CN104077552A - 一种基于云计算的轨道交通信号综合运维方法及*** - Google Patents
一种基于云计算的轨道交通信号综合运维方法及*** Download PDFInfo
- Publication number
- CN104077552A CN104077552A CN201410321145.1A CN201410321145A CN104077552A CN 104077552 A CN104077552 A CN 104077552A CN 201410321145 A CN201410321145 A CN 201410321145A CN 104077552 A CN104077552 A CN 104077552A
- Authority
- CN
- China
- Prior art keywords
- data
- station
- index
- real
- railroad
- 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
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000012423 maintenance Methods 0.000 title abstract description 9
- 238000007405 data analysis Methods 0.000 claims abstract description 54
- 230000005611 electricity Effects 0.000 claims description 86
- 238000004458 analytical method Methods 0.000 claims description 43
- 238000012545 processing Methods 0.000 claims description 26
- 238000013500 data storage Methods 0.000 claims description 21
- 238000012544 monitoring process Methods 0.000 claims description 20
- 238000010223 real-time analysis Methods 0.000 claims description 12
- 238000007726 management method Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 7
- 230000015572 biosynthetic process Effects 0.000 claims description 7
- 238000003786 synthesis reaction Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 6
- 238000003745 diagnosis Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000013523 data management Methods 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 3
- 230000011664 signaling Effects 0.000 description 15
- 230000006870 function Effects 0.000 description 9
- 241001269238 Data Species 0.000 description 8
- 238000007781 pre-processing Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000007418 data mining Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 238000009412 basement excavation Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 229910052742 iron Inorganic materials 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 241001124569 Lycaenidae Species 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000012517 data analytics Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000004092 self-diagnosis Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000009966 trimming 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
Landscapes
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Train Traffic Observation, Control, And Security (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于云计算的轨道交通信号综合运维方法及***。采用铁路公司、铁路局、电务段、车站的四级模式,在铁路公司、铁路局分别部署数据中心、数据采集机和终端,在电务段、车站只部署数据采集机和终端;同时部署实时数据分析组件,车站、电务段的实时数据分析组件部署于数据采集机内,铁路局、铁路公司的实时数据分析组件部署于数据中心内。本发明采用层次性的部署方式,通过在采集机上直接部署实时数据分析组件实现对信号数据的实时分析,通过分级存储和索引策略实现了对不断增长的信号数据的存储需求,并且通过四层索引结构实现对故障的快速定位,可以通过故障发生的时间、类型、位置等信息快速的检索到故障发生时对应的信号数据。
Description
技术领域
本发明提供一种基于云计算的铁路信号综合运维方法及***,涉及铁路信号数据、铁路通信数据、铁路知识数据、***报警数据、机器学习、车载设备、车站设备、中心设备、轨旁设备等技术领域,用以解决铁路信号综合运维所面临的问题。
背景技术
目前,轨道交通(国有铁路、企业铁路和城市轨道交通)通信、信号领域的监测维护产品主要有三类:针对地面信号设备的有CSM(信号集中监测***)、各设备维护机、通信网管***。为了提高我国铁路信号***设备的现代化维修水平,从90年代开始,先后自主研制了TJWX-I型和TJWX-2000型等不断升级中的信号集中监测CSM***。目前大部分车站都采用了信号集中监测***,实现了对车站信号设备状态的实时监测,并通过监测与记录信号设备的主要运行状态,为电务部门掌握设备的当前状态和进行事故分析提供了基本依据,发挥了重要作用。并且,对城市轨道交通信号设备,集中监测CSM***也被广泛部署在城轨集中站/车辆段等处,供城轨运维使用。针对车载信号设备的有DMS***,对车载设备动态监测。此外,伴随我国高速铁路的建设发展,高铁特有的RBC***等,也面临着纳入信号集中监测***的需求,也面临着提高其监测能力、运维能力,以及设备自诊断能力的需求。
面对越来越多的通信数据、信号数据,以及目前的网络状况,使得铁路***虽然产生了大量的各类数据,但是却没有很好的利用这些数据。绝大多数数据目前是存储在各个车站,并且车站也只是对数据做了简单的存储,当出现故障的时候查看相关的数据以便于分析故障原因。这种情况导致了铁路产生的各类数据不能够有效的存储和利用,并且故障的分析目前仍需依靠人工经验分析判断,很多情况下在已经出现事故时才能发现故障,不仅导致了人工诊断铁路信号***故障时工作量大、故障监测与诊断效率低下等技术问题,也增加了行车的危险。因此,提高铁路信号综合管理运维能力,查隐患,治隐患,推动故障修向状态修发展,从而保障行车安全、提高运力,是轨道交通领域的迫切需求。
发明内容
为了解决现有技术中信号数据量大、效率低、风险高、人工分析故障劳动强度大等问题,本发明提供了一种基于云计算的信号综合运维方法及***。***包括数据采集机、终端和数据中心三种硬件。软件包括数据采集子***、数据存储子***、数据预处理子***、数据实时分析子***、离线数据挖掘子***、展示子***、数据查询***等。
本发明采用的技术方案如下:
一种基于云计算的轨道交通信号综合运维***,其包括:
数据采集机,用于采集轨道交通信号数据;
数据中心,连接所述数据采集机,包括云安全层、基础资源层、虚拟化层、数据存储层、计算引擎层、组件层及Web集群;其中,云安全层通过数据备份、数据还原和访问控制,保障***的安全;基础资源层是数据中心的硬件平台;虚拟化层通过虚拟化软件实现对硬件的虚拟化,屏蔽底层的硬件差异;数据存储层包括分布式文件***、列式数据库、关系数据库,分别用于存储非结构化、半结构化和结构化的数据;计算引擎层采用云计算处理架;组件层是具体处理各种业务的组件;Web集群是基于负载均衡的服务发布层;
终端,连接所述数据采集机和所述数据中心,用于展示数据分析结果。
进一步地,采用铁路公司、铁路局、电务段、车站的四级模式,在铁路公司、铁路局分别部署数据中心、数据采集机和终端,在电务段、车站只部署数据采集机和终端。在车站、电务段、铁路局、铁路公司均部署实时数据分析组件,其中车站、电务段的实时数据分析组件部署于数据采集机内,铁路局、铁路公司的实时数据分析组件部署于数据中心内。
进一步地,计算引擎层包括离线数据处理架构MapReduce、实时分布式处理架构spark以及数据移动引擎sqoop和底层资源管理***yarn,Yarn用于根据用户提交的任务来分配存储资源和计算资源用于处理该任务。
进一步地,组件层包括数据管理组件、数据分析组件、故障诊断组件等。
一种采用上述***的基于云计算的轨道交通信号综合运维方法,其步骤包括:
1)信号综合运维平台首先需要解决的是数据采集的问题,针对当前铁路采用的铁路公司、铁路局、电务段、车站的四级管理模式,数据采集机也分布在这四个层次用于采集不同类型的信号数据,并对数据做不同的处理;在铁路公司、铁路局分别部署数据中心、数据采集机和终端,在电务段、车站只部署数据采集机和终端;在车站、电务段、铁路局、铁路公司均部署实时数据分析组件,其中车站、电务段的实时数据分析组件部署于数据采集机内,铁路局、铁路公司的实时数据分析组件部署于数据中心内;
鉴于铁路目前的网络现状,各个铁路内部信号***均是采用2M带宽的有线网络进行数据传输,随着车站采集的信号数据种类和频率的不断提高,单个车站每秒采集到的信号数据约为200-500kb之间,一个电务段有大约几十到上百个车站;这样就导致车站的数据不可能完全传输到电务段;根据这种情况对监测数据采用采集机本地存储的策略,仅把部分数据上传电务段及铁路局、铁路公司;
2)车站的数据采集机采集车站的实时数据,利用在本地部署的实时数据分析组件对信号数据进行预处理、特征提取、特征选择,然后利用分析模型对特征数据进行实时分析,得到信号***当前的运行状态,并会将相应的数据(包括提取的部分特征以及分析结果,也可包括各车站的原始数据)传输至电务段;
3)电务段的数据采集机接受来自内部的各个车站传输过来的数据,利用本地部署的实时数据分析组件对接收的不同车站的数据进行分析,得到整个电务段的分析结果,并将分析结果传输至铁路局的数据采集机;
4)铁路局的数据采集机接收来自各个电务段的数据,并将数据转存到数据中心,然后利用数据中心部署的实时数据分析组件对数据进行处理和分析,并将分析结果及部分特征传输到铁路公司的数据采集机;
5)铁路公司的数据采集机接收铁路局发送过来的数据,并将数据转存至数据中心,利用数据中心的实时数据分析组件进行分析处理,得到铁路公司全局的分析结果;
6)利用部署于铁路公司、铁路局、电务段和车站的终端,进行数据分析结果的展示。
进一步地,还包括步骤7),该步骤对铁路公司、铁路局、电务段及车站存储的数据建立索引,在出现故障时根据该索引快速获取相关时间段及位置的各类信号数据,以便于快速的进行故障分析、定位和解决。
进一步地,所述数据采集机可以复用已有的机器,只需要安装相应的数据存储组件、数据预处理组件、实时数据分析组件和数据传输组件。铁路公司、铁路局的数据采集机只需要部署数据传输组件,不需要完成数据存储、处理的功能。数据采集机的数据存储采用分级存储策略,当铁路网络带宽足够的情况下可以直接将抽取的特征数据传输到上层,这样采集机本地就不需要存储信号数据。
进一步地,所述数据采集机对于采集到的本地信号数据保存在本地***中,然后在上层以元数据的形式来管理数据的存储结构。本发明的一个主要的创新是层次型数据分布式存储方式,并不是简单的分布式存储,而是基于铁路的网络限制而设计的一种新的层次数据存储架构,即:原始数据分别存储在被采集的层次,上层除了存储本层的数据外,还需要存储下层的元数据(元数据这里主要指的是索引数据,也就是下层真实数据的存储信息,比如某些数据存储在什么位置),用于快速的定位数据的具***置,上层通过元数据来管理下层的数据。在数据计算时,也不是简单的将下层分析结果向上传输,除了需要传输分析结果外,还需要传输部分原始数据作为上层数据分析的依据。从而形成一种层次型的数据存储、处理架构。如电务段包括两类数据,一类是电务段本身采集的数据,另外是管区内的各个车站的元数据,包括车站编号、设备编号、时间区间、存储位置等信息,以保障可以快速的定位数据。向上可以此类推。
进一步地,步骤2)中车站的数据采集机通过车站的信号站机获取信号数据,站机首先通过已有的规则判断是否需要进行传输,从而对信号数据进行压缩处理。如电压(也可以是其它信号值)的取值在标准值波动不超过20%(也可以是其它阈值)的情况下,认为数据没有发生变化,则不需要传输。数据采集机通过与车站的信号站机建立socket连接,车站的信号站机将压缩处理后的数据传输到数据采集机,数据采集机利用已有的规则对数据进行还原。
进一步地,步骤2)~5)所述的实时数据分析组件主要是根据得到的特征数据进行故障预测,利用分类模型对特征进行分类,判断是否产生故障。具体地,实时数据分析是根据已经标注的历史信号数据进行分析挖掘得到针对各类故障的分类模型。实时数据分析组件使用的数据分析算法包括支持向量机、贝叶斯分类器、粗糙集、决策树、神经网络等,利用算法对采集到的信号数据在数据中心进行统一的处理,挖掘出故障识别的模型,提供给实时分析组建使用。
进一步地,步骤6)中:所述的车站的终端主要用于展示该车站内部的各类分析结果,包括实时的运行状态,以及各种故障分析结果;电务段的终端主要用于展示该电务段内整体的运行状态,当管区内的车站出现故障的时候,该终端也需要展示对应的故障信息;铁路局的终端,用于展示铁路局层面的运行状态,各种故障报警信息等;铁路公司的终端,用于展示整个铁路公司的运行状态,当车站出现故障时也需要快速的展示和跟踪。
进一步地,步骤7)所述的过程需要首先在各个车站根据存储的数据建立索引,然后将车站的索引文件传输到电务段,电务段对本地采集的数据及接收到的车站索引文件建立二级索引,然后将索引传输至铁路局的数据中心,铁路局的数据中心对接收的各类数据建立三级索引,然后将索引传输至铁路公司的数据中心,铁路公司的数据中心对接收的各类数据建立四级索引,形成一个铁路公司、铁路局、电务段、车站的四级索引。具体实施时可以按照铁路局、电务段、车站、设备等方式建立索引。进而借助于建立的索引文件,可以根据故障的时间、位置信息直接获取到具体的信号数据。
与现有技术相比,本发明的优点是:
本发明统一了铁路信号数据的综合管理,包括数据的采集、数据存储、数据分析以及结果展示。将整个信号数据的生命周期统一管理,形成一个有机的整体,提高了信号数据的利用率。
本发明通过数据采集***,将分散在各个电务段、车站的各种信号数据进行统一的采集和处理,从而改变了各种信号数据相互隔离的现状。为未来对信号数据进行进一步挖掘提供了良好的采集平台。
本发明通过层次性的部署方式,适应了铁路的铁路公司、铁路局、电务段及车站的四级管理模式,并且这种层次性的部署方式也是适用于铁路目前的网络现状,优化了数据集中的方式,大大减少了传输到电务段和铁路公司的数据量。
本发明通过使用模型识别故障,节省了大量的人力成本,不再需要人工的去观察监测信息然后进行故障识别和分析;能够提高轨道交通监测数据故障识别的准确率,缩短故障修复时间,大大提高轨道交通的故障处理效率,提高运维能力。
本发明通过在采集机上直接部署实时数据分析组件,可以实现对信号数据的实时分析,提高了数据分析的实时性,分析结果可以直接在本地进行展示。
本发明通过分级存储和索引的策略实现了对不断增长的信号数据的存储需求,并且通过四层索引结构实现对故障的快速定位,相关人员可以通过故障发生的时间、类型、位置等信息快速的检索到故障发生时对应的信号数据。这样技术人员和管理人员都可以更加快速直接的定位故障,并提出解决方案。
附图说明
图1是铁路信号***组织结构示意图。
图2是本发明的综合运维***的整体架构图。
图3是本发明的数据采集机、数据中心和终端的整体部署图。
图4是本发明数据中心架构图。
图5本发明的综合运维***在数字铁路“一体化”平台中的作用示意图。
图6是实施例中一个25Hz相敏轨道电路区分室内室外故障的流程图。
具体实施方式
下面通过具体实施例和附图,对本发明做详细的说明。
本发明的铁路信号的综合运维方案用于解决现有技术中信号数据分散处理、工作量大、效率低下、风险性高、故障查询困难等技术问题。本发明的用户对象主要是国有铁路和国内的大型企业铁路,如城市轨道交通等。从图1可以看出,铁路信号***内部分为铁路总公司、铁路局、电务段和车站四级。下面结合图1来介绍国铁信号***内部各级部门以及它们对应的职能。
1)铁路总公司
铁路总公司电务部门主管全国各路局的铁路信号设备,是所有监控数据的最终汇集点,设备覆盖面最广、涉及设备种类最全面、用于分析的数据量最大。主要的任务包括:(1)设备角度:随时掌握各路局全部信号设备的工作状态;通过统计报表功能,了解各种信号设备在实际应用中的故障率、故障种类、故障影响等信息;掌握各路局信号设备的维护情况;通过统计报表功能,对不同厂家、不同种类、不同型号的信号设备的综合性能进行比较,为设备采购、运营、维护等提供数据支持及量化参考;通过数据整合分析,发现信号设备的薄弱环节,为设备的升级改造及新***、新设备的引入提供针对性建议;(2)运维角度:掌握各铁路局的运维情况,有针对地安排检查重点、整改重点,防患于未然。
2)铁路局
各路局的信号设备种类相对来说比较统一,主要的任务包括:(1)设备角度:查看各信号设备的报警信息;通过统计报表功能,了解各种信号设备在实际应用中的故障率、故障种类、故障影响等信息;及时了解故障的处理情况;监控所主管信号设备的工作状态;发生故障时,综合对比车载设备和地面设备的报警信息、状态监控信息等,判断导致故障的根本原因;通过统计报表及数据分析等功能,对不同厂商设备进行比较,并向设备厂家提供相应需求及意见;(2)运维角度:掌握所属各个电务段的运维情况,有针对地安排检查重点、整改重点,防患于未然。
3)电务段
对其管内的所有信号设备进行总体监控,对其下属的各车间进行工作指导。进行设备的具体维护工作,又关心各类数据的总体分析处理及比较结果。
4)车站/工区
车站包括普通车间、车载车间、运调车间,有些车站还包括高速车间等。分别用于管理不同的监测设备,包括站内信号设备及区间信号设备、车载设备、CTC、RBC、TDCS等设备。通过综合监控***及时发现故障并识别故障的原因。通过各种统计报表识别故障发生的地点、设备等信息,针对故障发生率较高的位置进行重点的监控,对易出现故障的设备进行统计分析,为设备更换和采购提供依据。
本发明的分级式的数据存储和处理方式非常适用于国铁的分级特点以及各级的数据分析需求。本发明即采用铁路公司、铁路局、电务段、车站的四级模式,在铁路公司、铁路局分别部署数据中心、数据采集机和终端,在电务段、车站只部署数据采集机和终端。在车站、电务段、铁路局、铁路公司部署实时数据分析组件,其中车站、电务段的实时数据分析组件部署于数据采集机内,铁路局、铁路公司的实时数据分析组件部署于数据中心内。铁路局、铁路总公司还需要在数据中心内部署离线数据挖掘***,用于分析挖掘实时数据分析所使用的模型。本发明的方案主要包括下面六个部分的内容:
(1)数据采集:
需要将铁路产生的各类信号数据采集起来,包括通信数据、车载设备数据、车站设备数据、中心设备数据、轨旁设备数据等。
铁路信号包括多种类型,如通信数据、车载数据、轨旁数据、车站数据等,产生的位置也包括车站、电务段、铁路局管理中心、铁路公司中心等,因此数据采集子***也需要部署在车站、电务段、铁路局和铁路公司信号中心。数据采集子***需要根据信号数据的规范,接收并解析信号数据。信号采集子***将采集到的信号数据传输给数据预处理子***,对信号数据进行分析处理。
(2)数据预处理:
数据预处理子***接收来自数据采集子***采集到的信号数据,根据不同的故障,找到与该故障相关的信号数据,然后对数据首先进行去重、去噪等预处理,保证数据的有效性。根据信号数据将数据转换为空间向量模型,并根据需要,利用特征选择算法比如信息增益算法等对特征进行抽取、去重和选择,找到对故障分类有用的特征,最终生成适于模型训练和实时分析的特征向量。
(3)分类模型挖掘:
对于采集到的数据首先进行人工标注,得到标注的各类故障数据,通过这些数据进行训练,可以产生相应的分类模型及参数,用于下一步的信号数据分析。
该子***针对通过对人工标注的历史监测数据的分析,首先对这些已经标注的数据进行数据预处理,产生带标注类别的特征向量,然后选择适当的特征和初始参数对这些数据进行训练,从而得到故障分类的模型。
选择符合规律的模型,对模型进行训练,找到针对具体的故障找到相应的分类模型以及参数,使其对该类故障具有最好的分类效果。
(4)信号数据实时分析:
包括数据过滤、去重、特征提取、特征选择、归一化等步骤,然后利用故障模型对这些数据进行故障预测和分类。该子***接收经过数据预处理子***处理之后的实时信号数据,利用分类模型挖掘子***得到的分类模型对这些数据进行分析计算,得到当前***的运行状态。没有故障的时候进行正常的显示,当出现故障的时候需要以警告的方式来提醒相关人员。
(5)分析结果展示:
该子***即各种显示终端,部署于车站、电务段、铁路局和铁路公司的信号中心,用于实时的显示管辖区的运行状态、及时提醒报警信息、查询信号数据等,提供给现场技术人员和管理人员使用。便于相关人员可以更加直观的了解***当前的运行状态。针对不同层次(车站、电务段、铁路局、铁路公司)的信号数据分析的结果的展示方式和范围也有所不同,车站是实时展示该车站内部的实时分析情况;电务段展示的是管辖所有车站的部分分析结果及所有的故障信息;铁路公司站段展示的是公司内所有电务段、车站的运行状态和分析结果。
对于上面的步骤(2)~(4),在车站和电务段两级因为没有部署数据中心,因此就是在采集机中完成的(即实时数据分析组件);而在铁路局和铁路公司则在数据中心完成。具体实施时,铁路局和铁路公司也可以不需要专门的数据采集机,直接把数据采集组件部署在中心服务器上,实现数据采集机的功能。
(6)对铁路公司、铁路局、电务段及车站存储的数据建立索引,在出现故障时根据该索引快速获取相关时间段及位置的各类信号数据,以便于快速的进行故障分析、定位和解决。
a)分级索引的结构
铁路信号***各级部门只对管辖区内的信号数据进行查询和分析,因此数据需求具有明显的局部性。据铁路***目前的网络现状以及数据需求的特点,采用分级的方式进行信号数据存储,为了快速高效的进行数据查询,采用分级式的数据索引策略。也就是在车站、电务段、铁路局、铁路公司分别采用不同的数据索引结构来保证数据查询的速度。这里引入数据块(Block)的概念,是具有64M固定大小的存储空间,由铁路公司的数据中心服务器对全网的信号数据存储设备进行统一的编号。
b)车站数据索引结构,如表1所示。
表1.车站数据索引结构
workid | deviceid | blockid | offset | length |
workid:车间的编号,在车站内部是唯一的;
deviceid:车间内监测设备的编号;
blockid:数据块编号,这个是全局唯一的编号,数据存储的具***置,可以通过这个id直接映射到对应的物理存储位置;
offset:信号数据在该数据块的起始位置;
length:信号数据的大小,也是数据占用的存储长度;
车站的索引数据在数据存储时生成,并存储在本地机器中,车站终端进行数据查询时,首先到本地机器中读取索引文件,然后根据数据块、偏移量去读取实际数据。
c)电务段数据索引结构
电务段存储两种数据,分别是采集到的实际的信号数据以及索引数据。索引数据也分为两类:车站索引数据的索引;本地数据的索引。本地数据索引与车站数据类似,只是workid变成代表电务段的depotid,如表2所示。
表2.电务段的本地数据索引结构
depotid | deviceid | blockid | offset | length |
表3是车站索引数据的索引的数据结构:
表3.电务段的车站索引数据的索引结构
Stationid | workid | blockid | offset | length |
Stationed:车站的编号,在全路范围内是唯一的;
该索引相对于车站的索引增加了一个车站编号,用于识别车站,一条索引记录就代表了一个车站工区的索引文件存储的具***置,以及索引文件的长度等。
d)铁路局数据索引结构
铁路局与电务段类似,存储的数据分为两类:铁路局本身采集到的数据以及索引数据。其中索引数据分为本地数据索引以及管区内电务段索引的索引。
本地数据索引数据结构如表4所示:
表4.铁路局的本地数据索引数据结构
officeid | deviceid | blockid | offset | length |
Officeid:是铁路局的编号,用于识别该铁路局的唯一编码。
电务段索引的索引数据结构如表5所示:
表5.铁路局的电务段索引的索引数据结构
deoptid | Stationid | blockid | offset | length |
该索引相对于电务段的索引增加了一个电务段编号,用于识别电务段,一条索引记录就代表了一个电务段的索引文件存储的具***置,以及索引文件的长度等。
e)铁路公司数据索引结构
铁路公司与铁路局类似,存储的数据分为两类:铁路公司本身采集到的数据以及索引数据。其中索引数据分为本地数据索引以及各个铁路局索引数据的索引。
本地数据索引数据结构如表6所示:
表6.铁路公司的本地数据索引数据结构
companyid | deviceid | blockid | offset | length |
铁路局索引的索引数据结构如表7所示:
表7.铁路公司的铁路局索引的索引数据结构
officeid | deoptid | blockid | offset | length |
该索引相对于铁路局的索引增加了一个铁路局编号,用于识别铁路局,一条索引记录就代表了一个铁路局的索引文件存储的具***置,以及索引文件的长度等。
通过上述的各级数据存储及索引结构,保证了各级各部门能够根据自身的索引文件快速的查询到管区内的所有信号数据,兼顾了铁路信号***当前网络、存储空间实际情况的情况下保证了信号数据的访问速度。
本发明利用综合运维平台实现了对铁路信号数据的集中管理,实现了对铁路各类信号数据的统一采集和集中存储。数据预处理子***对采集到的各类监测数据进行统一的预处理,抽取出有用的特征以提供给数据挖掘和实时分析使用。分类模型挖掘子***通过对标注的数据进行分析处理,针对具体的故障问题找出合适的分类模型及参数,并将挖掘结果传输给实时数据分析子***使用。数据分析子***利用分类模型对预处理之后实时信号特征数据进行分类,得到故障分析结果,并将该结果传输给结果展示子***,结果展示子***根据本身所处的位置展示相应的分析结果,包括车站内部、电务段内部以及整个铁路公司的运行情况。下面通过图示及实例来具体说明该方法的具体流程:
图2是***的整体架构图,该***包括数据采集***(即数据采集机)、数据中心和终端,数据中心包括结构化数据存储、半结构化数据存储、非结构化数据存储、离线数据处理、实时大数据处理、统计分析、数据挖掘、故障预警、查询引擎、推送引擎等模块。终端可以是各种类型的接收终端,包括PC电脑、笔记本、Pad、智能手机等。
图3是***的部署示意图,分四个层次进行部署,分别为铁路公司、铁路局、电务段和车站。
a)铁路公司
该层次需要部署数据中心、数据采集机和终端。数据中心的具体架构参考图3,因为这个数据中心需要管理和处理整个铁路公司内的所有电务段、车站的各类信号数据,因此需要较大的存储、计算能力。数据采集机主要用于接收各个铁路局发送过来的数据,该机器上需要部署数据采集子***、数据预处理子***,负责将采集到的信号数据预处理之后传输到数据中心即可;终端与数据中心连接用于展示整个公司的运行状态,包括实时信号展示、信号数据查询及故障报警。
b)铁路局
铁路局需要部署一个小型的数据中心、数据采集机以及终端。铁路局数据中心用于接受和处理管辖内电务段上传的信号数据,需要部署包括分布式文件***、并行处理架构、实时数据分析等组件;数据采集机主要用于采集铁路局层面产生的各类信号数据,并对数据进行预处理后传输给数据中心。终端用于展示、查询和预警铁路局内的各类信号数据。
c)电务段
电务段及车站不需要部署数据中心,只需要数据采集机和终端。这些采集机除了具有信号采集的功能外,还具有数据预处理、实时数据分析、数据存储和数据传输的能力。数据采集机采集数据后,对数据进行预处理及实时分析,将分析结果通过本地的终端进行展示,并将部分分析结果及信号数据传输到铁路局数据中心中。电务段的数据采集***接收来自管区内各个车站传输的信号数据和分析结果。终端用于显示和查询各种信号数据和分析结果。
d)车站
车站与电务段一样只需要部署数据采集机及终端,其功能也类似,只是车站的数据采集机只需要采集本车站的信号数据,并将这些数据进行预处理和实时分析,并根据需求将部分数据及分析结果传输给电务段的采集机。终端主要用于展示车站内各种信号数据以及数据的实时分析情况。
图4是数据中心的架构图,主要包括云安全层、基础资源层、虚拟化层、存储***层、计算引擎层、组件层及web集群。云安全层通过数据备份、数据还原和访问控制,保障了***的安全。基础资源层构建了数据中心的硬件平台,该部分可以复用现有的服务器设备。虚拟化层通过虚拟化软件实现对硬件的虚拟化,屏蔽底层的硬件差异,形成一个高可用、可伸缩、可扩展的集群。数据存储层通过分布式文件***、列式数据库、关系数据库构成,分别用于存储非结构化、半结构化和结构化的数据。计算引擎层包括离线数据处理架构MapReduce、实时分布式处理架构spark以及数据移动引擎sqoop和底层资源管理***yarn。Yarn用于根据用户提交的任务来分配存储资源和计算资源用于处理该任务。组件层是具体处理各种业务的组件,包括数据管理组件、数据分析组件、故障诊断组件等。各种数据采集、分析的结果都需要通过B/S或者C/S的架构来发布出去,Web集群是基于负载均衡的服务发布层。
本发明的基于云计算的综合运维***,可以与其它处理平台集成在一起。如图5所示为一种数字铁路一体化平台,采用“通用组件”和“业务插件”的方式构建。其中“数据中心与大数据管理&数据挖掘分析平台”可以以通用组件的方式一本发明为基础实现,是数据采集、存储和数据处理的核心,并与设备综合监控平台、运输平台、运维平台、调度协同平台等集成在一起,共同形成数字铁路一体化平台。
下面通过一个具体的实例来来详细描述平台的工作流程:
图6是一个25Hz相敏轨道电路区分室内室外故障的流程图。轨道电路故障原因分析是一个分类问题,非常适合使用数据挖掘的方法进行分析挖掘。与其相关的信号采集来自于车站设备。首先是模型训练阶段,对已有的数据进行人工标注,标注出那些是有故障的数据。这样就形成了一个训练集,使用数据挖掘子***对这些数据集进行训练,选择贝叶斯分类器作为训练模型,得到对应的各种模型参数。然后将这些分类模型部署在车站的数据采集机中,数据采集机首先接收来自各个监测设备的监测数据,然后对这些数据进行预处理,得到用于分析的特征向量。实时数据分析组件利用得到的分类模型对实时数据进行分析计算,得到***目前是否有故障。然后将故障分析的结果通过展示***进行展示,并将相关的分析结果及特征传输到电务段、铁路局及铁路中心中,用于在更高层面上的分析。
通过数据预处理和特征选择之后,完成的特征提取结果为:
分线盒受端电压 | 甩开电缆端子室外侧电压 | 送端电压 | 数据采集时间戳 |
25.00 | 25.00 | 25.00 | 521365 |
24.00 | 24.00 | 25.00 | 521365 |
27.00 | 27.00 | 27.00 | 521365 |
0.00 | 0.00 | 0.00 | 521365 |
… | … | … | … |
为了简化说明,上表中三个测试点的正常电压值均设置为25v。故障的类型分为三类:
(1)无故障;
(2)故障在室内;
(3)故障在室外;
(4)室内短路;
(5)室内开路;
将上述数据进行向量化,以便于改进贝叶斯分类器进行计算:
实例数据位:
0 1:25.0 2:25.0 3:25.0
0 1:25.0 2:25.0 3:25.0
0 1:25.0 2:25.0 3:25.0
4 1:30.0 2:25.0 3:25.0
4 1:30.0 2:35.0 3:20.0
1 1:0.0 2:0.0 3:0.0
2 1:0.0 2:25.0 3:25.0
3 1:0.0 2:50.0 3:25.0
3 1:15.0 2:50.0 3:25.0
1 1:0.0 2:0.0 3:0.0
1 1:0.0 2:0.0 3:0.0
最前面的一列数字代表故障的类型:
●0表示没有故障
●1表示故障在室内
●2表示故障在室外
●3表示室内短路
●4表示室内开路
以上实施例仅用以说明本发明的技术方案而非对其进行限制,本领域的普通技术人员可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明的精神和范围,本发明的保护范围应以权利要求所述为准。
Claims (10)
1.一种基于云计算的轨道交通信号综合运维***,其特征在于,包括:
数据采集机,用于采集轨道交通信号数据;
数据中心,连接所述数据采集机,包括云安全层、基础资源层、虚拟化层、数据存储层、计算引擎层、组件层及Web集群;其中,云安全层通过数据备份、数据还原和访问控制,保障***的安全;基础资源层是数据中心的硬件平台;虚拟化层通过虚拟化软件实现对硬件的虚拟化,屏蔽底层的硬件差异;数据存储层包括分布式文件***、列式数据库、关系数据库,分别用于存储非结构化、半结构化和结构化的数据;计算引擎层采用云计算处理架;组件层是具体处理各种业务的组件;Web集群是基于负载均衡的服务发布层;
终端,连接所述数据采集机和所述数据中心,用于展示数据分析结果。
2.如权利要求1所述的***,其特征在于:采用铁路公司、铁路局、电务段、车站的四级模式,在铁路公司、铁路局分别部署数据中心、数据采集机和终端,在电务段、车站只部署数据采集机和终端;在车站、电务段、铁路局、铁路公司均部署实时数据分析组件,其中车站、电务段的实时数据分析组件部署于数据采集机内,铁路局、铁路公司的实时数据分析组件部署于数据中心内。
3.如权利要求1所述的***,其特征在于:所述计算引擎层包括离线数据处理架构MapReduce、实时分布式处理架构spark以及数据移动引擎sqoop和底层资源管理***yarn,Yarn用于根据用户提交的任务来分配存储资源和计算资源用于处理该任务。
4.如权利要求1所述的***,其特征在于:所述组件层包括数据管理组件、数据分析组件、故障诊断组件。
5.一种采用权利要求1所述***的基于云计算的轨道交通信号综合运维方法,其步骤包括:
1)采用铁路公司、铁路局、电务段、车站的四级模式,在铁路公司、铁路局分别部署数据中心、数据采集机和终端,在电务段、车站只部署数据采集机和终端;在车站、电务段、铁路局、铁路公司均部署实时数据分析组件,其中车站、电务段的实时数据分析组件部署于数据采集机内,铁路局、铁路公司的实时数据分析组件部署于数据中心内;
2)车站的数据采集机采集车站的实时数据,利用在本地部署的实时数据分析组件对信号数据进行预处理、特征提取和特征选择,然后利用分析模型对特征数据进行实时分析,得到信号***当前的运行状态,并会将相应的数据传输至电务段;
3)电务段的数据采集机接受来自内部的各个车站传输过来的数据,利用本地部署的实时数据分析组件对接收的不同车站的数据进行分析,得到整个电务段的分析结果,并将分析结果传输至铁路局的数据采集机;
4)铁路局的数据采集机接收来自各个电务段的数据,并将数据转存到数据中心,然后利用数据中心部署的实时数据分析组件对数据进行处理和分析,并将分析结果及部分特征传输到铁路公司的数据采集机;
5)铁路公司的数据采集机接收铁路局发送过来的数据,并将数据转存至数据中心,利用数据中心的实时数据分析组件进行分析处理,得到铁路公司全局的分析结果;
6)利用部署于铁路公司、铁路局、电务段和车站的终端,进行数据分析结果的展示。
6.如权利要求5所述的方法,其特征在于:还包括步骤7),该步骤对铁路公司、铁路局、电务段及车站存储的数据建立索引,在出现故障时根据该索引快速获取相关时间段及位置的各类信号数据,以便于快速的进行故障分析、定位和解决。
7.如权利要求6所述的方法,其特征在于,所述建立索引的方法是:首先在各个车站根据存储的数据建立索引,然后将车站的索引文件传输到电务段,电务段对本地采集的数据及接收到的车站索引文件建立二级索引,然后将索引传输至铁路局的数据中心,铁路局的数据中心对接收的各类数据建立三级索引,然后将索引传输至铁路公司的数据中心,铁路公司的数据中心对接收的各类数据建立四级索引,形成一个铁路公司、铁路局、电务段、车站的四级索引。
8.如权利要求7所述的方法,其特征在于,所述四级索引中:
车站数据索引结构包括车间的编号、车间内监测设备的编号、数据块编号、信号数据在数据块的起始位置、信号数据的大小;车站的索引数据在数据存储时生成,并存储在本地机器中,车站终端进行数据查询时,首先到本地机器中读取索引文件,然后根据数据块、偏移量去读取实际数据;
电务段数据索引结构包括本地数据索引和车站索引数据的索引;
铁路局数据索引结构包括本地数据索引和管区内电务段索引数据的索引;
铁路公司数据索引结构包括本地数据索引和各个铁路局索引数据的索引。
9.如权利要求5所述的方法,其特征在于:所述数据采集机对于采集到的本地信号数据保存在本地***中,上层通过元数据来管理下层的数据。
10.如权利要求5所述的方法,其特征在于:步骤2)中车站的数据采集机通过车站的信号站机获取信号数据,车站的信号站机通过已有的规则判断是否需要进行传输,从而对信号数据进行压缩处理;车站的数据采集机与车站的信号站机建立socket连接,车站的信号站机将压缩处理后的数据传输到数据采集机,数据采集机利用所述已有的规则对数据进行还原。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410321145.1A CN104077552B (zh) | 2014-07-07 | 2014-07-07 | 一种基于云计算的轨道交通信号综合运维方法及*** |
PCT/CN2015/075007 WO2016004775A1 (zh) | 2014-07-07 | 2015-03-25 | 一种基于云计算的轨道交通信号综合运维方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410321145.1A CN104077552B (zh) | 2014-07-07 | 2014-07-07 | 一种基于云计算的轨道交通信号综合运维方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104077552A true CN104077552A (zh) | 2014-10-01 |
CN104077552B CN104077552B (zh) | 2017-08-25 |
Family
ID=51598802
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410321145.1A Active CN104077552B (zh) | 2014-07-07 | 2014-07-07 | 一种基于云计算的轨道交通信号综合运维方法及*** |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN104077552B (zh) |
WO (1) | WO2016004775A1 (zh) |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104504956A (zh) * | 2014-12-22 | 2015-04-08 | 中国神华能源股份有限公司 | 一种基于虚拟现实的铁路电务训练*** |
CN104890702A (zh) * | 2015-05-27 | 2015-09-09 | 中国铁路总公司 | 一种铁路信号车地综合分析监测*** |
CN104908783A (zh) * | 2015-05-27 | 2015-09-16 | 中国铁路总公司 | 铁路电务综合监测维护***体系架构 |
WO2016004775A1 (zh) * | 2014-07-07 | 2016-01-14 | 北京泰乐德信息技术有限公司 | 一种基于云计算的轨道交通信号综合运维方法及*** |
CN105487501A (zh) * | 2014-10-06 | 2016-04-13 | 费希尔-罗斯蒙特***公司 | 过程工厂中基于自动信号处理的学习 |
CN105574593A (zh) * | 2015-12-18 | 2016-05-11 | 中南大学 | 基于云计算和大数据的轨道状态静态检控***及方法 |
CN105676842A (zh) * | 2016-03-14 | 2016-06-15 | 中国铁路总公司 | 一种高铁列控车载设备故障诊断方法 |
CN106250429A (zh) * | 2016-07-26 | 2016-12-21 | 浪潮软件股份有限公司 | 一种基于sqoop的数据抽取方法 |
CN106341467A (zh) * | 2016-08-30 | 2017-01-18 | 国网江苏省电力公司电力科学研究院 | 基于大数据并行计算的用电信息采集设备状态分析方法 |
CN107316158A (zh) * | 2017-07-05 | 2017-11-03 | 云能服(北京)科技有限公司 | 一种多维作业数据处理方法和装置 |
CN108268023A (zh) * | 2016-12-30 | 2018-07-10 | 上海嘉成轨道交通安全保障***股份公司 | 一种轨道交通站台门远程故障诊断方法及*** |
CN109377090A (zh) * | 2018-11-22 | 2019-02-22 | 湖南铁路科技职业技术学院 | 一种基于云服务的铁路运输数据通讯支撑平台 |
CN109889601A (zh) * | 2019-03-12 | 2019-06-14 | 湖南铁路科技职业技术学院 | 铁路信号微机监测*** |
CN110032090A (zh) * | 2019-04-15 | 2019-07-19 | 深圳众维轨道交通科技发展有限公司 | 一种基于bim+ai实现有轨电车远程监控和授权的方法 |
CN110096383A (zh) * | 2019-04-10 | 2019-08-06 | 卡斯柯信号有限公司 | 一种信号设备维护信息自动分类方法 |
CN110182244A (zh) * | 2019-04-23 | 2019-08-30 | 深圳众维轨道交通科技发展有限公司 | 一种基于云计算和ai智能的有轨电车云平台 |
CN110254471A (zh) * | 2018-03-12 | 2019-09-20 | 上海铁鑫电气科技有限公司 | 一种铁路信号轨道电路引接线断线实时监测设备 |
CN110329319A (zh) * | 2019-06-28 | 2019-10-15 | 卡斯柯信号有限公司 | 一种面向智慧城轨的全自动运行*** |
CN110481605A (zh) * | 2019-08-21 | 2019-11-22 | 沈阳风驰软件股份有限公司 | 一种铁路运输生产管控*** |
CN111106968A (zh) * | 2019-12-31 | 2020-05-05 | 国网山西省电力公司信息通信分公司 | 一种构建信息通信智能调度指挥沙盘的方法 |
CN111292218A (zh) * | 2020-03-10 | 2020-06-16 | 上海申铁信息工程有限公司 | 一种铁路车站设备智能化监控***的构建方法与装置 |
CN111332340A (zh) * | 2020-03-06 | 2020-06-26 | 东莞理工学院 | 一种轨道交通监测数据的存储和处理方法及*** |
CN111369022A (zh) * | 2020-03-10 | 2020-07-03 | 上海申铁信息工程有限公司 | 一种铁路车站运维监控平台与装置 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108075917A (zh) * | 2016-11-18 | 2018-05-25 | 中兴通讯股份有限公司 | 一种数据中心的管理方法及*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101917237A (zh) * | 2010-07-27 | 2010-12-15 | 北京全路通信信号研究设计院 | 一种铁路信号监测方法和*** |
WO2012119879A1 (de) * | 2011-03-07 | 2012-09-13 | Siemens Aktiengesellschaft | Eisenbahnleitsystem |
CN103338261A (zh) * | 2013-07-04 | 2013-10-02 | 北京泰乐德信息技术有限公司 | 一种轨道交通监测数据的存储和处理方法及*** |
CN103391185A (zh) * | 2013-08-12 | 2013-11-13 | 北京泰乐德信息技术有限公司 | 一种轨道交通监测数据的云安全存储和处理方法及*** |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103264717B (zh) * | 2013-05-21 | 2015-12-02 | 北京泰乐德信息技术有限公司 | 一种轨道交通综合监控调度协同与运维信息化*** |
CN104077552B (zh) * | 2014-07-07 | 2017-08-25 | 北京泰乐德信息技术有限公司 | 一种基于云计算的轨道交通信号综合运维方法及*** |
-
2014
- 2014-07-07 CN CN201410321145.1A patent/CN104077552B/zh active Active
-
2015
- 2015-03-25 WO PCT/CN2015/075007 patent/WO2016004775A1/zh active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101917237A (zh) * | 2010-07-27 | 2010-12-15 | 北京全路通信信号研究设计院 | 一种铁路信号监测方法和*** |
WO2012119879A1 (de) * | 2011-03-07 | 2012-09-13 | Siemens Aktiengesellschaft | Eisenbahnleitsystem |
CN103338261A (zh) * | 2013-07-04 | 2013-10-02 | 北京泰乐德信息技术有限公司 | 一种轨道交通监测数据的存储和处理方法及*** |
CN103391185A (zh) * | 2013-08-12 | 2013-11-13 | 北京泰乐德信息技术有限公司 | 一种轨道交通监测数据的云安全存储和处理方法及*** |
Cited By (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016004775A1 (zh) * | 2014-07-07 | 2016-01-14 | 北京泰乐德信息技术有限公司 | 一种基于云计算的轨道交通信号综合运维方法及*** |
CN105487501A (zh) * | 2014-10-06 | 2016-04-13 | 费希尔-罗斯蒙特***公司 | 过程工厂中基于自动信号处理的学习 |
CN105487501B (zh) * | 2014-10-06 | 2020-12-15 | 费希尔-罗斯蒙特***公司 | 过程工厂中基于自动信号处理的学习 |
CN104504956A (zh) * | 2014-12-22 | 2015-04-08 | 中国神华能源股份有限公司 | 一种基于虚拟现实的铁路电务训练*** |
CN104890702A (zh) * | 2015-05-27 | 2015-09-09 | 中国铁路总公司 | 一种铁路信号车地综合分析监测*** |
CN104908783A (zh) * | 2015-05-27 | 2015-09-16 | 中国铁路总公司 | 铁路电务综合监测维护***体系架构 |
CN104908783B (zh) * | 2015-05-27 | 2017-01-18 | 中国铁路总公司 | 铁路电务综合监测维护***体系架构 |
CN105574593A (zh) * | 2015-12-18 | 2016-05-11 | 中南大学 | 基于云计算和大数据的轨道状态静态检控***及方法 |
CN105574593B (zh) * | 2015-12-18 | 2020-05-05 | 中南大学 | 基于云计算和大数据的轨道状态静态检控***及方法 |
CN105676842B (zh) * | 2016-03-14 | 2019-06-18 | 中国铁路总公司 | 一种高铁列控车载设备故障诊断方法 |
CN105676842A (zh) * | 2016-03-14 | 2016-06-15 | 中国铁路总公司 | 一种高铁列控车载设备故障诊断方法 |
CN106250429A (zh) * | 2016-07-26 | 2016-12-21 | 浪潮软件股份有限公司 | 一种基于sqoop的数据抽取方法 |
CN106341467A (zh) * | 2016-08-30 | 2017-01-18 | 国网江苏省电力公司电力科学研究院 | 基于大数据并行计算的用电信息采集设备状态分析方法 |
CN106341467B (zh) * | 2016-08-30 | 2019-11-29 | 国网江苏省电力公司电力科学研究院 | 基于大数据并行计算的用电信息采集设备状态分析方法 |
CN108268023A (zh) * | 2016-12-30 | 2018-07-10 | 上海嘉成轨道交通安全保障***股份公司 | 一种轨道交通站台门远程故障诊断方法及*** |
CN107316158A (zh) * | 2017-07-05 | 2017-11-03 | 云能服(北京)科技有限公司 | 一种多维作业数据处理方法和装置 |
CN110254471A (zh) * | 2018-03-12 | 2019-09-20 | 上海铁鑫电气科技有限公司 | 一种铁路信号轨道电路引接线断线实时监测设备 |
CN109377090A (zh) * | 2018-11-22 | 2019-02-22 | 湖南铁路科技职业技术学院 | 一种基于云服务的铁路运输数据通讯支撑平台 |
CN109889601A (zh) * | 2019-03-12 | 2019-06-14 | 湖南铁路科技职业技术学院 | 铁路信号微机监测*** |
CN110096383A (zh) * | 2019-04-10 | 2019-08-06 | 卡斯柯信号有限公司 | 一种信号设备维护信息自动分类方法 |
CN110096383B (zh) * | 2019-04-10 | 2022-08-30 | 卡斯柯信号有限公司 | 一种信号设备维护信息自动分类方法 |
CN110032090A (zh) * | 2019-04-15 | 2019-07-19 | 深圳众维轨道交通科技发展有限公司 | 一种基于bim+ai实现有轨电车远程监控和授权的方法 |
CN110182244A (zh) * | 2019-04-23 | 2019-08-30 | 深圳众维轨道交通科技发展有限公司 | 一种基于云计算和ai智能的有轨电车云平台 |
CN110329319A (zh) * | 2019-06-28 | 2019-10-15 | 卡斯柯信号有限公司 | 一种面向智慧城轨的全自动运行*** |
CN110329319B (zh) * | 2019-06-28 | 2021-09-03 | 卡斯柯信号有限公司 | 一种面向智慧城轨的全自动运行*** |
CN110481605A (zh) * | 2019-08-21 | 2019-11-22 | 沈阳风驰软件股份有限公司 | 一种铁路运输生产管控*** |
CN110481605B (zh) * | 2019-08-21 | 2022-02-08 | 沈阳风驰软件股份有限公司 | 一种铁路运输生产管控*** |
CN111106968A (zh) * | 2019-12-31 | 2020-05-05 | 国网山西省电力公司信息通信分公司 | 一种构建信息通信智能调度指挥沙盘的方法 |
CN111332340A (zh) * | 2020-03-06 | 2020-06-26 | 东莞理工学院 | 一种轨道交通监测数据的存储和处理方法及*** |
CN111369022A (zh) * | 2020-03-10 | 2020-07-03 | 上海申铁信息工程有限公司 | 一种铁路车站运维监控平台与装置 |
CN111292218A (zh) * | 2020-03-10 | 2020-06-16 | 上海申铁信息工程有限公司 | 一种铁路车站设备智能化监控***的构建方法与装置 |
Also Published As
Publication number | Publication date |
---|---|
CN104077552B (zh) | 2017-08-25 |
WO2016004775A1 (zh) | 2016-01-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104077552A (zh) | 一种基于云计算的轨道交通信号综合运维方法及*** | |
CN103699698B (zh) | 一种基于改进贝叶斯的轨道交通故障识别方法及*** | |
CN110059631B (zh) | 接触网非接触式监测缺陷识别方法 | |
CN104931851B (zh) | 一种输电线路雷击故障智能分析平台及分析方法 | |
CN105574593B (zh) | 基于云计算和大数据的轨道状态静态检控***及方法 | |
CN103714348A (zh) | 一种基于决策树的轨道交通故障诊断方法和*** | |
CN104908783B (zh) | 铁路电务综合监测维护***体系架构 | |
CN101846999A (zh) | 一种高速综合检测列车检测设备的监控方法、装置及*** | |
CN105676842A (zh) | 一种高铁列控车载设备故障诊断方法 | |
CN108860223B (zh) | 一种数据处理***及方法 | |
CN103986758A (zh) | 一种高速动车组运行故障数据远程实时传输和智能分析判断*** | |
CN112622990A (zh) | 城轨地铁车辆智能运维管理*** | |
CN102625339A (zh) | 铁路机车综合无线通信设备运用状态的监测*** | |
CN105083331A (zh) | 一种机车整备作业管理*** | |
CN103241269A (zh) | 现代有轨电车综合调度与控制*** | |
CN109245305A (zh) | 一种光伏电站自动预警云平台及*** | |
CN105404968A (zh) | 一种基于gis的输电线路中枢管理*** | |
CN107124325A (zh) | 一种电力通信网运行安全评估方法及*** | |
CN112948457A (zh) | 客运索道检测监测与健康诊断***、方法、介质、设备 | |
CN111650918A (zh) | 一种垂直电梯全寿命周期运行安全监测*** | |
CN106846168A (zh) | 输电线路交叉跨越的处理装置以及*** | |
CN102509191A (zh) | 一种井下人员跟踪管理*** | |
CN111311133B (zh) | 一种应用于电网生产设备的监测*** | |
CN204515433U (zh) | 职业病健康安全数据实时监测及信息管理*** | |
CN106485420A (zh) | 一种应用于铁路车辆检修作业过程的综合评价方法和*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |