【技术实现步骤摘要】
本专利技术涉及电数字数据处理，具体涉及一种轨道交通信息数据清洗方法及系统。
技术介绍
1、轨道交通信息数据是指与轨道交通系统相关的各种数据，包括列车位置、速度、延误情况、乘客流量、车站运营情况等。这些数据可以通过各种传感器、监控设备、计算机系统和其他数据源收集到。
2、其中， 轨道交通的交通工具中包括地铁，对于这种交通工具的相关信息就包含了轨道设备状态的相关数据，例如记录轨道交通系统的设备（如信号设备、电力设备、通信设备）运行状态和故障信息，其中就包含了各个节点轨道的振动数据，这些振动数据由振动传感器采集，可以用于设备维护和故障排查，以确保轨道交通系统的正常运行。
3、当轨道的老化产生裂纹或松动等所产生的轨道节点异常情况时，可能会导致振动频率的突然变化或者出现异常的频率，或振动的幅值突然增大或减小，需要将这种轨道节点的异常振动数据单独识别出来进行分析。然而，在监测轨道状态的过程中，一方面由于振动传感器自身的寿命以及监测过程中外部因素的影响，所获取到的振动数据本身存在一定的干扰波动；另一方面，由于存在多个轨道列车依次在轨道上行驶，而不同列车在对应检测位置处的速度存在一定的差异，因此所产生的互动力具有一定的差异，导致检测位置处的振动数据存在一定的干扰波动；所以以上两个方面的异常干扰波动，都会导致最终对异常轨道节点的监测准确性降低，所以需要将异常干扰数据清洗，保留轨道节点自身的异常振动数据进行分析。
技术实现思路
1、为了解决异常干扰波动导致对异常轨道节点的监测准
2、本专利技术提供一种轨道交通信息数据清洗方法，所述方法包括：
3、基于轨道振动传感器的预设切分周期数据，确定所述轨道振动传感器的局部数据异常程度和相邻局部数据之间的振幅差异；
4、基于所述振幅差异，确定所述轨道振动传感器的整体规律性特征因子；
5、利用多个相邻轨道振动传感器的整体规律性特征因子，确定所述轨道振动传感器的轨道节点故障影响可能性；
6、利用所述局部数据异常程度和所述轨道节点故障影响可能性，确定局部数据是否为待清洗数据。
7、进一步地，基于轨道振动传感器的预设切分周期数据，确定所述轨道振动传感器的局部数据异常程度的步骤，包括：
8、基于轨道振动传感器的预设切分周期数据，确定任一目标峰值点以及与其相邻的多个对应峰值点组成的峰值组；
9、确定所述目标峰值点与所述峰值组中的其他峰值点之间的目标振幅差异值；
10、利用所述目标振幅差异值和所述峰值组中的最大振幅差异值，确定轨道振动传感器的局部数据异常程度。
11、进一步地，利用所述目标振幅差异值和所述峰值组中的最大振幅差异值，确定轨道振动传感器的局部数据异常程度的步骤，包括：
12、利用所述目标振幅差异值，确定目标峰值点对应的局部数据的局部突出程度；
13、利用所述局部突出程度、所述目标峰值点对应的目标振幅以及所述峰值组中的最大振幅差异值，计算得到轨道振动传感器的局部数据异常程度。
14、进一步地，基于轨道振动传感器的预设切分周期数据，确定相邻局部数据之间的振幅差异的步骤，包括：
15、基于轨道振动传感器的预设切分周期数据，确定各组相邻极大值之间的第一振幅差异；
16、基于所述预设切分周期数据，确定各组相邻极小值之间的第二振幅差异；
17、其中，以两个相邻极大值或两个相邻极小值为一组。
18、进一步地，基于所述振幅差异，确定所述轨道振动传感器的整体规律性特征因子的步骤，包括：
19、利用所述第一振幅差异，确定相邻组之间第一振幅差异的第一差值；
20、利用所述第二振幅差异，确定相邻组之间第二振幅差异的第二差值；
21、分别利用所述第一差值、所述第二差值，确定各自对应的第一振幅变化规律性和第二振幅变化规律性；
22、确定所有的第一振幅差异和第二振幅差异对应的振幅差异均值；
23、利用所述振幅差异均值、所述第一振幅变化规律性和所述第二振幅变化规律性，计算得到所述轨道振动传感器的整体规律性特征因子。
24、进一步地，利用多个相邻轨道振动传感器的整体规律性特征因子，确定所述轨道振动传感器的轨道节点故障影响可能性的步骤，包括：
25、确定所述轨道振动传感器与之前方向上的前邻轨道振动传感器之间整体规律性特征因子的第一差异；
26、确定所述轨道振动传感器之后方向上的多个相邻轨道振动传感器之间整体规律性特征因子的第二差异；
27、确定所述前邻轨道振动传感器之前方向上的多个相邻轨道振动传感器之间整体规律性特征因子的第三差异；
28、利用所述第一差异、所述第二差异和所述第三差异，计算得到所述轨道振动传感器的轨道节点故障影响可能性；
29、其中，之前方向和之后方向基于沿列车行进方向。
30、进一步地，利用所述第一差异、所述第二差异和所述第三差异，计算得到所述轨道振动传感器的轨道节点故障影响可能性的步骤，包括：
31、利用所述第一差异、所述第二差异的累加值、所述第三差异的累加值，计算得到所述轨道振动传感器的轨道节点故障影响可能性。
32、可选地，利用所述局部数据异常程度和所述轨道节点故障影响可能性，确定局部数据是否为待清洗数据的步骤，包括：
33、确定所述局部数据异常程度和所述轨道节点故障影响可能性之间的比值；
34、将归一化后的比值与预设阈值比较，以确定局部数据是否为待清洗数据。
35、可选地，利用所述局部数据异常程度和所述轨道节点故障影响可能性，确定局部数据是否为待清洗数据的步骤之后，所述方法还包括：
36、利用归一化后的比值，将所述待清洗数据进行修正以得到清洗后的数据。
37、本专利技术还提供一种轨道交通信息数据清洗系统，所述系统用于实现如上任一项所述的轨道交通信息数据清洗方法；所述系统包括：
38、数据分析模块，用于基于轨道振动传感器的预设切分周期数据，确定所述轨道振动传感器的局部数据异常程度和相邻局部数据之间的振幅差异；
39、振幅分析模块，用于基于所述振幅差异，确定所述轨道振动传感器的整体规律性特征因子；
40、轨道分析模块，用于利用多个相邻轨道振动传感器的整体规律性特征因子，确定所述轨道振动传感器的轨道节点故障影响可能性；
41、清洗评估模块，用于利用所述局部数据异常程度和所述轨道节点故障影响可能性，确定局部数据是否为待清洗数据。
42、本专利技术具有如下有益效果：
43、本专利技术通过分析轨道振动传感器在预设切分周期数据中的每个局部数据（局部振动数据），进而判断每个局部振动数据的局部异常程度，该操作避免了由于振动本文档来自技高网...
【技术保护点】
1.一种轨道交通信息数据清洗方法，其特征在于，所述方法包括：
2.根据权利要求1所述的轨道交通信息数据清洗方法，其特征在于，基于轨道振动传感器的预设切分周期数据，确定所述轨道振动传感器的局部数据异常程度的步骤，包括：
3.根据权利要求2所述的轨道交通信息数据清洗方法，其特征在于，利用所述目标振幅差异值和所述峰值组中的最大振幅差异值，确定轨道振动传感器的局部数据异常程度的步骤，包括：
4.根据权利要求1所述的轨道交通信息数据清洗方法，其特征在于，基于轨道振动传感器的预设切分周期数据，确定相邻局部数据之间的振幅差异的步骤，包括：
5.根据权利要求4所述的轨道交通信息数据清洗方法，其特征在于，基于所述振幅差异，确定所述轨道振动传感器的整体规律性特征因子的步骤，包括：
6.根据权利要求1所述的轨道交通信息数据清洗方法，其特征在于，利用多个相邻轨道振动传感器的整体规律性特征因子，确定所述轨道振动传感器的轨道节点故障影响可能性的步骤，包括：
7.根据权利要求6所述的轨道交通信息数据清洗方法，其特征在于，利用所述第一差异、
8.根据权利要求1所述的轨道交通信息数据清洗方法，其特征在于，利用所述局部数据异常程度和所述轨道节点故障影响可能性，确定局部数据是否为待清洗数据的步骤，包括：
9.根据权利要求8所述的轨道交通信息数据清洗方法，其特征在于，利用所述局部数据异常程度和所述轨道节点故障影响可能性，确定局部数据是否为待清洗数据的步骤之后，所述方法还包括：
10.一种轨道交通信息数据清洗系统，其特征在于，所述系统用于实现如权利要求1~9任一项所述的轨道交通信息数据清洗方法；所述系统包括：
...【技术特征摘要】
1.一种轨道交通信息数据清洗方法，其特征在于，所述方法包括：
2.根据权利要求1所述的轨道交通信息数据清洗方法，其特征在于，基于轨道振动传感器的预设切分周期数据，确定所述轨道振动传感器的局部数据异常程度的步骤，包括：
3.根据权利要求2所述的轨道交通信息数据清洗方法，其特征在于，利用所述目标振幅差异值和所述峰值组中的最大振幅差异值，确定轨道振动传感器的局部数据异常程度的步骤，包括：
4.根据权利要求1所述的轨道交通信息数据清洗方法，其特征在于，基于轨道振动传感器的预设切分周期数据，确定相邻局部数据之间的振幅差异的步骤，包括：
5.根据权利要求4所述的轨道交通信息数据清洗方法，其特征在于，基于所述振幅差异，确定所述轨道振动传感器的整体规律性特征因子的步骤，包括：
6.根据权利要求1所述的轨道交通信息数据清洗方法，其特征在于，利用...
【专利技术属性】
技术研发人员：张焕增，黄健，李旭，麻吉泉，任振彬，王金涛，张欣，肖淞，狄金山，
申请(专利权)人：山东交控科技有限公司，
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。