CN116245362B - 城轨接触网风险评估方法及相关装置 - Google Patents

城轨接触网风险评估方法及相关装置 Download PDF

Info

Publication number
CN116245362B
CN116245362B CN202310209419.7A CN202310209419A CN116245362B CN 116245362 B CN116245362 B CN 116245362B CN 202310209419 A CN202310209419 A CN 202310209419A CN 116245362 B CN116245362 B CN 116245362B
Authority
CN
China
Prior art keywords
target
urban rail
record
generating
fault
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.)
Active
Application number
CN202310209419.7A
Other languages
English (en)
Other versions
CN116245362A (zh
Inventor
康俊利
吴雷
袁志宏
牛晓东
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Maglev Co ltd
Original Assignee
Beijing Maglev Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Maglev Co ltd filed Critical Beijing Maglev Co ltd
Priority to CN202310209419.7A priority Critical patent/CN116245362B/zh
Publication of CN116245362A publication Critical patent/CN116245362A/zh
Application granted granted Critical
Publication of CN116245362B publication Critical patent/CN116245362B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/285—Clustering or classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G06Q50/40—

Abstract

本申请公开了一种城轨接触网风险评估方法及相关装置，包括：通过获取目标城轨的历史记录，根据所述历史记录中的历史巡视记录和历史维修记录生成故障数据库；在所述故障数据库中进行数据清洗以获取分类标注信息；根据所述分类标注信息生成目标概率模型；获取所述目标城轨的地理信息，根据所述目标概率模型结合所述地理信息生成所述目标城轨的风险评估报告；通过将数据进行清洗并建立目标概率模型的方式结合城轨地理信息对目标城轨进行风险评估；实现了科学合理地对城轨接触网进行风险评估的技术效果。

Description

城轨接触网风险评估方法及相关装置
技术领域
本申请涉及城轨数据处理领域，尤其是涉及一种城轨接触网风险评估方法及相关装置。
背景技术
城轨接触网直接关系到城轨运行的安全，作为一种供电设备，在长期使用过程中，存在设备性能逐渐下降的风险。城轨接触网设备沿线布置，具有空间变化特点。因此对城轨接触网运行风险的评估应充分考虑布置空间及设备运行时间的特点，这是区别于其他机电设备的故障分析和风险评估的。
因此，如何科学合理地对城轨接触网进行风险评估成为了一个亟待解决的技术问题。
发明内容
为了科学合理地对城轨接触网进行风险评估，本申请提供一种城轨接触网风险评估方法及相关装置。
第一方面，本申请提供的一种城轨接触网风险评估方法采用如下的技术方案：
一种城轨接触网风险评估方法，包括：
获取目标城轨的历史记录，根据所述历史记录中的历史巡视记录和历史维修记录生成故障数据库；
在所述故障数据库中进行数据清洗以获取分类标注信息；
根据所述分类标注信息生成目标概率模型；
获取所述目标城轨的地理信息，根据所述目标概率模型结合所述地理信息生成所述目标城轨的风险评估报告。
可选的，所述获取目标城轨的历史记录，根据所述历史记录中的历史巡视记录和历史维修记录生成故障数据库的步骤，包括：
获取目标城轨的历史记录，所述历史记录包括历史巡视记录和历史维修记录；
根据预设有效条件对所述历史巡视记录和所述历史维修记录进行有效性验证；
在所述历史巡视记录和所述历史维修记录同时满足所述有效性验证时，根据所述历史巡视记录和所述历史维修记录生成故障数据库。
可选的，所述根据所述历史巡视记录和所述历史维修记录生成故障数据库的步骤，包括：
获取所述历史巡视记录中的故障记录，所述故障记录包括：故障时间、故障位置、故障现象以及故障类型；
获取所述历史维修记录中的历史维修方案；
根据所述故障记录结合所述历史维修方案生成故障数据库。
可选的，所述在所述故障数据库中进行数据清洗以获取分类标注信息的步骤，包括：
在所述故障数据库中进行数据清洗以获取第一分类数据；
在所述第一分类数据中根据数据来源确定第二分类数据；
获取预设分类规则根据所述预设分类规则在所述第二分类数据中生成分类标注信息。
可选的，所述根据所述分类标注信息生成目标概率模型的步骤，包括：
根据所述分类标注信息中的区间信息和时间信息生成目标坐标系；
在所述目标坐标系中根据所述分类标注信息进行数据填充以生成带有故障概率的第二目标坐标系；
根据所述第二目标坐标系生成目标概率模型。
可选的，所述获取所述目标城轨的地理信息，根据所述目标概率模型结合所述地理信息生成所述目标城轨的风险评估报告的步骤，包括：
获取所述目标城轨的地理信息；
判断所述地理信息是否符合所述目标概率模型的计算范围；
若是，则将所述地理信息作为输入数据结合所述目标概率模型获取输出结果；
根据所述输出结果生成所述目标城轨的风险评估报告。
可选的，所述根据所述输出结果生成所述目标城轨的风险评估报告的步骤，包括：
获取所述输出结果中的故障随机事件空间；
根据信息熵对所述故障随机事件空间进行城轨接触网可靠性和风险评估的度量并获取度量结果；
根据所述度量结果生成所述目标城轨的风险评估报告。
第二方面，本申请提供一种基于地理信息系统的路径规划装置，所述基于地理信息系统的路径规划装置包括：
记录获取模块，用于获取目标城轨的历史记录，根据所述历史记录中的历史巡视记录和历史维修记录生成故障数据库；
信息获取模块，用于在所述故障数据库中进行数据清洗以获取分类标注信息；
模型生成模块，用于根据所述分类标注信息生成目标概率模型；
报告生成模块，用于获取所述目标城轨的地理信息，根据所述目标概率模型结合所述地理信息生成所述目标城轨的风险评估报告
第三方面，本申请提供一种计算机设备，所述设备包括：存储器、处理器，所述处理器在运行所述存储器存储的计算机指令时，执行如上文中任一项所述的方法。
第四方面，本申请提供一种计算机可读存储介质，包括指令，当所述指令在计算机上运行时，使得计算机执行如上文所述的方法。
综上描述，本申请包括以下有益技术效果：
本申请通过获取目标城轨的历史记录，根据所述历史记录中的历史巡视记录和历史维修记录生成故障数据库；在所述故障数据库中进行数据清洗以获取分类标注信息；根据所述分类标注信息生成目标概率模型；获取所述目标城轨的地理信息，根据所述目标概率模型结合所述地理信息生成所述目标城轨的风险评估报告；通过将数据进行清洗并建立目标概率模型的方式结合城轨地理信息对目标城轨进行风险评估；实现了科学合理地对城轨接触网进行风险评估的技术效果。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的计算机设备结构示意图；
图2是本发明城轨接触网风险评估方法第一实施例的流程示意图；
图3是本发明城轨接触网风险评估方法第一实施例的坐标系示意图；
图4是本发明城轨接触网风险评估方法第二实施例的流程示意图；
图5是本发明城轨接触网风险评估装置第一实施例的结构框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下通过附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的计算机设备结构示意图。
如图1所示，计算机设备可以包括：处理器1001，例如中央处理器（CentralProcessing Unit，CPU），通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏（Display）、输入单元比如键盘（Keyboard），可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口（如无线保真（Wireless-Fidelity，Wi-Fi）接口）。存储器1005可以是高速的随机存取存储器（RandomAccess Memory，RAM），也可以是稳定的非易失性存储器（Non-Volatile Memory，NVM），例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的结构并不构成对计算机设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及城轨接触网风险评估程序。
在图1所示的计算机设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明计算机设备中的处理器1001、存储器1005可以设置计算机设备中，所述计算机设备通过处理器1001调用存储器1005中存储的城轨接触网风险评估程序，并执行本发明实施例提供的城轨接触网风险评估方法。
本发明实施例提供了一种城轨接触网风险评估方法，参照图2，图2为本发明城轨接触网风险评估方法第一实施例的流程示意图。
本实施例中，所述城轨接触网风险评估方法包括以下步骤：
步骤S10：获取目标城轨的历史记录，根据历史记录中的历史巡视记录和历史维修记录生成故障数据库。
需要说明的是，城轨是城际轨道交通和城市轨道交通的简称兼统称，属于新兴词汇。城际轨道交通，属于轨道交通的一个新兴类别，介于传统铁路交通和城市轨道交通之间，主要用于实现相邻城市或城市群间的快速联络，如广珠城轨、广佛肇城轨等。城市轨道交通，指采用轨道结构进行承重和导向的车辆运输系统，依据城市交通总体规划的要求，设置全封闭或部分封闭的专用轨道线路，以列车或单车形式，运送相当规模客流量的公共交通方式。如市内的地铁或轻轨系统、有轨电车等。
城轨、即城际轨道交通或城市轨道交通的简称，专门服务于城市内部或相邻城市之间的轨道交通运输系统。在日常生活中，”城轨“一词更多倾向指城际轨道交通，而城市轨道交通则大多用“地铁“或”轨道交通“一词通称。城轨是伴随着我国城市和城际轨道交通大规模建设发展而出现的生活用语和铁路术语，并相应地有了城轨列车、城轨站等称呼。实际上，”城轨“一词的概念相对泛而博，泛指中短距离范围内的各种新型客运轨道交通系统。
可以理解的是，在本实施例中的历史记录包括历史巡视记录和历史维修记录。
在具体实施中，对接触网系统的巡视和维修历史台账进行数据整理，形成故障数据库，其中故障记录主要包括：故障位置（沿线上所处的位置）、故障发生时间、故障类型、故障现象、故障维修方案 等。在整理形成故障数据库时，需要对历史台账数据进行数据清洗，其中包括对故障类型的分类标注等。
进一步地，为了提升数据库的精确性，所述获取目标城轨的历史记录，根据所述历史记录中的历史巡视记录和历史维修记录生成故障数据库的步骤，包括：获取目标城轨的历史记录，所述历史记录包括历史巡视记录和历史维修记录；根据预设有效条件对所述历史巡视记录和所述历史维修记录进行有效性验证；在所述历史巡视记录和所述历史维修记录同时满足所述有效性验证时，根据所述历史巡视记录和所述历史维修记录生成故障数据库。
可以理解的是，所述历史巡视记录包括：手动上传至目标地址的历史巡视记录和系统自动收集的历史巡视记录。
需要说明的是，所述历史维修记录则根据事故清单对应进行数据的存储。在每一保修记录或者事故记录的警报中对应记录历史维修记录。所述历史维修记录的数据由工作人员手动上传或者系统自动采集实现。
在具体实施中，所述根据所述历史巡视记录和所述历史维修记录生成故障数据库的步骤，包括：获取所述历史巡视记录中的故障记录，所述故障记录包括：故障时间、故障位置、故障现象以及故障类型；获取所述历史维修记录中的历史维修方案；根据所述故障记录结合所述历史维修方案生成故障数据库。
步骤S20：在故障数据库中进行数据清洗以获取分类标注信息。
进一步地，为了提升标注信息的准确性，所述在所述故障数据库中进行数据清洗以获取分类标注信息的步骤，包括：在所述故障数据库中进行数据清洗以获取第一分类数据；在所述第一分类数据中根据数据来源确定第二分类数据；获取预设分类规则根据所述预设分类规则在所述第二分类数据中生成分类标注信息。
需要说明的是，数据清洗是指发现并纠正数据文件中可识别的错误的最后一道程序，包括检查数据一致性，处理无效值和缺失值等。与问卷审核不同，录入后的数据清理一般是由计算机而不是人工完成。
可以理解的是，数据清洗是指发现并纠正数据文件中可识别的错误的最后一道程序，包括检查数据一致性，处理无效值和缺失值等。与问卷审核不同，录入后的数据清理一般是由计算机而不是人工完成。数据清洗(Data cleaning)– 对数据进行重新审查和校验的过程，目的在于删除重复信息、纠正存在的错误，并提供数据一致性。数据清洗从名字上也看的出就是把“脏”的“洗掉”，指发现并纠正数据文件中可识别的错误的最后一道程序，包括检查数据一致性，处理无效值和缺失值等。因为数据仓库中的数据是面向某一主题的数据的集合，这些数据从多个业务系统中抽取而来而且包含历史数据，这样就避免不了有的数据是错误数据、有的数据相互之间有冲突，这些错误的或有冲突的数据显然是我们不想要的，称为“脏数据”。我们要按照一定的规则把“脏数据”“洗掉”，这就是数据清洗。而数据清洗的任务是过滤那些不符合要求的数据，将过滤的结果交给业务主管部门，确认是否过滤掉还是由业务单位修正之后再进行抽取。不符合要求的数据主要是有不完整的数据、错误的数据、重复的数据三大类。数据清洗是与问卷审核不同，录入后的数据清理一般是由计算机而不是人工完成。
需要说明的是，对接触网系统的巡视和维修历史台账进行数据整理，形成故障数据库，其中故障记录主要包括：故障位置（沿线上所处的位置）、故障发生时间、故障类型、故障现象、故障维修方案 等。在整理形成故障数据库时，需要对历史台账数据进行数据清洗，其中包括对故障类型的分类标注等。
步骤S30：根据分类标注信息生成目标概率模型。
在具体实施中，如图3所示，根据故障发生的时间和类型，对给定的N*△t时间内的故障数据，其中△t为巡视周期或维修检修周期，假设城轨沿线有K个检修区间，则可以对N*△t时间段内每个检修区间发生不同类型故障的次数。其中，设总故障次数为M，则可以求得N*△t时间内每个区间发生故障的概率pi，i=1,…,K。
进一步地，为了提升概率模型的可靠性，所述根据所述分类标注信息生成目标概率模型的步骤，包括：根据所述分类标注信息中的区间信息和时间信息生成目标坐标系；在所述目标坐标系中根据所述分类标注信息进行数据填充以生成带有故障概率的第二目标坐标系；根据所述第二目标坐标系生成目标概率模型。
步骤S40：获取目标城轨的地理信息，根据目标概率模型结合地理信息生成目标城轨的风险评估报告。
需要说明的是，所述目标城轨的地理信息在本实施例中是指城轨铺设的地理位置信息。
可以理解的是，在将目标城轨的地理信息输入至目标概率模型之后，将通过概率模型输出结果，在输出结果中获取判断报告以生成目标城轨对应的风险评估报告。
本实施例通过获取目标城轨的历史记录，根据所述历史记录中的历史巡视记录和历史维修记录生成故障数据库；在所述故障数据库中进行数据清洗以获取分类标注信息；根据所述分类标注信息生成目标概率模型；获取所述目标城轨的地理信息，根据所述目标概率模型结合所述地理信息生成所述目标城轨的风险评估报告；通过将数据进行清洗并建立目标概率模型的方式结合城轨地理信息对目标城轨进行风险评估；实现了科学合理地对城轨接触网进行风险评估的技术效果。
参考图4，图为本发明城轨接触网风险评估方法第二实施例的流程示意图。
基于上述第一实施例，本实施例城轨接触网风险评估方法的所述步骤S40，还包括：
步骤S401：获取目标城轨的地理信息。
步骤S402：判断地理信息是否符合目标概率模型的计算范围。
需要说明的是，存在将错误的地理信息导入目标概率模型中的情况，因此输出的结果也会出现错误。在本实施例中有必要对输入的地理信息进行计算之前的范围认定，在超出范围时将发送错误提醒以节约后续的计算资源。
步骤S403：若是，则将地理信息作为输入数据结合目标概率模型获取输出结果。
需要说明的是，故障的发生可以看成是一个随机事件，因此所有的故障类型形成了故障随机事件空间，信息熵是衡量随机事件空间不确定性程度的工具，本专利利用信息熵来进行城轨接触网可靠性和风险评估的度量。计算方法为En = -∑pi*log(pi)，特别的，定义0*log(0) = 0。根据信息熵的定义，En值越大，则说明故障随机事件的不确定性在增加，即城轨接触网系统发生故障的风险在增加。以上还可以针对不同类型的故障，分别进行城轨接触网系统各种故障类型的不确定性评估。
需要说明的是，信息熵（information entropy）是信息论的基本概念。描述信息源各可能事件发生的不确定性。20世纪40年代，香农（C.E.Shannon）借鉴了热力学的概念，把信息中排除了冗余后的平均信息量称为“信息熵”，并给出了计算信息熵的数学表达式。信息熵的提出解决了对信息的量化度量问题。信息是个很抽象的概念。人们常常说信息很多，或者信息较少，但却很难说清楚信息到底有多少。比如一本五十万字的中文书到底有多少信息量。信息论之父克劳德·艾尔伍德·香农第一次用数学语言阐明了概率与信息冗余度的关系。
步骤S404：根据输出结果生成所述目标城轨的风险评估报告。
进一步地，为了提升报告生成的精确性，所述根据所述输出结果生成所述目标城轨的风险评估报告的步骤，包括：获取所述输出结果中的故障随机事件空间；根据信息熵对所述故障随机事件空间进行城轨接触网可靠性和风险评估的度量并获取度量结果；根据所述度量结果生成所述目标城轨的风险评估报告。
在具体实施中，本实施例根据城轨接触网巡视和维修历史台账，利用接触网系统中各故障发生的时间、空间位置，基于地理信息系统GIS建立接触网系统的整体风险评估模型。
本实施例通过获取所述目标城轨的地理信息；判断所述地理信息是否符合所述目标概率模型的计算范围；若是，则将所述地理信息作为输入数据结合所述目标概率模型获取输出结果；根据所述输出结果生成所述目标城轨的风险评估报告；实现了精确生成风险评估报告的技术效果。
此外，本发明实施例还提出一种计算机可读存储介质，所述存储介质上存储有城轨接触网风险评估的程序，所述城轨接触网风险评估的程序被处理器执行时实现如上文所述的城轨接触网风险评估的方法的步骤。
参照图5，图5为本发明城轨接触网风险评估装置第一实施例的结构框图。
如图5所示，本发明实施例提出的城轨接触网风险评估装置包括：
记录获取模块10，用于获取目标城轨的历史记录，根据所述历史记录中的历史巡视记录和历史维修记录生成故障数据库；
信息获取模块20，用于在所述故障数据库中进行数据清洗以获取分类标注信息；
模型生成模块30，用于根据所述分类标注信息生成目标概率模型；
报告生成模块40，用于获取所述目标城轨的地理信息，根据所述目标概率模型结合所述地理信息生成所述目标城轨的风险评估报告。
应当理解的是，以上仅为举例说明，对本发明的技术方案并不构成任何限定，在具体应用中，本领域的技术人员可以根据需要进行设置，本发明对此不做限制。
本实施例通过获取目标城轨的历史记录，根据所述历史记录中的历史巡视记录和历史维修记录生成故障数据库；在所述故障数据库中进行数据清洗以获取分类标注信息；根据所述分类标注信息生成目标概率模型；获取所述目标城轨的地理信息，根据所述目标概率模型结合所述地理信息生成所述目标城轨的风险评估报告；通过将数据进行清洗并建立目标概率模型的方式结合城轨地理信息对目标城轨进行风险评估；实现了科学合理地对城轨接触网进行风险评估的技术效果。
在一实施例中，所述记录获取模块10，还用于获取目标城轨的历史记录，所述历史记录包括历史巡视记录和历史维修记录；根据预设有效条件对所述历史巡视记录和所述历史维修记录进行有效性验证；在所述历史巡视记录和所述历史维修记录同时满足所述有效性验证时，根据所述历史巡视记录和所述历史维修记录生成故障数据库。
在一实施例中，所述记录获取模块10，还用于获取所述历史巡视记录中的故障记录，所述故障记录包括：故障时间、故障位置、故障现象以及故障类型；获取所述历史维修记录中的历史维修方案；根据所述故障记录结合所述历史维修方案生成故障数据库。
在一实施例中，所述信息获取模块20，还用于在所述故障数据库中进行数据清洗以获取第一分类数据；在所述第一分类数据中根据数据来源确定第二分类数据；获取预设分类规则根据所述预设分类规则在所述第二分类数据中生成分类标注信息。
在一实施例中，所述模型生成模块30，还用于根据所述分类标注信息中的区间信息和时间信息生成目标坐标系；在所述目标坐标系中根据所述分类标注信息进行数据填充以生成带有故障概率的第二目标坐标系；根据所述第二目标坐标系生成目标概率模型。
在一实施例中，所述报告生成模块40，还用于获取所述目标城轨的地理信息；判断所述地理信息是否符合所述目标概率模型的计算范围；若是，则将所述地理信息作为输入数据结合所述目标概率模型获取输出结果；根据所述输出结果生成所述目标城轨的风险评估报告。
在一实施例中，所述报告生成模块40，还用于获取所述输出结果中的故障随机事件空间；根据信息熵对所述故障随机事件空间进行城轨接触网可靠性和风险评估的度量并获取度量结果；根据所述度量结果生成所述目标城轨的风险评估报告。
需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。
另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的城轨接触网风险评估的方法，此处不再赘述。
此外，需要说明的是，在本文中，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、物品或者系统不仅包括那些要素，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、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
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上述实施例方法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，但很多情况下前者是更佳的实施方式。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（如只读存储器（Read Only Memory，ROM）/RAM、磁碟、光盘）中，包括若干指令用以使得一台终端设备（可以是手机，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的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (7)

1.一种城轨接触网风险评估方法，其特征在于，包括：
获取目标城轨的历史记录，根据所述历史记录中的历史巡视记录和历史维修记录生成故障数据库；
在所述故障数据库中进行数据清洗以获取分类标注信息；
根据所述分类标注信息生成目标概率模型；
获取所述目标城轨的地理信息，根据所述目标概率模型结合所述地理信息生成所述目标城轨的风险评估报告；
其中，所述根据所述分类标注信息生成目标概率模型的步骤，包括：
根据所述分类标注信息中的区间信息和时间信息生成目标坐标系；
在所述目标坐标系中根据所述分类标注信息进行数据填充以生成带有故障概率的第二目标坐标系；
根据所述第二目标坐标系生成目标概率模型；
其中，所述获取所述目标城轨的地理信息，根据所述目标概率模型结合所述地理信息生成所述目标城轨的风险评估报告的步骤，包括：
获取所述目标城轨的地理信息；
判断所述地理信息是否符合所述目标概率模型的计算范围；
若是，则将所述地理信息作为输入数据结合所述目标概率模型获取输出结果；
根据所述输出结果生成所述目标城轨的风险评估报告；
其中，所述根据所述输出结果生成所述目标城轨的风险评估报告的步骤，包括：
获取所述输出结果中的故障随机事件空间；
根据信息熵对所述故障随机事件空间进行城轨接触网可靠性和风险评估的度量并获取度量结果；
根据所述度量结果生成所述目标城轨的风险评估报告。
2.根据权利要求1所述的城轨接触网风险评估方法，其特征在于，所述获取目标城轨的历史记录，根据所述历史记录中的历史巡视记录和历史维修记录生成故障数据库的步骤，包括：
获取目标城轨的历史记录，所述历史记录包括历史巡视记录和历史维修记录；
根据预设有效条件对所述历史巡视记录和所述历史维修记录进行有效性验证；
在所述历史巡视记录和所述历史维修记录同时满足所述有效性验证时，根据所述历史巡视记录和所述历史维修记录生成故障数据库。
3.根据权利要求2所述的城轨接触网风险评估方法，其特征在于，所述根据所述历史巡视记录和所述历史维修记录生成故障数据库的步骤，包括：
获取所述历史巡视记录中的故障记录，所述故障记录包括：故障时间、故障位置、故障现象以及故障类型；
获取所述历史维修记录中的历史维修方案；
根据所述故障记录结合所述历史维修方案生成故障数据库。
4.根据权利要求1所述的城轨接触网风险评估方法，其特征在于，所述在所述故障数据库中进行数据清洗以获取分类标注信息的步骤，包括：
在所述故障数据库中进行数据清洗以获取第一分类数据；
在所述第一分类数据中根据数据来源确定第二分类数据；
获取预设分类规则根据所述预设分类规则在所述第二分类数据中生成分类标注信息。
5.一种城轨接触网风险评估装置，其特征在于，所述城轨接触网风险评估装置包括：
记录获取模块，用于获取目标城轨的历史记录，根据所述历史记录中的历史巡视记录和历史维修记录生成故障数据库；
信息获取模块，用于在所述故障数据库中进行数据清洗以获取分类标注信息；
模型生成模块，用于根据所述分类标注信息生成目标概率模型；
报告生成模块，用于获取所述目标城轨的地理信息，根据所述目标概率模型结合所述地理信息生成所述目标城轨的风险评估报告；
其中，所述模型生成模块，还用于根据所述分类标注信息中的区间信息和时间信息生成目标坐标系；
在所述目标坐标系中根据所述分类标注信息进行数据填充以生成带有故障概率的第二目标坐标系；
根据所述第二目标坐标系生成目标概率模型；
其中，所述报告生成模块，还用于获取所述目标城轨的地理信息；
判断所述地理信息是否符合所述目标概率模型的计算范围；
若是，则将所述地理信息作为输入数据结合所述目标概率模型获取输出结果；
根据所述输出结果生成所述目标城轨的风险评估报告；
其中，所述报告生成模块，还用于获取所述输出结果中的故障随机事件空间；
根据信息熵对所述故障随机事件空间进行城轨接触网可靠性和风险评估的度量并获取度量结果；
根据所述度量结果生成所述目标城轨的风险评估报告。
6.一种计算机设备，其特征在于，所述设备包括：存储器、处理器，所述处理器在运行所述存储器存储的计算机指令时，执行如权利要求1至4中任一项所述的方法。
7.一种计算机可读存储介质，其特征在于，包括指令，当所述指令在计算机上运行时，使得计算机执行如权利要求1至4中任一项所述的方法。
CN202310209419.7A 2023-03-07 2023-03-07 城轨接触网风险评估方法及相关装置 Active CN116245362B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310209419.7A CN116245362B (zh) 2023-03-07 2023-03-07 城轨接触网风险评估方法及相关装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310209419.7A CN116245362B (zh) 2023-03-07 2023-03-07 城轨接触网风险评估方法及相关装置

Publications (2)

Publication Number Publication Date
CN116245362A CN116245362A (zh) 2023-06-09
CN116245362B true CN116245362B (zh) 2023-12-12

Family

ID=86634753

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310209419.7A Active CN116245362B (zh) 2023-03-07 2023-03-07 城轨接触网风险评估方法及相关装置

Country Status (1)

Country Link
CN (1) CN116245362B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050060251A (ko) * 2003-12-16 2005-06-22 한국철도기술연구원 도시철도차량 유지보수 정보화 예방정비 분석을 이용한예방 정비 시스템 및 방법
WO2018122585A1 (zh) * 2016-12-30 2018-07-05 同济大学 一种基于浮动车数据的城市道路交通异常检测方法
WO2019197345A1 (en) * 2018-04-09 2019-10-17 Motion-S Vehicular motion assessment method
CN110866682A (zh) * 2019-10-31 2020-03-06 湖南国奥电力设备有限公司 基于历史数据的地下电缆预警方法和装置
CN112686405A (zh) * 2020-12-29 2021-04-20 南京后生远达科技有限公司 一种基于故障树的配电网故障区域划分方法
CN112884179A (zh) * 2021-03-30 2021-06-01 北京交通大学 基于机器故障和文本主题分析的城轨折返故障诊断方法
CN113988643A (zh) * 2021-10-29 2022-01-28 重庆地质矿产研究院 一种交通线沿线区域的滑坡风险定量评估方法
CN114298521A (zh) * 2021-12-23 2022-04-08 佳都科技集团股份有限公司 城轨设备的可靠性分析方法、装置、设备和存储介质
CN114692758A (zh) * 2022-03-31 2022-07-01 广东电网有限责任公司 电力通信故障分析方法、装置、终端设备及介质
CN115339484A (zh) * 2022-08-15 2022-11-15 上海亚冠智慧轨道交通科技有限公司 一种长距离无源感知的轨道交通健康监测系统及方法
CN115691125A (zh) * 2022-10-25 2023-02-03 北京磁浮有限公司 基于城市轨道交通设施系统的可靠度分析方法及相关装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109952592B (zh) * 2016-11-07 2024-04-02 瑞士再保险有限公司 自动位置相关测量和预测汽车风险的绝对和相对风险系统和方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050060251A (ko) * 2003-12-16 2005-06-22 한국철도기술연구원 도시철도차량 유지보수 정보화 예방정비 분석을 이용한예방 정비 시스템 및 방법
WO2018122585A1 (zh) * 2016-12-30 2018-07-05 同济大学 一种基于浮动车数据的城市道路交通异常检测方法
WO2019197345A1 (en) * 2018-04-09 2019-10-17 Motion-S Vehicular motion assessment method
CN110866682A (zh) * 2019-10-31 2020-03-06 湖南国奥电力设备有限公司 基于历史数据的地下电缆预警方法和装置
CN112686405A (zh) * 2020-12-29 2021-04-20 南京后生远达科技有限公司 一种基于故障树的配电网故障区域划分方法
CN112884179A (zh) * 2021-03-30 2021-06-01 北京交通大学 基于机器故障和文本主题分析的城轨折返故障诊断方法
CN113988643A (zh) * 2021-10-29 2022-01-28 重庆地质矿产研究院 一种交通线沿线区域的滑坡风险定量评估方法
CN114298521A (zh) * 2021-12-23 2022-04-08 佳都科技集团股份有限公司 城轨设备的可靠性分析方法、装置、设备和存储介质
CN114692758A (zh) * 2022-03-31 2022-07-01 广东电网有限责任公司 电力通信故障分析方法、装置、终端设备及介质
CN115339484A (zh) * 2022-08-15 2022-11-15 上海亚冠智慧轨道交通科技有限公司 一种长距离无源感知的轨道交通健康监测系统及方法
CN115691125A (zh) * 2022-10-25 2023-02-03 北京磁浮有限公司 基于城市轨道交通设施系统的可靠度分析方法及相关装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Failure Risk Assessment of the Power System Transmission Line Based on an Improved Entropy Method:CN116136987A引证文献;Haijing Yang et al.;Applied Mechanics and Materials;333-335 *
城市轨道交通正线列车故障发生概率预测模型;王镇波 等;同济大学学报(自然科学版)(第12期);1751-1757 *
基于风险评估的接触网维修计划优化;刘琛;中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑(第7期);C033-128 *

Also Published As

Publication number Publication date
CN116245362A (zh) 2023-06-09

Similar Documents

Publication Publication Date Title
Stenström et al. Preventive and corrective maintenance–cost comparison and cost–benefit analysis
EP4030365A1 (en) Multi-mode multi-service rail transit analog simulation method and system
Kyriakidis et al. The human performance railway operational index—a novel approach to assess human performance for railway operations
Bergquist et al. Data analysis for condition‐based railway infrastructure maintenance
CN109784502A (zh) 基于故障设备的现场检修处理方法和系统
Liu et al. Data analytics approach for train timetable performance measures using automatic train supervision data
CN111897715A (zh) 一种仿真测试环境配置数据自动生成方法及装置
CN115691125A (zh) 基于城市轨道交通设施系统的可靠度分析方法及相关装置
Lu et al. Risk factors affecting the severity of disruptions in metro operation in shanghai, 2013-2016
CN116245362B (zh) 城轨接触网风险评估方法及相关装置
Martyushev et al. Determination of the Reliability of Urban Electric Transport Running Autonomously through Diagnostic Parameters
CN112559488A (zh) 一种基于数据中台的自动扶梯全生命周期数据管理方法及系统
CN116562437A (zh) 轨道电路补偿电容故障预测方法和装置
CN213894861U (zh) 一种基于数据中台的自动扶梯全生命周期数据管理系统
CN107783896B (zh) 一种数据处理模型的优化方法和装置
CN111539686B (zh) 基于车辆行驶记录可视化的运输管理监控方法
KR101902556B1 (ko) 철도차량용 모니터링 시스템 및 그 방법
CN113553117A (zh) 列车自动监督系统配置数据自动生成方法和装置
Wang et al. Analysis of risk factors affecting delay of high-speed railway in China based on Bayesian network modeling
Pham et al. A generalized surveillance model with applications to systems safety
CN109635350B (zh) 一种用于仿真的潮流断面自动生成的数据替换方法及系统
CN111930813A (zh) 一种以列车为统计单元的pis日志等效运行图生成方法
Usvyat et al. Sketch model to forecast heavy-rail ridership
CN117390249B (zh) 一种基于网络大数据的主题公园运行监测方法及系统
Gilchrist et al. Developing a new Safety Risk Model (SRM) methodology for the GB rail industry

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