城市轨道交通调度员应急处置方案推荐方法及系统技术方案

本发明专利技术提供了一种城市轨道交通调度员应急处置方案推荐方法包括：步骤

【技术实现步骤摘要】
城市轨道交通调度员应急处置方案推荐方法及系统


[0001]本专利技术涉及轨道交通应急管理领域，特别是涉及一种城市轨道交通调度员应急处置方案推荐方法
。

技术介绍

[0002]城市轨道交通作为居民中短距离出行的首选交通方式，具有票价低
、
准点率高等优点
。
近年来设施设备的不断升级以及运营管理水平的提升有效降低了发生运营问题的可能性
。
为进一步提升应急处置水平，管理部门依据不同故障编制了相应的应急预案
。
然而应急预案中对于故障场景的描述不够详细，存在实际情况与既有方案匹配困难的问题
。
同时存在调度员无法快速排查故障原因或难以准确预估相应处置的影响范围，对整个事件处置过程的认知不够深入和全面等问题
。
现行应急处置方法不利于调度处置知识的积累，无法满足高效应急处置的要求
。
[0003]现有技术公开号为
CN202111637549.8
公开了一种基于知识图谱的故障处置辅助决策系统及方法，故障处置辅助决策系统包括：故障接收模块，用于接收来自外部的故障信息；检索模块，用于基于所述故障信息，在预先构建的电力信息系统故障知识图谱中检索故障处置方案；排序模块，用于对检索到的所述故障处置方案进行排序
。
本专利技术采用知识图谱技术进行电力信息系统的故障处置辅助决策，电力信息系统故障知识图谱对故障处理所需的多维数据进行抽取
、
表达
、
学习<br/>、
组织和存储，当发现故障时，根据故障特征在电力信息系统故障知识图谱中进行智能检索和智能推荐，提供相关知识和故障处置方案，为信息调度员和运维专业人员提供辅助参考
。
[0004]但该专利文献在处理信息过多的情况下，无法使检索信息统一；同时，也无法使用语音输入检索，实用性较差
。BIO
的标注格式被广泛应用于实体识别的标注工作
。
基于
BERT
‑
BILSTM
‑
CRF
的方法相较于
BILSTM
‑
CRF
的模型，引入预训练模型，能够充分考虑上下文的关系，转变的字符向量更为合理
。
相较于
BERT
‑
BILSTM
的方法，增加了相邻标签之间的约束关系，大大减少了出现不符合标注规则的标注现象
。

技术实现思路

[0005]基于现有技术存在的不足，本专利技术专利的目的在于提供一种城市轨道交通调度员应急处置方案推荐方法，通过将非结构化的城市轨道交通调度员工作规程文本以及调度日志中调度员针对不同故障事件的记录文本经过文本预处理
、
命名实体识别
、
关系抽取等步骤最终以三元组的形式存储在
Neo4j
图数据库中，当发生运营问题时依据故障场景的实际情况作为输入匹配知识图谱中的内容，及时准确的提供不同场景下的应急处置方法及可能就带来的影响后果，便于调度员从全局掌控事件处置过程
。
[0006]为实现上述目的，根据本专利技术提供的一种城市轨道交通调度员应急处置方案推荐方法，包括如下步骤：
[0007]步骤
S1
：通过调度日志中的非结构化记录，构建应急处置案例知识图谱和调度规
程知识图谱；
[0008]步骤
S2
：通过语音识别技术识别交互语音，当触发应急处置时，识别交互语音中的实体信息，并生成检索语句，在应急处置案例知识图谱和调度规程知识图谱中进行检索；
[0009]步骤
S3
：将检索到的内容按照与实际故障场景相关性大小进行排序，得到排序后的检索内容；
[0010]步骤
S4
：将排序后的内容融合后进行展示，得到展示的应急处置方案；
[0011]应急处置方案包括故障处置方法，故障现象处置的完整的流程及事件影响情况及事件闭环情况，提供应急处置措施参考的同时便于调度员掌握事件演变的规律
。
[0012]优选的，步骤
S1
包括：
[0013]步骤
S1.1
：获取调度日志中的非结构化记录文本，制定不同的实体类别；
[0014]步骤
S1.2
：对提取出的所有非结构化记录文本进行预处理统一文本格式，去除无效文本和重复信息，得到处置文本；
[0015]步骤
S1.3
：将处置文本根据制定的实体类别按照
BIO
的格式进行标注；
[0016]步骤
S1.4
：利用基于
Bert
‑
BILSTM
‑
CRF
的方法，训练步骤
S1.3
中标注的地铁调度应急处置领域实体识别模型，并利用训练出的识别模型识别处置文本中的不同实体信息；
[0017]步骤
S1.5
：构建步骤
S1.1
‑
S1.4
实体间的关系，即有向边；
[0018]步骤
S1.6
：将提取出的实体信息和实体间的关系以三元组的形式导入至
Neo4j
图数据库中，完成应急处置案例知识图谱构建；
[0019]步骤
S1.7
：提取的信息包括故障及故障处置方法信息，按照上述的步骤
S1.1
‑
S1.6
构建调度规程知识图谱
。
[0020]优选的，步骤
S2
包括：
[0021]步骤
S2.1
：在运营生产中，调度员通过公务电话
、
对讲机的设备与不同岗位员工进行交互，形成语音数据，利用语音识别技术生成语音文本；
[0022]其中，针对调度员交互所使用的公务电话及对讲机加入降噪算法，提升语音音频质量；
[0023]步骤
S2.2
：利用步骤
S1.4
中训练的识别模型对语音识别出的文本提取关键词，识别出故障场景；
[0024]步骤
S2.3
：将关键词生成查询语句，分别在应急处置案例知识图谱和调度规程知识图谱中进行检索相关应急处理内容
。
[0025]优选的，步骤
S1.1
包括：
[0026]所述实体类别包括：故障现象
、
故障时间
、
故障区间
、
处置方法
、
事件影响及事件闭环情况
、
故障列车车次号；
[0027]其中，所述故障现象的属性包括：故障时间
、
故障区间
、
故障列车车次号
。
[0028]优选的，所述步骤
S1.4...

【技术保护点】

【技术特征摘要】
1.
一种城市轨道交通调度员应急处置方案推荐方法，其特征在于，包括如下步骤：步骤
S1
：通过调度日志中的非结构化记录，构建应急处置案例知识图谱和调度规程知识图谱；步骤
S2
：通过语音识别技术识别交互语音，当触发应急处置时，识别交互语音中的实体信息，并生成检索语句，在应急处置案例知识图谱和调度规程知识图谱中进行检索；步骤
S3
：将检索到的内容按照与实际故障场景相关性大小进行排序，得到排序后的检索内容；步骤
S4
：将排序后的内容融合后进行展示，得到展示的应急处置方案；在应急处置方案中，调度规程知识图谱中包含故障场景下的操作要求，处置案例知识图谱中包括故障处置方法，故障现象处置的完整的流程及事件影响情况及事件闭环情况，提供应急处置措施参考的同时便于调度员掌握事件演变的规律
。2.
如权利要求1所述的城市轨道交通调度应急处置方案推荐方法，其特征在于，步骤
S1
包括：步骤
S1.1
：获取调度日志中的非结构化记录文本，制定不同的实体类别；步骤
S1.2
：对提取出的所有非结构化记录文本进行预处理统一文本格式，去除无效文本和重复信息，得到处置文本；步骤
S1.3
：将处置文本根据制定的实体类别按照
BIO
的格式进行标注；步骤
S1.4
：利用基于
Bert
‑
BILSTM
‑
CRF
的方法，训练步骤
S1.3
中标注的地铁调度应急处置领域实体识别模型，并利用训练出的识别模型识别处置文本中的不同实体信息；步骤
S1.5
：构建步骤
S1.1
‑
S1.4
实体间的关系，即有向边；步骤
S1.6
：将提取出的实体信息和实体间的关系以三元组的形式导入至
Neo4j
图数据库中，完成应急处置案例知识图谱构建；步骤
S1.7
：提取的信息包括故障及故障处置方法信息，按照上述的步骤
S1.1
‑
S1.6
构建调度规程知识图谱
。3.
如权利要求2所述的城市轨道交通调度应急处置方案推荐方法，其特征在于，步骤
S2
包括：步骤
S2.1
：在运营生产中，调度员通过公务电话
、
对讲机的设备与不同岗位员工进行交互，形成语音数据，利用语音识别技术生成语音文本；其中，针对调度员交互所使用的公务电话及对讲机加入降噪算法，提升语音音频质量；步骤
S2.2
：利用步骤
S1.4
中训练的识别模型对语音识别出的文本提取关键词，识别出故障场景；步骤
S2.3
：将关键词生成查询语句，分别在应急处置案例知识图谱和调度规程知识图谱中进行检索相关应急处理内容
。4.
如权利要求2所述的城市轨道交通调度应急处置方案推荐方法，其特征在于，步骤
S1.1
包括：所述实体类别包括：故障现象
、
故障时间
、
故障区间
、
处置方法
、
事件影响及事件闭环情况
、
故障列车车次号；其中，所述故障现象的属性包括：故障时间
、
故障区间
、
故障列车车次号
。5.
如权利要求2所述的城市轨道交通调度应急处置方案推荐方法，其特征在于，所述步
骤
S1.4
包括：所述识别模块包括：语音识别模块和文本关键词识别模块，在语音识别模块中加入调度交互专业术语库，术语库中包含调度应急处置专用术语及特殊发音规则；在语音识别模块中加入声纹识别技术，识别...

【专利技术属性】
技术研发人员：翁少轩，王奋，刘志钢，苏思聘，
申请(专利权)人：上海工程技术大学，
类型：发明
国别省市：