CN117892979B - 一种铁路梯车集群管理方法 - Google Patents
一种铁路梯车集群管理方法 Download PDFInfo
- Publication number
- CN117892979B CN117892979B CN202410288856.7A CN202410288856A CN117892979B CN 117892979 B CN117892979 B CN 117892979B CN 202410288856 A CN202410288856 A CN 202410288856A CN 117892979 B CN117892979 B CN 117892979B
- Authority
- CN
- China
- Prior art keywords
- railway
- monitoring
- ladder
- communication
- matching
- 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.)
- Active
Links
- 238000007726 management method Methods 0.000 title abstract description 39
- 238000004891 communication Methods 0.000 claims abstract description 329
- 230000005540 biological transmission Effects 0.000 claims abstract description 308
- 238000012544 monitoring process Methods 0.000 claims abstract description 282
- 238000000034 method Methods 0.000 claims abstract description 91
- 238000004458 analytical method Methods 0.000 claims description 59
- 230000008569 process Effects 0.000 claims description 42
- 238000011156 evaluation Methods 0.000 claims description 37
- 238000012423 maintenance Methods 0.000 claims description 26
- 238000005070 sampling Methods 0.000 claims description 17
- 230000003044 adaptive effect Effects 0.000 claims description 11
- SAZUGELZHZOXHB-UHFFFAOYSA-N acecarbromal Chemical compound CCC(Br)(CC)C(=O)NC(=O)NC(C)=O SAZUGELZHZOXHB-UHFFFAOYSA-N 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 8
- 230000001276 controlling effect Effects 0.000 claims description 4
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 230000006641 stabilisation Effects 0.000 claims description 2
- 238000011105 stabilization Methods 0.000 claims description 2
- 230000003449 preventive effect Effects 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 description 10
- 238000005457 optimization Methods 0.000 description 6
- 238000013439 planning Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000003066 decision tree Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000010354 integration Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000000087 stabilizing effect Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000013486 operation strategy Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Landscapes
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明涉及梯车集群管理技术领域,具体公开一种铁路梯车集群管理方法,该方法包括:获取各铁路梯车的监测数据集,分析比对得到各合格监测铁路梯车,基于各合格监测铁路梯车的对应通信传输链路,获取各通信传输链路的通信数据集,比对得到最佳匹配通信传输链路对应的各匹配监测铁路梯车,获取各匹配监测铁路梯车的启用数据集,分析比对得到适配铁路梯车,对选定适配铁路梯车进行启用管理调控。本发明通过集群管理***对梯车进行监测,及时发现潜在问题并采取预防措施提高***的可靠性,通过智能调度来减少空载行驶、合理分配能源供应,提高梯车的能源利用效率,降低运行成本,识别潜在的安全风险以确保梯车的安全运行。
Description
技术领域
本发明涉及梯车集群管理技术领域,具体为一种铁路梯车集群管理方法。
背景技术
梯车集群管理技术是铁路梯车集群管理方法的重要内容,铁路梯车集群管理技术可以利用实时数据监测梯车的位置、状态和运行情况,通过智能调度算法优化梯车的运行路径,减少等待时间和提高运输效率,通过传感器和监测设备,集群管理***可以实时监测梯车的各种参数,以便及时发现潜在问题并采取预防措施,降低故障发生的可能性,提高***的可靠性,通过智能调度来减少空载行驶、合理分配能源供应等方式,提高梯车的能源利用效率,降低运行成本,集群管理技术可以监控梯车的行为,识别潜在的安全风险,并采取措施以确保梯车的安全运行,这包括在必要时停机、发出警报或自动采取紧急制动等,集群管理***可以通过先进的通信技术,如物联网和无线通信,实现梯车之间、梯车与控制中心之间的高效信息传递,确保***的实时性和协调性,集群管理***可以根据实际使用情况制定合理的维护计划,包括定期检查、预防性维护和故障修复,以确保梯车设备的长期稳定运行。
例如公告号为:CN109508826B的发明专利,公开的一种基于梯度提升决策树的电动汽车集群可调度容量预测方法,基于电池管理***获得电动汽车实时运行信息,对确定可参与电网调度的电动汽车进行分类,计算获得实时电动汽车集群可调度容量,获得特征数据,根据不同时间尺度的需求生成不同时间尺度下的训练集和测试集,采用并行梯度提升决策树算法,根据损失函数取样后利用训练集训练出若干个子决策树模型,经过迭代加权后,基于权值将子决策树模型集成为不同时间尺度下的电动汽车集群可调度容量预测模型,最后将测试集代入预测模型得到预测结果。此发明预测精度高、速度快,有效避免在大规模电动汽车接入电网时可能对电网造成冲击,满足电网调度需求提供不同时间尺度的调度计划。
例如公告号为:CN113450005B的发明专利,公开的一种封闭区域无人驾驶车辆集群管理调度方法及装置,该方法包括:计算能耗最小时,不同载重状态下,每条路径上单车的最优速度策略,并计算出给定工作量范围内,车队中全部车辆的最优运输计划;以计算出的最优速度策略和最优运输计划控制车辆运行;在车辆运行过程中,实时计算当前无人驾驶车辆速度与目标速度之间的差异以及运输时间偏差,并根据计算结果修改运输计划,更新相关车辆速度策略;实时计算当前非运输车辆作业计划与制定作业计划之间的作业位置偏差和作业时间偏差,并根据计算结果修改运输计划,更新相关车辆速度策略。该发明可在交通约束下,获取所有车辆的最优运行策略并根据运行情况实时调整运行策略。
如今,对铁路梯车集群管理方面还存在一些不足,具体体现在当前对铁路梯车集群管理局限于通过各铁路梯车与发出需求地址之间的距离和到达时间进行启用调度,忽略了各铁路梯车对应通信传输链路的通信数据集对铁路梯车集群管理造成的偏差,仅仅依赖各铁路梯车与发出需求地址之间的距离和到达时间无法准确的对铁路梯车进行集群管理,通信数据集对于铁路梯车集群管理至关重要,它可以提供关于梯车位置、状态、速度、运行计划等方面的实时信息,忽略了通信数据集,管理***无法更准确地了解梯车的实际运行情况,进而影响更精准的调度和优化,忽略了通信数据集还导致通信传输链路中可能存在的问题,如信号干扰、传输延迟、数据丢失等,问题可以影响到梯车之间的通信畅通,从而无法保证集群管理***的正常运行,忽略通信数据集,提高了集群管理的不确定性和误差,缺乏通信数据集意味着管理***无法获得实时的梯车信息和网络信息,缺少这方面的信息可能导致对通信链路问题的无感知,从而影响梯车之间的正常通信。
发明内容
针对现有技术的不足,本发明提供了一种铁路梯车集群管理方法,能够有效解决上述背景技术中涉及的问题。
为实现以上目的,本发明通过以下技术方案予以实现:一种铁路梯车集群管理方法,包括:获取各铁路梯车的监测数据集,对获取的各铁路梯车的监测数据集进行分析得到各铁路梯车的监测评估值,比对得到各合格监测铁路梯车。
基于各合格监测铁路梯车的对应通信传输链路,获取各通信传输链路的通信数据集,根据各通信传输链路的通信数据集分析得到各通信传输链路的通信匹配值,比对得到最佳匹配通信传输链路对应的各匹配监测铁路梯车。
基于各匹配监测铁路梯车,获取各匹配监测铁路梯车的启用数据集,根据各匹配监测铁路梯车的启用数据集分析得到各匹配监测铁路梯车的启用匹配值,比对得到适配铁路梯车,对选定适配铁路梯车进行启用管理调控。
作为进一步的方法,获取各铁路梯车的监测数据集,对获取的各铁路梯车的监测数据集进行分析得到各铁路梯车的监测评估值,具体分析过程为:获取各铁路梯车的监测数据集,具体包括各铁路梯车的使用年数、各铁路梯车的维修次数、各铁路梯车的原厂零件更换比例。
基于获取的各铁路梯车的监测数据集综合分析得到各铁路梯车的监测评估值,各铁路梯车的监测评估值作为确认各合格监测铁路梯车的分析依据。
作为进一步的方法,比对得到各合格监测铁路梯车,具体分析过程为:将各铁路梯车的监测评估值与数据库中存储的铁路梯车的监测评估参照值进行比对。
若该铁路梯车的监测评估值低于数据库中存储的铁路梯车的监测评估参照值,则将该铁路梯车标记为不合格监测铁路梯车,对该铁路梯车进行不合格监测提示。
若该铁路梯车的监测评估值高于或等于数据库中存储的铁路梯车的监测评估参照值,则将该铁路梯车标记为合格监测铁路梯车,对该铁路梯车进行合格监测提示。
作为进一步的方法,基于各合格监测铁路梯车的对应通信传输链路,获取各通信传输链路的通信数据集,根据各通信传输链路的通信数据集分析得到各通信传输链路的通信匹配值,具体分析过程为:基于各合格监测铁路梯车获取各合格监测铁路梯车的对应通信传输链路。
获取各通信传输链路的通信数据集,具体包括各通信传输链路的传输速度数据和各通信传输链路的传输性能数据,其中各通信传输链路的传输速度数据包括各通信传输链路的历史平均传输速度、各通信传输链路的历史最高传输速度差、各通信传输链路的历史最高传输通信信号稳定时间,各通信传输链路的传输性能数据包括各通信传输链路的历史信号断联次数、各通信传输链路的历史信噪比、各通信传输链路的历史丢包率。
基于获取的各通信传输链路的传输速度数据和各通信传输链路的传输性能数据综合分析得到各通信传输链路的通信匹配值,各通信传输链路的通信匹配值作为确认最佳匹配通信传输链路对应的各匹配监测铁路梯车的分析依据。
作为进一步的方法,比对得到最佳匹配通信传输链路对应的各匹配监测铁路梯车,具体分析过程为:将分析得到的各通信传输链路的通信匹配值进行比对得到各通信传输链路的通信匹配值的最高值,将各通信传输链路的通信匹配值的最高值对应的通信传输链路标记为最佳匹配通信传输链路。
基于标记的最佳匹配通信传输链路,获取最佳匹配通信传输链路对应的各匹配监测铁路梯车。
作为进一步的方法,基于各匹配监测铁路梯车,获取各匹配监测铁路梯车的启用数据集,具体分析过程为:基于各匹配监测铁路梯车,获取各匹配监测铁路梯车的启用数据集。
各匹配监测铁路梯车的启用数据集具体包括各匹配监测铁路梯车的启用位置数据和各匹配监测铁路梯车的启用装载数据,其中各匹配监测铁路梯车的启用位置数据包括各匹配监测铁路梯车和发出需求地址之间的距离、各匹配监测铁路梯车配备的人力资源数目、各匹配监测铁路梯车到达发出需求地址的时间,各匹配监测铁路梯车的启用装载数据包括各匹配监测铁路梯车的可承载重量、各匹配监测铁路梯车的可装载面积、各匹配监测铁路梯车的高度。
作为进一步的方法,根据各匹配监测铁路梯车的启用数据集分析得到各匹配监测铁路梯车的启用匹配值,具体分析过程为:基于获取的各匹配监测铁路梯车的启用位置数据和各匹配监测铁路梯车的启用装载数据综合分析得到各匹配监测铁路梯车的启用匹配值,各匹配监测铁路梯车的启用匹配值作为确认适配铁路梯车的分析依据。
作为进一步的方法,比对得到适配铁路梯车,对选定适配铁路梯车进行启用管理调控,具体分析过程为:将分析得到的各匹配监测铁路梯车的启用匹配值进行比对,得到各匹配监测铁路梯车的启用匹配值的最高值,将各匹配监测铁路梯车的启用匹配值的最高值对应的该匹配监测铁路梯车标记为适配铁路梯车。
对选定适配铁路梯车进行启用,并对启用后的选定适配铁路梯车进行管理调控。
作为进一步的方法,各通信传输链路的通信匹配值,具体分析过程为:
。
式中,为第j个通信传输链路的通信匹配值,/>为第j个通信传输链路第b个采样点的传输速度匹配值,/>为第j个通信传输链路的传输性能匹配值,/>为设定的通信传输链路的传输速度匹配值的权重因子,/>为设定的通信传输链路的传输性能匹配值的权重因子,/>为设定的通信传输链路的通信匹配值的修正因子,j为各通信传输链路的编号,/>,/>为通信传输链路总个数,b为各通信传输链路各采样点的编号,,c为各通信传输链路采样点总个数。
作为进一步的方法,各匹配监测铁路梯车的启用匹配值,具体分析过程为:
。
式中,为第n个匹配监测铁路梯车的启用匹配值,/>为第n个匹配监测铁路梯车的启用位置匹配值,/>为第n个匹配监测铁路梯车的启用装载匹配值,/>为设定的匹配监测铁路梯车的启用位置匹配值的权重因子,/>为设定的匹配监测铁路梯车的启用装载匹配值的权重因子,/>为设定的匹配监测铁路梯车的启用匹配值的修正因子,n为各匹配监测铁路梯车的编号,/>,/>为匹配监测铁路梯车总个数。
相对于现有技术,本发明的实施例至少具有如下优点或有益效果:
(1)本发明通过提供一种铁路梯车集群管理方法,考虑到了各铁路梯车对应通信传输链路的通信数据集对铁路梯车集群管理造成的偏差,它可以提供关于梯车位置、状态、速度、运行计划等方面的实时信息,通过实时监测通信数据集,管理***可以更准确地了解梯车的实际运行情况,从而进行更精准的调度和优化,通信数据集还可以用于检测和解决通信传输链路中可能存在的问题,如信号干扰、传输延迟、数据丢失等,及时处理这些问题可以确保梯车之间的通信畅通,从而保证集群管理***的正常运行,因此,在铁路梯车集群管理中,除了考虑梯车与发出需求地址之间的距离和到达时间外,还需要充分利用通信数据集,结合实时监测和分析,以实现更精确、高效的集群管理。
(2)本发明通过分析通信传输链路的通信匹配值,通信匹配值可以用于评估通信传输链路的质量,***可以了解到传输链路中可能存在的信号干扰、延迟、数据丢失等问题,帮助运维人员及时发现和解决通信质量方面的异常,通过匹配值的分析,***可以识别出通信传输链路中较好和较差的部分,这有助于优化通信路径,选择更稳定、可靠的通信路径,提高梯车之间的通信效率和可靠性,通过建立匹配值的历史数据,***可以实现对通信链路的故障预警,这有助于提前发现潜在的问题,减少***因通信故障而导致的停机时间,通过匹配值的监测,***可以检测到潜在的安全风险,如网络攻击、数据泄漏等,这有助于及时采取安全措施,确保通信传输链路的安全性。
(3)本发明通过分析铁路梯车的启用数据集,可以帮助***更准确地估计梯车的运输能力和运输需求,从而优化调度和路线规划,提高运输效率,***可以更好地平衡梯车之间的负载情况,避免出现某些梯车负载过重而导致运输不均衡的情况,提高运输资源的利用率,通过优化调度和路线规划,***可以更及时地满足客户的运输需求,提高运输服务的及时性和可靠性,从而提高客户满意度,综合分析铁路梯车的启用数据集可以帮助***更有效地规划梯车的运输路径和装载方案,从而减少空载行驶进而提高梯车的装载率,节约能源和降低运输成本,通过分析铁路梯车的启用数据集,***可以了解到不同梯车的运行情况和负载状态,有助于制定更合理的维护计划,延长梯车的使用寿命,减少故障率,进而实现对铁路梯车更精确、高效的集群管理。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1为本发明的方法流程示意图。
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。
参照图1所示,本发明的第一实施例,提供了一种铁路梯车集群管理方法,包括:获取各铁路梯车的监测数据集,对获取的各铁路梯车的监测数据集进行分析得到各铁路梯车的监测评估值,比对得到各合格监测铁路梯车。
具体的,获取各铁路梯车的监测数据集,对获取的各铁路梯车的监测数据集进行分析得到各铁路梯车的监测评估值,具体分析过程为:获取各铁路梯车的监测数据集,具体包括各铁路梯车的使用年数,铁路梯车的使用年限是指该车辆在运营中的累积使用年限,各铁路梯车的维修次数,维修次数是指铁路梯车在使用时间内进行维修的次数,各铁路梯车的原厂零件更换比例,各铁路梯车的原厂零件更换比例表示梯车所使用的零部件中由原制造厂提供的比例。
基于获取的各铁路梯车的监测数据集综合分析得到各铁路梯车的监测评估值,各铁路梯车的监测评估值作为确认各合格监测铁路梯车的分析依据。
在一个具体的实施例中,各铁路梯车的监测评估值的计算公式为:
。
式中,为第x个铁路梯车的监测评估值,/>为第x个铁路梯车的使用年数,/>为第x个铁路梯车的维修次数,/>为第x个铁路梯车的原厂零件更换比例,/>为铁路梯车的界定使用年数,/>为铁路梯车的界定维修次数,/>为铁路梯车的原厂零件界定更换比例,/>为设定的铁路梯车的使用年数的补偿因子,/>为设定的铁路梯车的维修次数的补偿因子,/>为设定的铁路梯车的原厂零件更换比例的补偿因子,x为各铁路梯车的编号,,/>为铁路梯车总个数。
需要解释的是,上述各铁路梯车的监测评估值是通过各铁路梯车的使用年数、各铁路梯车的维修次数、各铁路梯车的原厂零件更换比例计算得到,综合考虑各铁路梯车的使用年数、各铁路梯车的维修次数、各铁路梯车的原厂零件更换比例等因素,铁路梯车的使用年限是指该车辆在运营中的累积时间,这一因素反映了车辆的老化程度,通常来说,使用年限较短的梯车更可能处于相对较新的状态,拥有更好的性能和安全性,维修次数是指车辆在一定时间内进行维修的次数,较低的维修次数通常表明车辆的稳定性和可靠性较高,而较高的维修次数可能意味着车辆存在故障或者老化问题,需要更频繁的维护,这一指标表示梯车所使用的零部件中有多少是由原制造厂提供的,高比例的原厂零件更换通常表明车辆维护时采用了高质量的替代部件,这可能提高了梯车的可靠性和性能,较新的梯车通常拥有更先进的安全技术和设计,维修次数较低也表明其在运营中的可靠性较高,从而提高了列车运行的整体安全性,较新的梯车通常更为高效,不仅减少了维修次数和停工时间,还能够降低燃料消耗和维护成本,从而降低了运行成本,可靠的梯车可以减少运输中断和故障,提高了整个铁路***的运输效率,保证了货物和乘客的按时到达。
具体的,比对得到各合格监测铁路梯车,具体分析过程为:将各铁路梯车的监测评估值与数据库中存储的铁路梯车的监测评估参照值进行比对。
若该铁路梯车的监测评估值低于数据库中存储的铁路梯车的监测评估参照值,则将该铁路梯车标记为不合格监测铁路梯车,对该铁路梯车进行不合格监测提示。
若该铁路梯车的监测评估值高于或等于数据库中存储的铁路梯车的监测评估参照值,则将该铁路梯车标记为合格监测铁路梯车,对该铁路梯车进行合格监测提示。
基于各合格监测铁路梯车的对应通信传输链路,获取各通信传输链路的通信数据集,根据各通信传输链路的通信数据集分析得到各通信传输链路的通信匹配值,比对得到最佳匹配通信传输链路对应的各匹配监测铁路梯车。
具体的,基于各合格监测铁路梯车的对应通信传输链路,获取各通信传输链路的通信数据集,根据各通信传输链路的通信数据集分析得到各通信传输链路的通信匹配值,具体分析过程为:基于各合格监测铁路梯车获取各合格监测铁路梯车的对应通信传输链路。
获取各通信传输链路的通信数据集,具体包括各通信传输链路的传输速度数据和各通信传输链路的传输性能数据,其中各通信传输链路的传输速度数据包括各通信传输链路的历史平均传输速度,各通信传输链路的历史平均传输速度是指在一段时间内,该通信传输链路上的数据传输速度的平均值,各通信传输链路的历史最高传输速度差,各通信传输链路的历史最高传输速度差指的是在特定通信传输链路上曾经达到的最高传输速度的差值,各通信传输链路的历史最高传输通信信号稳定时间,各通信传输链路的历史最高传输通信信号稳定时间指的是通信传输链路的历史传输通信信号的最长稳定时间,各通信传输链路的传输性能数据包括各通信传输链路的历史信号断联次数,通信传输链路的历史信号断联次数指的是在某一通信传输链路上发生信号中断或连接中断的次数的统计总值,各通信传输链路的历史信噪比,各通信传输链路的历史信噪比是指在通信传输链路上历史上记录的信号与噪声之间的比率,各通信传输链路的历史丢包率,各通信传输链路的历史丢包率指的是在特定通信传输链路上发生的数据包丢失的比例。
基于获取的各通信传输链路的传输速度数据和各通信传输链路的传输性能数据综合分析得到各通信传输链路的通信匹配值,各通信传输链路的通信匹配值作为确认最佳匹配通信传输链路对应的各匹配监测铁路梯车的分析依据。
在一个具体的实施例中,通过分析通信传输链路的通信匹配值,通信匹配值可以用于评估通信传输链路的质量,***可以了解到传输链路中可能存在的信号干扰、延迟、数据丢失等问题,帮助运维人员及时发现和解决通信质量方面的异常,通过匹配值的分析,***可以识别出通信传输链路中较好和较差的部分,这有助于优化通信路径,选择更稳定、可靠的通信路径,提高梯车之间的通信效率和可靠性,通过建立匹配值的历史数据,***可以实现对通信链路的故障预警,这有助于提前发现潜在的问题,减少***因通信故障而导致的停机时间,通过匹配值的监测,***可以检测到潜在的安全风险,如网络攻击、数据泄漏等,这有助于及时采取安全措施,确保通信传输链路的安全性。
进一步的,各通信传输链路的通信匹配值,不仅可以通过机器学习集成模型进一步分析得到,使用集成方法如随机森林或梯度提升树,将多个基础模型的预测结果进行组合,以获得更准确的各通信传输链路的通信匹配值,还可以通过以下方式计算得到,具体分析过程为:
。
式中,为第j个通信传输链路的通信匹配值,/>为第j个通信传输链路第b个采样点的传输速度匹配值,/>为第j个通信传输链路的传输性能匹配值,/>为设定的通信传输链路的传输速度匹配值的权重因子,/>为设定的通信传输链路的传输性能匹配值的权重因子,/>为设定的通信传输链路的通信匹配值的修正因子,j为各通信传输链路的编号,/>,/>为通信传输链路总个数,b为各通信传输链路各采样点的编号,,c为各通信传输链路采样点总个数。
需要解释的是,上述各通信传输链路的通信匹配值通过分析各通信传输链路的通信数据集,对各通信传输链路的传输速度数据和各通信传输链路的传输性能数据进行综合分析,可以识别出潜在的性能瓶颈和瓶颈发生的原因,这使得网络管理员能够有针对性地进行优化,提高链路的整体性能,确保数据在网络中的高效传输,综合分析传输数据能够帮助检测并快速定位通信传输链路中的故障,通过监测传输速度和性能,可以及时发现异常情况,从而更迅速地采取措施进行修复,减少服务中断时间,了解各通信传输链路的性能情况有助于进行更有效的资源规划,基于综合分析的结果,可以调整网络拓扑、优化带宽分配,以适应不同区域和服务的需求,提高资源利用率,传输速度和性能直接关系到用户体验,尤其是对于实时应用和大容量数据传输,通过综合分析,可以确保网络能够满足用户对于高速、低延迟传输的期望,提升用户体验质量,通过深入了解各通信传输链路的性能,可以避免不必要的投资,有针对性的网络改进和优化可以降低维护成本,并确保在必要时进行有计划的升级,提高整体的成本效益,综合分析传输数据还有助于发现异常流量和潜在的安全威胁。
在一个具体的实施例中,各通信传输链路各采样点的传输速度匹配值的计算公式为:
。
式中,为第j个通信传输链路第b个采样点的传输速度匹配值,/>为第j个通信传输链路第b个采样点的历史平均传输速度,/>为第j个通信传输链路第b个采样点的历史最高传输速度差,/>为第j个通信传输链路第b个采样点的历史最高传输通信信号稳定时间,/>为通信传输链路的历史参照平均传输速度,/>为通信传输链路的历史许可传输速度差,/>为通信传输链路的历史传输通信信号稳定参照时间,/>为设定的通信传输链路的历史平均传输速度的补偿因子,/>为设定的通信传输链路的历史最高传输速度差的补偿因子,/>为设定的通信传输链路的历史最高传输通信信号稳定时间的补偿因子,为设定的通信传输链路的传输速度匹配值的修正因子, j为各通信传输链路的编号,,/>为通信传输链路总个数,b为各通信传输链路各采样点的编号,,c为各通信传输链路采样点总个数。
需要解释的是,上述各通信传输链路的传输速度匹配值是通过各通信传输链路的历史平均传输速度、各通信传输链路的历史最高传输速度差、各通信传输链路的历史最高传输通信信号稳定时间计算得到,综合考虑各通信传输链路的历史平均传输速度、各通信传输链路的历史最高传输速度差、各通信传输链路的历史最高传输通信信号稳定时间等因素,可以更全面地评估通信传输链路的性能,历史平均传输速度反映了链路的典型性能水平,最高传输速度差则显示了链路性能的波动程度,而最高传输通信信号稳定时间则提供了关于考虑历史数据的平均值和变化范围,可以更好地应对链路性能的变化,通信环境可能会受到各种因素的影响,如网络拥塞、信号干扰等,综合考虑历史数据可以使评估更具灵活性和适应性,有助于在变化的环境中做出更准确的判断链路稳定性的信息,综合这些指标可以更准确地了解链路的整体表现,考虑最高传输速度差和最高传输通信信号稳定时间可以帮助识别潜在的风险因素,例如,高速度差可能意味着链路性能波动较大,可能存在不稳定的因素,而低稳定时间可能暗示着链路在某些情况下性能不稳定,需要额外的注意或调整,综合考虑多个指标可以更好地指导网络优化决策,基于传输速度匹配值的评估,网络管理员可以更明智地选择优化策略,例如调整带宽分配、改变信号传输方式或增加冗余路径,以提高整体性能和稳定性,通过了解链路的历史性能特征,可以更有效地分配资源,对于性能稳定、波动小的链路,可以适当降低资源投入,而对于性能波动较大或不稳定的链路,则可能需要更多的资源投入以保证其稳定性和可靠性。
在一个具体的实施例中,各通信传输链路的传输性能匹配值的计算公式为:
。
式中,为第j个通信传输链路的传输性能匹配值,/>为第j个通信传输链路的历史信号断联次数,/>为第j个通信传输链路的历史信噪比,/>为第j个通信传输链路的历史丢包率,/>为通信传输链路的历史信号许可断联次数,/>为通信传输链路的历史参照信噪比,/>为通信传输链路的历史参照丢包率,/>为设定的通信传输链路的历史信号断联次数的补偿因子,/>为设定的通信传输链路的历史信噪比的补偿因子,/>为设定的通信传输链路的历史丢包率的补偿因子,/>为设定的通信传输链路的传输性能匹配值的修正因子,j为各通信传输链路的编号,/>,/>为通信传输链路总个数。
需要解释的是,上述各通信传输链路的传输性能匹配值是通过各通信传输链路的历史信号断联次数、各通信传输链路的历史信噪比、各通信传输链路的历史丢包率计算得到,综合考虑各通信传输链路的历史信号断联次数、各通信传输链路的历史信噪比、各通信传输链路的历史丢包率等因素,有助于全面评估通信传输链路的性能和稳定性,从而提高通信***的整体性能和可靠性,历史信号断联次数可以反映通信链路的稳定性和可靠性,较低的信号断联次数意味着链路连接稳定,而较高的信号断联次数可能表示链路存在故障或不稳定因素,通过考虑这一因素,可以更全面地评估链路的稳定性,信噪比是衡量信号质量的重要指标,可以反映信号在传输过程中受到的干扰程度,较高的信噪比通常表示更好的信号质量,而较低的信噪比可能导致信号质量下降,甚至影响通信的可靠性,考虑信噪比可以帮助评估通信链路的质量和性能,丢包率是衡量数据传输过程中丢失数据包的比例,较低的丢包率通常表示数据传输稳定,而较高的丢包率可能意味着数据传输受到了干扰或遇到了其他问题,可能导致数据丢失或通信质量下降,考虑丢包率可以帮助识别数据丢失的风险,进而采取相应措施以提高数据传输的可靠性,综合考虑历史信号断联次数、信噪比和丢包率等因素,可以更准确地评估通信链路的整体性能和稳定性,基于这些综合评估,可以更好地制定优化决策,如调整网络拓扑结构、增加冗余路径、优化信号处理算法等,通过监测历史信号断联次数、信噪比和丢包率等指标的变化趋势,可以进行预测性维护,及时发现通信链路存在的潜在问题,并采取预防性措施,以避免通信故障或数据丢失等问题的发生,提高通信***的稳定性和可靠性。
具体的,比对得到最佳匹配通信传输链路对应的各匹配监测铁路梯车,具体分析过程为:将分析得到的各通信传输链路的通信匹配值进行比对得到各通信传输链路的通信匹配值的最高值,将各通信传输链路的通信匹配值的最高值对应的通信传输链路标记为最佳匹配通信传输链路。
基于标记的最佳匹配通信传输链路,获取最佳匹配通信传输链路对应的各匹配监测铁路梯车。
基于各匹配监测铁路梯车,获取各匹配监测铁路梯车的启用数据集,根据各匹配监测铁路梯车的启用数据集分析得到各匹配监测铁路梯车的启用匹配值,比对得到适配铁路梯车,对选定适配铁路梯车进行启用管理调控。
具体的,基于各匹配监测铁路梯车,获取各匹配监测铁路梯车的启用数据集,具体分析过程为:基于各匹配监测铁路梯车,获取各匹配监测铁路梯车的启用数据集。
各匹配监测铁路梯车的启用数据集具体包括各匹配监测铁路梯车的启用位置数据和各匹配监测铁路梯车的启用装载数据,其中各匹配监测铁路梯车的启用位置数据包括各匹配监测铁路梯车和发出需求地址之间的距离,各匹配监测铁路梯车和发出需求地址之间的距离指的是各匹配监测铁路梯车和铁路梯车需求地之间的距离,各匹配监测铁路梯车配备的人力资源数目,各匹配监测铁路梯车配备的人力资源数目指的是各匹配监测铁路梯车当前可使用的人力资源数目,各匹配监测铁路梯车到达发出需求地址的时间,各匹配监测铁路梯车到达发出需求地址的时间指的是各匹配监测铁路梯车运行到达发出需求地址所需要的总时长,各匹配监测铁路梯车的启用装载数据包括各匹配监测铁路梯车的可承载重量,各匹配监测铁路梯车的可承载重量指的是匹配监测铁路梯车的标准承载重量,各匹配监测铁路梯车的可装载面积,各匹配监测铁路梯车的可装载面积指的是匹配监测铁路梯车的标准承载台面积,各匹配监测铁路梯车的高度,各匹配监测铁路梯车的高度指的是匹配监测铁路梯车的最高点的高度。
进一步的,根据各匹配监测铁路梯车的启用数据集分析得到各匹配监测铁路梯车的启用匹配值,具体分析过程为:基于获取的各匹配监测铁路梯车的启用位置数据和各匹配监测铁路梯车的启用装载数据综合分析得到各匹配监测铁路梯车的启用匹配值,各匹配监测铁路梯车的启用匹配值作为确认适配铁路梯车的分析依据。
需要解释的是,上述通过分析铁路梯车的启用数据集,可以帮助***更准确地估计梯车的运输能力和运输需求,从而优化调度和路线规划,提高运输效率,***可以更好地平衡梯车之间的负载情况,避免出现某些梯车负载过重而导致运输不均衡的情况,提高运输资源的利用率,通过优化调度和路线规划,***可以更及时地满足客户的运输需求,提高运输服务的及时性和可靠性,从而提高客户满意度,综合分析铁路梯车的启用数据集可以帮助***更有效地规划梯车的运输路径和装载方案,从而减少空载行驶进而提高梯车的装载率,节约能源和降低运输成本,通过分析铁路梯车的启用数据集,***可以了解到不同梯车的运行情况和负载状态,有助于制定更合理的维护计划,延长梯车的使用寿命,减少故障率,进而实现对铁路梯车更精确、高效的集群管理。
进一步的,各匹配监测铁路梯车的启用匹配值,不仅可以通过机器学习集成模型进一步分析得到,使用集成方法如K均值聚类模型或支持向量机模型,将多个基础模型的预测结果进行组合,以获得更准确的各匹配监测铁路梯车的启用匹配值,还可以通过以下方式计算得到,具体分析过程为:
。
式中,为第n个匹配监测铁路梯车的启用匹配值,/>为第n个匹配监测铁路梯车的启用位置匹配值,/>为第n个匹配监测铁路梯车的启用装载匹配值,/>为设定的匹配监测铁路梯车的启用位置匹配值的权重因子,/>为设定的匹配监测铁路梯车的启用装载匹配值的权重因子,/>为设定的匹配监测铁路梯车的启用匹配值的修正因子,n为各匹配监测铁路梯车的编号,/>,/>为匹配监测铁路梯车总个数。
需要解释的是,上述各匹配监测铁路梯车的启用匹配值通过分析获取各匹配监测铁路梯车的启用数据集,对各匹配监测铁路梯车的启用位置数据和各匹配监测铁路梯车的启用装载数据进行综合分析,可以了解到各个区域或线路的运输需求情况、确定在不同区域或线路的不同时段所需的梯车数量和装载情况,从而更好地调配资源,满足实际运输需求,有助于优化梯车的调度安排,通过合理安排梯车的启用位置和装载情况,可以减少空载或满载率不均衡等问题,提高运输效率,降低成本,综合分析启用位置和启用装载数据可以帮助铁路运输部门更好地了解客户的需求和运输流量的分布情况,根据实际需求调整梯车的启用位置和装载情况,可以更好地满足客户的运输需求,提高服务质量,增强客户满意度,分析启用位置数据可以帮助铁路运输部门更好地掌握不同区域或线路的运输状况和特点,及时调整运输策略,降低因运输拥堵或运输不足而导致的运输风险,同时,综合分析启用装载数据可以减少因装载不足或超载而引发的安全隐患,提高运输安全性,基于对启用位置和启用装载数据的综合分析,铁路运输部门可以进行数据驱动的决策制定,通过科学的数据分析和预测模型,可以制定更合理的运输计划、调度策略和资源配置方案,从而提高运输效率和服务水平。
在一个具体的实施例中,各匹配监测铁路梯车的启用位置匹配值的计算公式为:
。
式中,为第n个匹配监测铁路梯车的启用位置匹配值,/>为第n个匹配监测铁路梯车和发出需求地址之间的距离,/>为第n个匹配监测铁路梯车配备的人力资源数目,/>为第n个匹配监测铁路梯车到达发出需求地址的时间,/>为匹配监测铁路梯车和发出需求地址之间的参照距离,/>为匹配监测铁路梯车配备的人力资源参照数目,/>为匹配监测铁路梯车到达发出需求地址的参照时间,/>为设定的匹配监测铁路梯车和发出需求地址之间的距离的补偿因子,/>为设定的匹配监测铁路梯车配备的人力资源数目的补偿因子,/>为设定的匹配监测铁路梯车到达发出需求地址的时间的补偿因子,n为各匹配监测铁路梯车的编号,/>,/>为匹配监测铁路梯车总个数,/>为自然常数。
需要解释的是,上述各匹配监测铁路梯车的启用位置匹配值是通过各匹配监测铁路梯车和发出需求地址之间的距离、各匹配监测铁路梯车配备的人力资源数目、各匹配监测铁路梯车到达发出需求地址的时间计算得到,综合考虑各匹配监测铁路梯车和发出需求地址之间的距离、各匹配监测铁路梯车配备的人力资源数目、各匹配监测铁路梯车到达发出需求地址的时间等因素,有助于更智能、高效、可持续地管理铁路梯车的启用位置,距离、人力资源和到达时间等因素的综合考虑可以帮助确定最合适的梯车,以最小化到达发出需求地址所需的时间,这有助于优化调度,提高运输效率,减少梯车在路上的空闲时间,从而更迅速地响应运输需求,通过考虑距离和人力资源等因素,可以选择距离更近、配备足够人力资源的梯车,从而降低运输成本,合理的梯车匹配有助于减少不必要的资源浪费,提高运输效益,选择合适的梯车可以提高服务的灵活性和质量,确保满足发出需求地址的具体要求,这有助于提高客户满意度,建立良好的运输服务口碑,通过优化梯车匹配,可以减少不必要的行驶距离和时间,考虑到到达时间和人力资源的匹配,可以避免过度依赖过长时间或配备不足人力资源的梯车,从而提高运输过程的安全性和稳定性,通过运用数据计算匹配值,可以实现数据驱动的决策过程,这样的决策更为客观、科学,有助于运输管理部门更好地应对不同情境和需求。
在一个具体的实施例中,各匹配监测铁路梯车的启用装载匹配值的计算公式为:
。
式中,为第n个匹配监测铁路梯车的启用装载匹配值,/>为第n个匹配监测铁路梯车的可承载重量,/>为第n个匹配监测铁路梯车的可装载面积,/>为第n个匹配监测铁路梯车的高度,/>为所需匹配监测铁路梯车的参照承载重量,/>为所需匹配监测铁路梯车的参照装载面积,/>为所需匹配监测铁路梯车的参照高度,/>为设定的匹配监测铁路梯车的可承载重量的补偿因子,/>为设定的匹配监测铁路梯车的可装载面积的补偿因子,/>为设定的匹配监测铁路梯车的高度的补偿因子,为各匹配监测铁路梯车的编号,,/>为匹配监测铁路梯车总个数。
需要解释的是,上述各匹配监测铁路梯车的启用装载匹配值是通过各匹配监测铁路梯车的可承载重量、各匹配监测铁路梯车的可装载面积、各匹配监测铁路梯车的高度计算得到,综合考虑各匹配监测铁路梯车的可承载重量、各匹配监测铁路梯车的可装载面积、各匹配监测铁路梯车的高度等因素,有助于提高装载效率,降低成本,提升服务质量,从而增强竞争力并实现可持续发展,考虑梯车的可承载重量和可装载面积,可以确保在装载货物时最大化利用梯车的装载能力,从而提高装载效率,这有助于减少运输成本和提高运输效率,通过考虑梯车的可承载重量,可以避免超载的情况发生,从而确保运输过程的安全性和稳定性,超载可能导致梯车损坏、事故发生,对人员和货物造成危险,考虑梯车的可装载面积,可以根据货物的不同尺寸和形状选择最合适的梯车,从而提高运输的灵活性和适应性,这有助于满足不同客户的运输需求,通过选择具有较大可承载重量和可装载面积的梯车,可以减少所需的运输次数,从而节省时间和成本,这尤其对大批量货物的运输非常重要,通过确保货物在运输过程中安全、高效地装载,可以提高客户对运输服务的满意度,这有助于维护良好的客户关系,促进业务的持续发展。
具体的,比对得到适配铁路梯车,对选定适配铁路梯车进行启用管理调控,具体分析过程为:将分析得到的各匹配监测铁路梯车的启用匹配值进行比对,得到各匹配监测铁路梯车的启用匹配值的最高值,将各匹配监测铁路梯车的启用匹配值的最高值对应的该匹配监测铁路梯车标记为适配铁路梯车。
对选定适配铁路梯车进行启用,并对启用后的选定适配铁路梯车进行管理调控。
需要解释的是,上述通过提供一种铁路梯车集群管理方法,考虑到了各铁路梯车对应通信传输链路的通信数据集对铁路梯车集群管理造成的偏差,它可以提供关于梯车位置、状态、速度、运行计划等方面的实时信息,通过实时监测通信数据集,管理***可以更准确地了解梯车的实际运行情况,从而进行更精准的调度和优化,通信数据集还可以用于检测和解决通信传输链路中可能存在的问题,如信号干扰、传输延迟、数据丢失等,及时处理这些问题可以确保梯车之间的通信畅通,从而保证集群管理***的正常运行,因此,在铁路梯车集群管理中,除了考虑梯车与发出需求地址之间的距离和到达时间外,还需要充分利用通信数据集,结合实时监测和分析,以实现更精确、高效的集群管理。
本发明的第二实施例,提供了一种铁路梯车集群管理***,包括:
第一模块,配置为获取各铁路梯车的监测数据集,对获取的各铁路梯车的监测数据集进行分析得到各铁路梯车的监测评估值,比对得到各合格监测铁路梯车;
第二模块,配置为基于各合格监测铁路梯车的对应通信传输链路,获取各通信传输链路的通信数据集,根据各通信传输链路的通信数据集分析得到各通信传输链路的通信匹配值,比对得到最佳匹配通信传输链路对应的各匹配监测铁路梯车;
第三模块,配置为基于各匹配监测铁路梯车,获取各匹配监测铁路梯车的启用数据集,根据各匹配监测铁路梯车的启用数据集,分析得到各匹配监测铁路梯车的启用匹配值,比对得到适配铁路梯车,对选定适配铁路梯车进行启用管理调控。
本发明的第三实施例,提供了一种电子设备,包括:
至少一个处理器;
以及与至少一个所述处理器通信连接的存储器;
其中,所述存储器存储有可被所述处理器执行的指令,所述指令用于被所述处理器执行以实现上述的一种铁路梯车集群管理方法。
本发明的第四实施例,提供了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指令,所述计算机指令用于被所述计算机执行以实现上述的一种铁路梯车集群管理方法。
所属技术领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的存储装置、处理装置的具体工作过程及有关说明,可以参考前述方法实施例中的对应过程,在此不再赘述。
本领域技术人员应该能够意识到,结合本文中所公开的实施例描述的各示例的模块、方法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,软件模块、方法步骤对应的程序可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。为了清楚地说明电子硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以电子硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (5)
1.一种铁路梯车集群管理方法,其特征在于,包括:
获取各铁路梯车的监测数据集,对获取的各铁路梯车的监测数据集进行分析得到各铁路梯车的监测评估值,比对得到各合格监测铁路梯车;
基于各合格监测铁路梯车的对应通信传输链路,获取各通信传输链路的通信数据集,根据各通信传输链路的通信数据集分析得到各通信传输链路的通信匹配值,比对得到最佳匹配通信传输链路对应的各匹配监测铁路梯车;
基于各匹配监测铁路梯车,获取各匹配监测铁路梯车的启用数据集,根据各匹配监测铁路梯车的启用数据集,分析得到各匹配监测铁路梯车的启用匹配值,比对得到适配铁路梯车,对选定适配铁路梯车进行启用管理调控;
所述基于各合格监测铁路梯车的对应通信传输链路,获取各通信传输链路的通信数据集,根据各通信传输链路的通信数据集分析得到各通信传输链路的通信匹配值,具体分析过程为:
基于各合格监测铁路梯车获取各合格监测铁路梯车的对应通信传输链路;
获取各通信传输链路的通信数据集,具体包括各通信传输链路的传输速度数据和各通信传输链路的传输性能数据,其中各通信传输链路的传输速度数据包括各通信传输链路的历史平均传输速度、各通信传输链路的历史最高传输速度差、各通信传输链路的历史最高传输通信信号稳定时间,各通信传输链路的传输性能数据包括各通信传输链路的历史信号断联次数、各通信传输链路的历史信噪比、各通信传输链路的历史丢包率;
基于获取的各通信传输链路的传输速度数据和各通信传输链路的传输性能数据综合分析得到各通信传输链路的通信匹配值,各通信传输链路的通信匹配值作为确认最佳匹配通信传输链路对应的各匹配监测铁路梯车的分析依据;
所述基于各匹配监测铁路梯车,获取各匹配监测铁路梯车的启用数据集,具体分析过程为:
基于各匹配监测铁路梯车,获取各匹配监测铁路梯车的启用数据集;
各匹配监测铁路梯车的启用数据集具体包括各匹配监测铁路梯车的启用位置数据和各匹配监测铁路梯车的启用装载数据,其中各匹配监测铁路梯车的启用位置数据包括各匹配监测铁路梯车和发出需求地址之间的距离、各匹配监测铁路梯车配备的人力资源数目、各匹配监测铁路梯车到达发出需求地址的时间,各匹配监测铁路梯车的启用装载数据包括各匹配监测铁路梯车的可承载重量、各匹配监测铁路梯车的可装载面积、各匹配监测铁路梯车的高度;
所述比对得到适配铁路梯车,对选定适配铁路梯车进行启用管理调控,具体分析过程为:
将分析得到的各匹配监测铁路梯车的启用匹配值进行比对,得到各匹配监测铁路梯车的启用匹配值的最高值,将各匹配监测铁路梯车的启用匹配值的最高值对应的该匹配监测铁路梯车标记为适配铁路梯车;
对选定适配铁路梯车进行启用,并对启用后的选定适配铁路梯车进行管理调控;
所述各通信传输链路的通信匹配值,具体分析过程为:
;
式中,为第j个通信传输链路的通信匹配值,/>为第j个通信传输链路第b个采样点的传输速度匹配值,/>为第j个通信传输链路的传输性能匹配值,/>为设定的通信传输链路的传输速度匹配值的权重因子,/>为设定的通信传输链路的传输性能匹配值的权重因子,/>为设定的通信传输链路的通信匹配值的修正因子,j为各通信传输链路的编号,,/>为通信传输链路总个数,b为各通信传输链路各采样点的编号,,c为各通信传输链路采样点总个数;
所述各匹配监测铁路梯车的启用匹配值,具体分析过程为:
;
式中,为第n个匹配监测铁路梯车的启用匹配值,/>为第n个匹配监测铁路梯车的启用位置匹配值,/>为第n个匹配监测铁路梯车的启用装载匹配值,/>为设定的匹配监测铁路梯车的启用位置匹配值的权重因子,/>为设定的匹配监测铁路梯车的启用装载匹配值的权重因子,/>为设定的匹配监测铁路梯车的启用匹配值的修正因子,n为各匹配监测铁路梯车的编号,/>,/>为匹配监测铁路梯车总个数。
2.根据权利要求1所述的一种铁路梯车集群管理方法,其特征在于:所述获取各铁路梯车的监测数据集,对获取的各铁路梯车的监测数据集进行分析得到各铁路梯车的监测评估值,具体分析过程为:
获取各铁路梯车的监测数据集,具体包括各铁路梯车的使用年数、各铁路梯车的维修次数、各铁路梯车的原厂零件更换比例;
基于获取的各铁路梯车的监测数据集综合分析得到各铁路梯车的监测评估值,各铁路梯车的监测评估值作为确认各合格监测铁路梯车的分析依据。
3.根据权利要求2所述的一种铁路梯车集群管理方法,其特征在于:所述比对得到各合格监测铁路梯车,具体分析过程为:
将各铁路梯车的监测评估值与数据库中存储的铁路梯车的监测评估参照值进行比对;
若该铁路梯车的监测评估值低于数据库中存储的铁路梯车的监测评估参照值,则将该铁路梯车标记为不合格监测铁路梯车,对该铁路梯车进行不合格监测提示;
若该铁路梯车的监测评估值高于或等于数据库中存储的铁路梯车的监测评估参照值,则将该铁路梯车标记为合格监测铁路梯车,对该铁路梯车进行合格监测提示。
4.根据权利要求1所述的一种铁路梯车集群管理方法,其特征在于:所述比对得到最佳匹配通信传输链路对应的各匹配监测铁路梯车,具体分析过程为:
将分析得到的各通信传输链路的通信匹配值进行比对得到各通信传输链路的通信匹配值的最高值,将各通信传输链路的通信匹配值的最高值对应的通信传输链路标记为最佳匹配通信传输链路;
基于标记的最佳匹配通信传输链路,获取最佳匹配通信传输链路对应的各匹配监测铁路梯车。
5.根据权利要求1所述的一种铁路梯车集群管理方法,其特征在于:所述根据各匹配监测铁路梯车的启用数据集分析得到各匹配监测铁路梯车的启用匹配值,具体分析过程为:
基于获取的各匹配监测铁路梯车的启用位置数据和各匹配监测铁路梯车的启用装载数据综合分析得到各匹配监测铁路梯车的启用匹配值,各匹配监测铁路梯车的启用匹配值作为确认适配铁路梯车的分析依据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410288856.7A CN117892979B (zh) | 2024-03-14 | 2024-03-14 | 一种铁路梯车集群管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410288856.7A CN117892979B (zh) | 2024-03-14 | 2024-03-14 | 一种铁路梯车集群管理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117892979A CN117892979A (zh) | 2024-04-16 |
CN117892979B true CN117892979B (zh) | 2024-05-24 |
Family
ID=90647477
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410288856.7A Active CN117892979B (zh) | 2024-03-14 | 2024-03-14 | 一种铁路梯车集群管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117892979B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20180081396A (ko) * | 2017-01-06 | 2018-07-16 | 서울교통공사 | 도시철도 rams 통합관리 시스템 |
CN108960603A (zh) * | 2018-06-25 | 2018-12-07 | 北京酷米科技有限公司 | 铁路智能信息化管理*** |
CN109214724A (zh) * | 2018-11-22 | 2019-01-15 | 湖南铁路科技职业技术学院 | 一种基于云服务的铁路运输安全管理*** |
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 |
CN109543902A (zh) * | 2018-11-22 | 2019-03-29 | 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管理优化调度方法 |
CN116843135A (zh) * | 2023-06-22 | 2023-10-03 | 江苏数农芯通数字科技有限公司 | 一种短驳车辆集群管理与调度的***、架构及方法 |
KR20230149438A (ko) * | 2022-04-20 | 2023-10-27 | 한국철도기술연구원 | 철도안전 의사결정 지원 시스템 |
-
2024
- 2024-03-14 CN CN202410288856.7A patent/CN117892979B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20180081396A (ko) * | 2017-01-06 | 2018-07-16 | 서울교통공사 | 도시철도 rams 통합관리 시스템 |
CN108960603A (zh) * | 2018-06-25 | 2018-12-07 | 北京酷米科技有限公司 | 铁路智能信息化管理*** |
CN109214724A (zh) * | 2018-11-22 | 2019-01-15 | 湖南铁路科技职业技术学院 | 一种基于云服务的铁路运输安全管理*** |
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 |
CN109543902A (zh) * | 2018-11-22 | 2019-03-29 | 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管理优化调度方法 |
KR20230149438A (ko) * | 2022-04-20 | 2023-10-27 | 한국철도기술연구원 | 철도안전 의사결정 지원 시스템 |
CN116843135A (zh) * | 2023-06-22 | 2023-10-03 | 江苏数农芯通数字科技有限公司 | 一种短驳车辆集群管理与调度的***、架构及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117892979A (zh) | 2024-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113222387B (zh) | 面向氢燃料车辆的多目标调度与协同优化方法 | |
CN101320455A (zh) | 基于在役寿命评估的备件需求预测方法 | |
CN107271829A (zh) | 一种配电设备运行状态分析方法及装置 | |
CN110351309A (zh) | 网络节点间计算任务卸载平衡方法、***、介质及设备 | |
CN112390127B (zh) | 基于健康度模型的自动扶梯预防性维修策略生成方法 | |
CN117391411B (zh) | 一种基于iot物联网的产品加工管理*** | |
CN115426243A (zh) | 一种基于大数据的网络设备故障维修方法 | |
CN117892979B (zh) | 一种铁路梯车集群管理方法 | |
CN117277582A (zh) | 一种基于大数据的电力企业运营监测分析*** | |
JP5426683B2 (ja) | 保守方策決定装置、方法およびプログラム | |
CN113071364B (zh) | 电池调度评估方法、装置及计算机可读存储介质 | |
WO2021172249A1 (ja) | 摩耗状態予測方法、摩耗状態予測装置、摩耗状態予測プログラム、及び予測モデル生成方法 | |
CN116703651B (zh) | 一种智慧燃气数据中心运行管理方法、物联网***和介质 | |
CN116737804B (zh) | 基于智慧燃气物联网的燃气数据分级处理方法和*** | |
CN116485266B (zh) | 一种基于物联网的加油用油智能管理方法及*** | |
CN110957724A (zh) | 一种配电网运行方式及网架结构评估的方法 | |
EP4113095A1 (en) | Wear state prediction method, wear state prediction device and wear state prediction program | |
Gubanov et al. | Architecture of a system for diagnosing and predicting the technical condition of a robotic vehicle | |
CN117785481B (zh) | 一种数据中心计算资源分配管理*** | |
Feng et al. | A systematic framework for maintenance scheduling and routing for off-shore wind farms by minimizing predictive production loss | |
CN118051036B (zh) | 一种基于任务分段协同的业务调度控制*** | |
CN214652926U (zh) | 一种自动扶梯维修策略生成*** | |
CN118171925A (zh) | 载客列车自动清客下线方法、***及存储介质 | |
Das | Improving the Maintenance System of Tippers A Case Study | |
CN118182256A (zh) | 车辆能耗管理方法、装置、设备及介质 |
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 |