基于数据驱动的轨道交通风险的预测方法及系统技术方案

本发明专利技术公开了基于数据驱动的轨道交通风险的预测方法及系统，涉及轨道交通风险的预测技术领域，包括获取轨道交通的事故记录和预警记录，对预警记录的内容进行风险升级，预处理后进行特征提取，根据风险记录对数据关联进行特征降维；根据风险评估的结果的分歧根据降维后的风险记录对轨道交通的风险条件进行分析，对轨道交通风险做出预测；当本次实时采集的异常数据驱动达到满足风险的数据成分时，对轨道交通风险点做出预测。能够预测潜在的风险和问题；预测未来的运行状况，可以帮助运营商避免不必要的维修和停工，从而降低运营成本。通过对大量数据的分析，可以为运营商的决策提供有力的数据支持，使决策更加科学和合理。使决策更加科学和合理。使决策更加科学和合理。

【技术实现步骤摘要】
基于数据驱动的轨道交通风险的预测方法及系统


[0001]本专利技术涉及轨道交通风险的预测
，具体为基于数据驱动的轨道交通风险的预测方法及系统。

技术介绍

[0002]轨道交通风险预测方法和系统是公共交通安全管理的重要组成部分。它们主要是通过收集和分析大量的运营数据，对可能出现的风险和危险情况进行预测，从而帮助运营商采取预防措施，减少事故发生的可能性。基于数据驱动的轨道交通风险预测方法和系统通常利用大数据分析、人工智能（AI）、机器学习等技术，对从车辆运行状况、道路状况、天气条件、乘客流量等多方面收集的大量数据进行深度分析和学习，以便发现可能的风险，现有的轨道交通风险的预测方法经常会出现预测结果不准确的情况。

技术实现思路

[0003]鉴于上述存在的问题，提出了本专利技术。
[0004]因此，本专利技术解决的技术问题是：现有的轨道交通风险的预测方法预测结果不够准确。
[0005]为解决上述技术问题，本专利技术提供如下技术方案：基于数据驱动的轨道交通风险的预测方法，包括：
[0006]获取轨道交通的事故记录和预警记录，对所述预警记录的内容进行风险升级，将所述事故记录与风险升级后的预警记录作为风险记录，同时采集轨道交通的实时数据；
[0007]对所述风险记录预处理后进行特征提取，利用提取到的特征进行风险的评估；根据数据关联的关系对所述风险记录中的特征进行特征降维；
[0008]根据降维后的风险记录对轨道交通的风险条件进行分析，当判定风险条件触发时，对轨道交通风险做出预测；
[0009]对风险评估的结果进行逆向分析并将逆向分析的结果作为满足风险的数据成分；当本次实时采集的异常数据驱动达到满足风险的数据成分时，对轨道交通风险点做出预测。
[0010]作为本专利技术所述的基于数据驱动的轨道交通风险的预测方法的一种优选方案，其中：所述事故记录包括，获取轨道交通发生事故时的参数信息、事故类型以及事故发生位置的环境信息；
[0011]所述预警记录包括，获取轨道交通行驶过程中，没有发生事故但轨道交通运行的数据参数发生异常的异常记录；
[0012]所述风险升级包括，使轨道交通的技术人员对所述预警记录进行评估，获取评估结果为：若不经过应急处理则预警记录中的异常数据就会导致轨道交通事故的异常数据；同时获取所述技术人员对预警记录能够评估的交通风险类型；将获取的所述异常数据、预警记录的环境信息以及所述风险类型作为与所述事故记录相同的样本内容。
[0013]作为本专利技术所述的基于数据驱动的轨道交通风险的预测方法的一种优选方案，其中：所述预处理包括，对风险记录中的数据进行清洗去除由于系统记录异常而显示的异常值，保留数据内容真实的异常数据；
[0014]对清洗后的数据归一化处理后进行特征降维，减少特征的数量；
[0015]若同一组风险记录中多个异常数据之间存在必然的关联，则根据异常数据的所述关联关系减少异常特征的数量；当多个异常数据之间的关系表现为以相同比例变化时，则选择数据变化最大的数据作为特征降维后的异常数据；
[0016]根据风险记录，将特征降维后的异常数据与事故类型相匹配形成配对样本，同时对匹配后的事故类型加入环境信息的标签。
[0017]作为本专利技术所述的基于数据驱动的轨道交通风险的预测方法的一种优选方案，其中：所述风险评估，对所述配对样本进行学习，在实时采集的轨道交通数据出现异常且实时异常数据持续接近事故记录中的异常数据时，则对事故发生的风险条件进行进一步评估；
[0018]若风险条件与轨道交通实时的风险条件相一致，则输出实时异常数据持续接近事故记录中的异常数据所匹配的配对样本，提取所述配对样本中对应的事故类型作为风险点预测结果。
[0019]作为本专利技术所述的基于数据驱动的轨道交通风险的预测方法的一种优选方案，其中：所述风险条件包括，对每一次事故记录中的所述配对样本进行分析，判断除数据异常而导致事故外的环境标签的影响；
[0020]对所述配对样本与本次实时采集的异常数据进行风险条件的分析，提取事故记录中所有与本次实时采集的异常数据具有相同特征数据的样本，判断样本中的对环境标签存在环境标签相同的次数：
[0021][0022]其中，i表示样本序号；T表示具有相同特征数据的样本总数；B=（x0，n）表示实时采集的轨道交通信息，x0表示实时的轨道交通信息对应的异常数据，n实时的轨道交通信息对应的环境编号；A=（x，y）表示每一个配对样本，x配对样本中特征降维后的异常数据，y表示每次的配对样本中的环境编号；表示在x=x0时，n和y一致性，若ｎ＝ｙ则记为1，若ｎ≠ｙ则记为0；
[0023]所述相同特征数据包括，因实时异常数据持续接近事故记录中的异常数据而具有的特征，将实时的异常数据变更为记录中的异常数据；
[0024]当Ｃ/Ｔ＝1，则判定风险条件触发，生成与事故记录中事故类型相同的风险预测结果，并调度风险记录中与本次异常数据相匹配的应急处理记录；
[0025]当Ｃ/Ｔ≠1，则判定风险条件不必然触发，进一步对风险条件进行分析。
[0026]作为本专利技术所述的基于数据驱动的轨道交通风险的预测方法的一种优选方案，其中：所述进一步分析包括，若判定风险条件不必然触发，则提取风险记录中环境标签的相同环境特征，当提取出的环境特征存在于实时采集的环境特征的识别结果时，重新判定风险条件触发，生成风险记录中与本次异常数据相匹配的所有事故类型以及所有所述事故类型对应的应急处理记录；
[0027]若始终无法判定风险条件触发，则对风险进行逆向分析；
[0028]所述逆向分析包括，获取所有的风险记录，按照所有的风险记录中的所有事故类型，对事故类型进行划分并将事故类型对应的异常数据整合为一整个异常数据集作为风险预测的数据成分；将每一种事故类型中异常的数据成分与本次实时采集的异常数据进行匹配，将与本次实时采集的异常数据匹配得到匹配率最高的数据成分对应的事故类型作为预测结果。
[0029]作为本专利技术所述的基于数据驱动的轨道交通风险的预测方法的一种优选方案，其中：所述预测包括，根据判定风险条件触发生成的所述风险预测结果、重新判定风险条件触发后生成风险记录中与本次异常数据相匹配的所有事故类型、逆向分析得到的所述预测结果，输出对轨道交通风险的预测；
[0030]若生成结果为所述风险预测结果，则直接将结果输出作为对轨道交通风险的预测；
[0031]若生成结果为重新判定风险条件触发后生成风险记录中与本次异常数据相匹配的所有事故类型，则输出的所有事故类型作为对轨道交通风险的预测；
[0032]若生成结果为逆向分析得到的所述预测结果，则输出所述预测结果并插入评估标签，作为对轨道交通风险的预测；
[0033]所述评估标签包括，插入标签表示预测结果是根据数据推理得到的。
[0034]本专利技术的另外一个目的是提供一种基于数据驱动的轨道交通风险的预测系统，其包括，数据采集模块，获取轨道交通的事故记录和预警记本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于数据驱动的轨道交通风险的预测方法，其特征在于，包括：获取轨道交通的事故记录和预警记录，对所述预警记录的内容进行风险升级，将所述事故记录与风险升级后的预警记录作为风险记录，同时采集轨道交通的实时数据；对所述风险记录预处理后进行特征提取，利用提取到的特征进行风险的评估；根据数据关联的关系对所述风险记录中的特征进行特征降维；根据降维后的风险记录对轨道交通的风险条件进行分析，当判定风险条件触发时，对轨道交通风险做出预测；对风险评估的结果进行逆向分析并将逆向分析的结果作为满足风险的数据成分；当本次实时采集的异常数据驱动达到满足风险的数据成分时，对轨道交通风险点做出预测。2.如权利要求1所述的基于数据驱动的轨道交通风险的预测方法，其特征在于：所述事故记录包括，获取轨道交通发生事故时的参数信息、事故类型以及事故发生位置的环境信息；所述预警记录包括，获取轨道交通行驶过程中，没有发生事故但轨道交通运行的数据参数发生异常的异常记录；所述风险升级包括，使轨道交通的技术人员对所述预警记录进行评估，获取评估结果为：若不经过应急处理则预警记录中的异常数据就会导致轨道交通事故的异常数据；同时获取所述技术人员对预警记录能够评估的交通风险类型；将获取的所述异常数据、预警记录的环境信息以及所述风险类型作为与所述事故记录相同的样本内容。3.如权利要求2所述的基于数据驱动的轨道交通风险的预测方法，其特征在于：所述预处理包括，对风险记录中的数据进行清洗去除由于系统记录异常而显示的异常值，保留数据内容真实的异常数据；对清洗后的数据归一化处理后进行特征降维，减少特征的数量；若同一组风险记录中多个异常数据之间存在必然的关联，则根据异常数据的所述关联关系减少异常特征的数量；当多个异常数据之间的关系表现为以相同比例变化时，则选择数据变化最大的数据作为特征降维后的异常数据；根据风险记录，将特征降维后的异常数据与事故类型相匹配形成配对样本，同时对匹配后的事故类型加入环境信息的标签。4.如权利要求3所述的基于数据驱动的轨道交通风险的预测方法，其特征在于：所述风险评估，对所述配对样本进行学习，在实时采集的轨道交通数据出现异常且实时异常数据持续接近事故记录中的异常数据时，则对事故发生的风险条件进行进一步评估；若风险条件与轨道交通实时的风险条件相一致，则输出实时异常数据持续接近事故记录中的异常数据所匹配的配对样本，提取所述配对样本中对应的事故类型作为风险点预测结果。5.如权利要求4所述的基于数据驱动的轨道交通风险的预测方法，其特征在于：所述风险条件包括，对每一次事故记录中的所述配对样本进行分析，判断除数据异常而导致事故外的环境标签的影响；对所述配对样本与本次实时采集的异常数据进行风险条件的分析，提取事故记录中所有与本次实时采集的异常数据具有相同特征数据的样本，判断样本中的对环境标签存在环境标签相同的次数：
；其中，i表示样本序号；T表示具有相同特征数据的样本总数；B=（x0，n）表示实时采集的轨道交通信息，x0表示实时的轨道交通信息对应的异常数据，n实时的轨道交通信...

【专利技术属性】
技术研发人员：吴林杰，穆宇晴，赵鹏，孟繁茹，
申请(专利权)人：北京中腾利达科技有限责任公司，
类型：发明
国别省市：