申请/专利权人：北京交通大学

申请日：2024-01-16

公开（公告）日：2024-04-09

公开（公告）号：CN117592661B

主分类号：G06Q10/063

分类号：G06Q10/063;G06Q10/0635;G06Q10/0639;G06Q50/26;G06Q50/40

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2024.03.12#实质审查的生效;2024.02.23#公开

摘要：本申请提供了复杂多场景下的区域中心化车站巡视方案设计方法与系统。针对区域中心化下车站巡视的需求，归纳多种中心站及普通站的需求场景和智能巡视模式，提出各需求场景与智能巡视模式的匹配方式；建立一种区域中心化智能车站巡视方案设计模型；提出一种基于异常运营场景智能学习的巡视方案优化方法；构建远程巡视状态异常风险预警方法和异常风险指标体系，完善区域中心化智能车站巡视方案实现复杂多场景下各车站的巡视模式同步或异步转换，为轨道交通车站智慧化管理和智能巡视模式提供决策参考。

主权项：1.复杂多场景下的区域中心化车站巡视方案设计方法，其特征在于，该方法包括：步骤1、针对区域中心化下车站巡视的需求，归纳多种中心站及普通站的多需求场景和智能巡视模式，提出上述各需求场景与智能巡视模式的匹配方式；步骤2、建立一种区域中心化智能车站巡视方案设计模型，制定与上述需求场景相匹配的区域中心化智能车站巡视方案；步骤3、提出一种基于异常运营场景智能学习的巡视方案优化方法，基于学习结果对车站异常场景巡视方案进行相应的修改；步骤4、构建远程巡视状态异常风险预警方法和异常风险指标体系，完善区域中心化智能车站巡视方案，实现复杂多场景下各车站的巡视模式同步或异步转换；步骤5、构建巡视方案评价方法，建立方案评价指标体系，对巡视方案及其选择进行动态更新调整；在步骤1中，针对区域中心化下车站巡视的需求，将所述车站运营需求场景分为日常运营需求场景和异常运营需求场景以及远程巡视需求场景，并定义各需求场景与智能巡视模式的匹配方式，从而能够继续研究车站巡视在不同区域、不同车站运营需求场景下的智能巡视方案；所述日常运营需求场景下的巡视需求包括根据巡视设备、巡视区域、巡视业务三个模块设计巡视方案，方案设计包括以下内容：巡视区域、巡视路径、巡视周期、巡视次序和巡视时长；所述异常运营需求场景根据不同的异常场景，建立学习模型，基于学习结果对车站异常场景巡视方案相应的修改；所述远程巡视需求场景指通过移动监控功能和机动人员，实现区域中心管辖范围内车站运营状况监控以及异常状况报警等功能；所述智能巡视模式包括车站自动巡视和远程巡视；所述自动巡视指在车站系统和移动设备端通过对监控设备的分组及视频拼接技术进行不同车站业务下的视频联动巡视，在日常和异常需求场景下在运营过程中基于智能巡视方案对站内设备和车站运营状态进行自动巡视；所述远程巡视包括视频远程巡视与传统的人工远程巡视，通过远程巡视需求场景下对应的移动监控功能和机动人员，实现区域移动范围内车站运营状况监控以及异常状况报警功能；所述需求场景与巡视模式的匹配方式指中心站与普通站依据初步判定的场景类别，选择相应的巡视方案同步性地各站分别进行自动巡视，同时中心站能够对普通站进行远程巡视，并能在异常风险情况下进行巡视模式的转换；在步骤2中，制定与需求场景相匹配的区域中心化智能车站巡视方案，所述智能车站巡视方案的设计内容包括巡视区域、巡视路径、巡视周期、巡视次序、巡视时长，设计步骤包括：步骤201、根据区域中心化下各车站的站务设备多位数据和业务流线特征，划分巡视区域，各区域范围内包括不同类型服务设备，巡视区域特征有设备类型、设备数量、设备状态，基于区域划分将不同业务进行矩阵化表示；步骤202、定义并计算各业务巡视优先度指标，通过量化的各业务巡视优先度及其他各项指标来确定巡视方案中不同业务的巡视次序和巡视周期，各业务巡视优先度指标由其所涉及的各区域范围内各巡视设备重要度及相应设备数量的组合决定；步骤203、采用目标优化模型，基于业务巡视优先度设定目标函数，量化逻辑、时间和空间约束；步骤204、基于目标函数及约束设定，对上述目标优化模型采用线性规划求解算法进行模型求解，结合日常巡视业务规范和各指标结果得到最优巡视方案，并利用系统数据库进行调用；在步骤3中，所述基于一种异常运营场景智能学习方法的进行巡视方案优化，具体包括：根据不同的异常场景，分别运用识别模型和学习模型进行预测分析，识别异常情况；根据不断更新的异常场景下历史发生异常情况数据，引入机器学习模型GBDT模型，学习历史上异常事件特征数据，基于学习结果以获得给定异常场景下给定时期内各设备的异常事件发生次数，定义各设备i异常事件发生频率为；定义各设备的异常修正系数Li，Li的取值与设备异常事件发生频率有关，定义Li为： ；利用更新后的异常修正系数Li对各业务巡视路径及优先度进行修正，定义更新后的设备i重要度为，定义更新后的区域j巡视优先度为，定义更新后的业务巡视优先度为： ； =∑×设备i巡视重要度; =∑∑×设备i巡视重要度;基于更新后的上述数据对车站异常场景巡视方案进行修正，并利用系统数据库进行存储调用。

全文数据：

权利要求：

百度查询： 北京交通大学 复杂多场景下的区域中心化车站巡视方案设计方法与系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD