【技術實現步驟摘要】
本專利技術涉及數據降維，具體涉及一種用于軌道交通站內空氣智能調節方法及系統。
技術介紹
1、軌道交通站內空氣智能調節系統是一種利用先進的傳感器技術、控制理論和計算機技術，對車站內的空氣質量、溫度、濕度等進行自動監測和調節的系統。該系統的目的是提供一個舒適、健康和安全的乘車環境，同時降低能源消耗和維護成本。
2、傳統的調節方法通過獲取軌道交通站內多種數據，并根據數據與預設狀態的差異制定合理的空氣交換策略。隨著城市規模的發展，軌道交通在城市中承擔的交通運輸職責及客流量也越來越大，站內空氣質量變化速度也越來越快。為了進一步提升制定空氣交換策略的效率，需要加快采集數據的分析過程，減少空氣調節系統中數據分析模塊輸出控制指令的間隔時間，提升軌道交通站內空氣調節效率。因此使用主成分分析算法將原始數據的高維特征轉換為更少的低維特征，通過降維可以減少數據的復雜度、提高模型泛化能力、去除冗余信息，從而提升空氣調節系統的運行效率。但是在對站內空氣質量各類數據進行降維的過程中，由于僅通過數據的方差進行降維，沒有考慮到軌道交通站內受到列車和乘客的影響可能導致信息丟失、維度削減不夠徹底、無法反映特定情況下的數據變化等問題，從而使得制定的空氣交換策略存在誤差。
技術實現思路
1、本專利技術提供一種用于軌道交通站內空氣智能調節方法及系統，以解決現有的問題。
2、本專利技術的一種用于軌道交通站內空氣智能調節方法及系統采用如下技術方案：
3、本專利技術一個實施例提供了一種用于軌道交
4、采集軌道交通站的列車出站時間、列車入站時間，以及軌道交通站在每個采集時間下乘客入站的總數量、乘客出站的總數量和多個空氣監測項目的監測數據，所有空氣監測項目在每個采集時間下的監測數據構成多維度的監測數據；
5、根據每個維度中監測數據的極值點，得到列車入站時間對每個維度的監測數據的影響參數；
6、根據列車入站時間對每個維度的監測數據的影響參數、每個采集時間下乘客入站的總數量、乘客出站的總數量以及列車入站時間，得到乘客出入站對每個維度的監測數據的影響參數；
7、根據乘客出入站對每個維度的監測數據的影響參數，結合每個維度的監測數據的取值占比，獲得每個維度的重要性參數；
8、通過每個維度的重要性參數，獲得每個維度的調整方差貢獻率；根據所有維度的調整方差貢獻率對多維度監測數據進行降維獲得主成分維度；
9、所有主成分維度用于調整車站內空調系統的調節控制參數。
10、進一步地，所述根據每個維度中監測數據的極值點，得到列車入站時間對每個維度的監測數據的影響參數，包括的具體步驟如下：
11、計算每個維度的監測數據一階導數，根據一階導數獲得每個維度中監測數據的極值點；
12、根據每個維度中監測數據的每個極大值對應的時間、距每個維度中監測數據的每個極大值最近的前一次列車入站時間以及每個維度的監測數據的極大值的數量，得到列車入站時間對每個維度的監測數據的影響參數。
13、進一步地，所述列車入站時間對每個維度的監測數據的影響參數的具體獲取為：
14、
15、其中，表示列車入站時間對第個維度的監測數據的影響參數；表示第個維度的監測數據的極大值的數量；表示第個維度的監測數據中第個極大值對應的時間；表示第個維度的監測數據中第個極大值對應的時間；表示距第個維度的監測數據中第個極大值最近的前一次列車入站時間；表示距第個維度的監測數據中第個極大值最近的前一次列車入站時間；為函數；表示以自然常數為底的指數函數。
16、進一步地，所述根據列車入站時間對每個維度的監測數據的影響參數、每個采集時間下乘客入站的總數量、乘客出站的總數量以及列車入站時間，得到乘客出入站對每個維度的監測數據的影響參數，包括的具體步驟如下：
17、根據距離每個采集時間最近的上次列車入站時間的時間差以及每個采集時間的乘客入站和出站的總數量，得到每個維度在每個采集時間的監測數據的相關性評價；
18、對每個維度在所有采集時間的監測數據的相關性評價構成的序列求導，求導的結果記為每個維度的乘客出入站評價序列；
19、根據每個維度的乘客出入站評價序列與每個維度的監測數據序列之間的相關性，以及列車入站時間對每個維度的影響參數，得到乘客出入站對每個維度的監測數據的影響參數。
20、進一步地，所述相關性評價的具體計算公式為：
21、
22、其中，表示第個維度的第個采集時間的監測數據的相關性評價；表示第個采集時間減去距離第個采集時間最近的前一次列車入站時間得到的差值的絕對值；表示第個采集時間的乘客入站的總數量；表示第個采集時間的乘客出站的總數量；表示以自然常數為底的指數函數。
23、進一步地，所述乘客出入站對每個維度的監測數據的影響參數具體計算公式為：
24、
25、其中，表示乘客出入站對第個維度的監測數據的影響參數；表示列車入站時間對第個維度的監測數據的影響參數；表示第個維度的所有采集時間的監測數據序列；表示第個維度的乘客出入站評價序列；表示計算皮爾遜相關系數的函數。
26、進一步地，所述根據乘客出入站對每個維度的監測數據的影響參數，結合每個維度的監測數據的取值占比，獲得每個維度的重要性參數，包括的具體步驟如下：
27、將每個維度的監測數據利用最小二乘法分別擬合，擬合的結果記為每個維度的監測數據的擬合曲線，其中橫軸為時間，縱軸為擬合數據值；
28、根據乘客出入站對每個維度的監測數據的影響參數、每個維度的監測數據的擬合曲線的導數取值種類數量、每個維度的監測數據的極差、每個維度的監測數據的取值種類數量、每個維度中的監測數據數量，得到每個維度的重要性參數。
29、進一步地，所述重要性參數的具體計算公式為：
30、
31、其中，表示第個維度的重要性參數；表示乘客出入站對第個維度的監測數據的影響參數；表示第個維度的監測數據的擬合曲線的導數取值種類數量；表示第類導數在第個維度的監測數據的擬合曲線中的占比；表示第個維度的監測數據的極差；表示第個維度的監測數據的取值種類數量；表示第個維度中的監測數據數量；表示第個維度中第個取值監測數據的數量；為線性歸一化函數。
32、進一步地，所述通過每個維度的重要性參數，獲得每個維度的調整方差貢獻率；根據所有維度的調整方差貢獻率對多維度監測數據進行降維獲得主成分維度，包括的具體步驟如下：
33、根據每個維度的重要性參數獲得每個維度的調整方差貢獻率，根據所有維度的調整方差貢獻率對多維度監測數據進行調整降維獲得主成分維度；
34、其中第個維度的調整方差貢獻率的具體計算過程為：
35、
36、其中，表示第個維度的調整方差貢獻率；表示第個維度的重要性參數；表示第個維度中的監測數據數量，為第本文檔來自技高網...
【技術保護點】
1.一種用于軌道交通站內空氣智能調節方法，其特征在于，該方法包括以下步驟：
2.根據權利要求1所述一種用于軌道交通站內空氣智能調節方法，其特征在于，所述根據每個維度中監測數據的極值點，得到列車入站時間對每個維度的監測數據的影響參數，包括的具體步驟如下：
3.根據權利要求2所述一種用于軌道交通站內空氣智能調節方法，其特征在于，所述列車入站時間對每個維度的監測數據的影響參數的具體獲取為：
4.根據權利要求1所述一種用于軌道交通站內空氣智能調節方法，其特征在于，所述相關性評價的具體計算公式為：
5.根據權利要求1所述一種用于軌道交通站內空氣智能調節方法，其特征在于，所述根據乘客出入站對每個維度的監測數據的影響參數，結合每個維度的監測數據的取值占比，獲得每個維度的重要性參數，包括的具體步驟如下：
6.根據權利要求5所述一種用于軌道交通站內空氣智能調節方法，其特征在于，所述重要性參數的具體計算公式為：
7.根據權利要求1所述一種用于軌道交通站內空氣智能調節方法，其特征在于，所述通過每個維度的重要性參數，獲得每個維度的調
8.根據一種用于軌道交通站內空氣智能調節系統，包括存儲器、處理器以及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1-7任一項所述的一種用于軌道交通站內空氣智能調節方法的步驟。
...【技術特征摘要】
1.一種用于軌道交通站內空氣智能調節方法，其特征在于，該方法包括以下步驟：
2.根據權利要求1所述一種用于軌道交通站內空氣智能調節方法，其特征在于，所述根據每個維度中監測數據的極值點，得到列車入站時間對每個維度的監測數據的影響參數，包括的具體步驟如下：
3.根據權利要求2所述一種用于軌道交通站內空氣智能調節方法，其特征在于，所述列車入站時間對每個維度的監測數據的影響參數的具體獲取為：
4.根據權利要求1所述一種用于軌道交通站內空氣智能調節方法，其特征在于，所述相關性評價的具體計算公式為：
5.根據權利要求1所述一種用于軌道交通站內空氣智能調節方法，其特征在于，所述根據乘客出入站對每個維度的監測數據的影響參數，結合每...
【專利技術屬性】
技術研發人員：顧如清，姚吉，葛林康，劉烈，周翌嘉，鮑振偉，莊敏偉，成立新，
申請(專利權)人：無錫中科電氣設備有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。