 202310207207 A CN202310207207 A CN 202310207207A CN 116074183 A CN116074183 A CN 116074183A
- Authority
- CN
- China
- Prior art keywords
- timeout
- data
- rule
- event
- analysis
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 120
- 238000012544 monitoring process Methods 0.000 claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 29
- 230000003213 activating effect Effects 0.000 claims description 27
- 238000004891 communication Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 16
- 230000015654 memory Effects 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims 2
- 238000010586 diagram Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000003936 working memory Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 230000004913 activation Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0631—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis
- H04L41/064—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis involving time analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0677—Localisation of faults
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0803—Configuration setting
- H04L41/084—Configuration by using pre-existing information, e.g. using templates or copying from other elements
- H04L41/0843—Configuration by using pre-existing information, e.g. using templates or copying from other elements based on generic templates
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于规则引擎的C3超时分析方法、装置及设备。该方法包括：从监测系统中获取CTCS‑3级列控系统C3超时事件的事件数据；从所述事件数据中提取超时故障特征原始数据；定义符合规则推理要求的C3超时事件标准化数据模板，并基于该模板根据所述超时故障特征原始数据构造C3超时事件标准化模板数据；通过规则引擎基于规则文件推理确定与所述C3超时事件标准化模板数据匹配的规则，并根据所述匹配的规则确定所述C3超时事件的分析结果和分析依据。本发明实施例可以提高C3超时分析效率并保证分析准确率。
Description
技术领域
本发明涉及列控系统故障分析技术领域，尤其涉及一种基于规则引擎的C3超时分析方法、装置及设备。
背景技术
我国列车运行控制系统（Chinese Train Control System，CTCS）3级列控系统已运行多年，CTCS-3级列控系统中无线超时降级（简称C3超时）事件的发生影响铁路运输效率。铁总和各路局已经开展了多项C3超时整治工作，对于常见的C3超时类别及发生原因形成了共识。
目前C3超时事件分析工作主要由人工完成，其分析的精准性主要取决于超时事件数据的完整性，不同线路C3超时事件数据完整性各异、不同分析人员技术背景不同，对同一类C3超时事件进行分析可能得出不同的结论。另外，对属于常见的C3超时类别的C3超时事件进行分析是重复性的人工作业工作，分析效率低下。
发明内容
本发明提供了一种基于规则引擎的C3超时分析方法、装置及设备，以提高C3超时分析效率并保证分析准确率。
根据本发明的一方面，提供了一种基于规则引擎的C3超时分析方法，包括：
从监测系统中获取CTCS-3级列控系统C3超时事件的事件数据；
从所述事件数据中提取超时故障特征原始数据；
定义符合规则推理要求的C3超时事件标准化数据模板，并基于该模板根据所述超时故障特征原始数据构造C3超时事件标准化模板数据；
通过规则引擎基于规则文件推理确定与所述C3超时事件标准化模板数据匹配的规则，并根据所述匹配的规则确定所述C3超时事件的分析结果和分析依据。
根据本发明的另一方面，提供了一种基于规则引擎的C3超时分析装置，包括：
C3超时事件数据获取模块，用于从监测系统中获取CTCS-3级列控系统C3超时事件的事件数据;
故障特征提取模块，用于从所述事件数据中提取超时故障特征原始数据；
模板数据构造模块，用于定义符合规则推理要求的C3超时事件标准化数据模板，基于该模板根据所述超时故障特征原始数据构造C3超时事件标准化模板数据；
超时原因分析模块，用于通过规则引擎基于规则文件推理确定与所述C3超时事件标准化模板数据匹配的规则，并根据所述匹配的规则确定所述C3超时事件的分析结果和分析依据。
根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的基于规则引擎的C3超时分析方法。
根据本发明的另一方面，提供了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指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的基于规则引擎的C3超时分析方法。
本发明实施例通过采用基于规则推理的分析技术，确定与C3超时事件标准化模板数据匹配的规则，并激活匹配的规则确定C3超时原因所在故障位置范围，在无需人工分析提高分析效率的同时，保证分析准确率。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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。
图1A是根据本发明一实施例提供的一种基于规则引擎的C3超时分析方法的流程图；
图1B是根据本发明一实施例提供的一种基于规则引擎的C3超时分析方法实现装置结构图；
图2A是根据本发明又一实施例提供的一种基于规则引擎的C3超时分析方法的流程图；
图2B是根据本发明又一实施例提供的一种规则文件组织结构的示意图；
图3是根据本发明又一实施例提供的一种基于规则引擎的C3超时分析装置的结构示意图；
图4是实现本发明实施例的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，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做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为进一步明确本发明的保护范围和发明构思，对本发明的相关技术做出进一步说明：
相关技术中的C3超时分析技术方案，其实现方式是根据GSM-R接口（包括PRI接口、A接口、Abis接口、Um接口以及Igsm-r接口）监测数据和GSM-R设备（包括BSC和MSC）告警数据，采用故障树、基于案例推理等分析方法得出分析结论，一般包括数据获取模块、数据处理模块以及分析模块。
这些C3超时分析技术方案主要存在如下问题：
1）据获取来源有限：基于GSM-R接口监测数据和GSM-R设备告警数据能够对部分C3超时类别的C3超时事件进行分析，无法处理需要根据车载/地面通信信号设备监测/日志数据确定C3超时类别及原因的C3超时事件。
2）分析模块功能有限：未对C3超时事件不同完整性数据的具体情况进行具体分析，无法根据不同的数据缺失度的具体情况调整相应的分析结论中C3超时原因所在范围，因而无法保证分析结论的准确度。
3）分析技术能力有限：故障树分析技术关键在于建立正确的故障树，故障树建立不全面或不准确将导致该技术分析能力受限；基于案例推理的分析技术存在由于不能覆盖所有解空间导致的无法得到最优解的问题。
本发明以GSM-R网络接口监测数据、车载通信信号设备监测/日志数据和地面通信信号设备监测/日志数据作为数据来源，采用基于规则推理的分析技术，根据C3超时事件数据的完整性情况动态调整C3超时原因所在故障位置范围，以保证分析准确率。此外，通过将规则、推理、业务逻辑解耦，有利于快速添加、删除、更新可处理的C3超时类别，以保证运维效率。
其中：A接口:BSC与MSC之间的接口。Abis接口：Application Binary InterfaceStandard，BTS与BSC之间的接口。BTS：Base Transceiver Station，基站。BSC：BaseStation Controller，基站控制器。GSM-R：Global System for Mobile Communications –Railway，铁路综合数字移动通信系统。Igsm-r接口：Interface GSM-R，CTCS-3级列控系统车载设备中终端设备与移动终端之间的接口。MSC：Mobile Switching Center ，移动交换中心。PRI接口：Primary Rate Interface，MSC与RBC之间的主速率接口。RBC：Radio BlockCenter，无线闭塞中心。Um接口：移动终端与BTS之间的接口。
图1A为本发明一实施例提供的一种基于规则引擎的C3超时分析方法的流程图，本实施例可适用于先确定可分析C3超时类别下各故障位置对应的故障特征，再通过C3超时事件中出现的故障特征来确定C3超时事件所属的超时类别及具体故障位置的情况，该方法可以由基于规则引擎的C3超时分析装置来执行，该装置可以采用硬件和/或软件的形式实现，该装置可配置于具备相应数据处理能力的电子设备中。如图1A所示，该方法包括：
S110、从监测系统中获取CTCS-3级列控系统C3超时事件的事件数据。
S120、从所述事件数据中提取超时故障特征原始数据。
S130、定义符合规则推理要求的C3超时事件标准化数据模板，并基于该模板根据所述超时故障特征原始数据构造C3超时事件标准化模板数据。
S140、通过规则引擎基于规则文件推理确定与所述C3超时事件标准化模板数据匹配的规则，并根据所述匹配的规则确定所述C3超时事件的分析结果和分析依据。
其中，故障特征是常见C3超时类别在C3超时事件数据中表现出的特征，分布在不同类型的数据中包括GSM-R网络各接口信令数据、业务数据以及车载侧、地面侧通信信号设备日志数据等。规则文件是基于C3超时分析专家的经验总结而成的，根据C3超时类别在C3超时事件数据中表现出的特征来判定C3超时事件的C3超时类别和故障位置的规则，规则文件的编写语言和文件格式由使用的规则引擎决定。规则文件的内容按照C3超时类别分组组织，每组包含一类C3超时类别的全部判定规则。对于任意一组规则，组内多条规则分别判定该类C3超时类别在特定数据完整性情况下的具体故障位置，以便针对不同数据完整性的C3超时事件，激活相应的规则来确定故障位置。
具体的，监测系统采集CTCS-3级列控系统的运行数据，并将获取到的采集数据按不同类别存储在数据库中相应的数据表中。在出现C3超时事件后，从数据库中获取C3超时事件的事件数据。从事件数据中查找超时故障特征，并基于设定的超时故障特征提取内容从事件数据中提取故障特征的相关数据，作为超时故障特征原始数据。由于故障特征类型各异，且不同超时事件中的故障特征数量通常并不固定，可以是一个或多个，为便于后续的前向推理，基于符合规则推理要求的C3超时事件标准化数据模板，根据超时故障特征原始数据构造C3超时事件标准化模板数据，并放入工作内存。加载规则文件，并由规则引擎通过前向推理方式确定与所述C3超时事件标准化模板数据匹配的规则，将前向推理得到的一条或多条匹配的规则放入任务日程，每条规则对应一个超时类别和具体故障位置，根据自定义冲突解决策略激活相应的匹配的规则便可确定C3超时事件所属的超时类别和具体故障位置，得到分析结果和分析依据，并将分析结果和分析依据存储在数据库中相应的数据表中。
可选的，监测系统包括车载通信信号一体化监测系统、GSM-R网络监测系统和地面侧信号记录监测系统。
具体的，在线/离线方式获取车载通信信号一体化监测系统、GSM-R网络监测系统和地面侧信号记录监测系统监测、记录到的待分析C3超时事件的数据，通过扩展数据来源以扩展可分析的C3超时类别及原因的范围，可以对需要根据车载/地面通信信号设备监测/日志数据确定C3超时类别及原因的C3超时事件进行故障分析。
可选的，所述超时故障特征原始数据包括故障特征所在类型数据是否存在、故障特征是否出现以及故障特征在所在类型数据中的具体位置；所述C3超时事件标准化数据模板的数据结构包括故障特征名称、故障特征取值类型和故障特征取值。
具体的，故障特征取值类型为故障特征取值的数据类型，例如字符串类型。具体位置为故障特征在数据库中数据表的具体位置，例如数据表的第1-5行。基于规则推理要求的C3超时事件标准化数据模板有着预先设定的数据结构定义和数据内容声明，数据结构包括特征名称、特征取值类型和特征取值三个要素，数据内容包括所有可分析C3超时类别的超时故障特征的以上三个要素。
示例性的，图1B是根据本发明一实施例提供的一种基于规则引擎的C3超时分析方法实现装置结构图。其中，数据库用于存储C3超时事件数据、超时故障特征原始数据、C3超时事件的分析依据和分析结果。在从数据库中提取超时故障特征原始数据后，构造符合规则推理要求的C3超时事件标准化模板数据并放入工作内存中，规则引擎加载规则文件，并将C3超时事件标准化模板数据与规则相匹配，确定匹配的规则，激活匹配的规则确定分析结果，再将分析结果和相应的分析依据存入数据库。
本发明实施例通过采用基于规则推理的分析技术，确定与C3超时事件标准化模板数据匹配的规则，并激活匹配的规则确定C3超时原因所在故障位置范围，在无需人工分析并提高分析效率的同时，保证分析准确率。
图2A为本发明又一实施例提供的一种基于规则引擎的C3超时分析方法的流程图，本实施例在上述实施例的基础上进行了优化改进。如图2A所示，该方法包括：
S210、从监测系统中获取CTCS-3级列控系统C3超时事件的事件数据；
S220、从所述事件数据中提取超时故障特征原始数据；
S230、定义符合规则推理要求的C3超时事件标准化数据模板，并基于该模板根据所述超时故障特征原始数据构造C3超时事件标准化模板数据；
S240、加载规则文件，并将所述C3超时事件标准化模板数据作为待匹配数据，规则文件中规则的匹配条件为一组指定故障特征的指定取值；通过规则引擎前向推理确定所述规则文件中符合所述匹配条件的匹配规则；激活所述匹配的规则得到分析结果，并将所述激活的规则的匹配条件作为分析依据。
其中，所述分析依据为激活的规则的匹配条件，是C3超时事件标准化模板数据中一组特定故障特征的名称和取值；所述分析结果包括C3超时类别和故障位置。
具体的，基于规则的推理得到分析结果和分析依据的具体步骤包括将C3超时事件标准化模板数据放入工作内存、规则文件加载和前向推理三个主要步骤。在规则文件加载中，将规则文件完整加载到工作内存中，并将C3超时事件标准化模板数据作为待匹配数据。在前向推理中，根据规则的匹配条件，前向推理确定符合规则匹配条件的一个或多个规则，作为匹配的规则。匹配的规则的结论为分析结果，分析结果包括C3超时事件所属超时类别和具体故障位置，激活匹配的规则得到结论即分析结果。
可选的，若存在多条匹配的规则，则所述激活所述匹配的规则得到分析结果包括：
通过自定义冲突解决策略确定各匹配的规则的激活的先后顺序；根据所述激活的先后顺序激活匹配的规则，得到分析结果和分析依据。
具体的，如果匹配的规则仅有一个，便可直接激活匹配的规则确定具体故障位置；如果匹配的规则有多个，则需要根据预先确定好的自定义冲突解决策略（例如设定不同规则的激活的优先级）确定各匹配的规则的激活的先后顺序，按照所述激活的先后顺序激活匹配的规则，从而在多个匹配的规则对应的多个故障位置中，确定最准确的故障位置。
示例性的，图2B是根据本发明又一实施例提供的一种规则文件组织结构的示意图。其中，对于不同的C3超时类别，均设置有对应的规则分组。每个规则分组中存在多条规则，每条规则对应一个故障位置，激活匹配的规则便可确定引起超时事件的故障位置。例如故障特征1的特征名称为A1，特征值为123。根据A1和123前向推理确定匹配的规则为A组规则1，激活A组规则1，确定超时类别为A，故障位置为1，则分析依据为A1和123，分析结果为超时类别A和故障位置1。
本发明实施例通过采用基于规则推理的分析技术，对于可分析的每种C3超时类别基于可能出现的数据缺失情况制定一组故障判定规则，并且根据不同C3超时类别的特点分别制定不同的推理方式，从而保证分析结论的准确度；同时通过将规则、推理、业务逻辑解耦，有利于快速添加、删除、更新可处理的C3超时类别，以保证运维效率。
图3为本发明又一实施例提供的一种基于规则引擎的C3超时分析装置的结构示意图。如图3所示，该装置包括：
C3超时事件数据获取模块310，用于从监测系统中获取CTCS-3级列控系统C3超时事件的事件数据；
故障特征提取模块320，用于从所述事件数据中提取超时故障特征原始数据；
模板数据构造模块330，用于定义符合规则推理要求的C3超时事件标准化数据模板，基于该模板根据所述超时故障特征原始数据构造C3超时事件标准化模板数据；
超时原因分析模块340，用于通过规则引擎基于规则文件推理确定与所述C3超时事件标准化模板数据匹配的规则，并根据所述匹配的规则确定所述C3超时事件的分析结果和分析依据。
本发明实施例所提供的基于规则引擎的C3超时分析装置可执行本发明任意实施例所提供的基于规则引擎的C3超时分析方法，具备执行方法相应的功能模块和有益效果。
可选的，所述监测系统包括车载通信信号一体化监测系统、GSM-R网络监测系统和地面侧信号记录监测系统。
可选的，所述超时故障特征原始数据包括故障特征所在类型数据是否存在、故障特征是否出现以及故障特征在所在类型数据中的具体位置；所述超时事件标准化模板的数据结构包括故障特征名称、故障特征取值类型和故障特征取值。
可选的，超时原因分析模块340包括：
规则文件加载单元，并将所述C3超时事件标准化模板数据作为待匹配数据，规则文件中规则的匹配条件为一组指定故障特征的指定取值；
匹配的规则确定单元，用于通过规则引擎前向推理确定所述规则文件中符合所述匹配条件的匹配的规则；
匹配的规则激活单元，用于激活所述匹配的规则得到分析结果，并将所述激活的规则的匹配条件作为分析依据。
可选的，所述匹配的规则激活单元包括：
激活顺序确定子单元，用于通过自定义冲突解决策略确定各匹配的规则的激活的先后顺序；
规则激活子单元，用于根据所述激活的先后顺序激活匹配的规则，得到分析结果和分析依据。
可选的，所述分析依据包括故障特征名称和故障特征取值；所述分析结果包括C3超时类别和故障位置。
进一步说明的基于规则引擎的C3超时分析装置也可执行本发明任意实施例所提供的基于规则引擎的C3超时分析方法，具备执行方法相应的功能模块和有益效果。
图4示出了可以用来实施本发明的实施例的电子设备40的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备（如头盔、眼镜、手表等）和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图4所示，电子设备40包括至少一个处理器41，以及与至少一个处理器41通信连接的存储器，如只读存储器（ROM）42、随机访问存储器（RAM）43等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器41可以根据存储在只读存储器（ROM）42中的计算机程序或者从存储单元48加载到随机访问存储器（RAM）43中的计算机程序，来执行各种适当的动作和处理。在RAM 43中，还可存储电子设备40操作所需的各种程序和数据。处理器41、ROM 42以及RAM 43通过总线44彼此相连。输入/输出（I/O）接口45也连接至总线44。
电子设备40中的多个部件连接至I/O接口45，包括：输入单元46，例如键盘、鼠标等；输出单元47，例如各种类型的显示器、扬声器等；存储单元48，例如磁盘、光盘等；以及通信单元49，例如网卡、调制解调器、无线通信收发机等。通信单元49允许电子设备40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。
处理器41可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器41的一些示例包括但不限于中央处理单元（CPU）、图形处理单元（GPU）、各种专用的人工智能（AI）计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器（DSP）、以及任何适当的处理器、控制器、微控制器等。处理器41执行上文所描述的各个方法和处理，例如基于规则引擎的C3超时分析方法。
在一些实施例中，基于规则引擎的C3超时分析方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元48。在一些实施例中，计算机程序的部分或者全部可以经由ROM 42和/或通信单元49而被载入和/或安装到电子设备40上。当计算机程序加载到RAM 43并由处理器41执行时，可以执行上文描述的基于规则引擎的C3超时分析方法的一个或多个步骤。备选地，在其他实施例中，处理器41可以通过其他任何适当的方式（例如，借助于固件）而被配置为执行基于规则引擎的C3超时分析方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、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）、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序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，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序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。
在本发明的上下文中，计算机可读存储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计算机程序。计算机可读存储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。备选地，计算机可读存储介质可以是机器可读信号介质。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。
为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置（例如，CRT（阴极射线管）或者LCD（液晶显示器）监视器）；以及键盘和指向装置（例如，鼠标或者轨迹球），用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈（例如，视觉反馈、听觉反馈、或者触觉反馈）；并且可以用任何形式（包括声输入、语音输入或者、触觉输入）来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统（例如，作为数据服务器）、或者包括中间件部件的计算系统（例如，应用服务器）、或者包括前端部件的计算系统（例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互）、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信（例如，通信网络）来将系统的部件相互连接。通信网络的示例包括：局域网（LAN）、广域网（WAN）、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。
Claims (10)
1.一种基于规则引擎的C3超时分析方法，其特征在于，所述方法包括：
从监测系统中获取CTCS-3级列控系统C3超时事件的事件数据；
从所述事件数据中提取超时故障特征原始数据；
定义符合规则推理要求的C3超时事件标准化数据模板，并基于该模板根据所述超时故障特征原始数据构造C3超时事件标准化模板数据；
通过规则引擎基于规则文件推理确定与所述C3超时事件标准化模板数据匹配的规则，并根据所述匹配的规则确定所述C3超时事件的分析结果和分析依据。
2.根据权利要求1所述的方法，其特征在于，所述监测系统包括车载通信信号一体化监测系统、GSM-R网络监测系统和地面侧信号记录监测系统。
3.根据权利要求1所述的方法，其特征在于，所述超时故障特征原始数据包括故障特征所在类型数据是否存在、故障特征是否出现以及故障特征在所在类型数据中的具体位置；所述C3超时事件标准化模板数据的数据结构包括故障特征名称、故障特征取值类型和故障特征取值三个要素，所述C3超时事件标准化模板数据的数据内容包括所有可分析C3超时类别的超时故障特征的所述三个要素的内容。
4.根据权利要求1所述的方法，其特征在于，所述通过规则引擎基于规则文件推理确定与所述C3超时事件标准化模板数据匹配的规则，并根据所述匹配的规则确定所述C3超时事件的分析结果和分析依据包括：
加载规则文件，并将所述C3超时事件标准化模板数据作为待匹配数据，规则文件中规则的匹配条件为一组指定故障特征的指定取值；
通过规则引擎前向推理确定所述规则文件中符合所述匹配条件的匹配的规则；
激活所述匹配的规则得到分析结果，并将所述激活的规则的匹配条件作为分析依据。
5.根据权利要求4所述的方法，其特征在于，若存在多条匹配的规则，则所述激活所述匹配的规则得到分析结果包括：
通过自定义冲突解决策略确定各匹配的规则的激活的先后顺序；
根据所述激活的先后顺序激活匹配的规则，得到分析结果和分析依据。
6.根据权利要求1或5所述的方法，其特征在于，所述分析依据包括故障特征名称和故障特征取值；所述分析结果包括C3超时类别和故障位置。
7.一种基于规则引擎的C3超时分析装置，其特征在于，所述装置包括：
C3超时事件数据获取模块，用于从监测系统中获取CTCS-3级列控系统C3超时事件的事件数据；
故障特征提取模块，用于从所述事件数据中提取超时故障特征原始数据；
模板数据构造模块，用于定义符合规则推理要求的C3超时事件标准化数据模板，并基于该模板根据所述超时故障特征原始数据构造C3超时事件标准化模板数据；
超时原因分析模块，用于通过规则引擎基于规则文件推理确定与所述C3超时事件标准化模板数据匹配的规则，并根据所述匹配的规则确定所述C3超时事件的分析结果和分析依据。
8.根据权利要求7所述的装置，其特征在于，所述监测系统包括车载通信信号一体化监测系统、GSM-R网络监测系统和地面侧信号记录监测系统。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的基于规则引擎的C3超时分析方法。
10.一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指令，所述计算机指令用于使处理器执行时实现权利要求1-6中任一项所述的基于规则引擎的C3超时分析方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310207207.5A CN116074183B (zh) | 2023-03-07 | 2023-03-07 | 一种基于规则引擎的c3超时分析方法、装置及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310207207.5A CN116074183B (zh) | 2023-03-07 | 2023-03-07 | 一种基于规则引擎的c3超时分析方法、装置及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116074183A true CN116074183A (zh) | 2023-05-05 |
| CN116074183B CN116074183B (zh) | 2023-06-13 |
Family
ID=86173345
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310207207.5A Active CN116074183B (zh) | 2023-03-07 | 2023-03-07 | 一种基于规则引擎的c3超时分析方法、装置及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116074183B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116662921A (zh) * | 2023-08-02 | 2023-08-29 | 北京全路通信信号研究设计院集团有限公司 | 列控系统无线超时智能分析系统及方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104506338A (zh) * | 2014-11-21 | 2015-04-08 | 河南中烟工业有限责任公司 | 一种基于决策树的工业以太网网络故障诊断专家系统 |
| CN110816589A (zh) * | 2019-10-31 | 2020-02-21 | 北京英诺威尔科技股份有限公司 | 一种基于机器学习的ctcs3故障诊断方法 |
| CN114722898A (zh) * | 2022-03-04 | 2022-07-08 | 中国铁道科学研究院集团有限公司 | 列车超时故障判决方法及装置 |
| US11541919B1 (en) * | 2022-04-14 | 2023-01-03 | Bnsf Railway Company | Automated positive train control event data extraction and analysis engine and method therefor |
| CN115571196A (zh) * | 2022-11-17 | 2023-01-06 | 北京乐码仕智能科技有限公司 | 一种基于规则引擎的正线故障智能处置方法及系统 |
-
2023
- 2023-03-07 CN CN202310207207.5A patent/CN116074183B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104506338A (zh) * | 2014-11-21 | 2015-04-08 | 河南中烟工业有限责任公司 | 一种基于决策树的工业以太网网络故障诊断专家系统 |
| CN110816589A (zh) * | 2019-10-31 | 2020-02-21 | 北京英诺威尔科技股份有限公司 | 一种基于机器学习的ctcs3故障诊断方法 |
| CN114722898A (zh) * | 2022-03-04 | 2022-07-08 | 中国铁道科学研究院集团有限公司 | 列车超时故障判决方法及装置 |
| US11541919B1 (en) * | 2022-04-14 | 2023-01-03 | Bnsf Railway Company | Automated positive train control event data extraction and analysis engine and method therefor |
| CN115571196A (zh) * | 2022-11-17 | 2023-01-06 | 北京乐码仕智能科技有限公司 | 一种基于规则引擎的正线故障智能处置方法及系统 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116662921A (zh) * | 2023-08-02 | 2023-08-29 | 北京全路通信信号研究设计院集团有限公司 | 列控系统无线超时智能分析系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116074183B (zh) | 2023-06-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115396289B (zh) | 一种故障告警确定方法、装置、电子设备及存储介质 | |
| CN116074183B (zh) | 一种基于规则引擎的c3超时分析方法、装置及设备 | |
| CN117271467A (zh) | 一种日志的查询以及转发方法、装置、设备及存储介质 | |
| CN115687406B (zh) | 一种调用链数据的采样方法、装置、设备及存储介质 | |
| CN117033058A (zh) | 一种软件崩溃数据的分析方法、装置、设备及介质 | |
| CN115048352B (zh) | 一种日志字段提取方法、装置、设备和存储介质 | |
| CN116089308A (zh) | 一种软件测试用例的生成方法、装置、设备及介质 | |
| CN116414814A (zh) | 数据检核方法、装置、设备、存储介质和程序产品 | |
| CN115794744A (zh) | 一种日志展示方法、装置、设备和存储介质 | |
| CN115509880A (zh) | 业务系统安全情况预测方法、装置、设备及介质 | |
| CN115116070A (zh) | 一种精准切割pdf的方法、装置、设备及存储介质 | |
| CN114741291A (zh) | 一种漏洞信息自动提交的方法、装置、设备及介质 | |
| CN114881112A (zh) | 一种系统异常检测方法、装置、设备及介质 | |
| CN114116688A (zh) | 数据处理与数据质检方法、装置及可读存储介质 | |
| CN116149933B (zh) | 一种异常日志数据确定方法、装置、设备及存储介质 | |
| CN110532561B (zh) | 数据检测方法及装置、存储介质、电子装置 | |
| CN116094908B (zh) | 日志文件存储方法、装置、设备和存储介质 | |
| CN114970898A (zh) | 机车碎修信息处理方法、装置、电子设备及介质 | |
| CN118152587A (zh) | 一种业务行为图谱构建方法、装置、电子设备及存储介质 | |
| CN116628077A (zh) | 一种数据检测方法、装置、电子设备及存储介质 | |
| CN115858367A (zh) | 一种测试用例筛选方法、装置、设备及介质 | |
| CN116050371A (zh) | 一种通报报告生成方法、装置、设备及程序产品 | |
| CN116127394A (zh) | 一种日志异常检测方法、装置、电子设备及存储介质 | |
| CN117540718A (zh) | 一种基于文档对象模型的巡检结果智能统计方法 | |
| CN116562242A (zh) | 一种数据报表构建方法、装置、电子设备及存储介质 |
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 |