CN116340832A - 一种列控基础数据校验方法及装置 - Google Patents

Abstract

本发明涉及一种列控基础数据校验方法及装置。本发明在人工配置列控基础数据后，用户根据新需求录入新数据和新校验规则，使用融合关联规则算法对规则顺序做预处理，进而依次输入处理后的规则，运用规则引擎生成判定图，从而判断新数据是否符合当前规则，因而本发明逻辑与代码分离，适应规则变化，从而提高校验效率。

Description

一种列控基础数据校验方法及装置

技术领域

本发明涉及一种系统及方法及装置，属于轨道交通数据处理领域，具体是涉及一种列控基础数据校验方法及装置。

背景技术

列车运行控制系统的基础数据是作为列控系统安全可靠运行的重要基础，是保障轨道交通运行安全的关键数据。列控数据的正确性目前通常开发验证工具、规则引擎等方式。

开发验证工具是针对当前版本数据需要校验的规则，定制化开发对应的验证工具，从而验证数据的正确性。 开发验证工具方法存在不适应规则变化的缺点。因开发验证工具是针对当前版本数据，以及当前已梳理完成的规则进行开发对应的验证工具，所以当数据变化或规则变化，不能适应规则变化，无法针对新数据或新规则进行校验。除此之外，当规则或数据发送变化后，需要重新开发验证工具，才能针对新数据或新规则进行校验。

规则引擎是一种基于规则的专家系统领域的重要应用。规则引擎是一种能够有效解决业务规则方面的重要技术，但目前还没有足够的应用。在列控数据校验系统中引入规则引擎，能够有效的解决当前校验数据效率低、工作量大等问题，具有现实的意义。

但是，现有的规则引擎依赖于输入规则顺序，生成判定图，当输入规则顺序不当，会造成大量的冗余判定节点，导致校验效率低。

发明内容

以下给出一个或多个方面的简要概述以提供对这些方面的基本理解。此概述不是所有构想到的方面的详尽综览，并且既非旨在指认出所有方面的关键性或决定性要素亦非试图界定任何或所有方面的范围。其唯一的目的是要以简化形式给出一个或多个方面的一些概念以为稍后给出的更加详细的描述之序。

本发明主要的目的是解决现有技术中采用规则引擎校验数据所存在的上述问题，提出了一种列控基础数据校验方法。该方法引入规则引擎实现校验逻辑与代码分离，适应数据或规则的变化，将规则引擎与关联规则算法融合，通过关联规则算法对规则顺序做预处理，从而让规则引擎更适用于列控系统的数据校验。

为解决上述问题，本发明的方案是：

一种列控基础数据校验方法，包括：

规则录入步骤，用于录入校验规则以及与所述校验规则相对应的校验条件；

条件排序步骤，提取所述校验条件中的原子型条件对应的数据表和数据名称；统计所述数据表和/或数据名称被各校验规则使用频率，基于所述使用频率对所述数据表和/或数据名称对应的原子型条件进行排序；

路径生成步骤，将排序后的原子型条件依次输入至规则引擎中进行规则编译生成包括原子型条件判定路径的原子条件判定图；在所述原子条件判定图中依次输入条件型条件，并生成完整的规则判定图；

数据校验步骤，将被验证数据输入所述规则判定图中以进行数据校验。

优选的，上述的一种列控基础数据校验方法，所述数据校验步骤包括以下子步骤：

规则排序子步骤，将原子条件按照使用频率高的数据表顺序进行排序；

数据判定子步骤，将排序后将被验证数据依次输入判定路径中，进行规则验证，输出验证结果。

优选的，上述的一种列控基础数据校验方法，所述条件排序步骤中，运用关联规则算法统计所述数据表和/或数据名称被各校验规则使用频率。

优选的，上述的一种列控基础数据校验方法，所述条件排序步骤中，基于原子型条件的排序结果，对原子型条件所属的规则进行排序。

一种列控基础数据校验装置，包括：

规则录入模块，用于录入校验规则以及与所述校验规则相对应的校验条件；

条件排序模块，提取所述校验条件中的原子型条件对应的数据表和数据名称；统计所述数据表和/或数据名称被各校验规则使用频率，基于所述使用频率对所述数据表和/或数据名称对应的原子型条件进行排序；

路径生成模块，将排序后的原子型条件依次输入至规则引擎中进行规则编译生成包括原子型条件判定路径的原子条件判定图；在所述原子条件判定图中依次输入条件型条件，并生成完整的规则判定图；

数据校验模块，将被验证数据输入所述规则判定图中以进行数据校验。

优选的，上述的一种列控基础数据校验装置，所述数据校验模块包括以单元：

规则排序单元，将原子条件按照使用频率高的数据表顺序进行排序；

数据判定单元，将排序后将被验证数据依次输入判定路径中，进行规则验证，输出验证结果。

优选的，上述的一种列控基础数据校验装置，所述条件排序模块中，运用关联规则算法统计所述数据表和/或数据名称被各校验规则使用频率。

优选的，上述的一种列控基础数据校验装置，所述条件排序模块中，基于原子型条件的排序结果，对原子型条件所属的规则进行排序。

因此，相对于现有技术，本发明的优点是：在人工配置列控基础数据后，用户根据新需求录入新数据和新校验规则，使用融合关联规则算法对规则顺序做预处理，进而依次输入处理后的规则，运用规则引擎生成判定图，从而判断新数据是否符合当前规则，因而本发明将规则与判断逻辑分离，规则相当于数据输入判断逻辑中，从而不用重新编码更新版本就能使用新规则校验新数据，从而提高校验效率。

附图说明

并入本文并形成说明书的一部分的附图例示了本发明的实施例，并且附图与说明书一起进一步用于解释本发明的原理以及使得所属领域技术人员能够制作和使用本公开。

图1例示了本发明实施例中的原子型条件和条件型条件的关系示意图。

图2例示了本发明实施例中的数据判定规则示意图。

图3例示了本发明实施例中的原子型条件生成的判定示意图。

图4例示了本发明实施例中的条件型条件生成的判定示意图。

将参照附图描述本发明的实施例。

具体实施方式

实施例

本实施例，首先提供了一种列控基础数据校验方法。该方法引入规则引擎实现校验逻辑与代码分离，适应数据或规则的变化，同时减少研发人员开发校验系统的工作量。最后，将规则引擎与关联规则算法融合，通过关联规则算法对规则顺序做预处理，从而让规则引擎更适用于列控系统的数据校验。论证融合的好处。

下面结合附图对本发明的方案进行介绍。

如图1所示，本实施例的方案将规则分为不同类型的条件。其中，条件分为两种类型，分别为原子型和条件型。其中原子型为执行本条条件即可得出对应的判定结果，即不依赖于其他条件判定结果进行判断，条件型条件为由一个或多个原子型条件的结果组成的数据与目标值做比较的条件。

如图2所示，本实施例的数据校验方法具体步骤为：

步骤1，用户录入本次校验规则和对应的条件。

如：规则（简称为R1）为计轴区段表中包含Link数目与计轴区段中Link编号不为默认值的数目一致。

条件1为原子型，内容为计轴区段表中Link1编号、Link2编号、Link3编号、Link4编号、Link5编号不等于默认值，处理为满足则记录对应计轴区段编号。

条件2为条件型，内容为计轴区段表中包含Link数目等于满足条件1中计轴区段中Link1-5编号个数。其中：计轴区段表为一张基础数据表，Link数目、Link1编号、Link2编号、Link3编号、Link4编号、Link5编号分别为计轴区段表中的一个数据名称。

步骤2，将录入所有原子型条件的数据表、数据名称，其中每一条条件提取一条对应的数据表和数据名称。

如R1中条件1数据表为计轴区段表、数据名称为Link1编号、Link2编号、Link3编号、Link4编号、Link5编号。

步骤3，将提取出来的数据表和数据名称，运用关联规则算法计算出规则中提及频率最高的数据表和数据名称。该步骤能达到通过使用的数据表和数据名称，找需要相同条件的规则或找出需要使用同一张数据表的规则。在一个数据表中包含多个数据名称，数据表的使用频率可能高于数据名称。因此，作为一种优选方案，本方案统计出使用频率高的数据表排序，然后再使用数据名称排序。

步骤4，按照计算出使用频率，调整对应的原子型条件，并按照使用频率排序，同时按照原子型条件排序，将对应的规则进行排序。

其中，按照原子型条件排序，将对应的规则进行排序，具体包括：

步骤401，提取原子型条件中涉及的数据表名称和数据名称。

例如：对于原子条件“计轴区段表中Link1编号、Link2编号、Link3编号、Link4编号、Link5编号不等于默认值”，提取该原子条件后结果为[计轴区段表，Link数目、Link1编号、Link2编号、Link3编号、Link4编号、Link5编号]，并保留提取结果与原子型条件对应的关系。

步骤402，将提取的内容作为关联规则算法的输入。

如：输入的数据第一条为[计轴区段表、Link数目、Link1编号、Link2编号、Link3编号、Link4编号、Link5编号]、第二条为[物理区段表、物理区段类型]、第三条为[计轴区段表、Link数目]。

步骤403，计算出输入数据中每个名称对应的支持度，计算结果为只包含一个频繁项（即一个名称）的频繁集S1。支持度计算公式如下：

S(x) = C(x) / C(D)

其中S(x)代表对名称x的支持度，C(x)代表名称x在输入数据D的各条目中出现的次数，C(D)代表输入数据的总条数，x代表输入数据中的名称，D代表输入的数据。

如：S(计轴区段表)=C(所有数据条目中计轴区段表出现的次数)/C(输入数据总条数)，此时S(计轴区段表)=2/3。

步骤404，用频繁集S1作为基础，保留支持度大于1/n（其中n为输入数据D中个条目的总数）的频繁项，S1中的频繁项俩俩组合，计算出俩俩组合的支持度，计算结果为只包含两个名称的频繁集S2。保留S2中支持度大于1/n的频繁项，将S1与S2中保留的频繁项两两组合，去除重复项计算对应的支持度。重复该步骤，至只剩下一种组合。支持度的公式如下：

S(x∪y) = C(x∪y) / C(D)

其中S(x∪y)代表x和y同时出现的支持度，C(x∪y)代表x和y在D中出现的次数，C(D)代表输入数据的总条数，x，y代表输入数据中的名称，D代表输入的数据。

步骤405，根据以上步骤计算出包含名称最多的频繁项，取出该频繁项在以上保留的频繁集S1、S2…等中出现的频繁项，根据频繁项生成所有可能的关联数据，并去掉重复的数据，如：包含名称最多的频繁项为[计轴区段表、Link数目]，出现的频繁项为[计轴区段表]、[Link数目]，生成的关联数据为[计轴区段表]=>[Link数目]、[Link数目]=>[计轴区段表]、[计轴区段表、Link数目]=>[Link数目]、[计轴区段表、Link数目]=>[计轴区段表]，其中[计轴区段表、Link数目]=>[Link数目]、[计轴区段表、Link数目]=>[计轴区段表]为重复的数据，因为[计轴区段表、Link数目]中包含了[Link数目]和[计轴区段表]。

步骤406，计算所有关联数据的置信度。置信度公式如下：

Confidence(x∪y) = S(x∪y) / S(x)

其中Confidence(x∪y)代表x和y同时出现的置信度，S(x∪y)代表x和y同时出现的支持度，S(x)代表x出现的支持度，x，y代表输入数据中的名称。

如：Confidence(计轴区段表∪Link数目) = S(计轴区段表∪Link数目)/S(计轴区段表)=(2/3) / (2/3)=1。

步骤407，根据关联数据的置信度排序，对输入数据进行排序，然后根据输入数据排序推出对应的规则排序。

如：最后计算出关联数据的置信度排序为[计轴区段表]=>[Link数目]、[Link数目]=>[计轴区段表]，对应的数据排序由[计轴区段表、Link数目、Link1编号、Link2编号、Link3编号、Link4编号、Link5编号]、[物理区段表、物理区段类型]、[计轴区段表、Link数目]排序为[计轴区段表、Link数目、Link1编号、Link2编号、Link3编号、Link4编号、Link5编号]、[计轴区段表、Link数目]、[物理区段表、物理区段类型]，然后根据输入数据把对应的规则进行排序。

步骤5，将排序后的原子型条件依次输入至规则引擎中进行规则编译，及生成原子型条件判定路径。如：原子型条件（计轴区段表中Link1编号、Link2编号、Link3编号、Link4编号、Link5编号不等于默认值）生成的判定图如图3所示。

步骤6，运用新排序后的规则包含条件型条件，在条件判定图中依次输入条件型条件，并生成完整的判定图。如：加入条件型条件（计轴区段表中包含Link数目等于满足条件1中计轴区段中Link1-5编号个数）生成的判定图如图4所示。

步骤7，将被验证数据按照与数据对应的规则进行排序。作为一种优选方式，本实施例按照按照规则中原子条件对应的数据表的频率排序。

例如：若计算出使用频率由高到低数据表依次为Link表、计轴区段表，则优先将Link段数据放入。

步骤8，排序后将被验证数据依次输入判定路径中，进行规则验证，输出验证结果。

步骤9，返回未通过的数据及未通过规则。

通过以上描述可知，本实施例将改进的规则引擎运用于列控基础数据校验的方法。在人工配置列控基础数据后，用户根据新需求录入新数据和新校验规则，使用关联规则算法对规则顺序做预处理，进而依次输入处理后的规则，运用规则引擎生成判定图，从而判断新数据是否符合当前规则。

本实施例中，尽管为使解释简单化将上述方法图示并描述为一系列动作，但是应理解并领会，这些方法不受动作的次序所限，因为根据一个或多个实施例，一些动作可按不同次序发生和/或与来自本文中图示和描述或本文中未图示和描述但本领域技术人员可以理解的其他动作并发地发生。

注意到，说明书中对“一个实施例”、“实施例”、“示例实施例”、“一些实施例”等的引用指示所描述的实施例可以包括特定特征、结构或特性，但是每个实施例可以不必包括所述特定特征、结构或特性。而且，这样的短语不必指代同一实施例。此外，当结合实施例描述特定特征、结构或特性时，无论是否明确描述，结合其他实施例来实现这样的特征、结构或特性将在所属领域的技术人员的知识范围内。

提供对本公开的先前描述是为使得本领域任何技术人员皆能够制作或使用本公开。对本公开的各种修改对本领域技术人员来说都将是显而易见的，且本文中所定义的普适原理可被应用到其他变体而不会脱离本公开的精神或范围。由此，本公开并非旨在被限定于本文中所描述的示例和设计，而是应被授予与本文中所公开的原理和新颖性特征相一致的最广范围。

Claims (8)

1.一种列控基础数据校验方法，其特征在于，包括：

规则录入步骤，用于录入校验规则以及与所述校验规则相对应的校验条件；

条件排序步骤，提取所述校验条件中的原子型条件对应的数据表和数据名称；统计所述数据表和/或数据名称被各校验规则使用频率，基于所述使用频率对所述数据表和/或数据名称对应的原子型条件进行排序；

路径生成步骤，将排序后的原子型条件依次输入至规则引擎中进行规则编译生成包括原子型条件判定路径的原子条件判定图；在所述原子条件判定图中依次输入条件型条件，并生成完整的规则判定图；

数据校验步骤，将被验证数据输入所述规则判定图中以进行数据校验。

2.根据权利要求1所述的一种列控基础数据校验方法，其特征在于，所述数据校验步骤包括以下子步骤：

规则排序子步骤，将原子条件按照使用频率高的数据表顺序进行排序；

数据判定子步骤，将排序后将被验证数据依次输入判定路径中，进行规则验证，输出验证结果。

3.根据权利要求1所述的一种列控基础数据校验方法，其特征在于，所述条件排序步骤中，运用关联规则算法统计所述数据表和/或数据名称被各校验规则使用频率。

4.根据权利要求1所述的一种列控基础数据校验方法，其特征在于，所述条件排序步骤中，基于原子型条件的排序结果，对原子型条件所属的规则进行排序。

5.一种列控基础数据校验装置，其特征在于，包括：

规则录入模块，用于录入校验规则以及与所述校验规则相对应的校验条件；

条件排序模块，提取所述校验条件中的原子型条件对应的数据表和数据名称；统计所述数据表和/或数据名称被各校验规则使用频率，基于所述使用频率对所述数据表和/或数据名称对应的原子型条件进行排序；

路径生成模块，将排序后的原子型条件依次输入至规则引擎中进行规则编译生成包括原子型条件判定路径的原子条件判定图；在所述原子条件判定图中依次输入条件型条件，并生成完整的规则判定图；

数据校验模块，将被验证数据输入所述规则判定图中以进行数据校验。

6.根据权利要求5所述的一种列控基础数据校验装置，其特征在于，所述数据校验模块包括以单元：

规则排序单元，将原子条件按照使用频率高的数据表顺序进行排序；

数据判定单元，将排序后将被验证数据依次输入判定路径中，进行规则验证，输出验证结果。

7.根据权利要求5所述的一种列控基础数据校验装置，其特征在于，所述条件排序模块中，运用关联规则算法统计所述数据表和/或数据名称被各校验规则使用频率。

8.根据权利要求5所述的一种列控基础数据校验装置，其特征在于，所述条件排序模块中，基于原子型条件的排序结果，对原子型条件所属的规则进行排序。

Images