CN116596721A - 一种基于高频时序数据特征提取的预警方法和系统 - Google Patents
一种基于高频时序数据特征提取的预警方法和系统 Download PDFInfo
- Publication number
- CN116596721A CN116596721A CN202310404712.9A CN202310404712A CN116596721A CN 116596721 A CN116596721 A CN 116596721A CN 202310404712 A CN202310404712 A CN 202310404712A CN 116596721 A CN116596721 A CN 116596721A
- Authority
- CN
- China
- Prior art keywords
- data
- early warning
- safety
- time sequence
- sequence data
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000000605 extraction Methods 0.000 title claims abstract description 37
- 238000012544 monitoring process Methods 0.000 claims abstract description 89
- 230000000737 periodic effect Effects 0.000 claims abstract description 40
- 238000006243 chemical reaction Methods 0.000 claims abstract description 23
- 238000001228 spectrum Methods 0.000 claims description 30
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 abstract description 6
- 238000012545 processing Methods 0.000 abstract description 4
- 230000000694 effects Effects 0.000 description 12
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000010183 spectrum analysis Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- 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
- G06Q50/265—Personal security, identity or safety
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2131—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on a transform domain processing, e.g. wavelet transform
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- 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
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Computer Security & Cryptography (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Alarm Systems (AREA)
Abstract
本申请属于数据处理的技术领域,公开了一种基于高频时序数据特征提取的预警方法及系统,包括:获取目标城轨运行时数据的周期性特征及目标城轨的安全运营制度的文本信息;基于周期性特征,获取多个时序数据频谱图;基于预设的文本转化模型,将安全运营制度的文本信息转化为多个安全基准数据;基于多个时序数据频谱图和多个安全基准数据,计算得到安全监测数据;基于安全监测数据,发送对应的预警信号;相较于现有技术,本申请的方法充分结合了城轨的高频时序数据的周期性特征,构造用于几何分析的时序数据频谱图,基于时序数据频谱图和安全基准数据自动发出预警信号,解决了现有城轨预警方式存在容易预警延误的问题。
Description
技术领域
本申请属于数据处理技术领域,尤其是涉及一种基于高频时序数据特征提取的预警方法及系统。
背景技术
高频时序数据是物联网应用的研究热点,其中,城市轨道交通领域中的综合监控系统(ISCS,Integrated Supervisory Control System)和电力监控系统(PSCADA,Powermonitoring System)的采样频率都是毫秒级,对数据传输可靠性和实时性的要求非常高。
目前,城市轨道交通领域中的综合监控系统获取高频时序数据后,大多需要人工对城轨的运行参数进行监控,再结合安全运营制度,在城轨的运行参数出现异常时,及时对城轨进行调度并发出检修预警,使目标城轨能够得到及时维护,受人员疏忽或人力不足等因素影响,容易造成预警延误。
发明内容
本申请提供一种基于高频时序数据特征提取的预警方法及系统,用于解决现有城轨预警方式存在容易预警延误的问题。
本申请的发明目的一采用如下技术方案实现:
一种基于高频时序数据特征提取的预警方法,包括:
获取目标城轨运行时数据的周期性特征及所述目标城轨的安全运营制度的文本信息;
基于所述周期性特征,获取多个时序数据频谱图;
基于预设的文本转化模型,将所述安全运营制度的文本信息转化为多个安全基准数据;
基于多个所述时序数据频谱图和多个对应的所述安全基准数据,计算得到安全监测数据;
基于所述安全监测数据,发送对应的预警信号。
通过上述技术方案,先获取目标城轨的高频时序数据的周期性特征和目标城轨的安全运营制度的文本信息,再根据目标城轨自身数据的周期性特征,在周期内自动获取多个高频时序数据的时序数据频谱图,用于数据几何分析;在预设的文本转化模型的基础上,将安全运营制度的文本信息转化为多个安全基准数据,作为分析时序数据频谱图的量化指标;在多个时序数据频谱图和多个对应的安全基准数据基础上,计算得到安全监测数据,再根据安全监测数据,自动发送对应的预警信号给综合监控系统;相较于现有技术,本申请的方法实现了将安全运营制度的时序数字化,还充分结合了城轨数据的周期性特征生成高频时序数据的时序数据频谱图,基于时序数据频谱图和安全基准数据自动发出预警信号,解决了现有城轨预警方式存在容易预警延误的问题。
本申请进一步设置为:获取目标城轨运行时数据的周期性特征包括:
获取目标城轨运行时的平均速度、到达目标站台的路程和停靠时间;
基于所述平均速度和所述到达目标站台的路程,预测所述目标城轨到达目标站台的行驶时间;
将所述行驶时间和所述停靠时间作为目标城轨运行时高频时序数据的周期性特征。
通过上述技术方案,通过平均速度和所述到达目标站台的路程计算得到目标城轨到达目标站台的行驶时间,再将目标城轨到达目标站台的行驶时间作为目标城轨运行时高频时序数据的周期性特征,充分考虑到了城轨在运行或者停靠时高频时序数据的实际情况,提高了本申请方法的普适性。
本申请进一步设置为:基于预设的文本转化模型,将所述安全运营制度的文本信息转化为多个安全基准数据,包括:
基于预设的文本转化模型,筛选所述安全运营制度的文本信息中的可量化字符和对应的标志字符;
将所述可量化字符转化为多个安全基准数据,并将所述标志字符转化为对应所述安全基准数据的标志编号。
通过上述技术方案,将安全运营制度的文本信息进行转化前,还需要将安全运营制度的文本信息内的可量化字符(例如城轨运行电流不得高于2.5A等字样)和其对应的标志字符(制度序号、编号等)筛选出来,再将可量化字符和标志字符分别转化为多个安全基准数据和多个安全基准数据对应的标志编号,以便于后续步骤的计算。
本申请进一步设置为:基于多个所述时序数据频谱图和多个对应的所述安全基准数据,计算得到安全监测数据,包括:
对每一个所述时序数据频谱图赋予属性编码;
将所述标志编码和所述属性编码进行匹配,将所述安全基准数据转化为匹配对应的所述时序数据频谱图的频谱基准线;
基于多个所述时序数据频谱图和对应的频谱基准线,计算得到安全监测数据。
通过上述技术方案,属性编码用于区分每一个时序数据频谱图,将标志编码和属性编码进行匹配,使每个时序数据频谱图都有对应的频谱基准线,在多个时序数据频谱图和对应的频谱基准线基础上,计算得到安全监测数据,从而实现了将高频时序数据这类离散数据转化几何频谱分析的效果,提高了数据处理的效率。
本申请进一步设置为:基于多个所述时序数据频谱图和对应的频谱基准线,计算得到安全监测数据,包括:
基于多个所述时序数据频谱图和对应的所述频谱基准线,计算所述时序数据频谱图内的离散数据卷积,以及频谱基准线的基准数据卷积;
计算所述离散数据卷积和所述基准数据卷积的比值,作为安全监测数据。
通过上述技术方案,通过计算时序数据频谱图内的离散数据卷积和对应的频谱基准线的基准数据卷积,再计算离散数据卷积和基准数据卷积的比值,得到安全监测数据,相较于人员观测分析,具有更高的准确度。
本申请进一步设置为:基于所述安全监测数据,发送对应的预警信号,包括:
在所述安全监测数据超出预设的预警阈值时,发送对应的预警信号。
通过上述技术方案,若安全监测数据超出预设的预警阈值,发送对应的预警信号给综合监控系统,从而实现自动发出预警信号的效果,进而降低了受人员疏忽或人力不足等因素影响,容易造成预警延误的可能性。
本申请进一步设置为:基于所述安全监测数据,发送对应的预警信号,包括以下中的至少一种:
基于所述安全监测数据,向综合监控系统发出班车调度预警信号;
基于所述安全监测数据,向电力监控系统发出检修预警信号;
基于所述安全监测数据,向目标城轨内的各车厢发出下车预警信号。
通过上述技术方案,根据安全监测数据,向综合监控系统发出班车调度预警信号,使工作人员能够及时将存在安全隐患的目标城轨及时进行调度;根据安全监测数据,向电力监控系统发出检修预警信号,使检修人员能够及时根据检修预警信号,对目标城轨进行检修;根据安全监测数据,向目标城轨内的各车厢发出检修预警信号,使各车厢内的乘客及时从存在安全隐患的目标城轨上及时下车,以降低目标城轨发生安全事故的可能性。
本申请的发明目的二采用如下技术方案实现:
一种基于高频时序数据特征提取的预警系统,包括:
第一获取模块,用于获取目标城轨运行时数据的周期性特征及所述目标城轨的安全运营制度的文本信息;
第二获取模块,用于基于所述周期性特征,获取多个时序数据频谱图;
文本转化模块,用于基于预设的文本转化模型,将所述安全运营制度的文本信息转化为多个安全基准数据;
计算模块,用于基于多个所述时序数据频谱图和多个对应的所述安全基准数据,计算得到安全监测数据;
预警模块,用于基于所述安全监测数据,发送对应的预警信号。
本申请的发明目的三采用如下技术方案实现:
一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序是实现上述一种基于高频时序数据特征提取的预警方法。
本申请的发明目的四采用如下技术方案实现:
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程序,所述计算机程序被处理器执行时实现上述一种基于高频时序数据特征提取的预警方法。
综上所述,本申请包括以下至少一种有益技术效果:
1. 本申请的方法实现了将目标城轨的安全运营制度转化为时序化数据的效果,建立了离散式文本到时序数字化之间的桥梁。
2.本申请的方法实现了目标城轨的高频时序数据转化为几何特性表征的效果,利用目标城轨的数据的周期性特征,通过数据的信号分析手段,实现了周期信息自动提取高频时序数据的效果,降低了传统方法中需要人工制定信息周期并分析数据影响预警评判的可能性。
3.本申请实现了城轨行业安全运营规则的时序数字化与ISCS/PSCADA等高频时序数据几何特征信息融合的效果,实现了基于目标城轨安全运营规则的高频时序数据特征表示,降低了传统方法中脱离业务场景的直接进行高频时序数据分析的片面性,更利于高频时序数据的高效识别和应用。
4.本申请的方法将高频时序数据、现有城轨数据的周期性特征和应用系统进行紧密结合,可实现OEM级应用和推广,具有较强的普适性。
附图说明
图1是本申请实施例一中一种基于高频时序数据特征提取的预警方法的流程图;
图2是本申请实施例一中一种基于高频时序数据特征提取的预警方法中步骤S10的流程图;
图3是本申请实施例一中一种基于高频时序数据特征提取的预警方法中步骤S30的流程图;
图4是本申请实施例一中一种基于高频时序数据特征提取的预警方法中步骤S40的流程图;
图5是本申请实施例一中一个时序数据频谱图和对应频谱基准线的示意图;
图6是本申请实施例一中一种基于高频时序数据特征提取的预警方法中步骤S50的流程图;
图7是本申请实施例二中高频时序数据特征提取的预警系统的一原理框图;
图8是本申请实施例三中的计算机设备示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例,基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请实施例提供一种基于高频时序数据特征提取的预警方法及系统,用于解决现有城轨预警方式存在容易预警延误的问题。
实施例一
如图1所示,本申请实施例的基于高频时序数据特征提取的预警方法,包括:
S10:获取目标城轨运行时数据的周期性特征及所述目标城轨的安全运营制度的文本信息。
在本实施例中,目标城轨运行时数据是指,城轨运行时的工作电压、最大网电流、牵引电机功率、载重量、启动加速度、制动加速度等一系列参数,这些参数本身可以作为高频时序数据;周期性特征是指城轨数据周期性发生变化的时段;安全运营制度根据每一地区的目标城轨的具体实际情况进行调整。
具体地,获取目标城轨运行时各种参数的周期性特征和目标城轨的安全运营制度的文本信息,作为待处理参数,从而实现将数据的周期性特征、高频时序数据与现有城轨应用系统进行紧密结合的效果,使本申请的方法具有更好的应用性和普适性。
S20:基于周期性特征,获取多个时序数据频谱图。
在本实施例中,时序数据频谱图是基于高频时序数据通过频域变换后获取的。
具体地,基于周期性特征,周期性地获取多个高频时序数据并进行频域变换,实现了周期性自动获取多个时序数据频谱图的效果,进而实现了目标城轨的高频时序数据周期性转化为几何特性表征的效果。
S30:基于预设的文本转化模型,将安全运营制度的文本信息转化为多个安全基准数据。
在本实施例中,预设的文本转化模型由词袋模型、聚类算法和拟合算法共同构成;安全运营制度的文本信息主要指可量化的文本信息。
具体地,先安全运营制度的可量化的文本信息通过词袋模型转化为数据,再通过聚类算法和拟合算法构成安全基准数据,以便于后续步骤的计算。
S40:基于多个时序数据频谱图和多个对应的安全基准数据,计算得到安全监测数据。
在本实施例中,多个时序数据频谱图需要和多个安全基准数据先进行匹配,使每个时序数据频谱图都有对应的安全基准数据,作为判定某高频时序数据是否处于安全状态的指标。
具体地,根据多个时序数据频谱图和多个对应的安全基准数据,自动进行相关频域计算,输出安全监测数据。
S50:基于所述安全监测数据,发送对应的预警信号。
在本实施例中,还需要设定判定指标,对安全监测数据进行评判,若安全监测数据超出判定指标的范围,则发送对应的预警信号。
具体地,根据安全监测数据,自动发送对应的预警信号给综合监控系统、电力监控系统和目标城轨内的各个车厢,使对应的人员及时得知预警,从而解决了现有城轨预警方式存在容易预警延误的问题。
其中,如图2所示,步骤S10包括:
S11:获取目标城轨运行时的平均速度、到达目标站台的路程和停靠时间。
S12:基于平均速度和到达目标站台的路程,预测目标城轨到达目标站台的行驶时间。
S13:将行驶时间和停靠时间作为目标城轨运行时高频时序数据的周期性特征。
在本实施中,目标城轨运行时的平均速度、到达目标站台的路程和停靠时间均为城轨运行时设定好的理论值。
具体地,以城轨运行时的平均速度和到达目标站台的路程计算出目标城轨到达目标站台的行程时间,这样的方式较为简便易行,将到达目标站台的行驶时间和停靠时间作为周期性特征,符合城轨运行时的周期性规律,与实际情况相对应,充分考虑到了不同的城轨在运行过程中,不同周期时段的高频时序数据的实际情况(例如城轨运行时工作电压、最大网电流、牵引电机功率处于高频波动状态,而停靠时处于低频幅值),使本申请的方法适用于多个不同区域的城轨中,从而提高了本申请方法的普适性。
其中,如图3所示,步骤S30包括:
S31:基于预设的文本转化模型,筛选安全运营制度的文本信息中的可量化字符和对应的标志字符。
S32:将可量化字符转化为多个安全基准数据,并将标志字符转化为对应安全基准数据的标志编号。
在本实施中,可量化字符是指城轨运行时相关参数的限定,例如城轨运行电流不得高于2.5A,城轨启动加速度不得高于5m/s²等一系列可量化的限定指标;标志字符是指每项可量化字符对应的序列编号;安全基准数据是指适用于频域频谱分析的数据。
具体地,将安全运营制度的文本信息中的可量化字符进行筛选,筛选出可量化字符和对应的标志字符,再将这些可量化字符转化为适用于频谱分析的数据,这些数据作为安全基准数据,并将每个安全基准数据的标志字符转化为对应的标志编号,以利于数据匹配和区分。
其中,如图4和图5所示,步骤S40包括:
S41:对每一个时序数据频谱图赋予属性编码。
S42:将标志编码和属性编码进行匹配,将安全基准数据转化为匹配对应的时序数据频谱图的频谱基准线。
S43:基于多个时序数据频谱图和对应的频谱基准线,计算得到安全监测数据。
在本实施例中,属性编码作为时序数据频谱图的标识代码,每一个属性编码必须具有唯一性,以降低因时序数据频谱图属性编码相同而导致数据处理异常的可能性;标志编码和属性编码进行匹配根据实际情况设定;安全基准数据基于相关频谱转化公式转化为匹配对应的时序数据频谱图的频谱基准线。
具体地,给每一个时序数据频谱图赋予唯一的属性编码后,将标志编码和属性编码进行对应匹配,再将安全基准数据转化为匹配对应的时序数据频谱图的频谱基准线,以便于频谱分析,在多个时序数据频谱图和对应的频谱基准线基础上,计算得到安全监测数据,从而实现了将高频时序数据这类离散数据转化几何频谱的效果并进行自动频谱分析,从而提高了数据处理的效率。
其中,步骤S43包括:
基于多个时序数据频谱图和对应的频谱基准线,计算时序数据频谱图内的离散数据卷积,以及频谱基准线的基准数据卷积。
计算离散数据卷积和所述基准数据卷积的比值,作为安全监测数据。
具体地,通过计算时序数据频谱图内的离散数据卷积和对应的频谱基准线的基准数据卷积,再求算离散数据卷积基准数据卷积的比值,从而得到各个待检测的高频时序数据的安全监测数据,实现了城轨行业安全运营规则的时序数字化特征与ISCS/PSCADA等高频时序数据几何特征融合的效果,实现了基于目标城轨安全运营规则的高频时序数据特征几何表示,降低了传统方法中脱离业务场景的直接进行高频时序数据分析的局限性,更利于离散数据的高效分析与运算,具有更高的准确度。
其中,如图6所示,步骤S50包括:
S51:在安全监测数据超出预设的预警阈值时,发送对应的预警信号。
S52:基于安全监测数据,向综合监控系统发出班车调度预警信号。
S53:基于安全监测数据,向电力监控系统发出检修预警信号。
S54:基于安全监测数据,向目标城轨内的各车厢发出下车预警信号。
具体地,若安全监测数据超出预设的预警阈值,向综合监控系统发出班车调度预警信号,使工作人员根据班车调度预警信号及时将存在安全隐患的城轨进行调度,此时电力监控系统还接收到检修预警信号,使检修人员能够及时得知需要进行检修的城轨,并对目标城轨进行检修,坐在目标城轨车厢内乘客还会接收到下车预警信号,使乘客能够及时从存在安全隐患的城轨内下车,以降低目标城轨发生安全事故的可能性;相对的,若安全监测数据位于预设的预警阈值内,则不发送对应的预警信号。
实施例二
如图7所示,本申请实施例公开了一种基于高频时序数据特征提取的预警系统,用于执行上述一种基于高频时序数据特征提取的预警方法,一种高频时序数据特征提取系统与上述实施例中一种基于高频时序数据特征提取的预警方法相对应。
本申请实施例一种高频时序数据特征提取系统,包括第一获取模块10、第二获取模块20、文本转化模块30、计算模块40和预警模块50,各模块的详细说明如下:
第一获取模块10,用于获取目标城轨运行时高频时序数据的周期性特征及所述目标城轨的安全运营制度的文本信息;
第二获取模块20,用于基于所述周期性特征,获取多个时序数据频谱图;
文本转化模块30,用于基于预设的文本转化模型,将所述安全运营制度的文本信息转化为多个安全基准数据;
计算模块40,用于基于多个所述时序数据频谱图和多个对应的所述安全基准数据,计算得到安全监测数据;
预警模块50,用于基于所述安全监测数据,发送对应的预警信号。
其中,第一获取模块10包括:
第一获取子模块,用于获取目标城轨运行时的平均速度、到达目标站台的路程和停靠时间;
行驶时间计算子模块,用于基于所述平均速度和所述到达目标站台的路程,预测所述目标城轨到达目标站台的行驶时间;
周期性特征获取子模块,用于将所述行驶时间和所述停靠时间作为目标城轨运行时高频时序数据的周期性特征。
其中,文本转化模块30包括:
筛选子模块,用于基于预设的文本转化模型,筛选所述安全运营制度的文本信息中的可量化字符和对应的标志字符;
文本转化子模块,用于将所述可量化字符转化为多个安全基准数据,并将所述标志字符转化为对应所述安全基准数据的标志编号。
其中,计算模块40包括:
编码赋予子模块,用于对每一个所述时序数据频谱图赋予属性编码;
匹配子模块,用于将所述标志编码和所述属性编码进行匹配,将所述安全基准数据转化为匹配对应的所述时序数据频谱图的频谱基准线;
第一计算子模块,用于基于多个所述时序数据频谱图和对应的频谱基准线,计算得到安全监测数据。
其中,第一计算子模块包括:
第二计算子模块,用于基于多个所述时序数据频谱图和对应的所述频谱基准线,计算所述时序数据频谱图内的离散数据卷积,以及频谱基准线的基准数据卷积;
第三计算子模块,用于计算所述离散数据卷积和所述基准数据卷积的比值,作为安全监测数据。
其中,预警模块50包括:
第一预警子模块,用于在所述安全监测数据超出预设的预警阈值时,发送对应的预警信号;
第二预警子模块,用于基于所述安全监测数据,向综合监控系统发出班车调度预警信号;
第三预警子模块,用于基于所述安全监测数据,向电力监控系统发出检修预警信号;
第四预警子模块,用于基于所述安全监测数据,向目标城轨内的各车厢发出下车预警信号。
本实施例提供的一种基于高频时序数据特征提取的预警系统,由于其各模块本身的功能及彼此之间的逻辑连接,能实现前述实施例的各个步骤,因此能够达到与前述实施例相同的技术效果,原理分析可参见前述一种基于高频时序数据特征提取的预警方法的步骤的相关描述,在此不再赘述。
关于一种基于高频时序数据特征提取的预警系统具体限定可以参见上文中一种基于高频时序数据特征提取的预警方法的限定,在此不再赘述;上述一种基于高频时序数据特征提取的预警系统中的各个模块可全部或部分通过软件、硬件及其组合来实现;上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以是以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
实施例三
如图8所示,在本实施例中,一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,处理器执行计算机程序时实现以下步骤:
获取目标城轨运行时数据的周期性特征及所述目标城轨的安全运营制度的文本信息。
基于周期性特征,获取多个时序数据频谱图;
基于预设的文本转化模型,将安全运营制度的文本信息转化为多个安全基准数据;
基于多个时序数据频谱图和多个对应的安全基准数据,计算得到安全监测数据;
基于所述安全监测数据,发送对应的预警信号。
在本实施例中,提供一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序执行时实现以下步骤:
获取目标城轨运行时数据的周期性特征及所述目标城轨的安全运营制度的文本信息。
基于周期性特征,获取多个时序数据频谱图;
基于预设的文本转化模型,将安全运营制度的文本信息转化为多个安全基准数据;
基于多个时序数据频谱图和多个对应的安全基准数据,计算得到安全监测数据;
基于所述安全监测数据,发送对应的预警信号。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其他介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)、DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结果划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域普通技术人员应当理解;其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种基于高频时序数据特征提取的预警方法,其特征在于,包括:
获取目标城轨运行时数据的周期性特征及所述目标城轨的安全运营制度的文本信息;
基于所述周期性特征,获取多个时序数据频谱图;
基于预设的文本转化模型,将所述安全运营制度的文本信息转化为多个安全基准数据;
基于多个所述时序数据频谱图和多个对应的所述安全基准数据,计算得到安全监测数据;
基于所述安全监测数据,发送对应的预警信号。
2.根据权利要求1所述的一种基于高频时序数据特征提取的预警方法,其特征在于,所述获取目标城轨运行时数据的周期性特征,包括:
获取目标城轨运行时的平均速度、到达目标站台的路程和停靠时间;
基于所述平均速度和所述到达目标站台的路程,预测所述目标城轨到达目标站台的行驶时间;
将所述行驶时间和所述停靠时间作为目标城轨运行时高频时序数据的周期性特征。
3.根据权利要求1所述的一种基于高频时序数据特征提取的预警方法,其特征在于,所述基于预设的文本转化模型,将所述安全运营制度的文本信息转化为多个安全基准数据,包括:
基于预设的文本转化模型,筛选所述安全运营制度的文本信息中的可量化字符和对应的标志字符;
将所述可量化字符转化为多个安全基准数据,并将所述标志字符转化为对应所述安全基准数据的标志编号。
4.根据权利要求3所述的一种基于高频时序数据特征提取的预警方法,其特征在于,所述基于多个所述时序数据频谱图和多个对应的所述安全基准数据,计算得到安全监测数据,包括:
对每一个所述时序数据频谱图赋予属性编码;
将所述标志编码和所述属性编码进行匹配,将所述安全基准数据转化为匹配对应的所述时序数据频谱图的频谱基准线;
基于多个所述时序数据频谱图和对应的频谱基准线,计算得到安全监测数据。
5.根据权利要求4所述的一种基于高频时序数据特征提取的预警方法,其特征在于,所述基于多个所述时序数据频谱图和对应的频谱基准线,计算得到安全监测数据,包括:
基于多个所述时序数据频谱图和对应的所述频谱基准线,计算所述时序数据频谱图内的离散数据卷积,以及频谱基准线的基准数据卷积;
计算所述离散数据卷积和所述基准数据卷积的比值,作为安全监测数据。
6.根据权利要求1所述的一种基于高频时序数据特征提取的预警方法,其特征在于,所述基于所述安全监测数据,发送对应的预警信号,包括:
在所述安全监测数据超出预设的预警阈值时,发送对应的预警信号。
7.根据权利要求1所述的一种基于高频时序数据特征提取的预警方法,其特征在于,所述基于所述安全监测数据,发送对应的预警信号,包括以下中的至少一种:
基于所述安全监测数据,向综合监控系统发出班车调度预警信号;
基于所述安全监测数据,向电力监控系统发出检修预警信号;
基于所述安全监测数据,向目标城轨内的各车厢发出下车预警信号。
8.一种基于高频时序数据特征提取的预警系统,其特征在于,包括:
第一获取模块,用于获取目标城轨运行时数据的周期性特征及所述目标城轨的安全运营制度的文本信息;
第二获取模块,用于基于所述周期性特征,获取多个时序数据频谱图;
文本转化模块,用于基于预设的文本转化模型,将所述安全运营制度的文本信息转化为多个安全基准数据;
计算模块,用于基于多个所述时序数据频谱图和多个对应的所述安全基准数据,计算得到安全监测数据;
预警模块,用于基于所述安全监测数据,发送对应的预警信号。
9.一种计算机设备,其特征在于,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的一种基于高频时序数据特征提取的预警方法。
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程序,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的一种基于高频时序数据特征提取的预警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310404712.9A CN116596721A (zh) | 2023-04-15 | 2023-04-15 | 一种基于高频时序数据特征提取的预警方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310404712.9A CN116596721A (zh) | 2023-04-15 | 2023-04-15 | 一种基于高频时序数据特征提取的预警方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116596721A true CN116596721A (zh) | 2023-08-15 |
Family
ID=87605304
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310404712.9A Pending CN116596721A (zh) | 2023-04-15 | 2023-04-15 | 一种基于高频时序数据特征提取的预警方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116596721A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116933013A (zh) * | 2023-09-14 | 2023-10-24 | 煤炭科学研究总院有限公司 | 一种基于时频分析的煤矿时序数据分析方法、装置及设备 |
-
2023
- 2023-04-15 CN CN202310404712.9A patent/CN116596721A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116933013A (zh) * | 2023-09-14 | 2023-10-24 | 煤炭科学研究总院有限公司 | 一种基于时频分析的煤矿时序数据分析方法、装置及设备 |
CN116933013B (zh) * | 2023-09-14 | 2023-12-26 | 煤炭科学研究总院有限公司 | 一种基于时频分析的煤矿时序数据分析方法、装置及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104091070B (zh) | 一种基于时间序列分析的轨道交通故障诊断方法和系统 | |
CN108711129B (zh) | 智能环卫系统 | |
US11066087B2 (en) | Maintenance assistance system and maintenance assistance method for railroad ground equipment | |
CN116596721A (zh) | 一种基于高频时序数据特征提取的预警方法和系统 | |
CN111260822B (zh) | 一种基于大数据的轨道交通车辆健康状态分析方法及终端 | |
CN110516866B (zh) | 一种用于城市轨交列车拥挤度的实时估计方法 | |
CN109502438B (zh) | 电梯维保效果的评估方法、装置、计算机设备及存储介质 | |
CN108995675B (zh) | 一种轨道交通运营风险智能识别预警系统及方法 | |
CN111191400B (zh) | 基于用户报障数据的车辆零部件寿命预测方法及系统 | |
CN112215409B (zh) | 一种轨道交通站点客流预测方法及系统 | |
CN110751338A (zh) | 一种配变台区重过载特征模型的构建和预警的方法 | |
CN110599791A (zh) | 信息监控方法、装置和设备 | |
CN110942221A (zh) | 一种基于物联网的变电站故障快速修复方法 | |
CN111897715A (zh) | 一种仿真测试环境配置数据自动生成方法及装置 | |
CN110949453A (zh) | 一种应用于轨道交通的安全防护方法和系统 | |
CN109466592A (zh) | 一种站台立岗标准化作业检测系统 | |
CN117115562A (zh) | 一种基于深度学习的进站铁路货运列车车厢计数方法 | |
CN111464613A (zh) | 一种车辆载卸货行为识别方法及系统 | |
CN113147838B (zh) | 一种用于地铁突发事故运营恢复的自动加车方法 | |
CN113193649B (zh) | 一种地铁牵引能耗智能检测控制方法、系统及电子设备 | |
CN112637783B (zh) | 基于可见光定位技术的轨道交通安全管理方法和装置 | |
CN111783485A (zh) | 列车巡检平台、终端和系统 | |
CN113298350A (zh) | 一种基于人工智能的公交综合监管与服务系统 | |
CN115147964B (zh) | 一种多元信息的安检方法、系统、计算机设备及可读介质 | |
CN113928947B (zh) | 电梯维保过程检测方法及装置 |
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 |