CN117395685A - 一种基于人工智能的高铁无线网络优化系统 - Google Patents
一种基于人工智能的高铁无线网络优化系统 Download PDFInfo
- Publication number
- CN117395685A CN117395685A CN202311414710.4A CN202311414710A CN117395685A CN 117395685 A CN117395685 A CN 117395685A CN 202311414710 A CN202311414710 A CN 202311414710A CN 117395685 A CN117395685 A CN 117395685A
- Authority
- CN
- China
- Prior art keywords
- network
- value
- analysis
- signal
- management
- 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
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 10
- 238000004458 analytical method Methods 0.000 claims abstract description 100
- 238000001514 detection method Methods 0.000 claims abstract description 98
- 238000005457 optimization Methods 0.000 claims abstract description 86
- 238000011156 evaluation Methods 0.000 claims abstract description 41
- 230000000694 effects Effects 0.000 claims abstract description 13
- 238000007726 management method Methods 0.000 claims description 129
- 238000003012 network analysis Methods 0.000 claims description 23
- 230000002159 abnormal effect Effects 0.000 claims description 22
- 238000004519 manufacturing process Methods 0.000 claims description 20
- 238000000034 method Methods 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 7
- 238000012797 qualification Methods 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 abstract description 3
- 238000011835 investigation Methods 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/04—Arrangements for maintaining operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/42—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for mass transport vehicles, e.g. buses, trains or aircraft
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
-
- 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
- H04L41/16—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using machine learning or artificial intelligence
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明属于高铁网络管控技术领域,具体是一种基于人工智能的高铁无线网络优化系统,包括智能优化管理平台、车厢网络检测评估模块、网络优化调控模块、优化效果决策分析模块以及后台管控终端;本发明通过将高铁所有车厢区域的无线网络进行实时监控并准确评估预警反馈,并将对应目标设备进行自动优化调控,在自动调控未能达到所需效果时及时通过人工介入的方式以实现无线网络状况的有效改善,且在生成网络检测合格信号时将对应目标设备进行运行检测分析以判断其运行状况,以保证其运行安全、运行稳定性和运行质量,以及能够实现对各个车厢无线网络覆盖设备的生命周期的准确评估判断,进一步保证高铁车厢的无线网络状况。
Description
技术领域
本发明涉及高铁网络管控技术领域,具体是一种基于人工智能的高铁无线网络优化系统。
背景技术
高速铁路,简称高铁,是指设计标准等级高、可供列车安全高速行驶的铁路系统,高铁的出现极大地改善了人们的出行体验,缩短了城市之间的距离,促进了经济和文化的交流;随着科技的发展,无线网络已成为高铁旅行中不可或缺的一部分,然而,高铁车厢的特殊结构和工作环境往往导致车厢内无线信号的不稳定,网络速度慢,服务质量差;
目前在高铁运行过程中难以对各个车厢区域的无线网络状况进行有效检测并准确评估预警,不能及时进行网络的自动优化调控和人工优化调控,且在对应车厢区域网络评估合格时无法准确判断相应车厢无线网络覆盖设备的运行异常状况,以及无法合理评估各个车厢无线网络覆盖设备的寿命周期状况,不利于保证高铁网络的性能和质量;
针对上述的技术缺陷,现提出一种解决方案。
发明内容
本发明的目的在于提供一种基于人工智能的高铁无线网络优化系统,解决了现有技术难以对各个车厢区域的无线网络状况进行有效检测并准确评估预警,不能及时进行网络的自动优化调控和人工优化调控,且在对应车厢区域网络评估合格时无法准确判断相应车厢无线网络覆盖设备的运行异常状况,以及无法合理评估各个车厢无线网络覆盖设备的寿命周期状况,不利于保证高铁网络性能和质量的问题。
为实现上述目的,本发明提供如下技术方案:
一种基于人工智能的高铁无线网络优化系统,包括智能优化管理平台、车厢网络检测评估模块、网络优化调控模块、优化效果决策分析模块以及后台管控终端;智能优化管理平台将高铁车厢内部划分为若干个车厢区域,将对应车厢区域标记为目标区域i,i表示车厢区域的数量且i为大于1的自然数;获取到部署在目标区域i的车厢无线网络覆盖设备,车厢无线网络覆盖设备用于向车厢内的用户设备提供无线网络服务,以及将对应目标区域i的车厢无线网络覆盖设备标记为目标设备,将目标区域i以及对应目标设备进行存储;车厢网络检测评估模块将目标区域i进行网络状况检测评估分析,据此以生成对应目标区域的网络检测合格信号或网络检测不合格信号;
车厢网络检测评估模块将网络检测不合格信号经智能优化管理平台发送至后台管控终端和网络优化调控模块,网络优化调控模块接收到网络检测不合格信号时将对应目标设备进行网络优化调控,以改善目标区域i的网络状况;优化效果决策分析模块用于采集到对应目标区域i经过网络优化调控模块的优化措施后恢复至网络检测合格状态的时刻,若对应目标区域i在预设恢复间隔时长内未能恢复至网络检测合格状态,则生成优化预警信号,且将优化预警信号以及对应目标区域i经智能优化管理平台发送至后台管控终端。
进一步的,网络状况检测评估分析的具体分析过程包括:
在检测时段设定若干个检测时点,采集到对应检测时点目标区域i的无线信号强度值、网络延迟值、网络丢包率数据和带宽数据,将无线信号强度值、网络延迟值、网络丢包率数据和带宽数据进行分析计算得到网络分析值;将各个检测时点的网络分析值按照时间顺序标入直角坐标系中,以形成若干个网络分析点;在直角坐标系中作出垂直于Y轴的直线并标记为评估直线,评估直线与X轴之间的垂向距离值表示预设网络分析值阈值;将位于评估直线下方的网络分析点标记为网络不良点,将位于评估直线上方的网络分析点标记为网络优异点;若不存在网络优异点,则判断对应目标区域i处于网络不合格状态并生成网络检测不合格信号。
进一步的,若存在网络优异点,则将网络不良点的数量与网络优异点的数量进行比值计算得到网络表现值,以位于最下方的网络分析点为端点向上作垂直于评估直线的线段并将该线段的长度标记为信号最大偏差值,将网络表现值与信号最大偏差值进行数值计算得到网况值;将网况值与预设网况阈值进行数值比较,若网况值超过预设网况阈值,则判断对应目标区域i处于网络不合格状态并生成网络检测不合格信号;若网况值未超过预设网况阈值,则判断对应目标区域i处于网络合格状态并生成网络检测合格信号。
进一步的,智能优化管理平台与区域管理模块通信连接,区域管理模块用于设定区域管理周期,通过区域管理分析以生成网络管理不合格信号或网络管理合格信号,将网络管理合格信号或网络管理不合格信号以及对应目标区域i发送至智能优化管理平台,智能优化管理平台将网络管理不合格信号以及对应目标区域i发送至后台管控终端。
进一步的,区域管理分析的具体分析过程如下:
采集到目标区域i在区域管理周期内处于网络不合格状态的所有单次持续时长,将数值最大的单次持续时长标记为网络不合格跨度值,将所有单次持续时长进行求和计算得到网络不合格总时长,将网络不合格总时长与网络不合格跨度值进行数值计算得到网络管理值;将网络管理值与预设网络管理阈值进行数值比较,若网络管理值超过预设网络管理阈值,则生成网络管理不合格信号,若网络管理值未超过预设网络管理阈值,则生成网络管理合格信号。
进一步的,在生成网络检测合格信号时,车厢网络检测评估模块将目标区域i的网络检测合格信号经智能优化管理平台发送至网络设备运行检测模块,网络设备运行检测模块将目标区域i的目标设备进行运行检测分析以判断其运行状况,据此生成运行正常信号或运行异常信号,且将对应目标设备的运行异常信号经智能优化管理平台发送至后台管控终端。
进一步的,运行检测分析的具体分析过程具体为:采集到对应目标设备的实时温度偏离值和实时功率偏离值,将实时温度偏离值与实时功率偏离值进行数值计算得到运行初析值,将运行初析值与预设运行初析阈值进行数值比较,若运行初析值超过预设运行初析阈值,则生成对应目标设备的运行异常信号;
若运行初析值未超过预设运行初析阈值,则采集到对应目标设备的噪音数据以及振频跨度值和振幅跨度值,将噪音数据、振频跨度值和振幅跨度值进行数值计算得到运行再析值;将运行再析值与预设运行再析阈值进行数值比较,若运行再析值超过预设运行再析阈值,则生成对应目标设备的运行异常信号;
若运行再析值未超过预设运行再析阈值,则采集到单位时间内对应目标设备的平均运行功率和耗电数据,将耗电数据与平均运行功率进行比值计算得到设备耗电值,将设备耗电值与对应预设阈值范围进行数值比较,若设备耗电值未处于对应预设阈值范围内,则生成对应目标设备的运行异常信号;若设备耗电值处于对应预设阈值范围内,则生成对应目标设备的运行正常信号。
进一步的,智能优化管理平台与设备生命周期决策模块通信连接,设备生命周期决策模块将目标设备进行生命周期决策分析,据此以生成目标设备的生命早期信号、生命中期信号或生命晚期信号,将目标设备的相应生命周期判断信号发送至智能优化管理平台,智能优化管理平台将其发送至后台管控终端;后台管控终端的管理人员接收到生命晚期信号后及时进行对应目标设备的更换,在接收到生命中期信号时将对应目标设备进行检查以判断是否将其更换。
进一步的,生命周期决策分析的具体分析过程如下:
采集到目标设备的应用间隔时长和生产间隔时长,将应用间隔时长和生产间隔时长与预设应用间隔时长阈值和预设生产间隔时长阈值分别进行数值比较,若应用间隔时长或生产间隔时长超过对应预设阈值,则生成目标设备的生命晚期信号;若应用间隔时长和生产间隔时长均未超过对应预设阈值,则采集到目标设备在历史运行过程中运行温度和运行功率未处于对应预设范围的时长并标记为运行不良时长,以及采集到目标设备在历史运行过程中运行环境未满足预设运行环境要求的时长并标记为环境不良时长;
将应用间隔时长、生产间隔时长、运行不良时长和环境不良时长进行分析计算得到生命周期值,将生命周期值与预设生命周期值范围进行数值比较,若生命周期值超过预设生命周期值范围的最大值,则生成目标设备的生命晚期信号;若生命周期值位于预设生命周期值范围内,则生成目标设备的生命中期信号;若生命周期值未超过预设生命周期值范围的最小值,则生成目标设备的生命早期信号。
与现有技术相比,本发明的有益效果是:
1、本发明中,通过将目标区域i进行网络状况检测评估分析,实现对所有车厢区域的无线网络实时监控并准确评估预警反馈,在生成网络检测不合格信号时通过网络优化调控模块将对应目标设备进行网络优化调控,以实现无线网络自动优化调控,在自动调控未能达到所需效果时及时通过人工介入的方式以实现无线网络状况的有效改善;在生成网络检测合格信号时通过网络设备运行检测模块将目标区域i的目标设备进行运行检测分析以判断其运行状况,据此生成运行正常信号或运行异常信号,以便及时进行原因排查判定并根据需要进行相应目标设备的检查维修,以保证其运行安全、运行稳定性和运行质量;
2、本发明中,通过区域管理模块进行区域管理分析以生成目标区域i的网络管理不合格信号或网络管理合格信号,以便管理人员及时进行目标区域i的相关车厢无线网络覆盖设备的增加或检修;以及通过设备生命周期决策模块将目标设备进行生命周期决策分析,据此以生成目标设备的生命早期信号、生命中期信号或生命晚期信号,实现对各个车厢无线网络覆盖设备的生命周期的准确评估判断,以便及时进行相应设备的淘汰更换,并有助于针对性进行相应设备的维护检修计划的规划,从而进一步保证高铁车厢的无线网络状况。
附图说明
为了便于本领域技术人员理解,下面结合附图对本发明作进一步的说明;
图1为本发明中实施例一的系统框图;
图2为本发明中实施例二的系统框图。
具体实施方式
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,都属于本发明保护的范围。
实施例一:如图1所示,本发明提出的一种基于人工智能的高铁无线网络优化系统,包括智能优化管理平台、车厢网络检测评估模块、网络优化调控模块、优化效果决策分析模块以及后台管控终端;智能优化管理平台将高铁车厢内部划分为若干个车厢区域,将对应车厢区域标记为目标区域i,i表示车厢区域的数量且i为大于1的自然数;获取到部署在目标区域i的车厢无线网络覆盖设备,车厢无线网络覆盖设备用于向车厢内的用户设备提供无线网络服务,车厢无线网络覆盖设备采用具有优良信号覆盖性能的无线设备,如Wi-Fi路由器等;以及将对应目标区域i的车厢无线网络覆盖设备标记为目标设备,将目标区域i以及对应目标设备进行存储;
车厢网络检测评估模块将目标区域i进行网络状况检测评估分析,据此以生成对应目标区域的网络检测合格信号或网络检测不合格信号,实现对所有车厢区域的网络实时监控反馈,以便及时进行自动或人工调控,从而保证各个车厢区域的无线网络质量,提升高铁服务质量和乘客满意度;网络状况检测评估分析的具体分析过程如下:
在检测时段设定若干个检测时点,采集到对应检测时点目标区域i的无线信号强度值、网络延迟值、网络丢包率数据和带宽数据,其中,无线信号强度值和带宽数据的数值越大、网络延迟值和网络丢包率数据的数值越小,则网络状况越好;通过网络分析公式将无线信号强度值XQi、网络延迟值WYi、网络丢包率数据WDi和带宽数据WKi进行分析计算得到网络分析值WFi;其中,a1、a2、a3、a4为预设比例系数,a1、a2、a3、a4的取值均大于零;并且,网络分析值WFi的数值越大,表明对应检测时点目标区域i的车厢无线网络状况越好;
将各个检测时点的网络分析值按照时间顺序标入直角坐标系中,以形成若干个网络分析点;在直角坐标系中作出垂直于Y轴的直线并标记为评估直线,评估直线与X轴之间的垂向距离值表示预设网络分析值阈值;将位于评估直线下方的网络分析点标记为网络不良点,将位于评估直线上方的网络分析点标记为网络优异点;若不存在网络优异点,表明检测时段目标区域i的无线网络状况表现极差,则判断对应目标区域i处于网络不合格状态并生成网络检测不合格信号;
若存在网络优异点,则将网络不良点的数量与网络优异点的数量进行比值计算得到网络表现值,以位于最下方的网络分析点为端点向上作垂直于评估直线的线段并将该线段的长度标记为信号最大偏差值,通过公式WHi=b1*WBi+b2*XPi将网络表现值WBi与信号最大偏差值XPi进行数值计算得到网况值WHi;其中,b1、b2为预设权重系数,b1>b2>0;
并且,网况值WHi的数值越大,表明检测时段目标区域i的无线网络状况表现越差;将网况值WHi与预设网况阈值进行数值比较,若网况值WHi超过预设网况阈值,则判断对应目标区域i处于网络不合格状态并生成网络检测不合格信号;若网况值WHi未超过预设网况阈值,则判断对应目标区域i处于网络合格状态并生成网络检测合格信号。
车厢网络检测评估模块将网络检测不合格信号经智能优化管理平台发送至后台管控终端和网络优化调控模块,网络优化调控模块接收到网络检测不合格信号时将对应目标设备进行网络优化调控,以改善目标区域i的网络状况,实现对无线网络信号的自动调控;即对相应车厢无线网络覆盖设备进行实时的参数调整和优化,提升无线网络的性能和服务质量,包括例如调整天线的增益、俯仰角和方位角等参数,以及包括优化无线参数,例如信道、频偏、功率等;
优化效果决策分析模块用于采集到对应目标区域i经过网络优化调控模块的优化措施后恢复至网络检测合格状态的时刻,若对应目标区域i在预设恢复间隔时长内未能恢复至网络检测合格状态,则生成优化预警信号,且将优化预警信号以及对应目标区域i经智能优化管理平台发送至后台管控终端,后台管控终端的管理人员接收到对应目标区域i的优化预警信号后,进行原因调查并通过人工调控的方式对相应目标设备进行调控,在自动调控未能达到所需效果时及时通过人工介入的方式以实现无线网络状况的有效改善。
并且,在生成网络检测合格信号时,车厢网络检测评估模块将目标区域i的网络检测合格信号经智能优化管理平台发送至网络设备运行检测模块,网络设备运行检测模块将目标区域i的目标设备进行运行检测分析以判断其运行状况,据此生成运行正常信号或运行异常信号,且将对应目标设备的运行异常信号经智能优化管理平台发送至后台管控终端,后台管控终端的管理人员接收到对应目标设备的运行异常信号后,及时进行原因排查判定并根据需要进行相应目标设备的检查维修,以保证其运行安全、运行稳定性和运行质量;
运行检测分析的具体分析过程具体为:采集到对应目标设备的实时温度偏离值和实时功率偏离值,需要说明的是,实时温度偏离值是表示其内部平均温度相较于对应预设适宜标准温度的偏离程度大小的数据量值,实时功率偏离值是表示其运行功率相较于其预设适宜标准功率的偏离程度大小的数据量值;通过公式QG=eh1*SW+eh2*SG将实时温度偏离值SW与实时功率偏离值SG进行数值计算得到运行初析值QG,其中,eh1、eh2为预设权重系数,eh1、eh2的取值均大于零;并且,运行初析值QG的数值越大,表明其运行安全隐患越大;
将运行初析值QG与预设运行初析阈值进行数值比较,若运行初析值QG超过预设运行初析阈值,则生成对应目标设备的运行异常信号;若运行初析值QG未超过预设运行初析阈值,则采集到对应目标设备的噪音数据以及振频跨度值和振幅跨度值,其中,噪音数据是表示其所产生噪音分贝值大小的数据量值,振频跨度值是表示其振动频率最大值和振动频率最小值两者差值大小的数据量值,同理可知振幅跨度值;
通过公式WG=et1*ZY+et2*PK+et3*FK将噪音数据ZY、振频跨度值PK和振幅跨度值FK进行数值计算得到运行再析值WG;其中,et1、et2、et3为预设权重系数,et1、et2、et3的取值均大于零;并且,运行再析值WG的数值越大,表明其运行异常状况越严重;将运行再析值WG与预设运行再析阈值进行数值比较,若运行再析值WG超过预设运行再析阈值,表明其运行风险较大,则生成对应目标设备的运行异常信号;
若运行再析值WG未超过预设运行再析阈值,则采集到单位时间内对应目标设备的平均运行功率和耗电数据,将耗电数据与平均运行功率进行比值计算得到设备耗电值,将设备耗电值与对应预设阈值范围进行数值比较,若设备耗电值未处于对应预设阈值范围内,表明对应目标设备的能耗存在异常,运行风险较大,则生成对应目标设备的运行异常信号;若设备耗电值处于对应预设阈值范围内,则生成对应目标设备的运行正常信号。
进一步而言,智能优化管理平台与区域管理模块通信连接,区域管理模块用于设定区域管理周期,通过区域管理分析以生成网络管理不合格信号或网络管理合格信号,将网络管理合格信号或网络管理不合格信号以及对应目标区域i发送至智能优化管理平台,智能优化管理平台将网络管理不合格信号以及对应目标区域i发送至后台管控终端,后台管控终端接收到网络管理不合格信号时发出相应预警提醒管理人员,后台管控终端的管理人员接收到网络管理不合信号时,通过进行原因调查判定以及时进行目标区域i的相关车厢无线网络覆盖设备的增加或检修,从而保证后续目标区域i的无线网络质量;区域管理分析的具体分析过程如下:
采集到目标区域i在区域管理周期内处于网络不合格状态的所有单次持续时长,将数值最大的单次持续时长标记为网络不合格跨度值,将所有单次持续时长进行求和计算得到网络不合格总时长,通过公式GZi=vp1*WSi+vp2*WUi将网络不合格总时长WSi与网络不合格跨度值WUi进行数值计算得到网络管理值GZi;其中,vp1、vp2为预设权重系数,vp1、vp2的取值均大于零;并且,网络管理值GZi的数值越大,表明区域管理周期内目标区域i的网络状况整体而言越差;将网络管理值GZi与预设网络管理阈值进行数值比较,若网络管理值GZi超过预设网络管理阈值,则生成网络管理不合格信号,若网络管理值GZi未超过预设网络管理阈值,则生成网络管理合格信号。
实施例二:如图2所示,本实施例与实施例1的区别在于,智能优化管理平台与设备生命周期决策模块通信连接,设备生命周期决策模块将目标设备进行生命周期决策分析,据此以生成目标设备的生命早期信号、生命中期信号或生命晚期信号,将目标设备的相应生命周期判断信号发送至智能优化管理平台,智能优化管理平台将其发送至后台管控终端;后台管控终端的管理人员接收到生命晚期信号后及时进行对应目标设备的更换,在接收到生命中期信号时将对应目标设备进行检查以判断是否将其更换,实现对各个车厢无线网络覆盖设备的生命周期的准确评估判断,以便及时进行相应设备的淘汰更换,并有助于针对性进行相应设备的维护检修计划的规划,从而进一步保证高铁车厢的无线网络状况;生命周期决策分析的具体分析过程如下:
采集到目标设备的应用间隔时长和生产间隔时长,应用间隔时长是表示其投入使用日期距当前日期的间隔时长大小的数据量值,生产间隔时长是表示其生产日期距当前日期的间隔时长大小的数据量值;将应用间隔时长和生产间隔时长与预设应用间隔时长阈值和预设生产间隔时长阈值分别进行数值比较,若应用间隔时长或生产间隔时长超过对应预设阈值,则生成目标设备的生命晚期信号;若应用间隔时长和生产间隔时长均未超过对应预设阈值,则采集到目标设备在历史运行过程中运行温度和运行功率未处于对应预设范围的时长并标记为运行不良时长,以及采集到目标设备在历史运行过程中运行环境未满足预设运行环境要求的时长并标记为环境不良时长;
通过公式将应用间隔时长YS、生产间隔时长PS、运行不良时长YL和环境不良时长HL进行分析计算得到生命周期值SX,其中,wq1、wq2、wq3、wq4为预设比例系数,wq1、wq2、wq3、wq4的取值均大于零;并且,生命周期值SX的数值越大,表明对应目标设备的设备状况越差,越趋向于报废;将生命周期值SX与预设生命周期值范围进行数值比较,若生命周期值SX超过预设生命周期值范围的最大值,则生成目标设备的生命晚期信号;若生命周期值SX位于预设生命周期值范围内,则生成目标设备的生命中期信号;若生命周期值SX未超过预设生命周期值范围的最小值,则生成目标设备的生命早期信号。
本发明的工作原理:使用时,通过车厢网络检测评估模块将目标区域i进行网络状况检测评估分析,据此以生成对应目标区域的网络检测合格信号或网络检测不合格信号,实现对所有车厢区域的网络实时监控并准确评估预警反馈,在生成网络检测不合格信号时通过网络优化调控模块将对应目标设备进行网络优化调控,优化效果决策分析模块进行优化效果分析以判断是否生成优化预警信号,在自动调控未能达到所需效果时及时通过人工介入的方式以实现无线网络状况的有效改善;在生成网络检测合格信号时通过网络设备运行检测模块将目标区域i的目标设备进行运行检测分析以判断其运行状况,据此生成运行正常信号或运行异常信号,以便及时进行原因排查判定并根据需要进行相应目标设备的检查维修,以保证其运行安全、运行稳定性和运行质量;以及通过区域管理模块进行区域管理分析以生成目标区域i的网络管理不合格信号或网络管理合格信号,以便管理人员及时进行目标区域i的相关车厢无线网络覆盖设备的增加或检修,从而保证后续目标区域i的无线网络质量。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况进行设置。以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (8)
1.一种基于人工智能的高铁无线网络优化系统,其特征在于,包括智能优化管理平台、车厢网络检测评估模块、网络优化调控模块、优化效果决策分析模块以及后台管控终端;智能优化管理平台将高铁车厢内部划分为若干个车厢区域,将对应车厢区域标记为目标区域i,i表示车厢区域的数量且i为大于1的自然数;获取到部署在目标区域i的车厢无线网络覆盖设备,车厢无线网络覆盖设备用于向车厢内的用户设备提供无线网络服务,以及将对应目标区域i的车厢无线网络覆盖设备标记为目标设备,将目标区域i以及对应目标设备进行存储;车厢网络检测评估模块将目标区域i进行网络状况检测评估分析,据此以生成对应目标区域的网络检测合格信号或网络检测不合格信号;
车厢网络检测评估模块将网络检测不合格信号经智能优化管理平台发送至后台管控终端和网络优化调控模块,网络优化调控模块接收到网络检测不合格信号时将对应目标设备进行网络优化调控,以改善目标区域i的网络状况;优化效果决策分析模块用于采集到对应目标区域i经过网络优化调控模块的优化措施后恢复至网络检测合格状态的时刻,若对应目标区域i在预设恢复间隔时长内未能恢复至网络检测合格状态,则生成优化预警信号,且将优化预警信号以及对应目标区域i经智能优化管理平台发送至后台管控终端。
2.根据权利要求1所述的一种基于人工智能的高铁无线网络优化系统,其特征在于,网络状况检测评估分析的具体分析过程包括:
在检测时段设定若干个检测时点,采集到对应检测时点目标区域i的无线信号强度值、网络延迟值、网络丢包率数据和带宽数据,将无线信号强度值、网络延迟值、网络丢包率数据和带宽数据进行分析计算得到网络分析值;将各个检测时点的网络分析值按照时间顺序标入直角坐标系中,以形成若干个网络分析点;在直角坐标系中作出垂直于Y轴的直线并标记为评估直线,评估直线与X轴之间的垂向距离值表示预设网络分析值阈值;将位于评估直线下方的网络分析点标记为网络不良点,将位于评估直线上方的网络分析点标记为网络优异点;若不存在网络优异点,则判断对应目标区域i处于网络不合格状态并生成网络检测不合格信号。
3.根据权利要求2所述的一种基于人工智能的高铁无线网络优化系统,其特征在于,若存在网络优异点,则将网络不良点的数量与网络优异点的数量进行比值计算得到网络表现值,以位于最下方的网络分析点为端点向上作垂直于评估直线的线段并将该线段的长度标记为信号最大偏差值,将网络表现值与信号最大偏差值进行数值计算得到网况值;将网况值与预设网况阈值进行数值比较,若网况值超过预设网况阈值,则判断对应目标区域i处于网络不合格状态并生成网络检测不合格信号;若网况值未超过预设网况阈值,则判断对应目标区域i处于网络合格状态并生成网络检测合格信号。
4.根据权利要求1所述的一种基于人工智能的高铁无线网络优化系统,其特征在于,智能优化管理平台与区域管理模块通信连接,区域管理模块用于设定区域管理周期,通过区域管理分析以生成网络管理不合格信号或网络管理合格信号,将网络管理合格信号或网络管理不合格信号以及对应目标区域i发送至智能优化管理平台,智能优化管理平台将网络管理不合格信号以及对应目标区域i发送至后台管控终端。
5.根据权利要求4所述的一种基于人工智能的高铁无线网络优化系统,其特征在于,区域管理分析的具体分析过程如下:
采集到目标区域i在区域管理周期内处于网络不合格状态的所有单次持续时长,将数值最大的单次持续时长标记为网络不合格跨度值,将所有单次持续时长进行求和计算得到网络不合格总时长,将网络不合格总时长与网络不合格跨度值进行数值计算得到网络管理值;将网络管理值与预设网络管理阈值进行数值比较,若网络管理值超过预设网络管理阈值,则生成网络管理不合格信号,若网络管理值未超过预设网络管理阈值,则生成网络管理合格信号。
6.根据权利要求3所述的一种基于人工智能的高铁无线网络优化系统,其特征在于,在生成网络检测合格信号时,车厢网络检测评估模块将目标区域i的网络检测合格信号经智能优化管理平台发送至网络设备运行检测模块,网络设备运行检测模块将目标区域i的目标设备进行运行检测分析以判断其运行状况,据此生成运行正常信号或运行异常信号,且将对应目标设备的运行异常信号经智能优化管理平台发送至后台管控终端;
运行检测分析的具体分析过程具体为:采集到对应目标设备的实时温度偏离值和实时功率偏离值,将实时温度偏离值与实时功率偏离值进行数值计算得到运行初析值,将运行初析值与预设运行初析阈值进行数值比较,若运行初析值超过预设运行初析阈值,则生成对应目标设备的运行异常信号;
若运行初析值未超过预设运行初析阈值,则采集到对应目标设备的噪音数据以及振频跨度值和振幅跨度值,将噪音数据、振频跨度值和振幅跨度值进行数值计算得到运行再析值;将运行再析值与预设运行再析阈值进行数值比较,若运行再析值超过预设运行再析阈值,则生成对应目标设备的运行异常信号;
若运行再析值未超过预设运行再析阈值,则采集到单位时间内对应目标设备的平均运行功率和耗电数据,将耗电数据与平均运行功率进行比值计算得到设备耗电值,将设备耗电值与对应预设阈值范围进行数值比较,若设备耗电值未处于对应预设阈值范围内,则生成对应目标设备的运行异常信号;若设备耗电值处于对应预设阈值范围内,则生成对应目标设备的运行正常信号。
7.根据权利要求1所述的一种基于人工智能的高铁无线网络优化系统,其特征在于,智能优化管理平台与设备生命周期决策模块通信连接,设备生命周期决策模块将目标设备进行生命周期决策分析,据此以生成目标设备的生命早期信号、生命中期信号或生命晚期信号,将目标设备的相应生命周期判断信号发送至智能优化管理平台,智能优化管理平台将其发送至后台管控终端;后台管控终端的管理人员接收到生命晚期信号后及时进行对应目标设备的更换,在接收到生命中期信号时将对应目标设备进行检查以判断是否将其更换。
8.根据权利要求7所述的一种基于人工智能的高铁无线网络优化系统,其特征在于,生命周期决策分析的具体分析过程如下:
采集到目标设备的应用间隔时长和生产间隔时长,将应用间隔时长和生产间隔时长与预设应用间隔时长阈值和预设生产间隔时长阈值分别进行数值比较,若应用间隔时长或生产间隔时长超过对应预设阈值,则生成目标设备的生命晚期信号;若应用间隔时长和生产间隔时长均未超过对应预设阈值,则采集到目标设备在历史运行过程中运行温度和运行功率未处于对应预设范围的时长并标记为运行不良时长,以及采集到目标设备在历史运行过程中运行环境未满足预设运行环境要求的时长并标记为环境不良时长;
将应用间隔时长、生产间隔时长、运行不良时长和环境不良时长进行分析计算得到生命周期值,将生命周期值与预设生命周期值范围进行数值比较,若生命周期值超过预设生命周期值范围的最大值,则生成目标设备的生命晚期信号;若生命周期值位于预设生命周期值范围内,则生成目标设备的生命中期信号;若生命周期值未超过预设生命周期值范围的最小值,则生成目标设备的生命早期信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311414710.4A CN117395685B (zh) | 2023-10-30 | 2023-10-30 | 一种基于人工智能的高铁无线网络优化系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311414710.4A CN117395685B (zh) | 2023-10-30 | 2023-10-30 | 一种基于人工智能的高铁无线网络优化系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117395685A true CN117395685A (zh) | 2024-01-12 |
CN117395685B CN117395685B (zh) | 2024-07-09 |
Family
ID=89471686
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311414710.4A Active CN117395685B (zh) | 2023-10-30 | 2023-10-30 | 一种基于人工智能的高铁无线网络优化系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117395685B (zh) |
Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080293404A1 (en) * | 2007-05-24 | 2008-11-27 | Contigo Mobility, Inc. | Dynamically created and expanded wireless network |
CN101574975A (zh) * | 2009-06-03 | 2009-11-11 | 北京六捷科技有限公司 | 基于ctcs-3级列控系统的车载监测系统及终端 |
CN102821408A (zh) * | 2012-08-16 | 2012-12-12 | 北京拓明科技有限公司 | 基于A口和Abis口信令数据的高速铁路场景网络优化方法 |
CN102938899A (zh) * | 2012-04-19 | 2013-02-20 | 中通服网优技术有限公司 | 轨道交通站点无线网络通信的优化系统 |
US20170111811A1 (en) * | 2015-10-15 | 2017-04-20 | Comcast Cable Communications, Llc | Wi-fi radio health score |
CN106851714A (zh) * | 2017-01-05 | 2017-06-13 | 中国铁道科学研究院通信信号研究所 | 一种基于自学习模式的车地无线通信质量评估方法 |
US9883511B1 (en) * | 2012-12-05 | 2018-01-30 | Origin Wireless, Inc. | Waveform design for time-reversal systems |
CN107846716A (zh) * | 2016-09-20 | 2018-03-27 | 卡斯柯信号有限公司 | 一种优化轨道交通信号系统高速wifi传输性能的方法 |
CN112798897A (zh) * | 2021-03-18 | 2021-05-14 | 北京中铁建电气化设计研究院有限公司 | 一种铁路信号系统模拟试验装置及模拟试验方法 |
WO2021159604A1 (zh) * | 2020-02-12 | 2021-08-19 | 中车唐山机车车辆有限公司 | 一种轨道列车的监控系统,监控方法及监控装置 |
CN113743671A (zh) * | 2021-09-08 | 2021-12-03 | 西南交通大学 | 一种高铁快递专列运输网络优化方法及系统 |
CN113810947A (zh) * | 2021-10-29 | 2021-12-17 | 中国联合网络通信集团有限公司 | WiFi网络质量评估方法、装置、电子设备及存储介质 |
CN115086972A (zh) * | 2022-07-19 | 2022-09-20 | 深圳市华曦达科技股份有限公司 | 一种分布式无线信号质量优化方法及系统 |
CN115226058A (zh) * | 2022-08-23 | 2022-10-21 | 天津城建大学 | 一种模板支架智能监测无线传感器及监测预警系统 |
US20220413455A1 (en) * | 2020-11-13 | 2022-12-29 | Zhejiang University | Adaptive-learning intelligent scheduling unified computing frame and system for industrial personalized customized production |
CN115942344A (zh) * | 2022-11-03 | 2023-04-07 | 北京东土拓明科技有限公司 | 一种基于lte的高铁专网自动优化方法及系统 |
CN116070984A (zh) * | 2023-04-06 | 2023-05-05 | 成都运荔枝科技有限公司 | 一种基于数据分析的冷链物流车辆的运输评估系统 |
EP4197219A1 (en) * | 2020-08-11 | 2023-06-21 | Nokia Technologies Oy | Path-aware cognitive handover optimization |
CN116579874A (zh) * | 2023-05-24 | 2023-08-11 | 安徽山沟沟农业科技有限公司 | 一种基于人工智能的食用菌种植环境智能管控系统 |
-
2023
- 2023-10-30 CN CN202311414710.4A patent/CN117395685B/zh active Active
Patent Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080293404A1 (en) * | 2007-05-24 | 2008-11-27 | Contigo Mobility, Inc. | Dynamically created and expanded wireless network |
CN101574975A (zh) * | 2009-06-03 | 2009-11-11 | 北京六捷科技有限公司 | 基于ctcs-3级列控系统的车载监测系统及终端 |
CN102938899A (zh) * | 2012-04-19 | 2013-02-20 | 中通服网优技术有限公司 | 轨道交通站点无线网络通信的优化系统 |
CN102821408A (zh) * | 2012-08-16 | 2012-12-12 | 北京拓明科技有限公司 | 基于A口和Abis口信令数据的高速铁路场景网络优化方法 |
US9883511B1 (en) * | 2012-12-05 | 2018-01-30 | Origin Wireless, Inc. | Waveform design for time-reversal systems |
US20170111811A1 (en) * | 2015-10-15 | 2017-04-20 | Comcast Cable Communications, Llc | Wi-fi radio health score |
CN107846716A (zh) * | 2016-09-20 | 2018-03-27 | 卡斯柯信号有限公司 | 一种优化轨道交通信号系统高速wifi传输性能的方法 |
CN106851714A (zh) * | 2017-01-05 | 2017-06-13 | 中国铁道科学研究院通信信号研究所 | 一种基于自学习模式的车地无线通信质量评估方法 |
WO2021159604A1 (zh) * | 2020-02-12 | 2021-08-19 | 中车唐山机车车辆有限公司 | 一种轨道列车的监控系统,监控方法及监控装置 |
EP4197219A1 (en) * | 2020-08-11 | 2023-06-21 | Nokia Technologies Oy | Path-aware cognitive handover optimization |
US20220413455A1 (en) * | 2020-11-13 | 2022-12-29 | Zhejiang University | Adaptive-learning intelligent scheduling unified computing frame and system for industrial personalized customized production |
CN112798897A (zh) * | 2021-03-18 | 2021-05-14 | 北京中铁建电气化设计研究院有限公司 | 一种铁路信号系统模拟试验装置及模拟试验方法 |
CN113743671A (zh) * | 2021-09-08 | 2021-12-03 | 西南交通大学 | 一种高铁快递专列运输网络优化方法及系统 |
CN113810947A (zh) * | 2021-10-29 | 2021-12-17 | 中国联合网络通信集团有限公司 | WiFi网络质量评估方法、装置、电子设备及存储介质 |
CN115086972A (zh) * | 2022-07-19 | 2022-09-20 | 深圳市华曦达科技股份有限公司 | 一种分布式无线信号质量优化方法及系统 |
CN115226058A (zh) * | 2022-08-23 | 2022-10-21 | 天津城建大学 | 一种模板支架智能监测无线传感器及监测预警系统 |
CN115942344A (zh) * | 2022-11-03 | 2023-04-07 | 北京东土拓明科技有限公司 | 一种基于lte的高铁专网自动优化方法及系统 |
CN116070984A (zh) * | 2023-04-06 | 2023-05-05 | 成都运荔枝科技有限公司 | 一种基于数据分析的冷链物流车辆的运输评估系统 |
CN116579874A (zh) * | 2023-05-24 | 2023-08-11 | 安徽山沟沟农业科技有限公司 | 一种基于人工智能的食用菌种植环境智能管控系统 |
Non-Patent Citations (1)
Title |
---|
滕蕾;郭桂芳;张卫军;: "铁路通信网质量人工智能评估系统的研究及应用", 铁道通信信号, no. 04, 17 April 2020 (2020-04-17) * |
Also Published As
Publication number | Publication date |
---|---|
CN117395685B (zh) | 2024-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117057670A (zh) | 基于物联网的物业智能能源管理系统 | |
CN115239206B (zh) | 一种基于数据分析的公路施工现场安全管控系统 | |
CN117406685B (zh) | 适用于绿色低碳建筑的建筑设备智能控制优化管理系统 | |
CN115528810B (zh) | 一种基于电力设备的测温数据运检分析管理系统 | |
CN114333313B (zh) | 一种基于高速公路监控的智能巡检方法 | |
CN117544998B (zh) | 一种基于人工智能的无线网速智能化评估系统 | |
CN114801751A (zh) | 一种基于数据分析的汽车电池故障预测系统 | |
CN118131631A (zh) | 一种基于污水处理的动态优化调度系统及方法 | |
CN116700357B (zh) | 一种架空输电线路无人机编队智能巡检方法 | |
CN117395685B (zh) | 一种基于人工智能的高铁无线网络优化系统 | |
CN117791869B (zh) | 基于智能配电柜的数据在线监测方法及系统 | |
CN117176466B (zh) | 一种信息通信技术安全监测系统及其监测方法 | |
CN204536481U (zh) | 弓网电弧在线监测及放电位置定位系统 | |
CN117092953A (zh) | 一种基于工业物联网的生产数据采集管控系统 | |
CN117908491A (zh) | 一种工业生产自动化控制系统 | |
CN117031381A (zh) | 一种电源检测设备的故障检测系统和方法 | |
CN115440010B (zh) | 基于物联网的桥梁远程监测预警装置 | |
CN102837711B (zh) | 一种铁路轴承红外波形智能识别的方法 | |
CN115949468A (zh) | 一种基于数据分析的矿井通风影响预测系统 | |
CN112131069B (zh) | 基于聚类的设备运行监测方法及系统 | |
CN117013698B (zh) | 一种配电所自动巡检管控系统 | |
CN117596535B (zh) | 一种基于物联网的智能音箱运行检测系统 | |
CN118409551B (zh) | 一种弱电设备智能控制系统 | |
CN117498895A (zh) | 应用于电力系统的双模通信数据采集传输系统 | |
CN118331032B (zh) | 一种基于数据分析的热力施工设备运行控制方法 |
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 |