CN111274309A - 一种基于多维度数据的全局交通管理设备运行监测方法 - Google Patents
一种基于多维度数据的全局交通管理设备运行监测方法 Download PDFInfo
- Publication number
- CN111274309A CN111274309A CN202010125648.7A CN202010125648A CN111274309A CN 111274309 A CN111274309 A CN 111274309A CN 202010125648 A CN202010125648 A CN 202010125648A CN 111274309 A CN111274309 A CN 111274309A
- Authority
- CN
- China
- Prior art keywords
- data
- traffic management
- fault
- equipment
- management equipment
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000012423 maintenance Methods 0.000 claims abstract description 17
- 238000012163 sequencing technique Methods 0.000 claims abstract description 4
- 238000009434 installation Methods 0.000 claims description 7
- 230000006870 function Effects 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 description 4
- 230000005611 electricity Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/26—Visual data mining; Browsing structured data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于多维度数据的全局交通管理设备运行监测方法,包括以下步骤:(1)将交通管理设备及其网络、电路节点设备运行时涉及的数据维度整理为:采集数据、动态环境数据、大环境数据、故障运维数据四个分类的16个详细数据指标;(2)由运维人员基于经验配置阈值,实现当运行数据触发阈值条件,则预测故障为高可能性故障;(3)按照所配置的阈值模型,对设备的数据进行实时监测,当某个指标触发阈值,则提高排序并高亮提示,提醒运维人员提前处理,防止故障的发生。本发明实现了全局交通管理设备运行的全面数据监测及预警,大大提高了交通管理设备的故障预测准确度,大幅降低了运维人员的劳动强度,提高了工作效率。
Description
技术领域
本发明涉及一种基于多维度数据的全局交通管理设备运行监测方法,属于道路交通和互联网大数据技术领域。
背景技术
交通管理设备安装环境复杂,有路的地方就有交通管理设备。城市道路、高速公路、交叉口、隧道口等位置不同的路况都有交通管理设备的身影。当前依赖多种类的交通管理设备所搜集的数据方便市民的交通出行、提升市民出行体验已经是各大城市的标准配置,并且各管理部门已经出台了准确的管理策略对交通设备的故障情况进行明确的要求,力保故障时尽快处理。但是,对于平时交通设备的运行状态,管理人员关注点做到了“正常”或“故障”,对于设备运行中各项指标与故障的关联,环境对设备运行的影响,没有相应的记录,对“正常”设备的运行,并未梳理标准的监测数据维度,对应配套的监测感知设备也不完善,以人工巡查的方式监测设备,流于表象,以至于故障发生的原因大多数情况是无依据的,必须现场排查,因工作量大,非常耗时,所以在故障预测这块,还有很大的提升空间。目前的难点集中在设备运行的数据维度不清晰,对应的感知设备不完善。
发明内容
本发明所要解决的技术问题在于提供一种基于多维度数据的全局交通管理设备运行监测方法,从而克服上述现有技术的不足。
为解决上述技术问题,本发明的技术方案如下:
基于多维度数据的全局交通管理设备运行监测方法,包括以下步骤:
(1)将每类交通管理设备及其网络、电路节点设备运行时涉及到的数据维度进行全面梳理,整理为:采集数据、动态环境数据、大环境数据、故障运维数据四个分类的16个详细数据指标;
(2)基于上述的所有数据维度,由运维人员基于经验配置阈值,实现当运行数据触发阈值条件,则预测故障为高可能性故障;
(3)按照所配置的阈值模型,对设备的数据进行实时监测,当某个指标触发阈值,则提高排序并高亮提示,提醒运维人员提前处理,防止故障的发生。
上述的基于多维度数据的全局交通管理设备运行监测方法中,所述的采集数据包括设备安装后,在工作过程中设备基于自身基本功能搜集的数据和关于设备安装的详细数据。
上述的基于多维度数据的全局交通管理设备运行监测方法中,所述的动态环境数据包括设备运行密切相关的电、网及电网运行环境最贴近的温度、湿度数据。
上述的基于多维度数据的全局交通管理设备运行监测方法中,所述的大环境数据即自然环境数据,包括:当前时间、天气数据和空气质量数据。
上述的基于多维度数据的全局交通管理设备运行监测方法中,所述的故障运维数据包括故障处理的历史数据统计值。
本发明的有益效果:与现有技术相比,本发明实现了全局交通管理设备运行的全面数据监测及预警,大大提高了交通管理设备的故障预测准确度,大幅降低了运维人员的劳动强度,提高了工作效率。
下面结合具体实施方式对本发明作进一步的说明。
具体实施方式
实施例1:一种基于多维度数据的全局交通管理设备运行监测方法,包括以下步骤:
(1)将每类交通管理设备及其网络、电路节点设备运行时涉及到的数据维度进行全面梳理,整理为:采集数据、动态环境数据、大环境数据、故障运维数据四个分类的16个详细数据指标;
(2)基于上述的所有数据维度,由运维人员基于经验配置阈值,实现当运行数据触发阈值条件,则预测故障为高可能性故障;
(3)按照所配置的阈值模型,对设备的数据进行实时监测,当某个指标触发阈值,则提高排序并高亮提示,提醒运维人员提前处理,防止故障的发生。
采集数据:即设备安装后,在工作过程中设备基于自身基本功能搜集的数据,例如:电警卡口搜集的过车数据、违章数据等;其中,安装后关于安装的详细数据也包含在内,详细指标如下:
1)设备类型-设备细分类型;2)安装点位(地理位置);3)安装位置情况(交叉口、隧道口、路段等);4)安装方向;5)所属项目;6)采集数据-字段1、字段2…(根据实际设备类型接入)。
动态环境数据:即设备运行密切相关的电、网、及电网运行环境最贴近的温度、湿度数据;以市场上售卖的某机柜为例,电、网接口从机柜内牵出,机柜安装了整套的环境监测模块,支持对温度、湿度进行实时监测:1)温度:来源于电、网口所属机柜的监测数据;2)湿度:来源于电、网口所属机柜的监测数据;3)电压:来源于机柜电口监测数据;4)电流:来源于机柜电口监测数据;
大环境数据:即自然环境数据,包括:当前时间、天气数据和空气质量数据,因为,是否是高峰期、空气能见度都会影响交通管理的监控效果,同样是故障,高峰期设备故障的等级应该更高于其他时段的故障处理优先级,这些数据的搜集,将进一步增加管理的掌控力。事件、天气、当地空气质量数据都来源于互联网。
故障运维数据:包括故障处理的历史数据统计值,主要用于评估该单设备是否易坏、是否存在修不好的遗留问题等情况;主要包括近一周、一个月、一年故障次数及修复次数。
本发明的实施方式不限于上述实施例,在不脱离本发明宗旨的前提下做出的各种变化均属于本发明的保护范围之内。
Claims (5)
1.一种基于多维度数据的全局交通管理设备运行监测方法,其特征在于,包括以下步骤:
将每类交通管理设备及其网络、电路节点设备运行时涉及到的数据维度进行全面梳理,整理为:采集数据、动态环境数据、大环境数据、故障运维数据四个分类的16个详细数据指标;
基于上述的所有数据维度,由运维人员基于经验配置阈值,实现当运行数据触发阈值条件,则预测故障为高可能性故障;
按照所配置的阈值模型,对设备的数据进行实时监测,当某个指标触发阈值,则提高排序并高亮提示,提醒运维人员提前处理,防止故障的发生。
2.根据权利要求1所述的基于多维度数据的全局交通管理设备运行监测方法,其特征在于,所述的采集数据包括设备安装后,在工作过程中设备基于自身基本功能搜集的数据和关于设备安装的详细数据。
3.根据权利要求1所述的基于多维度数据的全局交通管理设备运行监测方法,其特征在于,所述的动态环境数据包括设备运行密切相关的电、网及电网运行环境最贴近的温度、湿度数据。
4.根据权利要求1所述的基于多维度数据的全局交通管理设备运行监测方法,其特征在于,所述的大环境数据即自然环境数据,包括:当前时间、天气数据和空气质量数据。
5.根据权利要求1所述的基于多维度数据的全局交通管理设备运行监测方法,其特征在于,所述的故障运维数据包括故障处理的历史数据统计值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010125648.7A CN111274309A (zh) | 2020-02-27 | 2020-02-27 | 一种基于多维度数据的全局交通管理设备运行监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010125648.7A CN111274309A (zh) | 2020-02-27 | 2020-02-27 | 一种基于多维度数据的全局交通管理设备运行监测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111274309A true CN111274309A (zh) | 2020-06-12 |
Family
ID=71000493
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010125648.7A Pending CN111274309A (zh) | 2020-02-27 | 2020-02-27 | 一种基于多维度数据的全局交通管理设备运行监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111274309A (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109325601A (zh) * | 2018-08-21 | 2019-02-12 | 国网江苏省电力有限公司泰州供电分公司 | 物流设备故障监测运维管理方法 |
CN110378492A (zh) * | 2019-05-28 | 2019-10-25 | 长春电力设计有限公司 | 一种加强配网设备运维管控的方法 |
-
2020
- 2020-02-27 CN CN202010125648.7A patent/CN111274309A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109325601A (zh) * | 2018-08-21 | 2019-02-12 | 国网江苏省电力有限公司泰州供电分公司 | 物流设备故障监测运维管理方法 |
CN110378492A (zh) * | 2019-05-28 | 2019-10-25 | 长春电力设计有限公司 | 一种加强配网设备运维管控的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111177101B (zh) | 一种基于大数据架构的配电网多维可视化平台 | |
CN104732058B (zh) | 一种多维度输电设备状态的评估方法 | |
CN104123682A (zh) | 一种基于气象影响因素的配网故障风险评估方法 | |
CN103997298A (zh) | 一种光伏电站的监测数据采集终端及监测数据*** | |
WO2015072531A1 (ja) | 太陽光発電管理装置 | |
CN112531892A (zh) | 一种基于物联网终端的输电线路全寿命监测平台 | |
CN114383652A (zh) | 一种配电网潜在故障在线风险辨识方法、***及装置 | |
CN109003128A (zh) | 基于改进的随机森林公共自行车站点需求量预测方法 | |
CN111582338A (zh) | 一种电动汽车充电设施运行状态评估方法和*** | |
CN115965266A (zh) | 一种基于大数据的智能分析*** | |
CN117458722B (zh) | 基于电力能源管理***的数据监控方法及*** | |
CN110245163A (zh) | 一种电力***运行隐患排查方法 | |
CN113256272A (zh) | 一种电力设备精细化评价*** | |
CN111274309A (zh) | 一种基于多维度数据的全局交通管理设备运行监测方法 | |
CN105652157B (zh) | 基于行波电气量的配电网健康状态分析方法 | |
CN112649696A (zh) | 电网异常状态识别方法 | |
CN117332920A (zh) | 一种新能源场站运行故障演化分析方法 | |
CN103065212A (zh) | 一种基于气象数值预报的输电线路污闪预警***及其方法 | |
CN109245109A (zh) | 一种供电低电压预警***及方法 | |
CN114157237A (zh) | 一种适用于光伏电站的告警和异常的分析处理方法 | |
CN113472068A (zh) | 一种海岛微电网远程运维方法、***及存储介质 | |
CN112256693A (zh) | 一种预测线路故障停电和用户投诉的方法 | |
Li et al. | Research and Design of Power Equipment Operation and Maintenance System Based on Big Data Technology | |
CN104679075B (zh) | 一种母线槽负荷与温升智能分析监测*** | |
LUO et al. | Research on application of intelligent operation and maintenance in conventional substations |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200612 |