CN116305993B - 一种基于灾害时空分布的高铁监测部署优化方法及系统 - Google Patents
一种基于灾害时空分布的高铁监测部署优化方法及系统 Download PDFInfo
- Publication number
- CN116305993B CN116305993B CN202310316300.XA CN202310316300A CN116305993B CN 116305993 B CN116305993 B CN 116305993B CN 202310316300 A CN202310316300 A CN 202310316300A CN 116305993 B CN116305993 B CN 116305993B
- Authority
- CN
- China
- Prior art keywords
- disaster
- monitoring
- data
- index
- abnormal
- 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
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 443
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000005457 optimization Methods 0.000 title claims abstract description 27
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims abstract description 66
- 238000004458 analytical method Methods 0.000 claims abstract description 46
- 229910052742 iron Inorganic materials 0.000 claims abstract description 33
- 230000002159 abnormal effect Effects 0.000 claims description 113
- 238000011156 evaluation Methods 0.000 claims description 46
- 238000004364 calculation method Methods 0.000 claims description 20
- 230000005856 abnormality Effects 0.000 claims description 17
- 238000012216 screening Methods 0.000 claims description 14
- 238000007418 data mining Methods 0.000 claims description 11
- 238000007621 cluster analysis Methods 0.000 claims description 6
- 238000005065 mining Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 20
- 238000012545 processing Methods 0.000 abstract description 4
- 238000012806 monitoring device Methods 0.000 description 9
- 238000001556 precipitation Methods 0.000 description 9
- 238000012549 training Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000006424 Flood reaction Methods 0.000 description 1
- 238000009411 base construction Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Operations Research (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种基于灾害时空分布的高铁监测部署优化方法及系统,涉及数据处理领域,其中,所述方法包括:获得目标高铁的待执行任务信息;获得目标灾害监测指标集合;通过灾害预测模型,获得灾害预测结果;判断灾害预测系数是否小于灾害预测系数阈值;若灾害预测系数小于灾害预测系数阈值,获得任务常态指令;通过监测部署规划模型进行监测规划分析,获得监测部署规划方案;基于监测模块和监测部署规划方案,进行目标高铁的灾害监测。解决了现有技术中针对高铁的灾害监测准确性不足、全面性不高,进而造成高铁灾害监测效果不佳的技术问题。达到了提升高铁灾害监测的准确性、全面性,提升高铁灾害监测质量等技术效果。
Description
技术领域
本发明涉及数据处理领域,具体地,涉及一种基于灾害时空分布的高铁监测部署优化方法及系统。
背景技术
通过对危及高铁运行安全的风、雨、雪等灾害进行监测,可以为高铁的调度指挥、维护管理提供可靠的参考数据,从而保障高铁的安全运行。随着高铁的快速建设,高铁的运行环境向着多元化、复杂化的方向不断发展。传统的监测模式已无法满足现代化高铁灾害监测的需求,研究设计一种对高铁灾害监测进行优化的方法,具有十分重要的现实意义。
现有技术中,存在针对高铁的灾害监测准确性不足、全面性不高,进而造成高铁灾害监测效果不佳的技术问题。
发明内容
本申请提供了一种基于灾害时空分布的高铁监测部署优化方法及系统。解决了现有技术中针对高铁的灾害监测准确性不足、全面性不高,进而造成高铁灾害监测效果不佳的技术问题。
鉴于上述问题,本申请提供了一种基于灾害时空分布的高铁监测部署优化方法及系统。
第一方面,本申请提供了一种基于灾害时空分布的高铁监测部署优化方法,其中,所述方法应用于一种基于灾害时空分布的高铁监测部署优化系统,所述方法包括:获得目标高铁的待执行任务信息,其中,所述待执行任务信息包括目标运行线路信息和目标运行时间信息;获得预设灾害监测指标集合,并基于所述待执行任务信息对所述预设灾害监测指标集合进行数据挖掘,获得目标灾害监测指标集合;基于所述待执行任务信息和所述目标灾害监测指标集合,通过灾害预测模型对目标高铁进行灾害预测,获得灾害预测结果,其中,所述灾害预测结果包括灾害预测数据和灾害预测系数;获得灾害预测系数阈值,并判断所述灾害预测系数是否小于所述灾害预测系数阈值;若所述灾害预测系数小于所述灾害预测系数阈值,获得任务常态指令,并将所述任务常态指令发送至所述监测模块;所述监测模块包括监测部署规划模型,通过所述监测部署规划模型对所述待执行任务信息、所述目标灾害监测指标集合、所述灾害预测结果进行监测规划分析,获得监测部署规划方案;基于所述监测模块和所述监测部署规划方案,进行目标高铁的灾害监测。
第二方面,本申请还提供了一种基于灾害时空分布的高铁监测部署优化系统,其中,所述系统包括:任务信息获得模块,所述任务信息获得模块用于获得目标高铁的待执行任务信息,其中,所述待执行任务信息包括目标运行线路信息和目标运行时间信息;指标挖掘模块,所述指标挖掘模块用于获得预设灾害监测指标集合,并基于所述待执行任务信息对所述预设灾害监测指标集合进行数据挖掘,获得目标灾害监测指标集合;灾害预测模块,所述灾害预测模块用于基于所述待执行任务信息和所述目标灾害监测指标集合,通过灾害预测模型对目标高铁进行灾害预测,获得灾害预测结果,其中,所述灾害预测结果包括灾害预测数据和灾害预测系数;阈值判断模块,所述阈值判断模块用于获得灾害预测系数阈值,并判断所述灾害预测系数是否小于所述灾害预测系数阈值;指令发送模块,所述指令发送模块用于若所述灾害预测系数小于所述灾害预测系数阈值,获得任务常态指令,并将所述任务常态指令发送至所述监测模块;监测规划分析模块,所述监测规划分析模块用于所述监测模块包括监测部署规划模型,通过所述监测部署规划模型对所述待执行任务信息、所述目标灾害监测指标集合、所述灾害预测结果进行监测规划分析,获得监测部署规划方案;灾害监测模块,所述灾害监测模块用于基于所述监测模块和所述监测部署规划方案,进行目标高铁的灾害监测。
第三方面,本申请还提供了一种电子设备,包括:存储器,用于存储可执行指令;处理器,用于执行所述存储器中存储的可执行指令时,实现本申请提供的一种基于灾害时空分布的高铁监测部署优化方法。
第四方面,本申请还提供了一种计算机可读存储介质,存储有计算机程序,该程序被处理器执行时,实现本申请提供的一种基于灾害时空分布的高铁监测部署优化方法。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
通过对目标高铁进行信息采集,获得目标高铁的待执行任务信息;通过对预设灾害监测指标集合进行数据挖掘,获得目标灾害监测指标集合;通过灾害预测模型对目标高铁进行灾害预测,获得灾害预测结果;判断灾害预测系数是否小于灾害预测系数阈值;若灾害预测系数小于灾害预测系数阈值,获得任务常态指令,并将任务常态指令发送至监测模块;通过监测部署规划模型对待执行任务信息、目标灾害监测指标集合、灾害预测结果进行监测规划分析,获得监测部署规划方案,结合监测模块进行目标高铁的灾害监测。达到了提升高铁灾害监测的准确性、全面性,实现智能化、精准化地高铁灾害监测,提升高铁灾害监测质量,为高铁的安全运行提供有力保障的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对本公开实施例的附图作简单地介绍。明显地,下面描述中的附图仅仅涉及本公开的一些实施例,而非对本公开的限制。
图1为本申请一种基于灾害时空分布的高铁监测部署优化方法的流程示意图;
图2为本申请一种基于灾害时空分布的高铁监测部署优化方法中获得灾害预测结果的流程示意图;
图3为本申请一种基于灾害时空分布的高铁监测部署优化系统的结构示意图;
图4为本申请示例性电子设备的结构示意图。
附图标记说明:任务信息获得模块11,指标挖掘模块12,灾害预测模块13,阈值判断模块14,指令发送模块15,监测规划分析模块16,灾害监测模块17,处理器31,存储器32,输入装置33,输出装置34。
具体实施方式
本申请通过提供一种基于灾害时空分布的高铁监测部署优化方法及系统。解决了现有技术中针对高铁的灾害监测准确性不足、全面性不高,进而造成高铁灾害监测效果不佳的技术问题。达到了提升高铁灾害监测的准确性、全面性,实现智能化、精准化地高铁灾害监测,提升高铁灾害监测质量,为高铁的安全运行提供有力保障的技术效果。
实施例一
请参阅附图1,本申请提供一种基于灾害时空分布的高铁监测部署优化方法,其中,所述方法应用于一种基于灾害时空分布的高铁监测部署优化系统,所述系统包括监测模块,所述方法具体包括如下步骤:
步骤S100:获得目标高铁的待执行任务信息,其中,所述待执行任务信息包括目标运行线路信息和目标运行时间信息;
具体而言,对目标高铁进行待运行线路参数、待运行时间参数的采集,获得待执行任务信息。其中,所述目标高铁为使用所述一种基于灾害时空分布的高铁监测部署优化系统进行智能化灾害监测的任意高铁。所述待执行任务信息包括目标运行线路信息和目标运行时间信息。所述目标运行线路信息包括目标高铁的待运行线路信息。待运行线路信息可以为目标高铁的一个待运行线路参数,也可以为目标高铁的多个待运行线路参数。所述目标运行时间信息包括目标运行线路信息对应的待运行时间参数信息。达到了通过对目标高铁进行信息采集,获得目标高铁的待执行任务信息,为后续对目标高铁进行灾害监测奠定基础的技术效果。
步骤S200:获得预设灾害监测指标集合,并基于所述待执行任务信息对所述预设灾害监测指标集合进行数据挖掘,获得目标灾害监测指标集合;
进一步的,本申请步骤S200还包括:
步骤S210:所述预设灾害监测指标集合包括多个预设灾害监测指标;
步骤S220:基于所述目标运行时间信息,获得异常评价时序约束条件;
具体而言,所述预设灾害监测指标集合包括风速、风向、温度、湿度、降雪量、降水量、雷电、冰冻等多个预设灾害监测指标。进一步,基于目标运行时间信息,设置异常评价时序约束条件。其中,所述异常评价时序约束条件包括目标运行时间信息之前的多个预设历史时间点。达到了确定预设灾害监测指标集合、异常评价时序约束条件,为后续对预设灾害监测指标集合进行数据挖掘夯实基础的技术效果。
步骤S230:基于所述异常评价时序约束条件和所述预设灾害监测指标集合,对所述目标运行线路信息进行异常灾害监测指标识别,获得线路异常指标识别结果;
进一步的,本申请步骤S230还包括:
步骤S231:基于所述异常评价时序约束条件,获得目标运行线路信息的线路异常特征数据集,其中,所述线路异常特征数据集包括多个线路异常特征和多个线路异常特征因子;
步骤S232:基于所述预设灾害监测指标集合对所述多个线路异常特征因子进行关联性评价,获得因子-指标关联性评价数据集;
步骤S233:基于关联性评价约束条件对所述因子-指标关联性评价数据集进行筛选,并基于关联性筛选结果对所述多个线路异常特征进行匹配,获得线路灾害异常数据集;
步骤S234:基于所述预设灾害监测指标集合对所述线路灾害异常数据集进行聚类分析,获得指标灾害异常数据集;
步骤S235:基于所述指标灾害异常数据集,对所述预设灾害监测指标集合进行异常特征计算,获得多个指标异常特征系数,并将所述多个指标异常特征系数添加至所述线路异常指标识别结果。
步骤S240:基于所述线路异常指标识别结果,对所述预设灾害监测指标集合进行指标赋值计算,获得所述目标灾害监测指标集合。
具体而言,基于异常评价时序约束条件和目标运行线路信息,进行历史信息采集,获得线路异常特征数据集。其中,所述线路异常特征数据集包括多个线路异常特征和多个线路异常特征因子。且,多个线路异常特征与多个线路异常特征因子具有对应关系。所述多个线路异常特征包括在异常评价时序约束条件中的多个预设历史时间点下,目标运行线路信息对应的多个历史高铁异常数量。所述多个线路异常特征因子包括多个线路异常特征对应的多个历史异常原因。示例性地,在异常评价时序约束条件中的预设历史时间点a下,目标运行线路信息发生雪灾导致b列高铁停运。则,预设历史时间点a对应的线路异常特征为b。该线路异常特征对应的线路异常特征因子为雪灾。
进一步,分别将多个线路异常特征因子与预设灾害监测指标集合中的每个预设灾害监测指标进行关联性评价,获得因子-指标关联性评价数据集。所述因子-指标关联性评价数据集包括多个因子-指标关联性系数。所述多个因子-指标关联性系数包括多个线路异常特征因子中每个线路异常特征因子与预设灾害监测指标集合中的每个预设灾害监测指标之间的关联性系数。进而,按照关联性评价约束条件对因子-指标关联性评价数据集进行筛选,获得关联性筛选结果。按照关联性筛选结果对多个线路异常特征进行匹配,获得线路灾害异常数据集。其中,所述关联性评价约束条件包括预先设置确定的因子-指标关联性系数阈值。所述关联性筛选结果包括因子-指标关联性评价数据集中,满足关联性评价约束条件的多个因子-指标关联性系数。所述线路灾害异常数据集包括关联性筛选结果,以及关联性筛选结果对应的多个线路异常特征。
进一步,按照预设灾害监测指标集合对线路灾害异常数据集进行聚类分析,获得指标灾害异常数据集。所述聚类分析是指按照预设灾害监测指标集合中的多个预设灾害监测指标对线路灾害异常数据集进行分类,将同一预设灾害监测指标对应的线路异常特征归为一类。所述指标灾害异常数据集包括多个指标灾害异常数据。每个指标灾害异常数据包括同一预设灾害监测指标对应的多个线路异常特征。
进一步,基于指标灾害异常数据集对预设灾害监测指标集合进行异常特征计算,获得多个指标异常特征系数,并将多个指标异常特征系数添加至线路异常指标识别结果。所述线路异常指标识别结果包括多个指标异常特征系数。且,多个指标异常特征系数与多个预设灾害监测指标具有对应关系。示例性地,在获得多个指标异常特征系数时,以预设灾害监测指标集合为顺序,分别对指标灾害异常数据集中每个指标灾害异常数据进行数量统计,获得多个指标灾害异常数据对应的多个指标灾害异常数量。每个指标灾害异常数量包括每个指标灾害异常数据中多个线路异常特征对应的历史高铁异常数量总和。将多个指标灾害异常数量进行加和计算,获得指标灾害异常数据集对应的指标灾害异常数量总和。分别将多个指标灾害异常数量与指标灾害异常数量总和进行比值计算,即可获得多个指标异常特征系数。
进一步,基于预设灾害监测指标集合,获得预设灾害监测指标集合中多个预设灾害监测指标对应多个初始指标权重。多个初始指标权重均为1。基于线路异常指标识别结果、多个初始指标权重,对预设灾害监测指标集合进行指标赋值计算,获得多个预设灾害监测指标特征值。所述指标赋值计算是指分别将预设灾害监测指标集合中同一预设灾害监测指标对应的初始指标权重、指标异常特征系数进行加法运算,将获得的加法运算结果输出为多个预设灾害监测指标特征值。预设灾害监测指标特征值越大,对应的预设灾害监测指标的重要性越高。继而,按照多个预设灾害监测指标特征值对多个预设灾害监测指标进行标记,获得目标灾害监测指标集合。所述目标灾害监测指标集合包括多个预设灾害监测指标,以及多个预设灾害监测指标对应的多个预设灾害监测指标特征值。达到了通过对预设灾害监测指标集合进行数据挖掘,获得目标灾害监测指标集合,从而提高对目标高铁进行灾害监测的精准性、全面性的技术效果。
步骤S300:基于所述待执行任务信息和所述目标灾害监测指标集合,通过灾害预测模型对目标高铁进行灾害预测,获得灾害预测结果,其中,所述灾害预测结果包括灾害预测数据和灾害预测系数;
进一步的,本申请步骤S300还包括:
步骤S310:基于所述目标运行线路信息进行运行区域划分,获得运行区域划分结果;
步骤S320:基于所述目标运行时间信息,获得预设灾害预测时区;
步骤S330:基于所述监测模块和所述运行区域划分结果,获得区域实时监测数据;
步骤S340:基于所述预设灾害预测时区和所述运行区域划分结果,进行气象预报查询,获得区域气象预报数据;
具体而言,基于目标运行线路信息对目标高铁进行运行区域划分,获得运行区域划分结果。所述运行区域划分结果包括目标运行线路信息对应的多个待运行区域。基于目标运行时间信息,设置预设灾害预测时区。所述预设灾害预测时区包括多个预设灾害预测时间点。例如,所述多个预设灾害预测时间点包括目标运行时间信息中待运行时间参数信息的前7天、前72小时、前48小时、前24小时等。
进一步,连接监测模块,通过监测模块对运行区域划分结果进行实时监测,获得区域实时监测数据。基于预设灾害预测时区,对运行区域划分结果进行气象预报查询,获得区域气象预报数据。其中,所述监测模块具有对多个区域进行实时灾害监测的功能。所述区域实时监测数据包括多个区域实时监测信息。多个区域实时监测信息包括运行区域划分结果中多个待运行区域对应的实时温度、实时湿度、实时降水量、实时降雪量、实时风向、实时风速等实时监测参数信息。所述区域气象预报数据包括多个区域气象预报信息。多个区域气象预报信息包括预设灾害预测时区下,运行区域划分结果中多个待运行区域对应的多个预报温度、多个预报湿度、多个预报降水量、多个预报降雪量、多个预报风向、多个预报风速等气象预报参数信息。达到了确定区域实时监测数据、区域气象预报数据,从而提高后续对目标高铁进行灾害预测的可靠性、精准性的技术效果。
步骤S350:将所述区域实时监测数据、所述区域气象预报数据、所述目标灾害监测指标集合输入所述灾害预测模型,获得所述灾害预测结果。
进一步的,如附图2所示,本申请步骤S350还包括:
步骤S351:所述灾害预测模型包括输入层、灾害预测分析层、灾害影响分析层、输出层;
步骤S352:基于所述目标灾害监测指标集合,获得灾害预测指标集合,并将所述灾害预测指标集合嵌入至所述灾害预测分析层中;
步骤S353:将所述区域实时监测数据、所述区域气象预报数据输入所述灾害预测分析层,获得所述灾害预测数据;
具体而言,基于区域实时监测数据、区域气象预报数据进行历史数据查询,获得训练数据集。所述训练数据集包括多个历史区域实时监测数据、多个历史区域气象预报数据,以及多个历史区域实时监测数据、多个历史区域气象预报数据对应的多个历史灾害预测数据。将训练数据集进行不断的自我训练学习至收敛状态,即可获得灾害预测分析层。灾害预测分析层具有对输入的区域实时监测数据、区域气象预报数据进行智能化分析及灾害预测的功能。进一步,将目标灾害监测指标集合设置为灾害预测指标集合,并将灾害预测指标集合嵌入至灾害预测分析层中。进而,将区域实时监测数据、区域气象预报数据作为输入信息,输入灾害预测分析层,灾害预测分析层按照灾害预测指标集合对输入的区域实时监测数据、区域气象预报数据进行灾害预测,获得灾害预测数据。其中,所述灾害预测指标集合包括目标灾害监测指标集合。所述灾害预测数据包括灾害预测类型数据和灾害预测概率数据。所述灾害预测类型数据包括多个灾害预测类型。所述灾害预测概率数据包括多个灾害预测类型对应的多个预测概率信息。达到了通过灾害预测分析层对区域实时监测数据、区域气象预报数据进行预测分析,获得可靠的灾害预测数据,提升高铁灾害监测的全面性的技术效果。
步骤S354:将所述灾害预测数据输入所述灾害影响分析层,获得所述灾害预测系数;
进一步的,本申请步骤S354还包括:
步骤S3541:构建高铁运行灾害影响知识库,并将所述高铁运行灾害影响知识库嵌入至所述灾害影响分析层中,其中,所述高铁运行灾害影响知识库包括多个预设灾害类型和多个预设灾害影响因子;
步骤S3542:所述灾害预测数据包括灾害预测类型数据和灾害预测概率数据;
步骤S3543:基于所述高铁运行灾害影响知识库,对所述灾害预测类型数据进行特征识别,获得灾害预测影响分布;
步骤S3544:基于所述灾害预测概率数据和所述灾害预测影响分布进行加权特征计算,生成所述灾害预测系数。
步骤S355:通过所述输出层对所述灾害预测数据、所述灾害预测系数进行输出,获得所述灾害预测结果。
具体而言,通过大数据查询,获得高铁运行灾害影响知识库,并将高铁运行灾害影响知识库嵌入至灾害影响分析层中。高铁运行灾害影响知识库包括多个预设灾害类型和多个预设灾害影响因子。且,多个预设灾害类型与多个预设灾害影响因子具有对应关系。多个预设灾害类型包括不同程度的水灾、雪灾等多个历史灾害。多个预设灾害影响因子包括多个历史灾害对高铁运行产生的多个历史影响性系数。历史灾害对高铁运行产生的历史影响越大,对应的历史影响性系数越大。
进一步,分别将灾害预测类型数据中多个灾害预测类型与高铁运行灾害影响知识库进行比对,确定多个灾害预测影响因子,并将多个灾害预测影响因子添加至灾害预测影响分布。继而,将灾害预测概率数据和灾害预测影响分布进行加权特征计算,生成灾害预测系数。示例性地,分别将灾害预测类型数据中多个灾害预测类型与对应的灾害预测影响因子进行乘法运算,获得多个概率-影响计算结果。将多个概率-影响计算结果进行加和计算,即可获得灾害预测系数。进而,通过输出层对灾害预测数据、灾害预测系数进行输出,获得灾害预测结果。其中,所述灾害预测影响分布包括多个灾害预测影响因子。所述多个灾害预测影响因子包括灾害预测类型数据中多个灾害预测类型对应的多个预设灾害影响因子。所述灾害预测结果包括灾害预测数据、灾害预测系数。所述灾害预测模型包括输入层、灾害预测分析层、灾害影响分析层、输出层。达到了通过灾害预测模型对目标高铁进行灾害预测,获得可靠的灾害预测结果,从而提高对目标高铁进行监测规划分析的全面性、精确度的技术效果。
步骤S400:获得灾害预测系数阈值,并判断所述灾害预测系数是否小于所述灾害预测系数阈值;
步骤S500:若所述灾害预测系数小于所述灾害预测系数阈值,获得任务常态指令,并将所述任务常态指令发送至所述监测模块;
步骤S600:所述监测模块包括监测部署规划模型,通过所述监测部署规划模型对所述待执行任务信息、所述目标灾害监测指标集合、所述灾害预测结果进行监测规划分析,获得监测部署规划方案;
具体而言,对灾害预测系数是否小于灾害预测系数阈值进行判断,如果灾害预测系数不小于灾害预测系数阈值,此时,目标高铁的待执行任务信息存在较大的预测灾害,对目标高铁的安全运行产生了极大的影响,对目标高铁进行异常灾害预警,并对目标高铁的待执行任务信息进行暂停处理。如果灾害预测系数小于灾害预测系数阈值,获得任务常态指令,并将任务常态指令发送至监测模块。进而,将待执行任务信息、目标灾害监测指标集合、灾害预测结果作为输入信息,输入监测部署规划模型,获得监测部署规划方案。
其中,所述灾害预测系数阈值可自适应设置确定。所述任务常态指令是用于表征灾害预测系数小于灾害预测系数阈值,目标高铁的待执行任务信息可以正常执行的指令信息。基于待执行任务信息、目标灾害监测指标集合、灾害预测结果进行历史数据查询,获得多个历史待执行任务信息、多个历史目标灾害监测指标集合、多个历史灾害预测结果,以及多个历史待执行任务信息、多个历史目标灾害监测指标集合、多个历史灾害预测结果对应的多个历史监测部署规划方案。将多个历史待执行任务信息、多个历史目标灾害监测指标集合、多个历史灾害预测结果、多个历史监测部署规划方案进行不断的自我训练学习至收敛状态,即可获得监测部署规划模型。所述监测部署规划模型包括输入层、隐含层、输出层。所述监测部署规划模型具备对输入的待执行任务信息、目标灾害监测指标集合、灾害预测结果进行智能化分析及监测规划方案匹配的功能。所述监测部署规划方案包括监测点规划数据。所述监测点规划数据包括多个监测点规划信息。多个监测点规划信息包括多个监测点的位置,以及多个监测点对应的多个监测装置的类型规格、布设位置等数据信息。多个监测装置包括但不仅限于多个风力监测设备、多个温度传感器、多个降水量监测设备、多个降雪量监测设备。达到了通过监测部署规划模型对待执行任务信息、目标灾害监测指标集合、灾害预测结果进行监测规划分析,获得监测部署规划方案,从而提高对目标高铁进行灾害监测的精准性的技术效果。
进一步的,本申请步骤S600还包括:
步骤S610:所述监测部署规划方案包括监测点规划数据;
步骤S620:基于所述灾害预测数据对所述监测点规划数据进行匹配,获得监测点灾害预测数据;
步骤S630:基于所述监测点规划数据,获得监测点运行约束条件;
步骤S640:判断所述监测点灾害预测数据是否满足所述监测点运行约束条件;
步骤S650:如果所述监测点灾害预测数据不满足所述监测点运行约束条件,基于所述监测点规划数据进行调整,获得优化监测点数据,并将所述优化监测点数据添加至所述监测部署规划方案。
步骤S700:基于所述监测模块和所述监测部署规划方案,进行目标高铁的灾害监测。
具体而言,基于灾害预测数据对监测点规划数据进行匹配,获得监测点灾害预测数据。对监测点灾害预测数据是否满足监测点运行约束条件进行判断,如果监测点灾害预测数据不满足监测点运行约束条件,基于监测点规划数据进行调整,获得优化监测点数据,并将优化监测点数据添加至监测部署规划方案。继而,按照监测部署规划方案进行监测部署,并将监测部署规划方案中的多个监测装置与监测模块通信连接。基于监测模块和监测部署规划方案进行目标高铁的灾害监测。
其中,所述监测点灾害预测数据包括监测点规划数据对应的灾害预测数据。所述监测点运行约束条件包括监测点规划数据中多个监测装置的工作温度范围、工作湿度范围等工作条件数据信息。所述优化监测点数据包括按照监测点运行约束条件,对监测点规划数据中的多个监测点对应的多个监测装置的类型规格、布设位置进行调整。例如,当某个监测点的降水量监测设备的降水量监测范围不能满足该监测点对应的预测降水量时,优化监测点数据包括对该监测点匹配更大降水量监测范围的降水量监测设备。所述监测部署规划方案包括优化监测点数据。达到了通过对监测点灾害预测数据是否满足监测点运行约束条件进行判断,适应性地对监测部署规划方案进行优化,提高监测部署规划方案的适应性、精准性,提升高铁灾害监测质量的技术效果。
综上所述,本申请所提供的一种基于灾害时空分布的高铁监测部署优化方法具有如下技术效果:
1.通过对目标高铁进行信息采集,获得目标高铁的待执行任务信息;通过对预设灾害监测指标集合进行数据挖掘,获得目标灾害监测指标集合;通过灾害预测模型对目标高铁进行灾害预测,获得灾害预测结果;判断灾害预测系数是否小于灾害预测系数阈值;若灾害预测系数小于灾害预测系数阈值,获得任务常态指令,并将任务常态指令发送至监测模块;通过监测部署规划模型对待执行任务信息、目标灾害监测指标集合、灾害预测结果进行监测规划分析,获得监测部署规划方案,结合监测模块进行目标高铁的灾害监测。达到了提升高铁灾害监测的准确性、全面性,实现智能化、精准化地高铁灾害监测,提升高铁灾害监测质量,为高铁的安全运行提供有力保障的技术效果。
2.通过灾害预测模型对目标高铁进行灾害预测,获得可靠的灾害预测结果,从而提高对目标高铁进行监测规划分析的全面性、精确度。
3.通过监测部署规划模型对待执行任务信息、目标灾害监测指标集合、灾害预测结果进行监测规划分析,获得监测部署规划方案,从而提高对目标高铁进行灾害监测的精准性。
实施例二
基于与前述实施例中一种基于灾害时空分布的高铁监测部署优化方法,同样发明构思,本发明还提供了一种基于灾害时空分布的高铁监测部署优化系统,所述系统包括监测模块,请参阅附图3,所述系统还包括:
任务信息获得模块11,所述任务信息获得模块11用于获得目标高铁的待执行任务信息,其中,所述待执行任务信息包括目标运行线路信息和目标运行时间信息;
指标挖掘模块12,所述指标挖掘模块12用于获得预设灾害监测指标集合,并基于所述待执行任务信息对所述预设灾害监测指标集合进行数据挖掘,获得目标灾害监测指标集合;
灾害预测模块13,所述灾害预测模块13用于基于所述待执行任务信息和所述目标灾害监测指标集合,通过灾害预测模型对目标高铁进行灾害预测,获得灾害预测结果,其中,所述灾害预测结果包括灾害预测数据和灾害预测系数;
阈值判断模块14,所述阈值判断模块14用于获得灾害预测系数阈值,并判断所述灾害预测系数是否小于所述灾害预测系数阈值;
指令发送模块15,所述指令发送模块15用于若所述灾害预测系数小于所述灾害预测系数阈值,获得任务常态指令,并将所述任务常态指令发送至所述监测模块;
监测规划分析模块16,所述监测规划分析模块16用于所述监测模块包括监测部署规划模型,通过所述监测部署规划模型对所述待执行任务信息、所述目标灾害监测指标集合、所述灾害预测结果进行监测规划分析,获得监测部署规划方案;
灾害监测模块17,所述灾害监测模块17用于基于所述监测模块和所述监测部署规划方案,进行目标高铁的灾害监测。
进一步的,所述系统还包括:
指标组成模块,所述指标组成模块用于所述预设灾害监测指标集合包括多个预设灾害监测指标;
异常评价时序约束条件获得模块,所述异常评价时序约束条件获得模块用于基于所述目标运行时间信息,获得异常评价时序约束条件;
异常灾害监测指标识别模块,所述异常灾害监测指标识别模块用于基于所述异常评价时序约束条件和所述预设灾害监测指标集合,对所述目标运行线路信息进行异常灾害监测指标识别,获得线路异常指标识别结果;
指标赋值计算模块,所述指标赋值计算模块用于基于所述线路异常指标识别结果,对所述预设灾害监测指标集合进行指标赋值计算,获得所述目标灾害监测指标集合。
进一步的,所述系统还包括:
线路异常特征数据集生成模块,所述线路异常特征数据集生成模块用于基于所述异常评价时序约束条件,获得目标运行线路信息的线路异常特征数据集,其中,所述线路异常特征数据集包括多个线路异常特征和多个线路异常特征因子;
关联性评价模块,所述关联性评价模块用于基于所述预设灾害监测指标集合对所述多个线路异常特征因子进行关联性评价,获得因子-指标关联性评价数据集;
线路灾害异常数据集获得模块,所述线路灾害异常数据集获得模块用于基于关联性评价约束条件对所述因子-指标关联性评价数据集进行筛选,并基于关联性筛选结果对所述多个线路异常特征进行匹配,获得线路灾害异常数据集;
聚类分析模块,所述聚类分析模块用于基于所述预设灾害监测指标集合对所述线路灾害异常数据集进行聚类分析,获得指标灾害异常数据集;
第一执行模块,所述第一执行模块用于基于所述指标灾害异常数据集,对所述预设灾害监测指标集合进行异常特征计算,获得多个指标异常特征系数,并将所述多个指标异常特征系数添加至所述线路异常指标识别结果。
进一步的,所述系统还包括:
运行区域划分模块,所述运行区域划分模块用于基于所述目标运行线路信息进行运行区域划分,获得运行区域划分结果;
预设灾害预测时区获得模块,所述预设灾害预测时区获得模块用于基于所述目标运行时间信息,获得预设灾害预测时区;
第二执行模块,所述第二执行模块用于基于所述监测模块和所述运行区域划分结果,获得区域实时监测数据;
气象预报查询模块,所述气象预报查询模块用于基于所述预设灾害预测时区和所述运行区域划分结果,进行气象预报查询,获得区域气象预报数据;
第三执行模块,所述第三执行模块用于将所述区域实时监测数据、所述区域气象预报数据、所述目标灾害监测指标集合输入所述灾害预测模型,获得所述灾害预测结果。
进一步的,所述系统还包括:
模型组成模块,所述模型组成模块用于所述灾害预测模型包括输入层、灾害预测分析层、灾害影响分析层、输出层;
灾害预测指标集合获得模块,所述灾害预测指标集合获得模块用于基于所述目标灾害监测指标集合,获得灾害预测指标集合,并将所述灾害预测指标集合嵌入至所述灾害预测分析层中;
灾害预测分析模块,所述灾害预测分析模块用于将所述区域实时监测数据、所述区域气象预报数据输入所述灾害预测分析层,获得所述灾害预测数据;
灾害影响分析模块,所述灾害影响分析模块用于将所述灾害预测数据输入所述灾害影响分析层,获得所述灾害预测系数;
数据输出模块,所述数据输出模块用于通过所述输出层对所述灾害预测数据、所述灾害预测系数进行输出,获得所述灾害预测结果。
进一步的,所述系统还包括:
知识库构建模块,所述知识库构建模块用于构建高铁运行灾害影响知识库,并将所述高铁运行灾害影响知识库嵌入至所述灾害影响分析层中,其中,所述高铁运行灾害影响知识库包括多个预设灾害类型和多个预设灾害影响因子;
预测数据组成模块,所述预测数据组成模块用于所述灾害预测数据包括灾害预测类型数据和灾害预测概率数据;
灾害预测影响分布获得模块,所述灾害预测影响分布获得模块用于基于所述高铁运行灾害影响知识库,对所述灾害预测类型数据进行特征识别,获得灾害预测影响分布;
灾害预测系数生成模块,所述灾害预测系数生成模块用于基于所述灾害预测概率数据和所述灾害预测影响分布进行加权特征计算,生成所述灾害预测系数。
进一步的,所述系统还包括:
第四执行模块,所述第四执行模块用于所述监测部署规划方案包括监测点规划数据;
监测点灾害预测数据获得模块,所述监测点灾害预测数据获得模块用于基于所述灾害预测数据对所述监测点规划数据进行匹配,获得监测点灾害预测数据;
监测点运行约束条件获得模块,所述监测点运行约束条件获得模块用于基于所述监测点规划数据,获得监测点运行约束条件;
约束条件判断模块,所述约束条件判断模块用于判断所述监测点灾害预测数据是否满足所述监测点运行约束条件;
优化监测点数据获得模块,所述优化监测点数据获得模块用于如果所述监测点灾害预测数据不满足所述监测点运行约束条件,基于所述监测点规划数据进行调整,获得优化监测点数据,并将所述优化监测点数据添加至所述监测部署规划方案。
本发明实施例所提供的一种基于灾害时空分布的高铁监测部署优化系统可执行本发明任意实施例所提供的一种基于灾害时空分布的高铁监测部署优化方法,具备执行方法相应的功能模块和有益效果。
所包括的各个模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能模块的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
实施例三
图4为本发明实施例三提供的电子设备的结构示意图,示出了适于用来实现本发明实施方式的示例性电子设备的框图。图4显示的电子设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。如图4所示,该电子设备包括处理器31、存储器32、输入装置33及输出装置34;电子设备中处理器31的数量可以是一个或多个,图4中以一个处理器31为例,电子设备中的处理器31、存储器32、输入装置33及输出装置34可以通过总线或其他方式连接,图4中以通过总线连接为例。
存储器32作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的一种基于灾害时空分布的高铁监测部署优化方法对应的程序指令/模块。处理器31通过运行存储在存储器32中的软件程序、指令以及模块,从而执行计算机设备的各种功能应用以及数据处理,即实现上述一种基于灾害时空分布的高铁监测部署优化方法。
本申请提供了一种基于灾害时空分布的高铁监测部署优化方法,其中,所述方法应用于一种基于灾害时空分布的高铁监测部署优化系统,所述方法包括:通过对目标高铁进行信息采集,获得目标高铁的待执行任务信息;通过对预设灾害监测指标集合进行数据挖掘,获得目标灾害监测指标集合;通过灾害预测模型对目标高铁进行灾害预测,获得灾害预测结果;判断灾害预测系数是否小于灾害预测系数阈值;若灾害预测系数小于灾害预测系数阈值,获得任务常态指令,并将任务常态指令发送至监测模块;通过监测部署规划模型对待执行任务信息、目标灾害监测指标集合、灾害预测结果进行监测规划分析,获得监测部署规划方案,结合监测模块进行目标高铁的灾害监测。解决了现有技术中针对高铁的灾害监测准确性不足、全面性不高,进而造成高铁灾害监测效果不佳的技术问题。达到了提升高铁灾害监测的准确性、全面性,实现智能化、精准化地高铁灾害监测,提升高铁灾害监测质量,为高铁的安全运行提供有力保障的技术效果。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (7)
1.一种基于灾害时空分布的高铁监测部署优化方法,其特征在于,所述方法应用于一种基于灾害时空分布的高铁监测部署优化系统,所述系统包括监测模块,所述方法包括:
获得目标高铁的待执行任务信息,其中,所述待执行任务信息包括目标运行线路信息和目标运行时间信息;
获得预设灾害监测指标集合,并基于所述待执行任务信息对所述预设灾害监测指标集合进行数据挖掘,获得目标灾害监测指标集合;
基于所述待执行任务信息和所述目标灾害监测指标集合,通过灾害预测模型对目标高铁进行灾害预测,获得灾害预测结果,其中,所述灾害预测结果包括灾害预测数据和灾害预测系数;
获得灾害预测系数阈值,并判断所述灾害预测系数是否小于所述灾害预测系数阈值;
若所述灾害预测系数小于所述灾害预测系数阈值,获得任务常态指令,并将所述任务常态指令发送至所述监测模块;
所述监测模块包括监测部署规划模型,通过所述监测部署规划模型对所述待执行任务信息、所述目标灾害监测指标集合、所述灾害预测结果进行监测规划分析,获得监测部署规划方案;
基于所述监测模块和所述监测部署规划方案,进行目标高铁的灾害监测;
其中,所述获得目标灾害监测指标集合,所述方法还包括:
所述预设灾害监测指标集合包括多个预设灾害监测指标;
基于所述目标运行时间信息,获得异常评价时序约束条件;
基于所述异常评价时序约束条件和所述预设灾害监测指标集合,对所述目标运行线路信息进行异常灾害监测指标识别,获得线路异常指标识别结果;
基于所述线路异常指标识别结果,对所述预设灾害监测指标集合进行指标赋值计算,获得所述目标灾害监测指标集合;
其中,所述获得线路异常指标识别结果,所述方法还包括:
基于所述异常评价时序约束条件,获得目标运行线路信息的线路异常特征数据集,其中,所述线路异常特征数据集包括多个线路异常特征和多个线路异常特征因子;
基于所述预设灾害监测指标集合对所述多个线路异常特征因子进行关联性评价,获得因子-指标关联性评价数据集;
基于关联性评价约束条件对所述因子-指标关联性评价数据集进行筛选,并基于关联性筛选结果对所述多个线路异常特征进行匹配,获得线路灾害异常数据集;
基于所述预设灾害监测指标集合对所述线路灾害异常数据集进行聚类分析,获得指标灾害异常数据集;
基于所述指标灾害异常数据集,对所述预设灾害监测指标集合进行异常特征计算,获得多个指标异常特征系数,并将所述多个指标异常特征系数添加至所述线路异常指标识别结果;
其中,获得监测部署规划方案之后,所述方法还包括:
所述监测部署规划方案包括监测点规划数据;
基于所述灾害预测数据对所述监测点规划数据进行匹配,获得监测点灾害预测数据;
基于所述监测点规划数据,获得监测点运行约束条件;
判断所述监测点灾害预测数据是否满足所述监测点运行约束条件;
如果所述监测点灾害预测数据不满足所述监测点运行约束条件,基于所述监测点规划数据进行调整,获得优化监测点数据,并将所述优化监测点数据添加至所述监测部署规划方案。
2.如权利要求1所述的方法,其特征在于,所述获得灾害预测结果,所述方法还包括:
基于所述目标运行线路信息进行运行区域划分,获得运行区域划分结果;
基于所述目标运行时间信息,获得预设灾害预测时区;
基于所述监测模块和所述运行区域划分结果,获得区域实时监测数据;
基于所述预设灾害预测时区和所述运行区域划分结果,进行气象预报查询,获得区域气象预报数据;
将所述区域实时监测数据、所述区域气象预报数据、所述目标灾害监测指标集合输入所述灾害预测模型,获得所述灾害预测结果。
3.如权利要求2所述的方法,其特征在于,所述方法还包括:
所述灾害预测模型包括输入层、灾害预测分析层、灾害影响分析层、输出层;
基于所述目标灾害监测指标集合,获得灾害预测指标集合,并将所述灾害预测指标集合嵌入至所述灾害预测分析层中;
将所述区域实时监测数据、所述区域气象预报数据输入所述灾害预测分析层,获得所述灾害预测数据;
将所述灾害预测数据输入所述灾害影响分析层,获得所述灾害预测系数;
通过所述输出层对所述灾害预测数据、所述灾害预测系数进行输出,获得所述灾害预测结果。
4.如权利要求3所述的方法,其特征在于,获得所述灾害预测系数,所述方法还包括:
构建高铁运行灾害影响知识库,并将所述高铁运行灾害影响知识库嵌入至所述灾害影响分析层中,其中,所述高铁运行灾害影响知识库包括多个预设灾害类型和多个预设灾害影响因子;
所述灾害预测数据包括灾害预测类型数据和灾害预测概率数据;
基于所述高铁运行灾害影响知识库,对所述灾害预测类型数据进行特征识别,获得灾害预测影响分布;
基于所述灾害预测概率数据和所述灾害预测影响分布进行加权特征计算,生成所述灾害预测系数。
5.一种基于灾害时空分布的高铁监测部署优化系统,其特征在于,所述系统包括监测模块,所述系统还包括:
任务信息获得模块,所述任务信息获得模块用于获得目标高铁的待执行任务信息,其中,所述待执行任务信息包括目标运行线路信息和目标运行时间信息;
指标挖掘模块,所述指标挖掘模块用于获得预设灾害监测指标集合,并基于所述待执行任务信息对所述预设灾害监测指标集合进行数据挖掘,获得目标灾害监测指标集合;
灾害预测模块,所述灾害预测模块用于基于所述待执行任务信息和所述目标灾害监测指标集合,通过灾害预测模型对目标高铁进行灾害预测,获得灾害预测结果,其中,所述灾害预测结果包括灾害预测数据和灾害预测系数;
阈值判断模块,所述阈值判断模块用于获得灾害预测系数阈值,并判断所述灾害预测系数是否小于所述灾害预测系数阈值;
指令发送模块,所述指令发送模块用于若所述灾害预测系数小于所述灾害预测系数阈值,获得任务常态指令,并将所述任务常态指令发送至所述监测模块;
监测规划分析模块,所述监测规划分析模块用于所述监测模块包括监测部署规划模型,通过所述监测部署规划模型对所述待执行任务信息、所述目标灾害监测指标集合、所述灾害预测结果进行监测规划分析,获得监测部署规划方案;
灾害监测模块,所述灾害监测模块用于基于所述监测模块和所述监测部署规划方案,进行目标高铁的灾害监测;
所述系统还包括:
指标组成模块,所述指标组成模块用于所述预设灾害监测指标集合包括多个预设灾害监测指标;
异常评价时序约束条件获得模块,所述异常评价时序约束条件获得模块用于基于所述目标运行时间信息,获得异常评价时序约束条件;
异常灾害监测指标识别模块,所述异常灾害监测指标识别模块用于基于所述异常评价时序约束条件和所述预设灾害监测指标集合,对所述目标运行线路信息进行异常灾害监测指标识别,获得线路异常指标识别结果;
指标赋值计算模块,所述指标赋值计算模块用于基于所述线路异常指标识别结果,对所述预设灾害监测指标集合进行指标赋值计算,获得所述目标灾害监测指标集合;
线路异常特征数据集生成模块,所述线路异常特征数据集生成模块用于基于所述异常评价时序约束条件,获得目标运行线路信息的线路异常特征数据集,其中,所述线路异常特征数据集包括多个线路异常特征和多个线路异常特征因子;
关联性评价模块,所述关联性评价模块用于基于所述预设灾害监测指标集合对所述多个线路异常特征因子进行关联性评价,获得因子-指标关联性评价数据集;
线路灾害异常数据集获得模块,所述线路灾害异常数据集获得模块用于基于关联性评价约束条件对所述因子-指标关联性评价数据集进行筛选,并基于关联性筛选结果对所述多个线路异常特征进行匹配,获得线路灾害异常数据集;
聚类分析模块,所述聚类分析模块用于基于所述预设灾害监测指标集合对所述线路灾害异常数据集进行聚类分析,获得指标灾害异常数据集;
第一执行模块,所述第一执行模块用于基于所述指标灾害异常数据集,对所述预设灾害监测指标集合进行异常特征计算,获得多个指标异常特征系数,并将所述多个指标异常特征系数添加至所述线路异常指标识别结果;
第四执行模块,所述第四执行模块用于所述监测部署规划方案包括监测点规划数据;
监测点灾害预测数据获得模块,所述监测点灾害预测数据获得模块用于基于所述灾害预测数据对所述监测点规划数据进行匹配,获得监测点灾害预测数据;
监测点运行约束条件获得模块,所述监测点运行约束条件获得模块用于基于所述监测点规划数据,获得监测点运行约束条件;
约束条件判断模块,所述约束条件判断模块用于判断所述监测点灾害预测数据是否满足所述监测点运行约束条件;
优化监测点数据获得模块,所述优化监测点数据获得模块用于如果所述监测点灾害预测数据不满足所述监测点运行约束条件,基于所述监测点规划数据进行调整,获得优化监测点数据,并将所述优化监测点数据添加至所述监测部署规划方案。
6.一种电子设备,其特征在于,所述电子设备包括:
存储器,用于存储可执行指令;
处理器,用于执行所述存储器中存储的可执行指令时,实现权利要求1至4任一项所述的一种基于灾害时空分布的高铁监测部署优化方法。
7.一种计算机可读介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至4中任一所述的一种基于灾害时空分布的高铁监测部署优化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310316300.XA CN116305993B (zh) | 2023-03-29 | 2023-03-29 | 一种基于灾害时空分布的高铁监测部署优化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310316300.XA CN116305993B (zh) | 2023-03-29 | 2023-03-29 | 一种基于灾害时空分布的高铁监测部署优化方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116305993A CN116305993A (zh) | 2023-06-23 |
CN116305993B true CN116305993B (zh) | 2024-02-02 |
Family
ID=86822249
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310316300.XA Active CN116305993B (zh) | 2023-03-29 | 2023-03-29 | 一种基于灾害时空分布的高铁监测部署优化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116305993B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117407952A (zh) * | 2023-10-12 | 2024-01-16 | 广州地铁设计研究院股份有限公司 | 一种地铁同站三线路换乘的分流方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113516408A (zh) * | 2021-07-30 | 2021-10-19 | 中国气象局气象探测中心 | 一种基于实时观测分析的高铁沿线积雪测点布置方法 |
CN114360213A (zh) * | 2022-01-14 | 2022-04-15 | 中地宝联(北京)国土资源勘查技术开发集团有限公司 | 一种铁路地质灾害智慧安全监测预警系统 |
-
2023
- 2023-03-29 CN CN202310316300.XA patent/CN116305993B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113516408A (zh) * | 2021-07-30 | 2021-10-19 | 中国气象局气象探测中心 | 一种基于实时观测分析的高铁沿线积雪测点布置方法 |
CN114360213A (zh) * | 2022-01-14 | 2022-04-15 | 中地宝联(北京)国土资源勘查技术开发集团有限公司 | 一种铁路地质灾害智慧安全监测预警系统 |
Non-Patent Citations (3)
Title |
---|
基于灾害风险评估模型的铁路灾害监测预警系统研究;吴艳华等;中国铁道科学;第33卷(第1期);第121-125页 * |
空天地一体化地质灾害监测体系建设及应用研究;周建伟;安全质量;第49卷(第11期);第137-140页 * |
高速铁路灾害监测系统风报警解除时限优化方法;赵方霞;铁道建筑;第60卷(第1期);第143-147页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116305993A (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116305993B (zh) | 一种基于灾害时空分布的高铁监测部署优化方法及系统 | |
CN112749904A (zh) | 基于深度学习的配电网故障风险预警方法及系统 | |
CN113312447A (zh) | 基于概率标签估计的半监督日志异常检测方法 | |
CN112149877B (zh) | 多元复杂城市电网多源数据驱动的故障预测方法及其系统 | |
CN111680712B (zh) | 基于日内相似时刻的变压器油温预测方法、装置及系统 | |
CN115796059A (zh) | 一种基于深度学习的电气设备寿命预测方法及系统 | |
CN114997313B (zh) | 一种海洋在线监测数据的异常检测方法 | |
CN116402227A (zh) | 一种基于云计算的风电大数据分析方法及系统 | |
Hou et al. | Spatial distribution assessment of power outage under typhoon disasters | |
CN117937753A (zh) | 一种电力环境远程监控系统 | |
CN116308188B (zh) | 一种基于bim技术的数字化工程管理方法及系统 | |
CN117614113A (zh) | 一种输电线路巡检管控方法及系统 | |
CN115391746B (zh) | 针对气象要素数据的插值方法、装置、电子设备及介质 | |
CN117272753A (zh) | 一种基于过程参数的输电线路覆冰舞动预警方法 | |
CN111473777A (zh) | 一种水文用监测系统及方法 | |
CN116470491A (zh) | 基于copula函数的光伏功率概率预测方法及系统 | |
CN115327675B (zh) | 气象装备运行状态监控方法、系统、设备及存储介质 | |
CN116703007B (zh) | 一种风电集群预测模型的构建方法、功率预测方法及装置 | |
JP7389526B1 (ja) | 水位計の配置の最適化方法、マンホールの水位の予測方法およびマンホールの水位の予測システム | |
Ramirez et al. | Motif analysis in internet of the things platform for wind turbine maintenance management | |
CN117743930B (zh) | 一种应用于智能光伏的传感数据处理方法及服务器 | |
CN117833243B (zh) | 一种电力短期需求预测方法、系统、设备及介质 | |
Agada et al. | Multi dimensional Time series Weather Prediction Using Short Time Memory Neural Network | |
Huang et al. | An improved fusion-weighted LSTM network for power equipment condition predict | |
CN117523844A (zh) | 一种异常车辆的确定方法、装置、车辆及存储介质 |
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 |