一種基于云邊協同架構的鐵路事故預測系統及方法技術方案

本發明專利技術公開了一種基于云邊協同架構的鐵路事故預測系統及方法，涉及事故風險預測技術領域。所述鐵路事故預測系統包括：中心云和邊緣云；所述中心云與所述邊緣云連接；所述中心云用于構建當前時刻的事故預測模型；所述事故預測模型包括事故時間衰減函數；所述邊緣云用于獲取當前鐵路段的事故關聯信息；所述事故關聯信息包括鐵路環境信息和移動車運行信息；所述移動車運行信息為通過輸入控制指令使車輛運行的信息；根據所述當前鐵路段的事故關聯信息和所述當前時刻的事故預測模型，確定事故預測結果。本發明專利技術能夠準確預測事故風險，提高鐵路運行安全性。路運行安全性。路運行安全性。

【技術實現步驟摘要】
一種基于云邊協同架構的鐵路事故預測系統及方法


[0001]本專利技術涉及事故風險預測
，特別是涉及一種基于云邊協同架構的鐵路事故預測系統及方法。

技術介紹

[0002]當前對鐵路事故的預警預測多是從鐵路的技術條件的角度出發，即更多考慮的是鐵路上物的不安全狀態，比如鋼軌磨損程度，機車零部件的運用狀態等。雖然對構成事故因素的技術條件的信息采集和預測相對較為客觀，但是因為現階段引起事故的技術條件多種多樣，過于復雜，人們又很難采集到所有構成事故風險的技術條件。因此，上述預測難免會有疏漏，并且這些分析都忽視了事故背后隱藏的人為管理因素，即人的不安全行為對事故造成的影響。
[0003]而且現有對事故風險的預警結果展示，多采用簡單的數值形式給出結果。表現形式單一，不能體現事故和風險之間的關聯關系。使用人員只能面對枯燥的數字，時間久了，由于數字傳達的信息有限，不僅評估速度較慢，而且容易造成使用人員對結果的疏漏，不利于鐵路安全運行。

技術實現思路

[0004]本專利技術的目的是提供一種基于云邊協同架構的鐵路事故預測系統及方法，能夠準確預測事故風險，提高鐵路運行安全性。
[0005]為實現上述目的，本專利技術提供了如下方案：
[0006]一種基于云邊協同架構的鐵路事故預測系統，包括：中心云和邊緣云；
[0007]所述中心云與所述邊緣云連接；
[0008]所述中心云用于構建當前時刻的事故預測模型；所述事故預測模型包括事故時間衰減函數；所述事故時間衰減函數為全鐵路段的事故信息對所述當前鐵路段的影響程度；所述事故信息為設定時間段內的事故信息；所述設定時間段為[t1，t2]；t2表示當前時刻；t2
?
t1≥1；
[0009]所述邊緣云用于：
[0010]獲取當前鐵路段的事故關聯信息；所述事故關聯信息包括鐵路環境信息和移動車運行信息；所述移動車運行信息為通過輸入控制指令使車輛運行的信息；
[0011]將所述當前鐵路段的事故關聯信息輸入所述當前時刻的事故預測模型后，所述當前時刻的事故預測模型確定事故風險事件，并根據所述事故風險事件預測事故發生概率。
[0012]可選地，所述中心云包括：
[0013]第一數據采集模塊，用于獲取全鐵路段的事故信息；
[0014]模型構建模塊，用于根據所述全鐵路段的事故信息構建當前時刻的事故預測模型；
[0015]第一鏡像倉庫模塊，用于存儲所述當前時刻的事故預測模型。
[0016]可選地，所述模型構建模塊包括：
[0017]訓練數據確定單元，用于獲取訓練數據；所述訓練數據包括全鐵路段的事故信息、全鐵路段的事故風險事件和全鐵路段的事故關聯信息；
[0018]模型構建單元，用于構建事故樹分析模型；
[0019]模型訓練單元，用于將所述訓練數據輸入所述事故樹分析模型進行訓練，并將訓練好的模型確定為所述事故預測模型。
[0020]可選地，所述模型訓練單元包括：
[0021]映射關系獲取子單元，用于將所述訓練數據輸入所述事故樹分析模型，得到事故信息、事故風險事件和事故關聯信息之間的映射關系；
[0022]時間衰減函數獲取子單元，用于根據所述全鐵路段的事故風險事件和牛頓冷卻定律的時間衰減函數模型構建事故時間衰減函數；
[0023]事故預測模型獲取子單元，用于根據所述事故信息、事故風險事件和事故關聯信息之間的映射關系，以及所述事故時間衰減函數確定事故預測模型。
[0024]可選地，所述邊緣云包括：
[0025]第二數據采集模塊，用于獲取當前鐵路段的事故關聯信息；
[0026]第二鏡像倉庫模塊，用于獲取存儲的所述當前時刻的事故預測模型；
[0027]事故預測模塊，用于將所述當前鐵路段的事故關聯信息輸入所述當前時刻的事故預測模型后，所述當前時刻的事故預測模型輸出當前鐵路段的事故發生概率。
[0028]可選地，所述邊緣云還包括：
[0029]顯示模塊，用于將所述當前鐵路段的事故關聯信息和所述當前鐵路段的事故風險事件以海藻球形式進行顯示。
[0030]可選地，所述事故時間衰減函數的計算公式為：
[0031][0032]其中，T(t)為事故時間衰減函數；T(t0)為在t0時刻發生的事故對在t時刻發生的事件的影響的衰減程度；k為設定時間衰減系數。
[0033]本專利技術還提供了一種基于云邊協同架構的鐵路事故預測方法，包括：
[0034]構建當前時刻的事故預測模型；所述事故預測模型包括事故時間衰減函數；所述事故時間衰減函數為全鐵路段的事故信息對所述當前鐵路段的影響程度；所述事故信息為設定時間段內的事故信息；所述設定時間段為[t1，t2]；t2表示當前時刻；t2
?
t1≥1；
[0035]獲取當前鐵路段的事故關聯信息；所述事故關聯信息包括鐵路環境信息和移動車運行信息；所述移動車運行信息為通過輸入控制指令使車輛運行的信息；
[0036]將所述當前鐵路段的事故關聯信息輸入所述當前時刻的事故預測模型后，所述當前時刻的事故預測模型確定事故風險事件，并根據所述事故風險事件預測事故發生概率。
[0037]可選地，所述事故時間衰減函數的計算公式為：
[0038][0039]其中，T(t)為事故時間衰減函數；T(t0)為在t0時刻發生的事故對在t時刻發生的事件的影響的衰減程度；k為設定時間衰減系數。
[0040]根據本專利技術提供的具體實施例，本專利技術公開了以下技術效果：
[0041]本專利技術公開了一種基于云邊協同架構的鐵路事故預測系統及方法，其中所述鐵路事故預測系統包括中心云和邊緣云，中心云用于構建事故預測模型，邊緣云用于采集當前鐵路段的事故關聯信息，并根據所述當前鐵路段的事故關聯信息和所述事故預測模型預測事故發生概率。其中，當前鐵路段的事故關聯信息包括鐵路環境信息和移動車運行信息，所述移動車運行信息能夠獲取通過輸入控制指令使車輛運行的信息，不僅能夠顧及到技術原因，還能顧及到人為原因，彌補了當前技術中人的不安全行為對事故造成的疏漏；并且事故預測模型包括事故時間衰減函數，通過所述事故時間衰減函數能夠得到全鐵路段的事故信息對所述當前鐵路段的影響程度，提升事故預測結果的準確性，進而能夠根據事故預測的結果保障鐵路的安全運行。
附圖說明
[0042]為了更清楚地說明本專利技術實施例或現有技術中的技術方案，下面將對實施例中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本專利技術的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動性的前提下，還可以根據這些附圖獲得其他的附圖。
[0043]圖1為本專利技術基于云邊協同架構的鐵路事故預測系統的結構示意圖；
[0044]圖2為本專利技術基于云邊協同架構的鐵路事故預測系統的鐵路業務三級分類示意圖；
[0045]圖3為本專利技術基于云邊協同架構的鐵路事故預測系統的事故信息與事故關聯信息之間的映射關系示意圖；本文檔來自技高網...

【技術保護點】

【技術特征摘要】
1.一種基于云邊協同架構的鐵路事故預測系統，其特征在于，包括：中心云和邊緣云；所述中心云與所述邊緣云連接；所述中心云用于構建當前時刻的事故預測模型；所述事故預測模型包括事故時間衰減函數；所述事故時間衰減函數為全鐵路段的事故信息對所述當前鐵路段的影響程度；所述事故信息為設定時間段內的事故信息；所述設定時間段為[t1，t2]；t2表示當前時刻；t2
?
t1≥1；所述邊緣云用于：獲取當前鐵路段的事故關聯信息；所述事故關聯信息包括鐵路環境信息和移動車運行信息；所述移動車運行信息為通過輸入控制指令使車輛運行的信息；將所述當前鐵路段的事故關聯信息輸入所述當前時刻的事故預測模型后，所述當前時刻的事故預測模型確定事故風險事件，并根據所述事故風險事件預測事故發生概率。2.根據權利要求1所述的基于云邊協同架構的鐵路事故預測系統，其特征在于，所述中心云包括：第一數據采集模塊，用于獲取全鐵路段的事故信息；模型構建模塊，用于根據所述全鐵路段的事故信息構建當前時刻的事故預測模型；第一鏡像倉庫模塊，用于存儲所述當前時刻的事故預測模型。3.根據權利要求2所述的基于云邊協同架構的鐵路事故預測系統，其特征在于，所述模型構建模塊包括：訓練數據確定單元，用于獲取訓練數據；所述訓練數據包括全鐵路段的事故信息、全鐵路段的事故風險事件和全鐵路段的事故關聯信息；模型構建單元，用于構建事故樹分析模型；模型訓練單元，用于將所述訓練數據輸入所述事故樹分析模型進行訓練，并將訓練好的模型確定為所述事故預測模型。4.根據權利要求3所述的基于云邊協同架構的鐵路事故預測系統，其特征在于，所述模型訓練單元包括：映射關系獲取子單元，用于將所述訓練數據輸入所述事故樹分析模型，得到事故信息、事故風險事件和事故關聯信息之間的映射關系；時間衰減函數獲取子單元，用于根據所述全鐵路段的事故風險事件和牛頓冷卻定律的時間衰減函數模型構建事故時間衰減函數；事故預測模型獲取子單元，用于根據所述事故信息、事故風險事件和事故關...

【專利技術屬性】
技術研發人員：王喆，郭歌，劉承亮，朱韋橋，
申請(專利權)人：中國鐵道科學研究院集團有限公司電子計算技術研究所，
類型：發明
國別省市：