一种基于大数据的北斗RNSS智能运维方法技术

本申请提供了一种基于大数据的北斗RNSS智能运维方法，涉及地球观测与导航技术领域，具体为：在设定时间范围内，对预先建立的异常数据库中的北斗异常要素进行风险统计，得到风险统计结果；所述异常数据库中存储每个采样时刻诊断出的北斗异常要素及所定位的异常源；根据风险统计结果，对北斗异常要素所定位的异常源进行聚类分析，确定最终异常源；根据所述最终异常源，向北斗相关部门发出制定的告警信息和运维方案。本申请能够提高北斗异常要素诊断的准确度，提高北斗系统运维效率及稳定性。提高北斗系统运维效率及稳定性。提高北斗系统运维效率及稳定性。

【技术实现步骤摘要】
一种基于大数据的北斗RNSS智能运维方法


[0001]本申请涉及地球观测与导航
，尤其是涉及一种基于大数据的北斗RNSS智能运维方法。

技术介绍

[0002]自北斗三号系统开通运行以来，各类业务数据规模快速增长，不仅包含了本系统的测量控制数据、全天候实时监测数据、增强数据，还包含了GPS、Galileo、GLONASS等其他卫星导航系统的监测数据与中间产品数据，这些数据所需的存储资源大、种类多、分布广、不集中，在北斗RNSS (Radio Navigation Satellite System)服务系统中不能得到充分利用。海量的北斗数据资源是支撑整个北斗系统稳定运行的重要保障，但传统北斗RNSS业务系统采用单一的存储设备、固化的数据库表设计、人工分析评估，这些数据资源的被动管理方式大大降低了数据查询的效率与智能运维的难度。
[0003]当今，大数据、云计算、人工智能等技术蓬勃发展，这提高了北斗数据资源的存储、管理、分析、系统的智能维护能力。北斗RNSS服务系统智能分析评估技术不仅能够充分、合理、有效的利用北斗数据资源，还能够准确、快速分析系统服务性，把控系统运行状况，并对潜在的风险进行提前预知与应对，提高北斗运维效率。现有的导航系统运维技术通常没有采用大数据技术，只针对地面站、卫星单一要素进行异常诊断与分析，基于常规的业务处理手段，缺乏各要素间的关联性与相关性分析，进而导致异常误判问题。

技术实现思路

[0004]有鉴于此，本申请提供一种基于大数据的北斗RNSS智能运维方法，以解决现有的导航系统运维技术缺乏各要素间的关联性与相关性分析，进而导致异常误判问题。
[0005]本申请实施例提供了一种基于大数据的北斗RNSS智能运维方法，包括：在设定时间范围内，对预先建立的异常数据库中的北斗异常要素进行风险统计，得到风险统计结果；所述异常数据库中存储每个采样时刻诊断出的北斗异常要素及所定位的异常源；根据风险统计结果，对北斗异常要素所定位的异常源进行聚类分析，确定最终异常源；根据所述最终异常源，向北斗相关部门发出相应的告警信息和运维方案。
[0006]进一步的，所述方法还包括：获取各监测站接收机的北斗观测数据，并进行分类抽稀存储；根据各监测站接收机获取的北斗观测数据，获取当前各监测站接收机的北斗各监测要素的监测结果；根据当前各监测站接收机的北斗各监测要素的监测结果以及预设的异常诊断流程，判断当前是否存在北斗异常要素，若存在则进行异常源定位，然后将当前诊断出的北斗异常要素及所定位的异常源存储至异常数据库。
[0007]进一步的，获取各监测站接收机的北斗观测数据；并进行分类抽稀存储，包括：通过地面通信网络，采用实时方式接收境内各监测站接收机的北斗观测数据；通过卫星通信网络，采用事后方式接收境外各监测站接收机的北斗观测数据；对接收到的北斗观测数据进行清洗；对清洗后的北斗观测数据进行分类抽稀，分别存储在第一数据库、第二数据库、第三数据库和第四数据库；其中，所述第一数据库用于记录北斗时5秒采样观测数据；所述第二数据库用于记录30分钟采样广播星历参数数据；所述第三数据库用于记录15分钟采样完好性参数数据；所述第四数据库用于记录30分钟采样气象信息数据。
[0008]进一步的，根据当前各监测站接收机的北斗各监测要素的监测结果以及预设的异常诊断流程，判断当前是否存在北斗异常要素，若存在则进行异常源定位，然后将当前诊断出的北斗异常要素及所定位的异常源存储至异常数据库，包括：步骤A1：根据当前各监测站接收机的北斗各监测要素的监测结果判断定位和/或授时误差是否超限，如果为是，则判断异常发生，当前北斗异常要素为定位和/或授时误差超限，进入步骤A2；否则，进入步骤A4；步骤A2：根据当前各监测站接收机的北斗各监测要素的监测结果判断电离层和/或对流层延迟误差是否超限，如果为是，则异常源为电离层和/或对流层参数异常，进入步骤A10；否则，进入步骤A3；步骤A3：根据当前各监测站接收机的北斗各监测要素的监测结果判断卫星轨道和/或钟差误差是否超限，如果为是，则异常源为卫星轨道和/或钟差参数异常，进入步骤A10；否则，异常源为监测站接收机故障，进入步骤A10；步骤A4：根据当前各监测站接收机的北斗各监测要素的监测结果判断电离层和/或对流层延迟误差是否超限，如果为是，则判断异常发生，当前北斗异常要素为电离层和/或对流层延迟误差超限，进入步骤A5；否则，进入步骤A7；步骤A5：根据当前各监测站接收机的北斗各监测要素的监测结果判断定位和/或授时误差超限是否超限，如果为是，则异常源为卫星轨道和/或钟差参数异常，进入步骤A10；否则，进入步骤A6;步骤A6：统计数据量接收正常的监测站接收机数量，判断监测站接收机的分布密度是否大于预设的密度阈值，如果为是，则异常源为监测站接收机故障，进入步骤A10，否则，异常源为地面监测站参考位置异常，进入步骤A10；步骤A7：根据当前各监测站接收机的北斗各监测要素的监测结果判断卫星轨道和/或钟差误差是否超限，如果为是，则判断异常发生，当前北斗异常要素为卫星轨道和/或钟差误差超限，进入步骤A8；否则进入步骤A9；步骤A8：统计实时接收的北斗观测数据量，如果数据总量降低，则异常源为地面通信网络故障，进入步骤A10；步骤A9：对单个监测站接收机数据量进行统计，如果个别监测站接收机数据量降低，则异常源为关键监测站接收机故障，进入步骤A10；如果个别监测站接收机数据量平稳变化，则异常源为个别监测站接收机观测值数据质量差，进入步骤A10；步骤A10：将确定的当前北斗异常要素及定位出的异常源存储至异常数据库。
[0009]进一步的，根据当前各监测站接收机的北斗各监测要素的监测结果判断定位和/
或授时误差是否超限，包括：判断每个监测站接收机的定位误差是否大于预设的定位阈值，如果为是，则所述监测站接收机的定位误差超限，否则，所述监测站接收机的定位误差未超限；判断每个监测站接收机的授时误差是否大于预设的授时阈值，如果为是，则所述监测站接收机的授时误差超限，否则，所述监测站接收机的授时误差未超限；只要有一个监测站接收机的定位误差超限或者授时误差超限，则判断定位和/或授时误差超限，否则，判断定位和/或授时误差未超限。
[0010]进一步的，根据当前各监测站接收机的北斗各监测要素的监测结果判断定位和/或授时误差是否超限判断电离层和/或对流层延迟误差是否超限，包括：计算电离层延迟总误差dI
all
：当dI
all
＞I
hold
，则电离层延迟总误差超限；当dI
all
≤I
hold
，则电离层延迟总误差未超限；式中：N
low,I
、N
mid,I
、N
high,I
分别为低纬度、中纬度、高维度地区监测站接收机个数；i1为低纬度地区的监测站接收机的序号，1≤i1≤N
low,I
；j1为中纬度地区的监测站接收机的序号，1≤j1≤N
mid,I
；k本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的北斗RNSS智能运维方法，其特征在于，包括：在设定时间范围内，对预先建立的异常数据库中的北斗异常要素进行风险统计，得到风险统计结果；所述异常数据库中存储每个采样时刻诊断出的北斗异常要素及所定位的异常源；根据风险统计结果，对北斗异常要素所定位的异常源进行聚类分析，确定最终异常源；根据所述最终异常源，向北斗相关部门发出制定的告警信息和运维方案。2.根据权利要求1所述的基于大数据的北斗RNSS智能运维方法，其特征在于，所述方法还包括：获取各监测站接收机的北斗观测数据，并进行分类抽稀存储；根据各监测站接收机获取的北斗观测数据，获取当前各监测站接收机的北斗各监测要素的监测结果；根据当前各监测站接收机的北斗各监测要素的监测结果以及预设的异常诊断流程，判断当前是否存在北斗异常要素，若存在则进行异常源定位，然后将当前诊断出的北斗异常要素及所定位的异常源存储至异常数据库。3.根据权利要求2所述的基于大数据的北斗RNSS智能运维方法，其特征在于，获取各监测站接收机的北斗观测数据；并进行分类抽稀存储，包括：通过地面通信网络，采用实时方式接收境内各监测站接收机的北斗观测数据；通过卫星通信网络，采用事后方式接收境外各监测站接收机的北斗观测数据；对接收到的北斗观测数据进行清洗；对清洗后的北斗观测数据进行分类抽稀，分别存储在第一数据库、第二数据库、第三数据库和第四数据库；其中，所述第一数据库用于记录北斗时5秒采样观测数据；所述第二数据库用于记录30分钟采样广播星历参数数据；所述第三数据库用于记录15分钟采样完好性参数数据；所述第四数据库用于记录30分钟采样气象信息数据。4.根据权利要求3所述的基于大数据的北斗RNSS智能运维方法，其特征在于，根据当前各监测站接收机的北斗各监测要素的监测结果以及预设的异常诊断流程，判断当前是否存在北斗异常要素，若存在则进行异常源定位，然后将当前诊断出的北斗异常要素及所定位的异常源存储至异常数据库，包括：步骤A1：根据当前各监测站接收机的北斗各监测要素的监测结果判断定位和/或授时误差是否超限，如果为是，则判断异常发生，当前北斗异常要素为定位和/或授时误差超限，进入步骤A2；否则，进入步骤A4；步骤A2：根据当前各监测站接收机的北斗各监测要素的监测结果判断电离层和/或对流层延迟误差是否超限，如果为是，则异常源为电离层和/或对流层参数异常，进入步骤A10；否则，进入步骤A3；步骤A3：根据当前各监测站接收机的北斗各监测要素的监测结果判断卫星轨道和/或钟差误差是否超限，如果为是，则异常源为卫星轨道和/或钟差参数异常，进入步骤A10；否则，异常源为监测站接收机故障，进入步骤A10；步骤A4：根据当前各监测站接收机的北斗各监测要素的监测结果判断电离层和/或对流层延迟误差是否超限，如果为是，则判断异常发生，当前北斗异常要素为电离层和/或对流层延迟误差超限，进入步骤A5；否则，进入步骤A7；
步骤A5：根据当前各监测站接收机的北斗各监测要素的监测结果判断定位和/或授时误差超限是否超限，如果为是，则异常源为卫星轨道和/或钟差参数异常，进入步骤A10；否则，进入步骤A6;步骤A6：统计数据量接收正常的监测站接收机数量，判断监测站接收机的分布密度是否大于预设的密度阈值，如果为是，则异常源为监测站接收机故障，进入步骤A10，否则，异常源为地面监测站参考位置异常，进入步骤A10；步骤A7：根据当前各监测站接收机的北斗各监测要素的监测结果判断卫星轨道和/或钟差误差是否超限，如果为是，则判断异常发生，当前北斗异常要素为卫星轨道和/或钟差误差超限，进入步骤A8；否则进入步骤A9；步骤A8：统计实时接收的北斗观测数据量，如果数据总量降低，则异常源为地面通信网络故障，进入步骤A10；步骤A9：对单个监测站接收机数据量进行统计，如果个别监测站接收机数据量降低，则异常源为关键监测站接收机故障，进入步骤A10；如果个别监测站接收机数据量平稳变化，则异常源为个别监测站接收机观测值数据质量差，进入步骤A10；步骤A10：将确定的当前北斗异常要素及定位出的异常源存储至异常数据库。5.根据权利要求4所述的基于大数据的北斗RNSS智能运维方法，其特征在于，根据当前各监测站接收机的北斗各监测要素的监测结果判断定位和/或授时误差是否超限，包括：判断每个监测站接收机的定位误差是否大于预设的定位阈值，如果为是，则所述监测站接收机的定位误差超限，否则，所述监测站接收机的定位误差未超限；判断每个监测站接收机的授时误差是否大于预设的授时阈值，如果为是，则所述监测站接收机的授时误差超限，否则，所述监测站接收机的授时误差未超限；只要有一个监测站接收机的定位误差超限或者授时误差超限，则判断定位和/或授时误差超限，否则，判断定位和/或授时误差未超限。6.根据权利要求4所述的基于大数据的北斗RNSS智能运维方法，其特征在于，根据当前各监测站接收机的北斗各监测要素的监测结果判断定位和/或授时误差是否超限判断电离层和/或对流层延迟误差是否超限，包括：计算电离层延迟总误差dI
all
：当dI
all
＞I
hold
，则电离层延迟总误差超限；当dI
all
≤I
hold
，则电离层延迟总误差未超限；式中：N
low,I
、N
mid,I
、N
high,I
分别为低纬度、中纬度、高维度地区监测站接收机个数；i1为低纬度地区的监测站接收机的序号，1≤i1≤N
low,I
；j1为中纬度地区的监测站接收机的序号，1≤j1≤N
mid,I
；k1为高纬度地区的监测站接收机的序号，1≤k1≤N
high,I
；B
i
、B
j
、B
k
分别为低纬度、中纬度、高维度地区的纬度；Lat1、Lat2、Lat3为纬度阶梯系数，分别取30、60、90；、和分别为计算出的对应的监测站接收机电离层延迟误差；I
hold
为电离层延迟总误差限值...

【专利技术属性】
技术研发人员：王宇翔，田先才，刘东升，刘红亮，姚刚，梁楠，黄雅琼，张龙平，
申请(专利权)人：北京航天宏图软件技术有限公司，
类型：发明
国别省市：