【技術實現步驟摘要】
本專利技術涉及交通運維，具體是基于軌道交通的車地協同運維系統及方法。
技術介紹
1、近年來，物聯網（iot）、大數據分析、人工智能（ai）等智能化技術在軌道交通運維中的應用逐漸深入。車地協同運維方法利用這些技術，實現了對軌道交通系統的實時數據采集、智能分析和預測。通過傳感器、監控設備和數據分析平臺，可以實時監測軌道、車輛和相關設備的狀態，從而實現對系統狀態的全面了解和預警。
2、現有存在以下缺陷：
3、信息孤島問題：傳統的運維模式中，車輛與地面設施的信息通常是分開的，各自的監控系統、維護記錄和操作數據往往不能有效整合。這導致了對系統整體狀況的了解不全面，難以實現精準的運維決策。
4、響應時間長：由于信息傳遞和反饋不及時，當軌道交通系統出現故障或異常時，相關運維人員可能需要較長時間才能發現并響應。這種延遲不僅影響了系統的正常運行，還可能增加維修成本和停運時間。
5、因此怎樣在提高軌道交通系統的響應率的同時，實現對軌道交通結構的全局可視化監測是現有技術的缺陷，為此提供基于軌道交通的車地協同運維系統及方法。
技術實現思路
1、為了解決上述技術問題，本專利技術的目的在于提供基于軌道交通的車地協同運維系統及方法。
2、為了實現上述目的，本專利技術提供如下技術方案：
3、基于軌道交通的車地協同運維方法，包括以下步驟：
4、步驟s1、在城市軌道以及各輛動車上安裝多種傳感器，通過各種傳感器采集行駛軌道以及各個軌道動
5、步驟s2、根據歷史行駛數據鏈建立任兩個行駛軌道與軌道動車對應各項數據的中心關聯數據簇以及異常數據；
6、步驟s3、將各個軌道動車與各個行駛軌道兩兩匹配，根據匹配結果調取相應的中心關聯數據簇以及異常數據，進而建立若干個運行狀態粒子以及維修方案粒子；
7、步驟s4、采集實時狀態下各個軌道動車以及預計通過行駛軌道的實時運行數據，將實時運行數據內的各項實時數據與相應的運行狀態粒子進行匹配，根據匹配結果判斷軌道動車或行駛軌道是否存在異常，進而調取相應的維修方案粒子獲取維修方案并執行。
8、進一步的，所述局部運行數據的采集過程包括：
9、根據城市軌道各個中轉站的分布，將城市軌道劃分為若干條行駛軌道，并分別對各條行駛軌道和軌道動車設置編號；
10、在各個軌道動車行駛前，獲取各個軌道動車的行駛事件，所述行駛事件包括軌道動車編號以及其將要通過行駛過道的編號；
11、對各個軌道動車以及相應行駛軌道上的各組傳感器設置相同的數據采集周期，在軌道動車沿著行駛軌道行駛的過程中，各個傳感器采集其在所在位置的相關數據，并在任一個數據采集周期結束時，整合各組傳感器采集的數據生成相應區域或車廂的局部歷史運行數據。
12、進一步的，所述歷史行駛數據鏈的建立過程包括：
13、當軌道動車行駛事件結束時，建立若干個歷史數據節點，將各個局部運行數據依次輸入至歷史數據節點中，進而根據軌道動車以及行駛軌道的各個局部運行數據的時間順序，將各個歷史數據節點連接得到動車歷史數據鏈以及軌道歷史數據鏈；
14、同時軌道動車與行駛軌道在各個時間節點上相對空間位置，將動車歷史數據鏈以及軌道歷史數據鏈中，在同一個時間節點以及同一個空間位置上的歷史數據節點進行匹配連接，得到相應行駛事件的歷史行駛數據鏈，并標注相應的軌道動車編號、行駛道路編號以及行駛事件的始末時間區間。
15、進一步的，所述中心關聯數據簇的建立過程包括：
16、將歷史行駛數據鏈的各個歷史數據節點按照行駛軌道劃分為若干個局部歷史行駛數據鏈，進而將帶有同一個軌道動車編號以及行駛道路編號，但行駛事件的始末時間區間標注的局部歷史行駛數據鏈進行分類；
17、建立若干個多維坐標系，將同一分類內的局部歷史行駛數據鏈中，對應同一個物體、空間位置以及同種類的數據在同一個多維坐標系上，獲取來自不同數據之間的單體空間距離；
18、設置單體空間距離閾值，依次以各個數據為中心數據，進而判斷其余數據與中心數據之間的單體空間距離與單體空間距離閾值之間大小關系；
19、根據判斷結果依次以各個中心數據為關系簇中心，進而整合與中心數據存在關聯性的數據建立關聯數據簇，比對各個關聯數據簇中數據數量，選取數據數量最多的關聯數據簇為中心關聯數據簇。
20、進一步的，所述中心關聯數據簇的建立過程還包括：
21、判斷各個關聯數據簇的關系簇中心與中心關聯數據簇的關系簇中心之間的單體空間距離是否大于等于單體空間距離閾值，若判斷成立，則將對應關聯數據簇與中心關聯數據簇合并，得到新的中心關聯數據簇，但原本中心關聯數據簇的關系簇中心位置不變；
22、重復上述合并關聯數據簇操作，直到不存在符合條件的關聯數據簇能與中心關聯數據簇合并為止。
23、進一步的，將不在中心關聯數據簇中其余數據記為異常數據，進而獲取同一分類內的局部歷史行駛數據鏈中，對應同一個物體、空間位置以及同種類的數據，對應的中心關聯數據簇以及異常數據。
24、進一步的，所述運行狀態粒子以及維修方案粒子的建立過程包括：
25、將各個軌道動車與各個行駛軌道的編號兩兩匹配，根據匹配結果調取從城市軌道交通三維圖像模型調取相應若干種數據的中心關聯數據簇以及異常數據；
26、選取中心關聯數據簇的關系簇中心的數據數值作為對應軌道動車以及行駛軌道相應時間節點下的最佳運行達成條件，將中心關聯數據簇邊緣位置的若干個數據記為保底運行達成條件，同時根據各種異常數據對應軌道動車以及行駛軌道的異常問題生成相應的維修方案；
27、根據各個軌道動車與各個行駛軌道的編號的匹配結果數量建立若干個運行狀態粒子以及維修方案粒子，對各個運行狀態粒子標注相應軌道動車與行駛軌道的編號，并將相關的各項最佳運行達成條件以及保底運行達成條件納入運行狀態粒子中，以及將維修方案以及相關異常數據輸入至維修方案粒子中。
28、進一步的，判斷軌道動車或行駛軌道是否存在異常的過程包括：
29、獲取各個軌道動車的實時行駛事件，根據實時行駛事件在城市軌道交通三維圖像模型中遍歷軌道動車將要經過的行駛軌道，進而采集實時狀態下各個軌道動車以及其將要經過的行駛軌道的實時運行數據；
30、在軌道動車行駛前，首先根據軌道動車其將要經過行駛軌道編號，將軌道動車要經過的行駛軌道的實時運行數據輸入至相應的運行狀態粒子中，進而判斷各個實時運行數據內各項實時數據是否都在，其對應運行狀態粒子中以最佳運行達成條件以及保底運行達成條件為極值的任一個數據區間內；
31、若在，則不做任何操作，若不在，則對應實時數據為異常數據，進而根據異常數據匹配相應的維修方案粒子，并獲取維修方案粒子中維修本文檔來自技高網...
【技術保護點】
1.基于軌道交通的車地協同運維方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的基于軌道交通的車地協同運維方法，其特征在于，所述局部運行數據的采集過程包括：
3.根據權利要求2所述的基于軌道交通的車地協同運維方法，其特征在于，所述歷史行駛數據鏈的建立過程包括：
4.根據權利要求3所述的基于軌道交通的車地協同運維方法，其特征在于，所述中心關聯數據簇的建立過程包括：
5.根據權利要求4所述的基于軌道交通的車地協同運維方法，其特征在于，所述中心關聯數據簇的建立過程還包括：
6.根據權利要求5所述的基于軌道交通的車地協同運維方法，其特征在于，將不在中心關聯數據簇中其余數據記為異常數據，進而獲取同一分類內的局部歷史行駛數據鏈中，對應同一個物體、空間位置以及同種類的數據，對應的中心關聯數據簇以及異常數據。
7.根據權利要求6所述的基于軌道交通的車地協同運維方法，其特征在于，所述運行狀態粒子以及維修方案粒子的建立過程包括：
8.根據權利要求7所述的基于軌道交通的車地協同運維方法，其特征在于，判斷軌道動車
9.一種基于軌道交通的車地協同運維系統，用于實現權利要求1至8任一項所述的基于軌道交通的車地協同運維方法，其特征在于，包括軌道交通數據采集模塊、歷史數據分析模塊以及歷史數據分析模塊；
...【技術特征摘要】
1.基于軌道交通的車地協同運維方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的基于軌道交通的車地協同運維方法，其特征在于，所述局部運行數據的采集過程包括：
3.根據權利要求2所述的基于軌道交通的車地協同運維方法，其特征在于，所述歷史行駛數據鏈的建立過程包括：
4.根據權利要求3所述的基于軌道交通的車地協同運維方法，其特征在于，所述中心關聯數據簇的建立過程包括：
5.根據權利要求4所述的基于軌道交通的車地協同運維方法，其特征在于，所述中心關聯數據簇的建立過程還包括：
6.根據權利要求5所述的基于軌道交通的車地協同運維方法，其特征在于，將不...
【專利技術屬性】
技術研發人員：伍漫永，
申請(專利權)人：湖南勁盛軌道交通裝備有限公司，
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。