一种轨道交通的数据处理方法、装置及设备制造方法及图纸

本发明专利技术公开了一种轨道交通的数据处理方法、装置及设备，该方法包括：获取待优化数据；根据预设的轨道交通知识图谱对所述待优化数据进行处理，得到待优化特征，所述知识图谱表征所述轨道交通不同维度的运行特征；根据得到的所述待优化特征，输出与所述待优化数据对应的场景相匹配的优化信息。通过上述方式，本发明专利技术优化了轨道交通数据处理的存储和处理方式，提高了轨道交通数据的利用率。提高了轨道交通数据的利用率。提高了轨道交通数据的利用率。

【技术实现步骤摘要】
一种轨道交通的数据处理方法、装置及设备


[0001]本专利技术涉及轨道交通
，具体涉及一种轨道交通的数据处理方法、装置及设备。

技术介绍

[0002]城市轨道交通对城市发展起着重要的带动作用，基于此，对城市轨道交通的运维尤为重要。
[0003]由于轨道交通设备的种类庞杂繁多，使得轨道交通相关的数据同样复杂且多样，例如，一种车型对应的技术文档、操作手册、维修记录等相关的文字资料就可能超过100万字的信息。基于此，一方面，在轨道交通的数据存储方面，难以使用统一的数据格式存储轨道交通的数据，进而，也导致数据查询较为困难，使得轨道交通相关的海量资料利用率较低。另一方面，由于轨道交通数据的复杂多样，导致很难部署一种数据处理模型来统一处理轨道交通的全部数据。

技术实现思路

[0004]鉴于上述问题，提出了本专利技术实施例以便提供一种克服上述问题或者至少部分地解决上述问题的轨道交通的数据处理方法、装置及设备。
[0005]根据本专利技术实施例的一个方面，提供了一种轨道交通的数据处理方法，包括：
[0006]获取待优化数据；
[0007]根据预设的轨道交通知识图谱对所述待优化数据进行处理，得到待优化特征，所述知识图谱表征所述轨道交通不同维度的运行特征；
[0008]根据得到的所述待优化特征，输出与所述待优化数据对应的场景相匹配的优化信息。
[0009]可选的，在获取待优化数据之前，还包括：
[0010]获取原始数据的字向量；
[0011]根据所述原始数据的字向量，获得所述字向量的第一语义特征；
[0012]根据所述第一语义特征获得所述字向量的第二语义特征，所述第二语义特征和所述第一语义特征分别从不同维度表征所述轨道交通的运行特征；
[0013]根据所述第一语义特征和所述第二语义特征中的至少一个生成所述轨道交通知识图谱。
[0014]可选的，所述原始数据包括：云端数据、基础数据、历史运维数据、实时运维数据和外部环境数据。
[0015]可选的，在获取待优化数据之前，还包括：
[0016]若所述原始数据中包括所述待优化数据对应的目标原始数据，通过所述第一语义特征和第二语义特征的至少一个，以及所述目标原始数据优化网络参数，所述目标原始数据是指与所述待优化数据对应的训练标签。
[0017]可选的，根据所述原始数据的字向量，获得所述字向量的第一语义特征，根据所述第一语义特征获得所述字向量的第二语义特征，包括：
[0018]调用第一子模型对所述原始数据的字向量进行处理，得到所述第一语义特征；
[0019]调用第二子模型对所述第一语义特征进行处理，得到所述第二语义特征；
[0020]所述第一子模型为双向GRU网络模型，所述第二子模型为双向LSTM模型。
[0021]可选的，根据预设的轨道交通知识图谱对所述待优化数据进行处理，得到待优化特征，包括：
[0022]根据算法o
t
＝f(Vs
t
+V
′
s
′
t
)得到待优化特征o
t
，其中，f为激活函数，V为正向隐藏层的输出权重系数，s
t
为第二时刻的正向隐藏层输出，t为第二时刻，V
′
为反向隐藏层的输出权重系数，s
′
t
为第二时刻的反向隐藏层输出。
[0023]可选的，所述s
t
满足：s
t
＝f(Ux
t
+Ws
t
‑1)；
[0024]所述s
′
t
满足：s
′
t
＝f(U
′
x
t
+W
′
s
′
t+1
)；其中，U为正向传播的输入权重系数，x
t
为第二时刻的待优化数据，W为正向隐藏层的权重系数，s
t
‑1为第一时刻的正向隐藏层输出，t
‑
1为第一时刻，所述第一时刻早于所述第二时刻，U
′
为反向传播的输入权重系数，W
′
为反向隐藏层的权重系数，s
′
t+1
为第三时刻的反向隐藏层输出，t+1为第三时刻，所述第三时刻晚于所述第二时刻。
[0025]根据本专利技术实施例的另一方面，提供了一种轨道交通的数据处理装置，包括：
[0026]获取模块，用于获取待优化数据；
[0027]处理模块，用于根据预设的轨道交通知识图谱对所述待优化数据进行处理，得到待优化特征，所述知识图谱表征所述轨道交通不同维度的运行特征；
[0028]输出模块，用于根据得到的所述待优化特征，输出与所述待优化数据对应的场景相匹配的优化信息。
[0029]根据本专利技术实施例的又一方面，提供了一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
[0030]所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行上述轨道交通的数据处理方法对应的操作。
[0031]根据本专利技术实施例的再一方面，提供了一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如上述轨道交通的数据处理方法对应的操作。
[0032]根据本专利技术上述实施例提供的方案，通过获取待优化数据；根据预设的轨道交通知识图谱对所述待优化数据进行处理，得到待优化特征，所述知识图谱表征所述轨道交通不同维度的运行特征；根据得到的所述待优化特征，输出与所述待优化数据对应的场景相匹配的优化信息，可以构建轨道交通的知识图谱，解决因轨道交通数据庞大而导致的数据处理复杂或无法处理的问题，优化了轨道交通数据处理的存储和处理方式，提高了轨道交通数据的利用率。
[0033]上述说明仅是本专利技术实施例技术方案的概述，为了能够更清楚了解本专利技术实施例的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术实施例的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术实施例的具体实施方式。
附图说明
[0034]通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本专利技术实施例的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
[0035]图1示出了本专利技术实施例提供的轨道交通的数据处理方法流程图；
[0036]图2示出了本专利技术实施例提供的构建轨道交通知识图谱流程图；
[0037]图3示出了本专利技术实施例提供的具体的字向量层叠模型的命名实体识别模型示意图；
[0038]图4示出了本专利技术实施例提供的具体的轨道交通的数据处理方法流程图；
[0039]图5示出了本专利技术实施例提供本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种轨道交通的数据处理方法，其特征在于，所述方法包括：获取待优化数据；根据预设的轨道交通知识图谱对所述待优化数据进行处理，得到待优化特征，所述知识图谱表征所述轨道交通不同维度的运行特征；根据得到的所述待优化特征，输出与所述待优化数据对应的场景相匹配的优化信息。2.根据权利要求1所述的轨道交通的数据处理方法，其特征在于，在获取待优化数据之前，还包括：获取原始数据的字向量；根据所述原始数据的字向量，获得所述字向量的第一语义特征；根据所述第一语义特征获得所述字向量的第二语义特征，所述第二语义特征和所述第一语义特征分别从不同维度表征所述轨道交通的运行特征；根据所述第一语义特征和所述第二语义特征中的至少一个生成所述轨道交通知识图谱。3.根据权利要求2所述的轨道交通的数据处理方法，其特征在于，所述原始数据包括：云端数据、基础数据、历史运维数据、实时运维数据和外部环境数据。4.根据权利要求2所述的轨道交通的数据处理方法，其特征在于，还包括：若所述原始数据中包括所述待优化数据对应的目标原始数据，通过所述第一语义特征和第二语义特征的至少一个，以及所述目标原始数据优化网络参数，所述目标原始数据是指与所述待优化数据对应的训练标签。5.根据权利要求2所述的轨道交通的数据处理方法，其特征在于，根据所述原始数据的字向量，获得所述字向量的第一语义特征，根据所述第一语义特征获得所述字向量的第二语义特征，包括：调用第一子模型对所述原始数据的字向量进行处理，得到所述第一语义特征；调用第二子模型对所述第一语义特征进行处理，得到所述第二语义特征；所述第一子模型为双向GRU网络模型，所述第二子模型为双向LSTM模型。6.根据权利要求1所述的轨道交通的数据处理方法，其特征在于，根据预设的轨道交通知识图谱对所述待优化数据进行处理，得到待优化特征，包括：根据算法o
t
＝f(Vs
t
+V
′
s
′
t
)得到待优化特征o
t
，其中，f为激活函数，V为正向隐藏层的输出权重系数，s
t
为第二时刻的正向隐藏层输出，t为第二时刻，V
′

【专利技术属性】
技术研发人员：刘伟，胡卫明，李兵，原春锋，林泽锋，郭泽阔，王臣，
申请(专利权)人：人民中科济南智能技术有限公司，
类型：发明
国别省市：