基于轨道车运行事件关联模型的异常事件预警方法技术

本发明专利技术公开了一种基于轨道车运行事件关联模型的异常事件预警方法，包括如下步骤：利用轨道车运行的历史事件数据，找出异常事件频发的路段；针对不同路段建立起基于事件相关规则的异常事件的预警模型；再将预警模型和实时事件数据结合，预测异常事件的发生概率，在线给驾驶员发出预警信息。本发明专利技术具有如下有益效果：基于轨道车运行事件数据输入预警模型，涉及的因素全面，包括司机操作、设备状态和机车信号，能够进行全方面的预警；本发明专利技术中不同异常事件频发路段使用不同的预警模型，避免一种模型不能适用全部路段的问题；本发明专利技术使用apriori关联挖掘算法找出异常事件和前置事件的关联规则，基于关联规则构建预警模型。

Early warning method of abnormal events based on the correlation model of rail car operation events

【技术实现步骤摘要】
基于轨道车运行事件关联模型的异常事件预警方法
本专利技术涉及轨道车安全
，尤其是涉及一种能够进行全面预警，不同路段使用不同的预警模型的基于轨道车运行事件关联模型的异常事件预警方法。
技术介绍
轨道车行驶中产生各种事件，如超速、紧急制动、管压为零、轴温报警、公里标校正、公里标突变、机车信号变化、速度传感器异常、开机等，当中有常规的事件，如开机，也有异常的事件，如紧急制动，异常事件是轨道车驾驶过程中应尽量避免的。异常事件一般由驾驶员不规范操作、设备欠维护、特殊路段等因素造成。现有的异常事件预防方法有基于机器视觉的驾驶员疲劳检测方法，这种方法通过驾驶员眼睛朝向或者驾驶行为判断驾驶员是否处于疲劳状态，给处于疲劳状态的驾驶员发出预警，然而这种方法只考虑了驾驶员疲劳这一因素，预警因素单一，忽略了设备欠维护等因素。
技术实现思路
本专利技术为了克服现有技术中存在的预警因素单一的不足，提供了一种能够进行全面预警，不同路段使用不同的预警模型的基于轨道车运行事件关联模型的异常事件预警方法。为了实现上述目的，本专利技术采用了以下技术方案：一种基于轨道车运行事件关联模型的异常事件预警方法，包括如下步骤：(1-1)基于轨道车的历史运行事件数据划分异常事件频发路段r1,r2,...,ri,...,rn；(1-2)基于划分的异常事件频发路段构建各个路段的预警模型；(1-3)获取当前时刻前T时间内的实时事件集；(1-4)根据获取的当前时刻的实时事件集找出所属路段的预警模型，将实时事件集与预警模型中的异常事件集进行对比，如果存在相同异常事件集，向司机发出异常事件报警。本专利技术利用轨道车运行的历史事件数据，找出异常事件频发的路段，针对不同路段建立起基于事件相关规则的异常事件的预警模型，再将预警模型和实时事件数据结合，预测异常事件的发生概率，在线给驾驶员发出预警信息。作为优选，步骤(1-1)的具体步骤如下：(2-1)收集轨道车的历史运行事件数据，轨道车运行事件用集合S1表示，一辆轨道车一次运行事件表示为{(e1,m1),(e2,m2),...,(ek,mk),...,(en,mn)}，其中，ek表示第k个事件，是S1中的一个元素；mk表示第k个事件发生时的公里标；(2-2)提取历史运行事件数据中的异常事件，异常事件用集合S2表示，一辆轨道车的历史异常数据表示为{(u1,m1),(u2,m2),...,(uk,mk),...,(un,mn)}，中，uk表示第k个事件，是S2中的一个元素；mk表示第k个事件发生时的公里标；(2-3)统计异常事件的路段分布，得到异常事件频发路段。作为优选，步骤(2-3)的具体步骤如下：(3-1)将轨道车运行线路按照w米进行切分，得到l1,l2,...,ln个线段，l1表示1米到w米的线路，l2表示w+1米到2w米的线路，…；(3-2)统计各个线路的异常事件个数，表示为t1,t2,...,tn，t1表示线段l1的异常数据个数，t2表示线段l2的异常数据个数，…,tn表示线段ln的异常数据个数；(3-3)如果连续的v个线段的事件个数总和大于a，连续的v个线段属于同一个异常事件频发路段ri，最终可得到异常事件频发路段r1,r2,...,ri,...,rn。作为优选，步骤(1-2)的具体步骤如下：(4-1)设置关联规则置信度的最大值Cth和异常事件出现频率指定值；(4-2)提取构造第i个异常事件频发路段ri中第j种异常事件fij预警模型的数据集；异常事件fij的前T时间内的事件集表示为[Sij1,Sij2,...,Sijk,...,Sijn]，其中Sijk＝{e1,e2,...,ek,...,en}为线路ri的异常事件fij的第k个前置事件集，ek表示第k个事件；(4-3)基于提取的数据集，获取路段ri的异常事件预警模型Mi＝{Mi1,Mi2,...,Mik,...,Min}，其中，Mik表示线路ri的第k种异常事件的预警模型；(4-4)获取各个路段的预警模型M＝{M1,M2,...,Mk,...,Mn}。作为优选，步骤(4-3)到步骤(4-4)的具体步骤如下：(5-1)基于提取的数据集，使用apriori算法挖掘异常事件频发路段ri的异常事件fij前置事件集的频繁集及其关联规则置信度，得到异常事件fk的前置事件频繁集Fij1,Fij2,...,Fijk,...,Fijn，其中Fijk＝{e1,e2,...,ek,...,en}表示fij异常事件的第k个频繁集，其中，频繁集指异常事件出现频率高于指定值的集合；(5-2)基于统计方法计算频繁集Fijk和异常事件fij的置信度，即出现Fijk事件后，出现fij事件的概率Cijk；(5-3)将关联规则置信度大于Cth的关联规则放入预警模型，形成模型Mij＝{(Fij1,Cij1),(Fij2,Cij2),...,(Fijk,Cijk),...,(Fijn,Cijn)}，其中，Cijk表示出现频繁集Fijk后出现fij事件的概率。(5-4)依次对异常事件频发路段ri的不同事件执行步骤(5-1)到步骤(5-3)，获取路段ri的异常事件预警模型Mi＝{Mi1,Mi2,...,Mik,...,Min}，其中，Mik表示线路ri的第k种异常事件的预警模型；(5-5)依次对各个异常事件频发路段r1,r2,...,ri,...,rn执行步骤(5-1)到步骤(5-4)，获取各个路段的预警模型M＝{M1,M2,...,Mk,...,Mn}。作为优选，轨道车运行事件包括公里标校正、公里标突变，机车信号变化，速度传感器异常，限速突降，超速，紧急制动，管压为零，轴温报警，加速度异常，过信号机，半自闭进站，溜坡控制，地面信号确认，引导进站和按警惕键。因此，本专利技术具有如下有益效果：基于轨道车运行事件数据输入预警模型，涉及的因素全面，包括司机操作、设备状态和机车信号，能够进行全方面的预警；本专利技术基于多模型技术，不同异常事件频发路段使用不同的预警模型，避免一种模型不能适用全部路段的问题；本专利技术使用apriori关联挖掘算法找出异常事件和前置事件的关联规则，基于关联规则构建预警模型。附图说明图1是本专利技术的一种流程图；图2是本专利技术的异常事件频发路段划分的一种流程图；图3是本专利技术的预警模型构建的一种流程图。具体实施方式下面结合附图与具体实施方式对本专利技术做进一步描述：如图1所示的实施例是一种基于轨道车运行事件关联模型的异常事件预警方法，包括如下步骤：步骤100，如图2所示，基于轨道车的历史运行事件数据划分异常事件频发路段r1,r2,...,ri,...,rn；步骤101，收集轨道车的历史运行事件数据，轨道车运行事件用集合S1表示，S1＝{公里标校正、公里标突变，机车信号变化，速度传感器异常，限速突降，超速，紧急制动，管压为零，轴温报警，加速度异本文档来自技高网...

【技术保护点】
1.一种基于轨道车运行事件关联模型的异常事件预警方法，其特征在于，包括如下步骤：/n(1-1)基于轨道车的历史运行事件数据划分异常事件频发路段r1,r2,...,ri,...,rn；/n(1-2)基于划分的异常事件频发路段构建各个路段的预警模型；/n(1-3)获取当前时刻前T时间内的实时事件集；/n(1-4)根据获取的当前时刻的实时事件集找出所属路段的预警模型，将实时事件集与预警模型中的异常事件集进行对比，如果存在相同异常事件集，向司机发出异常事件报警。/n

【技术特征摘要】
1.一种基于轨道车运行事件关联模型的异常事件预警方法，其特征在于，包括如下步骤：
(1-1)基于轨道车的历史运行事件数据划分异常事件频发路段r1,r2,...,ri,...,rn；
(1-2)基于划分的异常事件频发路段构建各个路段的预警模型；
(1-3)获取当前时刻前T时间内的实时事件集；
(1-4)根据获取的当前时刻的实时事件集找出所属路段的预警模型，将实时事件集与预警模型中的异常事件集进行对比，如果存在相同异常事件集，向司机发出异常事件报警。


2.根据权利要求1所述的基于轨道车运行事件关联模型的异常事件预警方法，其特征在于，步骤(1-1)的具体步骤如下：
(2-1)收集轨道车的历史运行事件数据，轨道车运行事件用集合S1表示，一辆轨道车一次运行事件表示为{(e1,m1),(e2,m2),...,(ek,mk),...,(en,mn)}，其中，ek表示第k个事件，是S1中的一个元素；mk表示第k个事件发生时的公里标；
(2-2)提取历史运行事件数据中的异常事件，异常事件用集合S2表示，一辆轨道车的历史异常数据表示为{(u1,m1),(u2,m2),...,(uk,mk),...,(un,mn)}，中，uk表示第k个事件，是S2中的一个元素；mk表示第k个事件发生时的公里标；
(2-3)统计异常事件的路段分布，得到异常事件频发路段。


3.根据权利要求2述的基于轨道车运行事件关联模型的异常事件预警方法，其特征在于，步骤(2-3)的具体步骤如下：
(3-1)将轨道车运行线路按照w米进行切分，得到l1,l2,...,ln个线段，l1表示1米到w米的线路，l2表示w+1米到2w米的线路，…；
(3-2)统计各个线路的异常事件个数，表示为t1,t2,...,tn，t1表示线段l1的异常数据个数，t2表示线段l2的异常数据个数，…,tn表示线段ln的异常数据个数；
(3-3)如果连续的v个线段的事件个数总和大于a，连续的v个线段属于同一个异常事件频发路段ri，最终可得到异常事件频发路段r1,r2,...,ri,...,rn。


4.根据权利要求1述的基于轨道车运行事件关联模型的异常事件预警方法，其特征在于，步骤(1-2)的具体步骤如下：
(4-1)设置关联规则置信度的最大值Cth和异常事件出现频率指定值；
(4-2)提取构造第i个异常事件频发路段ri中第j种异常事件fij预警模...

【专利技术属性】
技术研发人员：贾幼尧，叶卫春，蒋宇新，刘荣富，陈亮，钱云捷，王永华，
申请(专利权)人：高新兴创联科技有限公司，
类型：发明
国别省市：浙江;33