本发明专利技术公开了列车运维数据处理方法、装置及电子设备，涉及列车智能运维技术领域。其中，该列车运维数据处理方法，包括以下的步骤：接收列车运维数据，其中，所述列车运维数据为由列车、车站和列车上的设备所产生的数据；通过预设的列车标准协议模型对所述列车运维数据进行分类；采用与分类结果相对应的预设智能解析模型对分类结果进行预测，得到目标故障类型。本发明专利技术，不需要再针对每种数据格式和协议进行专门的解析和处理，而是对列车运维数据进行统一的分类、解析和处理，从而实现了提升效率，且简便的对复杂数据准确解析。除此以外，采用本申请的列车运维数据处理方法，还能够准确识别出数据所代表的含义，提高运维效率和准确度。度。度。
【技术实现步骤摘要】
列车运维数据处理方法、装置及电子设备
[0001]本专利技术涉及列车智能运维
，尤其涉及一种列车运维数据处理方法、装置及电子设备。
技术介绍
[0002]在城市轨道交通的运维过程中，需要对各种运维监控数据进行采集、传输、存储和分析。这些数据来源复杂，包括信号系统、车站控制系统、列车运行数据、设备运行状态等多个方面。在实际操作中，这些数据会以不同的格式、协议和粒度进行采集、存储和传输。为了进行有效的数据分析和决策，需要对这些不同的数据进行大量的解析和整合。
[0003]现有技术中，公开号为CN115884421A的专利，公开了一种5G报文发送方法和发送装置，并具体公开了通过将待发送的报文进行分类，通过分类器将报文分为信令报文，VoNR报文和普通数据报文，确定这三种报文类型对应的优先级，进而根据优先级的高低按顺序发送报文，从而可以使优先级高的报文占据更多的带宽资源，保证优先级高的报文获得更好的网速配置，从而满足用户对不同类型网络的需求。
[0004]公开号为CN115879891A的专利，还公开了一种地铁晚间控制系统及方法，并具体公开了模型层中提供了针对不同地铁场景设备的候选控制模型，在接收到第一控制指令时，可以基于设备标识从候选控制模型中确定出对应的目标控制模型，并向逻辑层发送携带有设备标识和目标控制模型的第二控制指令。逻辑层可以基于目标控制模型对设备标识对应的地铁场景设备进行控制。可以看出，本申请的地铁晚间控制系统中，将对不同地铁场景设备的控制流程模型化为候选控制模型后部署在模型层，这些候选控制模型可以由表示层根据检测到的第一控制指令来触发，并由逻辑层最终去执行，以此来实现对各种地铁场景设备的自动化控制。这样，可以大幅度减少非营业时间内地铁工作人员的日常运维工作内容，从而可以大幅度提高地铁晚间运维效率。
[0005]公开号为CN115048374A的专利，还公开一种基于时序数据库的边缘数据处理方法及平台、存储介质，并具体公开了根据本申请的第一方面，提供一种基于时序数据库的边缘数据处理方法，包括：采集待监测对象的第一类监测数据，以及第二类监测数据；将所述第一类监测数据实时向云平台上传，使所述云平台进行所述第一类监测数据的展示与分析；以及将所述第二类监测数据，通过间断方式写入时序数据库中；响应于诊断分析周期到来，获取所述时序数据库中的设定时段内所述待监测对象相关的所述第二类监测数据，基于所获取的所述第二类监测数据，对所述待监测对象进行诊断分析，得到诊断分析结果，通过所述云平台输出所述诊断分析结果。
[0006]综上可知，针对相关技术中对每种数据格式和协议进行专门的解析和处理，这种方法效率低下，且难以实现对复杂数据的准确解析的问题，目前尚未提出有效的解决方案。
技术实现思路
[0007]专利技术目的：提供一种列车运维数据处理方法、装置及电子设备，以解决现有技术存
在的上述问题。
[0008]技术方案：一种列车运维数据处理方法，包括以下的步骤：接收列车运维数据，其中，所述列车运维数据为由列车、车站和列车上的设备所产生的数据；通过预设的列车标准协议模型对所述列车运维数据进行分类；采用与分类结果相对应的预设智能解析模型对分类结果进行预测，得到目标故障类型。
[0009]作为优选，所述智能解析模型的预先设置包括：使用自适应分配码表的方式对列车运维样本数据进行编码序列化和映射，完成机器学习模型的训练。
[0010]作为优选，所述智能解析模型的预先设置还包括：接收用户在终端的类型
‑
参数配置界面中配置的模型参数；其中，故障类型与训练后的机器学习模型具有第一映射关系；根据所述第一映射关系将相应的模型参数分配到对应的训练后的机器学习模型中，得到智能解析模型。
[0011]作为优选，所述智能解析模型的预先设置还包括：接收用户在终端的类型
‑
规则配置界面中配置的运行机理规则；其中，规则类型与训练后的机器学习模型具有第二映射关系；根据所述第二映射关系将相应的运行机理规则分配到对应的训练后的机器学习模型中。
[0012]作为优选，所述机器学习模型为多分类决策树模型或卷积神经网络模型。
[0013]作为优选，所述列车标准协议模型的预先设置包括：接收用户在终端配置的标准协议信号数据，并从数据库中读取列车基本数据；构建所述标准协议信号数据和列车基本数据之间的第三映射关系，及构建所述标准协议信号数据和预设智能解析模型之间的第四映射关系；根据所述第三关联关系和第四映射关系生成列车标准协议模型。
[0014]作为优选，采用与分类结果相对应的预设智能解析模型对分类结果进行预测时，启动数据批处理程序、归集程序和定时服务。
[0015]作为优选，采用与分类结果相对应的预设智能解析模型对分类结果进行预测，得到目标故障类型之后还包括：对所述列车运维数据和所述目标故障类型，按不同数据类型进行结构化存储。
[0016]为了实现上述目的，根据本申请的另一方面，提供了一种列车运维数据处理装置。
[0017]根据本申请的列车运维数据处理装置，包括：接收模块，用于接收列车运维数据，其中，所述列车运维数据为由列车、车站和列车上的设备所产生的数据；分类模块，用于通过预设的列车标准协议模型对所述列车运维数据进行分类；解析模块，用于采用与分类结果相对应的预设智能解析模型对分类结果进行预测，得到目标故障类型。
[0018]为了实现上述目的，根据本申请的另一方面，提供了一种电子设备，所述电子设备包括：
[0019]至少一个处理器；以及
[0020]与所述至少一个处理器通信连接的存储器；其中，
[0021]所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行所述的列车运维数据处理方法。
[0022]有益效果：在本申请实施例中，采用列车运维数据处理的方式，通过接收列车运维数据，其中，所述列车运维数据为由列车、车站和列车上的设备所产生的数据；通过预设的
列车标准协议模型对所述列车运维数据进行分类；采用与分类结果相对应的预设智能解析模型对分类结果进行预测，得到目标故障类型；达到了对列车运维数据进行统一的分类、解析和处理的目的，从而实现了提升效率，且简便的对复杂数据准确解析的技术效果，进而解决了对每种数据格式和协议进行专门的解析和处理造成的效率低下，且难以实现对复杂数据的准确解析的技术问题。
附图说明
[0023]图1是根据本申请实施例的列车运维数据处理方法的流程示意图；
[0024]图2是根据本申请实施例的列车运维数据处理装置的流程示意图；
[0025]图3是根据本申请一优选实施例的列车运维数据处理方法和装置的结构示意图；
[0026]图4是根据本申请再一优选实施例的列车运维数据处理方法和装置的结构示意图；
[0027]图5是根据本申请另一优选实施例的列车运维数据处理方法和装置的结构示意图。...
【技术保护点】
【技术特征摘要】
1.一种列车运维数据处理方法，其特征在于，包括以下的步骤：接收列车运维数据，其中，所述列车运维数据为由列车、车站和列车上的设备所产生的数据；通过预设的列车标准协议模型对所述列车运维数据进行分类；采用与分类结果相对应的预设智能解析模型对分类结果进行预测，得到目标故障类型。2.根据权利要求1所述的方法，其特征在于，所述智能解析模型的预先设置包括：使用自适应分配码表的方式对列车运维样本数据进行编码序列化和映射，完成机器学习模型的训练。3.根据权利要求2所述的方法，其特征在于，所述智能解析模型的预先设置还包括：接收用户在终端的类型
‑
参数配置界面中配置的模型参数；其中，故障类型与训练后的机器学习模型具有第一映射关系；根据所述第一映射关系将相应的模型参数分配到对应的训练后的机器学习模型中，得到智能解析模型。4.根据权利要求3所述的方法，其特征在于，所述智能解析模型的预先设置还包括：接收用户在终端的类型
‑
规则配置界面中配置的运行机理规则；其中，规则类型与训练后的机器学习模型具有第二映射关系；根据所述第二映射关系将相应的运行机理规则分配到对应的训练后的机器学习模型中。5.根据权利要求4所述的方法，其特征在于，所述机器学习模型为多分类决策树模型或卷积神经网络模型。6.根据权利要求1所述的方法，其特征在于，所述列车标准协议模型的预先设置包括：接收用户在终...
【专利技术属性】
技术研发人员：周黎明，杨叶明，陈乔，
申请(专利权)人：中车南京浦镇车辆有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。