CN114840588A - 铁路机务数据集成管理方法、***、设备及介质 - Google Patents
铁路机务数据集成管理方法、***、设备及介质 Download PDFInfo
- Publication number
- CN114840588A CN114840588A CN202210382484.5A CN202210382484A CN114840588A CN 114840588 A CN114840588 A CN 114840588A CN 202210382484 A CN202210382484 A CN 202210382484A CN 114840588 A CN114840588 A CN 114840588A
- Authority
- CN
- China
- Prior art keywords
- data
- locomotive
- railway
- analysis
- alarm
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 125
- 230000003137 locomotive effect Effects 0.000 claims abstract description 170
- 238000004458 analytical method Methods 0.000 claims abstract description 122
- 238000012423 maintenance Methods 0.000 claims abstract description 65
- 238000005457 optimization Methods 0.000 claims abstract description 49
- 230000004927 fusion Effects 0.000 claims abstract description 45
- 238000000034 method Methods 0.000 claims abstract description 44
- 238000005065 mining Methods 0.000 claims abstract description 35
- 238000012806 monitoring device Methods 0.000 claims abstract description 28
- 238000013500 data storage Methods 0.000 claims abstract description 27
- 238000013523 data management Methods 0.000 claims abstract description 20
- 238000004140 cleaning Methods 0.000 claims abstract description 8
- 238000010606 normalization Methods 0.000 claims abstract description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 51
- 238000007418 data mining Methods 0.000 claims description 39
- 238000012545 processing Methods 0.000 claims description 35
- 230000006870 function Effects 0.000 claims description 31
- 238000004519 manufacturing process Methods 0.000 claims description 29
- 238000012544 monitoring process Methods 0.000 claims description 28
- 238000013480 data collection Methods 0.000 claims description 21
- 238000007405 data analysis Methods 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 14
- 230000004044 response Effects 0.000 claims description 14
- 230000002159 abnormal effect Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 12
- 230000003993 interaction Effects 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 6
- 230000005856 abnormality Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000007689 inspection Methods 0.000 claims 2
- 230000005540 biological transmission Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000008439 repair process Effects 0.000 description 7
- 230000010354 integration Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 5
- 238000002360 preparation method Methods 0.000 description 4
- 238000012351 Integrated analysis Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 206010063385 Intellectualisation Diseases 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000005067 remediation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
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
- G06F16/25—Integrating or interfacing systems involving database management systems
-
- 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
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- 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
- G06F16/24—Querying
- G06F16/248—Presentation of query results
-
- 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
- G06F16/289—Object oriented databases
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- 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)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Quality & Reliability (AREA)
- Computational Linguistics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种铁路机务数据集成管理***,包括:机车运行状态采集装置、机车检修养护采集装置、人员作业安全监控装置及铁路机务信息管理平台,铁路机务信息管理平台接收各个装置上传的数据,并对各类数据进行数据清洗和整理,按照数据类型存储至不同的数据管理仓库,针对不同的功能需求,进行数据查询、挖掘、分析和展示,并基于数据融合分析应用模型实现不同来源的数据融合,基于报警决策优化模型实现优化报警辅助决策。本发明方法有效解决了对不同数据进行统一管理的技术问题,并利用大数据分布式数据仓库管理模式对不同类型的数据开展有针对性的数据治理、存储和查询,提高机车技术状态数据的完整性和规范性。
Description
技术领域
本申请涉及数据集成管理领域,特别涉及一种铁路机务数据集成管理方法、***、设备及介质。
背景技术
目前,铁路机务专业是铁路运输***的重要行车专业,主要负责各型机车的运用组织、整备保养、综合检修,以及机车乘务员等多个工种人员的日常管理。作为重要的铁路运输设备,机车的运输生产效率、设备质量状态、整备检修能力、安全管理水平等均会对铁路运输生产能力的稳健提升和经营管理工作的稳步发展产生重要影响。随着铁路进入高质量创新发展阶段,机务专业对于机车数字化、智能化发展的需求不断提高。
我国铁路机车保有量大、类型多样、运转跨度长、运行环境复杂、养护作业难度较大,同时涉及的岗位工种众多、人员数量巨大,如何通过及时、全面地汇集机车的各项技术状态数据,并以此为基础开展一系列的数据汇集与挖掘分析,准确掌握机车的质量安全状态,开展风险研判、安全预警、状态维修等工作,从而保障列车的运行安全和运用质量,是当前机车管理工作中面临的难题。
目前,随着各种监测传感器、检测设备以及各类生产管理信息***的推广应用,围绕机车积累了形式多样的海量数据,数据增量均大幅提升,数据价值日益显现。同时,5G、大数据、人工智能、物联网等新一代信息技术日益成熟,为机车海量数据的高效汇集、可靠分析和深入应用提供了良好的技术基础。
在实现本发明的过程中,发明人发现现有技术中至少存在以下问题:
一是数据质量仍不理想,当前机车的诸多运维作业数据仍需要人工纸质填记后再转录入相应数据存储***,这影响了数据采集的可靠性和实效性;二是数据管理仍较分散,大量机车数据分散存储于不同的生产信息***,“信息孤岛”现象明显,数据标准不统一,制约了数据汇集效率、增加了数据共享成本;三是数据挖掘分析深度不够,数据应用主要停留在存储、查询、统计等基础阶段,深度学习等智能分析技术应用较少,数据的深层价值尚未得到充分挖掘利用,对生产管理决策的支撑作用有待提高。
因此,为了解决现有技术中存在的上述问题,并为适应铁路车辆机务数据管理要求。因此,迫切需要引入先进的大数据管理优化技术,亟需建立一套比较完善的铁路机务数据集成管理方法及其***,实现对数据标准统一,集中数据管理,消除信息孤岛,并且加大数据挖掘和分析力度,为铁路机务生产管理决策提供支撑。
发明内容
本发明提出了一种铁路机务数据集成管理方法、***、设备及介质,可有效地统一数据标准,集中数据管理,消除信息孤岛,并且加大数据挖掘和分析力度。
第一方面,本申请实施例提供了一种铁路机务数据集成管理***,包括:
机车运行状态采集装置:分布设置于机车内部、车体外部及轨道旁,机车运行状态采集装置用于实时采集机车内外部关键设备的运转情况,实时上传关键设备的运行数据、异常数据及报警数据;
机车检修养护装置:由不同工种作业人员携带,机车检修养护装置用于通过登记、扫码或拍照方式,全过程记录作业人员的作业流程,并实时上报设备异常和作业重点数据;
人员作业安全监控装置:分布设置于作业人员的作业岗位,人员作业安全监控装置用于针对不同的作业人员和各个作业环节,监控作业人员的作业状态并实时传输监控数据及人车交互信息;
铁路机务信息管理平台:通过内网及外网连接机车运行状态采集装置、机车检修养护装置及人员作业安全监控装置,铁路机务管理信息平台用于接收各个装置上传的数据,并对各类数据进行数据清洗和整理,按照数据类型存储至不同的数据管理仓库,针对不同的功能需求,进行数据查询、挖掘、分析和展示,并基于数据融合分析应用模型实现不同来源的数据融合,基于报警决策优化模型实现优化报警辅助决策。
优选地,上述铁路机务信息管理平台包括:
数据汇集治理模块:用于将机车运行状态采集装置、机车检修养护装置及人员作业安全监控装置的采集数据进行汇集融合及标准化处理;
数据存储管理模块:用于采用大数据存储方法,对各类采集数据进行存储和管理;
数据挖掘分析模块:用于根据采集数据不同的数据分析及应用需求,对存储的采集数据运用不同的算法和模型进行数据挖掘分析,并生成采集数据的综合分析结果。
优选地,上述铁路机务信息管理平台还包括:
数据展示模块:用于通过人机展示方式,将采集数据的查询、处理及分析结果进行展示;
数据标准规范模块:用于根据行业数据标准及规范,对采集数据的数据汇集治理、数据存储、数据展示进行规范及约束;
数据安全保障模块:用于基于数据安全管理要求,运用数据安全保障措施,提升采集数据的安全性;
应用功能集市模块:用于收集行业相关的应用需求,对应用需求进行综合整理、归纳和管理,为铁路业务提供行业需求支持;
算法模型仓库模块,用于构建并管理各种分析模型及挖掘算法,为采集数据的分析、挖掘和展示提供算法及模型支持。
优选地,上述数据挖掘分析模块包括:
数据融合分析应用模型:用于将不同来源的采集数据进行规范化处理,并针对不同的应用需求,运用挖掘算法模型库,进行采集数据的融合分析;
报警决策优化模型:用于将采集数据的目标数据与报警预设阈值进行比对,并对报警响应策略和报警阈值区间进行闭环优化,输出报警辅助决策结果。
第二方面,本发明实施例提供一种铁路机务数据集成管理方法,采用如上铁路机务数据集成管理***,包括:
机车运行状态采集步骤:实时采集机车内外部关键设备的运转情况,实时上传关键设备的运行数据、异常数据及报警数据;
机车检修养护步骤:通过登记、扫码或拍照方式,全过程记录作业人员的作业流程,并实时上报设备异常和作业重点数据;
人员作业安全监控步骤:针对不同的作业人员和各个作业环节,监控作业人员的作业状态并实时传输监控数据及人车交互信息;
铁路机务信息管理步骤:接收各个装置上传的数据,并对各类数据进行数据清洗和整理,按照数据类型存储至不同的数据管理仓库,针对不同的功能需求,进行数据查询、挖掘、分析和展示,并基于数据融合分析应用模型实现不同来源的数据融合,基于报警决策优化模型实现优化报警辅助决策。
优选地,上述铁路机务信息管理步骤包括:
数据汇集治理步骤:将采集数据进行汇集融合及标准化处理;
数据存储管理步骤:采用大数据存储方法,对各类采集数据进行存储和管理;
数据挖掘分析步骤:根据采集数据不同的数据分析及应用需求,对存储的采集数据运用不同的算法和模型进行数据挖掘分析,并生成采集数据的综合分析结果。
优选地,上述铁路机务信息管理步骤还包括:
数据展示步骤:通过人机展示方式,将采集数据的查询、处理及分析结果进行展示;
数据标准规范步骤:根据行业数据标准及规范,对采集数据的数据汇集治理、数据存储、数据展示进行规范及约束;
数据安全保障步骤:基于数据安全管理要求,运用数据安全保障措施,提升采集数据的安全性;
应用功能集市步骤:收集行业相关的应用需求,对应用需求进行综合整理、归纳和管理,为铁路业务提供行业需求支持;
算法模型仓库步骤:构建并管理各种分析模型及挖掘算法,为采集数据的分析、挖掘和展示提供算法及模型支持。
优选地,上述数据挖掘分析步骤包括:
数据融合分析应用步骤:将不同来源的采集数据进行规范化处理,并针对不同的应用需求,运用挖掘算法模型库,进行采集数据的融合分析;
报警决策优化步骤:将采集数据的目标数据与报警预设阈值进行比对,并对报警响应策略和报警阈值区间进行闭环优化,输出报警辅助决策结果。
优选地,上述数据融合分析应用步骤包括:
数据初始化步骤:采集数据形成可用集合D,D=(d1,d2,...,di,...,dn),其中,1≤i≤n,di为由第i个采集数据;
融合优化步骤:将数据集合G输入函数Φ0(x)中,计算得到分析结果W0,将W0送入参数优化函数ψ0(x),计算得到优化后的参数值,并迭代赋予函数Φ0(x)。
优选地,上述报警决策优化步骤包括:
预报警计算步骤:计算预报警数据y0:
其中,报警阈值区间[XΔmin,XΔmax],当y0<0,生产数据正常,平台不触发报警;当0≤y0≤1,生产数据触发报警响应,且报警的严重程度随着y0的值由0向1增大逐渐提高;当y0>1,数据采集***出现异常情况。
第三方面,本申请实施例提供了一种服务器设备,包括存储器、处理器以及存储在所述存储器上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上任一项所述铁路机务数据集成管理方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上任一项所述的铁路机务数据集成管理方法。
相比于相关现有技术,具有以下突出的有益效果:
1、本发明实施例提出的铁路机车技术状态自动集成分析方法及***,针对铁路机车不同的作业场景,将数据管理及分析***与不同类型的数据采集终端相结合,同时通过移动互联网与铁路内网有机结合的方式,加强数据的融合汇集及标准化治理。
2、同时,本发明通过创建内涵丰富的数据挖掘及分析机制,容纳可服务于多个分析应用场景的分析模型及模型优化方法,充分激活数据的内在价值,从而构建起覆盖机车多个运输生产环节的有机的可持续的数据集成分析体系,从而有效提高数据的质量及实效性;
3、本发明同时突破了数据壁垒,完善了数据架构,加强了数据融合,减轻了人员作业强度,提升了生产作业质量。
4、本发明通过数据的汇集融合、高效治理、科学管理及深度分析,进一步提升了数据的实效性、可靠性和安全性,进一步提高了数据挖掘的深度、广度及分析精度,进一步促进了铁路机务专业的智能化应用水平。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本发明铁路机务数据集成管理结构示意图;
图2为本发明实施例铁路机务数据集成管理***结构示意图;
图3为本发明实施例铁路机务管理信息平台的总体技术架构示意图;
图4为本发明实施例数据融合分析应用模型的数据处理流程示意图;
图5为本发明实施例报警决策优化模型的数据处理流程示意图;
图6为本发明铁路机务数据集成管理方法流程图;
图7为本发明硬件设备结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行描述和说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。基于本申请提供的实施例,本领域普通技术人员在没有作出创造性劳动的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。
显而易见地,下面描述中的附图仅仅是本申请的一些示例或实施例,对于本领域的普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图将本申请应用于其他类似情景。此外,还可以理解的是,虽然这种开发过程中所作出的努力可能是复杂并且冗长的,然而对于与本申请公开的内容相关的本领域的普通技术人员而言,在本申请揭露的技术内容的基础上进行的一些设计,制造或者生产等变更只是常规的技术手段,不应当理解为本申请公开的内容不充分。
本申请的一个或多个实施例的细节在以下附图和描述中提出,以使本申请的其他特征、目的和优点更加简明易懂。
在本申请中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是,本申请所描述的实施例在不冲突的情况下,可以与其它实施例相结合。
除非另作定义,本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制,可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形,意图在于覆盖不排他的包含;例如包含了一系列步骤或模块(单元)的过程、方法、***、产品或设备没有限定于已列出的步骤或单元,而是可以还包括没有列出的步骤或单元,或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电气的连接,不管是直接的还是间接的。本申请所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象,不代表针对对象的特定排序。
本发明提出的一种铁路机车技术状态数据自动集成分析方法及***,将各种铁路机车运行状态采集装置、铁路机车检修养护手持终端及铁路人员作业安全监控装置所采集的机车技术状态相关数据,通过移动互联网及铁路内网实时汇集至铁路机务管理信息平台,增强机车技术状态数据的实效性和可靠性。铁路机务管理信息平台对不同数据进行统一管理,并利用大数据分布式数据仓库管理模式对不同类型的数据开展有针对性的数据治理、存储和查询,提高机车技术状态数据的完整性和规范性。同时,铁路机务管理信息平台可提供一系列数据挖掘算法及分析模型,开展大数据分析,挖掘数据的潜藏价值,为机务运输生产管理提供决策依据,提升铁路机务专业的信息化、数字化和智能化水平。
为解决现有技术问题,本发明旨在解决现有技术方案中数据采集手段落后、数据质量不佳、数据管理分散、数据共享不畅、数据挖掘深度不足等问题。
本发明提出的一种铁路机车技术状态数据自动集成分析方法及***,可提高机车技术状态数据采集效率和质量,完善数据汇集融合及管理体系,提高数据挖掘及分析能力,促进铁路机务专业的智能化发展。
图1为本发明铁路机务数据集成管理***的示意图,如图1所示,本申请实施例提供了一种铁路机务数据集成管理***,包括:
机车运行状态采集装置10:分布设置于机车内部、车体外部及轨道旁,机车运行状态采集装置用于实时采集机车内外部关键设备的运转情况,实时上传关键设备的运行数据、异常数据及报警数据;
机车检修养护装置20:由不同工种作业人员携带,机车检修养护装置用于通过登记、扫码或拍照方式,全过程记录作业人员的作业流程,并实时上报设备异常和作业重点数据;
人员作业安全监控装置30:分布设置于作业人员的作业岗位,人员作业安全监控装置用于针对不同的作业人员和各个作业环节,监控作业人员的作业状态并实时传输监控数据及人车交互信息;
铁路机务信息管理平台40:通过内网及外网连接机车运行状态采集装置、机车检修养护装置及人员作业安全监控装置,铁路机务管理信息平台用于接收各个装置上传的数据,并对各类数据进行数据清洗和整理,按照数据类型存储至不同的数据管理仓库,针对不同的功能需求,进行数据查询、挖掘、分析和展示,并基于数据融合分析应用模型实现不同来源的数据融合,基于报警决策优化模型实现优化报警辅助决策。
优选地,上述铁路机务信息管理平台40包括:
数据汇集治理模块:用于将机车运行状态采集装置、机车检修养护装置及人员作业安全监控装置的采集数据进行汇集融合及标准化处理;
数据存储管理模块:用于采用大数据存储方法,对各类采集数据进行存储和管理;
数据挖掘分析模块:用于根据采集数据不同的数据分析及应用需求,对存储的采集数据运用不同的算法和模型进行数据挖掘分析,并生成采集数据的综合分析结果。
进一步的,上述铁路机务信息管理平台40还包括:
数据展示模块:用于通过人机展示方式,将采集数据的查询、处理及分析结果进行展示;
数据标准规范模块:用于根据行业数据标准及规范,对采集数据的数据汇集治理、数据存储、数据展示进行规范及约束;
数据安全保障模块:用于基于数据安全管理要求,运用数据安全保障措施,提升采集数据的安全性;
应用功能集市模块:用于收集行业相关的应用需求,对应用需求进行综合整理、归纳和管理,为铁路业务提供行业需求支持;
算法模型仓库模块,用于构建并管理各种分析模型及挖掘算法,为采集数据的分析、挖掘和展示提供算法及模型支持。
优选地,上述数据挖掘分析模块包括:
数据融合分析应用模型:用于将不同来源的采集数据进行规范化处理,并针对不同的应用需求,运用挖掘算法模型库,进行采集数据的融合分析;
报警决策优化模型:用于将采集数据的目标数据与报警预设阈值进行比对,并对报警响应策略和报警阈值区间进行闭环优化,输出报警辅助决策结果。
以下结合附图对本发明具体实施例进行详细说明:
本发明提出的铁路机车技术状态数据自动集成分析方法及***,包括:铁路机务管理信息平台以及铁路机车运行状态采集装置、铁路机车检修养护手持终端、铁路人员作业安全监控装置等多种数据采集装置,以及平台总体技术架构、数据融合分析应用模型和报警决策优化模型。
铁路机务管理信息平台通过铁路内网及移动互联网与铁路机车运行状态采集装置、铁路机车检修养护手持终端及铁路人员作业监控装置等进行通信连接;
铁路机车运行状态采集装置,用于针对机车运行中的相关运输生产环节,全过程监控各个机车重要部件的运转状态并实时采集各类参数;
铁路机车检修养护手持终端,用于针对机车整备及检修作业中的相关生产环节,通过为作业人员配备手持终端的方式,及时并准确地汇集机车整备检修作业中的相关数据;
铁路人员作业安全监控装置,用于针对不同的人员工种和作业环节,监控人员的作业状态并实时传输相关监控数据;
平台总体技术架构,用于对铁路机务管理信息平台进行总体技术架构设计,完善数据处理流程、提升数据分析能力、确保数据应用质量;
数据融合分析应用模型,用于将不同来源的数据进行规范化处理,并针对不同的应用需求,运用相应的分析算法,进行综合分析应用;
报警决策优化模型,用于针对安全预警智能分析这一数据应用场景,将目标数据与报警阈值进行比对,同时对阈值区间进行闭环优化,从而形成针对性较强的报警及辅助决策结果。
其中,铁路机车运行状态采集装置及铁路人员作业安全监控装置主要通过固定式装置进行数据采集,其数据传输方式涉及移动互联网传输及铁路内网传输2种方式。
其中,铁路机车检修养护手持终端通过移动式手持装置进行数据采集,其数据传输方式主要以移动互联网传输为主。
其中,报警决策优化模型是数据融合分析应用模型针对某一特殊应用的具体实现,这些数据、模型及算法均保存于铁路机务管理信息平台当中。
本发明具体实施例提出了一种铁路机车技术状态数据自动集成分析方法及***,如图2所示,该***包括:铁路机务管理信息平台11以及铁路机车运行状态采集装置21、铁路机车检修养护手持终端22、铁路人员作业安全监控装置23等多种数据采集装置。铁路机务管理信息平台11通过铁路内网及移动互联网与铁路机车运行状态采集装置21、铁路机车检修养护手持终端22、铁路人员作业安全监控装置23等多种数据采集装置进行通信连接;铁路机车运行状态采集装置21,用于针对机车运行中的相关运输生产环节,全过程监控各个机车重要部件的运转状态并实时采集各类参数,并通过移动互联网或者铁路内网与铁路机务信息管理平台连接;铁路机车检修养护手持终端22,用于针对机车整备及检修作业中的相关生产环节,通过为作业人员配备手持终端的方式,及时并准确地汇集机车整备检修作业中的相关数据,并依次通过移动互联网和铁路内网与铁路机务信息管理平台连接;铁路人员作业安全监控装置23,用于针对不同的人员工种和作业环节,监控人员的作业状态并实时传输相关监控数据,并通过移动互联网或者铁路内网与铁路机务信息管理平台连接。
同时,本发明实施例还对所提出的铁路机务管理信息平台进行了总体技术架构设计,如图3所示,该总体技术架构包括:数据汇集治理层111、数据存储管理层112、数据挖掘分析层113、数据展示应用层114,以及数据标准规范模块115、数据安全保障模块116、应用功能集市模块117和算法模型仓库模块118。数据汇集治理层111,用于将铁路机车运行状态采集装置21、铁路机车检修养护手持终端22、铁路人员作业安全监控装置23等多种数据采集装置所产生的数据进行汇集融合及标准化处理;数据存储管理层112,用于采用一系列大数据存储技术方法,对各类数据进行科学存储和管理;数据挖掘分析层113,用于根据不同的数据分析及应用需求,对所存储的数据运用相应的算法和模型进行挖掘分析,并生成相对应的分析结果;数据展示应用层114,用于通过一系列人机友好的展示方式,将数据查询、处理及分析结果进行展示;数据标准规范模块115,用于根据行业相关数据标准及规范,对数据治理、数据存储、数据展示等环节进行规范及约束;数据安全保障模块116,用于基于一定的数据安全管理要求,运用一系列数据安全保障措施,对数据的安全性加以提升;应用功能集市模块117,用于结合业务需要,对行业所提出的相关应用需求进行整理、归纳和管理;算法模型仓库模块118,用于结合数据挖掘分析需要,持续囊括、构建并管理一系列分析模型及挖掘算法,为数据的分析及展示提供支持。
此外,本发明实施例特别针对总体技术架构中的数据挖掘分析层113,设计了数据融合分析应用模型和报警决策优化模型,分别如图4和图5所示。数据融合分析应用模型,用于将不同来源的数据进行规范化处理,并针对不同的应用需求,运用相应的分析算法,进行综合分析应用;报警决策优化模型,用于针对安全预警智能分析这一数据应用场景,将目标数据与报警阈值进行比对,同时对报警响应策略和报警阈值区间进行闭环优化,从而形成针对性和可操作性较强的报警及辅助决策结果。
本发明实施例在铁路机车的相关技术状态采集环节,围绕运用、养护(含整备及检修)及人员等作业环节及监控重点,采用不同类型的数据采集装置,通过移动互联网及铁路内网,将机车相关数据快速汇集到铁路机务管理信息平台。同时,各类数据在铁路机务管理信息平台内完成处理、整合、存储等步骤,并通过平台所提供的挖掘算法及分析模型,完成数据价值的深层次提取及分析,支撑起更高层次的数字化及智能化应用。
在机车运用环节,各类铁路机车运行状态采集装置(含车内监测传感器、车外轨旁监测设备、行车视频监控设备等)针对不同的行车环节和机车部位,将各类数据以表单、图片、视频、文件等方式,实时传输至铁路机务信息管理平台中的分布式数据仓库。在机车养护环节,通过在机车整备及检修作业中,针对不同的作业场景和工种,配备不同的铁路机车检修养护手持终端,同时通过扫码、填记、拍照等方式,将机车的养护维修状态及相关数据及时采集并传输至铁路机务信息管理平台。此外,在不同的作业场景中,借助铁路人员作业安全监控装置,以视频、音频等方式,实时记录人员的作业状态,并在铁路机务信息管理平台开展监测、分析和预警,从而实现人员作业数据与机车设备数据的综合分析。
其中,铁路机车运行状态采集装置所采集的机车信息主要包括:机车类型、机车号、设备名称、设备位置、技术参数、设备异常等。铁路机车检修养护手持终端所采集的机车相关信息主要包括:机车类型、机车号、设备名称、设备位置、配件名称、作业人员姓名、作业人员工号、作业信息、作业异常等。铁路人员作业安全监控装置所采集的信息主要包括:作业人员姓名、作业人员工号、作业人员工种、值乘车次、养护设备名称、作业异常等。
本发明能实时准确地采集包含运用、整备、检修等环节在内的机车全作业环节的各类技术状态数据,降低数据汇集难度和人员分析强度。同时通过数据融合分析应用模型、报警决策优化模型等多种数据分析模型及挖掘算法,有效提高机车相关数据挖掘与分析的效率和准确度。
进一步地,铁路机车检修养护手持终端均为手持式数据采集器。本发明实施例中,采用手持式数据采集终端应用于机车养护维修作业,携带方便,操作简单,场景灵活,成本较低,便于在铁路内部相关业务领域大范围推广。
进一步地,铁路机车运行状态采集装置、铁路机车检修养护手持终端及铁路人员作业安全监控装置针对不同的应用场景,灵活采取有线或无线传输的方式进行数据传输。其中,有线传输方式直接连接铁路内网,无线传输方式则需经由移动互联网,通过网关后,将数据传输至铁路内网,从而扩大应用场景,提升灵活便捷程度,便于在铁路内部相关业务领域大范围推广。
进一步地,数据融合分析应用模型和报警决策优化模型,存在于铁路机务管理信息平台当中,服务于质量盯控、安全报警、风险预测等多种数据综合分析应用需求。算法及模型结构合理、灵活多样、可适性好、应用场景丰富,具有较强的生命力和可移植性,便于在铁路内部相关业务领域大范围推广。
本发明实施例提出的一种铁路机车技术状态自动集成分析方法及***的工作原理如下:
铁路机车在运行过程中,分布于机车内部、车体外部、轨道旁等部位的各种类型的铁路机车运行状态采集装置,以装置各自的设计功能为基础,实时采集机车内部及外部关键设备的运转情况,将运行数据、异常数据、报警数据等通过移动互联网和铁路内网传输至铁路机务信息管理平台;当机车回段后,按照生产安排进入整备场或检修库,不同工种作业人员则携带相应的铁路机车检修养护手持终端进入工区,通过登记、扫码、拍照等方式,全过程记录作业流程,并对设备异常和作业重点进行提报,相关数据则先后通过移动互联网和铁路内网实时传输至铁路机务信息管理平台。在人员参与的作业岗位,通过安装部署相应的铁路人员作业安全监控装置,实时监控采集人员作业情况及人车交互信息,并将数据传输至铁路机务信息管理平台。各类数据传输汇集至铁路机务信息管理平台后,平台对各类数据首先进行数据清洗和整理,并按照数据类型存储至不同的数据管理仓库,然后针对不同的功能需求,开展相对应的数据查询、挖掘、分析和展示,并以此为基础开展进一步的智能化应用,服务于不同的业务场景。这一铁路机车技术状态自动集成分析过程,可避免数据质量参差不齐、数据“孤岛”、数据滞后、人员过度参与等问题,在降低数据汇集难度及人员作业强度的同时,提高数据采集质量、数据汇集效率和数据分析精度。
其中,本发明实施例提出的数据融合分析应用模型的工作原理如下:
首先,n个数据采集装置所分别采集获取的数据可用集合D表示,D=(d1,d2,...,di,...,dn),1≤i≤n,di表示由第i个数据采集装置所采集获取的数据。这些数据在铁路机务管理信息平台当中的数据汇集治理层,各自经过数据标准化处理函数后,形成新的治理后的标准化数据,可用集合G表示,G=(g1,g2,...,gi,...,gn),gi表示数据di经处理后形成的新数据。
之后,铁路机务管理信息平台根据用户所提出的具体分析需求,从算法模型仓库中,选取相对应的分析模型及数据处理算法,用函数Φ0(x)表示。将数据集合G送入函数Φ0(x)中,在数据挖掘分析层经运算后得到运算结果W0。W0即为分析结果,并可据此开展相对应的分析应用。
此外,铁路机务管理信息平台的数据挖掘分析层还为相关分析功能提供了模型及算法参数优化服务。通过将运算结果W0送入参数优化函数ψ0(x),计算得到优化后的参数值,并赋予函数Φ0(x),从而形成闭环优化路径,使分析模型不断优化,分析结果更加精准。
另外,本发明实施例提出的报警决策优化模型的工作原理如下:
之后,在铁路机务管理信息平台当中的数据挖掘分析层,与报警阈值区间[XΔmin,XΔmax]进行比较(XΔmin表示触发报警的最小阈值,XΔmax表示触发报警的最大阈值,XΔmin≠XΔmax),并生成预报警数据y0。然后,根据y0的取值情况,铁路机务管理信息平台对相关分析应用场景进行相应的报警响应,同时提供相适应的辅助决策支持。
y0的计算公式如下:
当y0<0,表示小于XΔmin,生产数据正常,平台不触发报警;当0≤y0≤1,表示落入报警阈值区间[XΔmin,XΔmax]内,生产数据触发报警响应,且报警的严重程度随着y0的值由0向1增大逐渐提高,平台同时根据y0的取值向用户发出相应报警信息,并提供相对应的辅助决策支持;当y0>1,表示已大于所设定的最大报警阈值XΔmax,说明生产及数据采集***出现异常情况,所获得的生产数据超出合理范围,应对相关的生产作业环节或数据采集装置进行检查处置。
此外,铁路机务管理信息平台的数据挖掘分析层还为报警决策优化模型提供了基于大数据挖掘的针对决策支持策略及阈值区间优化服务。在预报警数据y0经过一段时间的积累后,对相应数据集利用分析算法进行挖掘分析。该数据挖掘算法由f2(x)表示,一般可采用聚类算法或分类算法。待分析完成后,将分析结果与现有的报警辅助决策支持策略相比较,并利用专家知识,对报警分级、响应办法、处置方法等相关策略进行优化,从而提高报警发生后所产生的辅助决策支持的精准度和可行性。同时,基于优化后的报警响应策略,还可对报警阈值区间的取值进行优化,从而形成闭环动态优化路径,使分析模型不断优化,分析结果更加精准。
进一步地,本发明实施例中的铁路机车技术状态自动集成分析***,还可以包括二维码打印机,二维码打印机与铁路机务信息管理平台连接,用于通过铁路机务信息管理平台生成机车不同设备的二维码。二维码包含有对应设备的名称、安装部位、生产制造信息等内容,用于人员在机车的养护维修环节,通过铁路机车检修养护手持终端读取对应设备二维码中的信息,从而简化作业流程、提高作业效率、降低人员作业强度。
本发明实施例还提供一种铁路机务数据集成管理方法,采用如上铁路机务数据集成管理***,如图6所示,包括:
机车运行状态采集步骤S10:实时采集机车内外部关键设备的运转情况,实时上传关键设备的运行数据、异常数据及报警数据;
机车检修养护步骤S20:通过登记、扫码或拍照方式,全过程记录作业人员的作业流程,并实时上报设备异常和作业重点数据;
人员作业安全监控步骤S30:针对不同的作业人员和各个作业环节,监控作业人员的作业状态并实时传输监控数据及人车交互信息;
铁路机务信息管理步骤S40:接收各个装置上传的数据,并对各类数据进行数据清洗和整理,按照数据类型存储至不同的数据管理仓库,针对不同的功能需求,进行数据查询、挖掘、分析和展示,并基于数据融合分析应用模型实现不同来源的数据融合,基于报警决策优化模型实现优化报警辅助决策。
优选地,上述铁路机务信息管理步骤S40包括:
数据汇集治理步骤:将采集数据进行汇集融合及标准化处理;
数据存储管理步骤:采用大数据存储方法,对各类采集数据进行存储和管理;
数据挖掘分析步骤:根据采集数据不同的数据分析及应用需求,对存储的采集数据运用不同的算法和模型进行数据挖掘分析,并生成采集数据的综合分析结果。
优选地,上述铁路机务信息管理步骤S40还包括:
数据展示步骤:通过人机展示方式,将采集数据的查询、处理及分析结果进行展示;
数据标准规范步骤:根据行业数据标准及规范,对采集数据的数据汇集治理、数据存储、数据展示进行规范及约束;
数据安全保障步骤:基于数据安全管理要求,运用数据安全保障措施,提升采集数据的安全性;
应用功能集市步骤:收集行业相关的应用需求,对应用需求进行综合整理、归纳和管理,为铁路业务提供行业需求支持;
算法模型仓库步骤:构建并管理各种分析模型及挖掘算法,为采集数据的分析、挖掘和展示提供算法及模型支持。
优选地,上述数据挖掘分析步骤包括:
数据融合分析应用步骤:将不同来源的采集数据进行规范化处理,并针对不同的应用需求,运用挖掘算法模型库,进行采集数据的融合分析;
报警决策优化步骤:将采集数据的目标数据与报警预设阈值进行比对,并对报警响应策略和报警阈值区间进行闭环优化,输出报警辅助决策结果。
优选地,上述数据融合分析应用步骤包括:
数据初始化步骤:采集数据形成可用集合D,D=(d1,d2,...,di,...,dn),其中,1≤i≤n,di为由第i个采集数据;
融合优化步骤:将数据集合G输入函数Φ0(x)中,计算得到分析结果W0,将W0送入参数优化函数ψ0(x),计算得到优化后的参数值,并迭代赋予函数Φ0(x)。
优选地,上述报警决策优化步骤包括:
预报警计算步骤:计算预报警数据y0:
其中,报警阈值区间[XΔmin,XΔmax],当y0<0,生产数据正常,平台不触发报警;当0≤y0≤1,生产数据触发报警响应,且报警的严重程度随着y0的值由0向1增大逐渐提高;当y0>1,数据采集***出现异常情况。
本申请实施例提供了一种服务器设备,包括存储器、处理器以及存储在所述存储器上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上任一项所述铁路机务数据集成管理方法。
另外,结合图1描述的本申请实施例的铁路机务数据集成管理可以由服务器设备来实现。图7为根据本申请实施例的服务器设备的硬件结构示意图。
计算机设备可以包括处理器81以及存储有计算机程序指令的存储器82。
具体地,上述处理器81可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit,简称为ASIC),或者可以被配置成实施本申请实施例的一个或多个集成电路。
在其中一些实施例中,计算机设备还可包括通信接口83和总线80。其中,如图7所示,处理器81、存储器82、通信接口83通过总线80连接并完成相互间的通信。
本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上任一项所述的铁路机务数据集成管理方法。
相比于现有技术,本发明能够对不同数据进行统一管理,并利用大数据分布式数据仓库管理模式对不同类型的数据开展有针对性的数据治理、存储和查询,提高机车技术状态数据的完整性和规范性。同时,铁路机务管理信息平台可提供一系列数据挖掘算法及分析模型,开展大数据分析,挖掘数据的潜藏价值,为机务运输生产管理提供决策依据,提升铁路机务专业的信息化、数字化和智能化水平。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (12)
1.一种铁路机务数据集成管理***,其特征在于,包括:
机车运行状态采集装置:分布设置于机车内部、车体外部及轨道旁,所述机车运行状态采集装置用于实时采集所述机车内外部关键设备的运转情况,实时上传所述关键设备的运行数据、异常数据及报警数据;
机车检修养护采集装置:由不同工种作业人员携带,所述机车检修养护装置用于通过登记、扫码或拍照方式,全过程记录所述作业人员的作业流程,并实时上报设备异常和作业重点数据;
人员作业安全监控装置:分布设置于所述作业人员的作业岗位,所述人员作业安全监控装置用于针对不同的所述作业人员和各个作业环节,监控所述作业人员的作业状态并实时传输监控数据及人车交互信息;
铁路机务信息管理平台:通过内网及外网连接所述机车运行状态采集装置、所述机车检修养护装置及所述人员作业安全监控装置,所述铁路机务管理信息平台用于接收各个所述装置上传的采集数据,并对各类所述采集数据进行数据清洗和整理,按照数据类型存储至不同的数据管理仓库,针对不同的功能需求,进行数据查询、挖掘、分析和展示,并基于数据融合分析应用模型实现不同来源的数据融合,基于报警决策优化模型实现优化报警辅助决策。
2.根据权利要求1所述铁路机务数据集成管理***,其特征在于,所述铁路机务信息管理平台包括:
数据汇集治理模块:用于将所述机车运行状态采集装置、所述机车检修养护装置及所述人员作业安全监控装置的采集数据进行汇集融合及标准化处理;
数据存储管理模块:用于采用大数据存储方法,对各类所述采集数据进行存储和管理;
数据挖掘分析模块:用于根据所述采集数据不同的数据分析及应用需求,对存储的所述采集数据运用不同的算法和模型进行数据挖掘分析,并生成所述采集数据的综合分析结果。
3.根据权利要求1所述铁路机务数据集成管理***,其特征在于,所述铁路机务信息管理平台还包括:
所述数据展示模块:用于通过人机展示方式,将所述采集数据的查询、处理及分析结果进行展示;
数据标准规范模块:用于根据行业数据标准及规范,对所述采集数据的数据汇集治理、数据存储、数据展示进行规范及约束;
数据安全保障模块:用于基于数据安全管理要求,运用数据安全保障措施,提升所述采集数据的安全性;
应用功能集市模块:用于收集行业相关的应用需求,对所述应用需求进行综合整理、归纳和管理,为铁路业务提供行业需求支持;
算法模型仓库模块,用于构建并管理各种分析模型及挖掘算法,为所述采集数据的分析、挖掘和展示提供算法及模型支持。
4.根据权利要求2所述铁路机务数据集成管理***,其特征在于,所述数据挖掘分析模块包括:
数据融合分析应用模型:用于将不同来源的所述采集数据进行规范化处理,并针对不同的所述应用需求,运用所述挖掘算法模型库,进行所述采集数据的融合分析;
报警决策优化模型:用于将所述采集数据的目标数据与报警预设阈值进行比对,并对报警响应策略和报警阈值区间进行闭环优化,输出报警辅助决策结果。
5.一种铁路机务数据集成管理方法,采用如权利要求1-4中任意一项所述铁路机务数据集成管理***,其特征在于,包括:
机车运行状态采集步骤:实时采集所述机车内外部关键设备的运转情况,实时上传所述关键设备的运行数据、异常数据及报警数据;
机车检修养护采集步骤:通过登记、扫码或拍照方式,全过程记录所述作业人员的作业流程,并实时上报设备异常和作业重点数据;
人员作业安全监控步骤:针对不同的所述作业人员和各个作业环节,监控所述作业人员的作业状态并实时传输监控数据及人车交互信息;
铁路机务信息管理步骤:接收各个所述装置上传的采集数据,并对各类所述采集数据进行数据清洗和整理,按照数据类型存储至不同的数据管理仓库,针对不同的功能需求,进行数据查询、挖掘、分析和展示,并基于数据融合分析应用模型实现不同来源的数据融合,基于报警决策优化模型实现优化报警辅助决策。
6.根据权利要求5所述铁路机务数据集成管理方法,其特征在于,所述铁路机务信息管理步骤包括:
数据汇集治理步骤:将所述采集数据进行汇集融合及标准化处理;
数据存储管理步骤:采用大数据存储方法,对各类所述采集数据进行存储和管理;
数据挖掘分析步骤:根据所述采集数据不同的数据分析及应用需求,对存储的所述采集数据运用不同的算法和模型进行数据挖掘分析,并生成所述采集数据的综合分析结果。
7.根据权利要求5所述铁路机务数据集成管理方法,其特征在于,所述铁路机务信息管理步骤还包括:
所述数据展示步骤:通过人机展示方式,将所述采集数据的查询、处理及分析结果进行展示;
数据标准规范步骤:根据行业数据标准及规范,对所述采集数据的数据汇集治理、数据存储、数据展示进行规范及约束;
数据安全保障步骤:基于数据安全管理要求,运用数据安全保障措施,提升所述采集数据的安全性;
应用功能集市步骤:收集行业相关的应用需求,对所述应用需求进行综合整理、归纳和管理,为铁路业务提供行业需求支持;
算法模型仓库步骤:构建并管理各种分析模型及挖掘算法,为所述采集数据的分析、挖掘和展示提供算法及模型支持。
8.根据权利要求6所述铁路机务数据集成管理方法,其特征在于,所述数据挖掘分析步骤包括:
数据融合分析应用步骤:将不同来源的所述采集数据进行规范化处理,并针对不同的所述应用需求,运用所述挖掘算法模型库,进行所述采集数据的融合分析;
报警决策优化步骤:将所述采集数据的目标数据与报警预设阈值进行比对,并对报警响应策略和报警阈值区间进行闭环优化,输出报警辅助决策结果。
11.一种服务器设备,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求5至10中任一项所述铁路机务数据集成管理方法。
12.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求5至10中任一项所述的铁路机务数据集成管理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210382484.5A CN114840588A (zh) | 2022-04-12 | 2022-04-12 | 铁路机务数据集成管理方法、***、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210382484.5A CN114840588A (zh) | 2022-04-12 | 2022-04-12 | 铁路机务数据集成管理方法、***、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114840588A true CN114840588A (zh) | 2022-08-02 |
Family
ID=82563293
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210382484.5A Pending CN114840588A (zh) | 2022-04-12 | 2022-04-12 | 铁路机务数据集成管理方法、***、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114840588A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116680751A (zh) * | 2023-05-22 | 2023-09-01 | 江苏龙威中科技术有限公司 | 一种国产平台mes***中数据安全采集与处理方法 |
-
2022
- 2022-04-12 CN CN202210382484.5A patent/CN114840588A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116680751A (zh) * | 2023-05-22 | 2023-09-01 | 江苏龙威中科技术有限公司 | 一种国产平台mes***中数据安全采集与处理方法 |
CN116680751B (zh) * | 2023-05-22 | 2023-11-21 | 江苏龙威中科技术有限公司 | 一种国产平台mes***中数据安全采集与处理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108173929A (zh) | 中低速磁浮列车基于trdp协议的无线上传和专家诊断*** | |
CN103472344B (zh) | 机车车辆整备作业综合智能检测***及检测方法 | |
CN107589695A (zh) | 一种列车组故障预测与健康管理*** | |
CN104077552A (zh) | 一种基于云计算的轨道交通信号综合运维方法及*** | |
CN104932487B (zh) | 一种地铁车辆远程诊断*** | |
CN104731081B (zh) | 用于大功率机车车载数据转储分析的方法及***装置 | |
CN109066971A (zh) | 基于全站业务数据的变电站智能运检管控***及方法 | |
CN204990432U (zh) | 基于rfid的设备巡检管理*** | |
CN105676842A (zh) | 一种高铁列控车载设备故障诊断方法 | |
CN106780828A (zh) | 一种用于转储机车车载数据的转储***及转储方法 | |
CN110135598A (zh) | 一种基于知识服务的高速铁路电务维护辅助*** | |
CN113589096A (zh) | 一种多状态量可组态变电设备边缘计算***及其方法 | |
CN114840588A (zh) | 铁路机务数据集成管理方法、***、设备及介质 | |
CN112685472A (zh) | 一种电网多站融合监控方法、装置、电子设备及存储介质 | |
CN103310499A (zh) | 通信设备巡检*** | |
CN110057515A (zh) | 一种基于深度学习的桥梁缺陷检测***和方法 | |
CN110524553B (zh) | 一种铁路货检机器人智能图像分析*** | |
CN211184122U (zh) | 铁路作业安全防控和大客流预警联动的智能视频分析*** | |
CN110971636A (zh) | 一种智能轨道车辆运维***及方法 | |
CN104692204A (zh) | 一种电梯视频*** | |
CN103754238A (zh) | 轨道车辆门控器运行信息远程集中采集装置及采集方法 | |
CN105956751A (zh) | 一种电网变电设备检修评估管理***及管理方法 | |
CN106383509B (zh) | 一种大功率机车故障预警分析方法 | |
CN105065099A (zh) | Art-ⅲ型柴油车排气后处理装置在线远程监控云平台 | |
CN103761845A (zh) | 一种轨道车辆门运行信息无线采集发送装置及采集方法 |
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 |