一种铁路信号基础设备数据管理方法及系统与流程

本发明涉及数据处理，尤其涉及一种铁路信号基础设备数据管理方法及系统。

背景技术：

1、随着铁路信号系统的不断发展和现代化水平的提高，铁路信号基础设备的种类和数量不断增加，产生了大量的异构数据，这些数据包括设备运行参数、环境信息、状态信息等，具有多源异构、数据量大、实时性强等特点；

2、传统的铁路信号基础设备数据管理方法主要依赖人工记录和简单的数字化存储，数据利用率低，无法满足设备状态监测、故障诊断、预测性维护等方面的需求，随着大数据、人工智能等技术的发展，利用先进的数据管理和分析技术来提升铁路信号基础设备的管理水平已成为一种趋势；

3、目前，在铁路信号基础设备数据管理方面，已有一些研究和应用，主要利用传感器技术采集设备的运行数据，通过数据分析实现设备状态监测和故障诊断，但现有方法在数据采集、数据质量保证、数据融合、知识表示、隐私保护等方面还存在不足，无法充分发挥数据的价值；

4、因此亟需一种方案解决现有技术中存在的问题。

技术实现思路

1、本发明实施例提供一种铁路信号基础设备数据管理方法及系统，至少能解决现有技术中存在的部分问题。

2、本发明实施例的第一方面，提供一种铁路信号基础设备数据管理方法，包括：

3、通过预先设置的多模态传感器阵列收集铁路信号设备运行参数、环境信息和状态信息并组成多源异构数据，通过数据压缩算法和特征提取算法对所述多源异构数据进行自适应压缩和特征提取，得到设备运行特征向量，通过异常点检测算法对所述设备运行特征向量中的异常点进行识别和修复，得到高质量数据集，通过自组织数据传输网络将网络带宽与所述高质量数据集中的元素形式进行匹配，将所述高质量数据集传输至控制中心并作为非结构化数据；

4、基于所述非结构化数据，通过深度学习算法进行自动语义理解并生成语义特征库，提取铁路信号设备对应的关键信息，通过小样本学习算法对所述设备运行特征向量进行特征数据增强并通过时空相关性表示学习算法确定当前设备对应的故障预兆，生成健康状态评估报告，基于所述语义特征库和所述健康状态评估报告构建铁路信号知识图谱并通过因果推理技术构建全周期行为模式知识库；

5、基于所述全周期行为模式知识库，通过分布式存储系统对所述多源异构数据进行分类保存，结合区块链技术进行可信度验证，对于验证通过的多源异构数据，根据访问热度，通过多层级智能存储对所述多源异构数据进行分层管理并通过多方安全计算技术进行数据共享融合，对于融合后的初始融合数据，通过预先设置的隐私风险评估模型确定隐私性评分并根据隐私性评分对所述初始融合数据进行筛选，得到优质融合数据并结合区块链技术进行加密。

6、在一种可选的实施方式中，

7、通过预先设置的多模态传感器阵列收集铁路信号设备运行参数、环境信息和状态信息并组成多源异构数据，通过数据压缩算法和特征提取算法对所述多源异构数据进行自适应压缩和特征提取，得到设备运行特征向量，通过异常点检测算法对所述设备运行特征向量中的异常点进行识别和修复，得到高质量数据集，通过自组织数据传输网络将网络带宽与所述高质量数据集中的元素形式进行匹配，将所述高质量数据集传输至控制中心并作为非结构化数据包括：

8、基于预先设置的多模态传感器阵列，收集铁路信号设备的运行参数、环境信息和状态信息，其中，所述多模态传感器阵列根据预先设置的每个设备对应的重要性确定不同传感器的采样率，根据所述采样率进行数据采集，得到每个设备对应的运行参数、环境信息和状态信息，组合得到所述多源异构数据；

9、对于所述多源异构数据，根据所述多模态传感器阵列中的边缘计算节点，通过自适应数据压缩算法确定所述多源异构数据的数据分布特征，结合编码字典和所述铁路信号设备对应的数据的空间相关性，通过分布式小波变换进行协同压缩，生成初始压缩数据，通过经验模态分解和主成分分析算法确定所述初始压缩数据中的关键特征，得到设备运行特征向量；

10、基于所述设备运行特征向量初始化预先设置的基于孤立森林的异常点检测模型和数据修复规则库，将所述设备运行特征向量根据模型输入要求分为多个大小相同的数据块，对于每个数据块，通过所述异常点检测模型中的判断模块进行投票并生成投票结果，结合铁路信号设备对应的数据的时空相关性，结合异常点检测机制确定检测结果，若检测到异常点，对当前数据块进行数据校验并定位真实异常点，对于所述真实异常点，根据所述数据修复规则库，结合随机游走进行数据修复，得到所述高质量数据集；

11、对于所述高质量数据集，通过自组织数据传输网络发送至控制中心，其中，所述自组织数据传输网络包括网络汇聚层，网络接入层和网络优化层，所述网络汇聚层基于无线通信技术构建多通道异构融合网络并将接收到的所述高质量数据集发送至网络接入层，所述网络接入层根据所述高质量数据集中元素的结构，通过自适应多址接入机制进行数据接入，同时基于注意力机制为所述高质量数据集中的元素分配注意力权重，根据所述注意力权重为每个元素分配信道并发送至所述控制中心，在发送前，所述网络优化层基于网络流量预测算法确定节点能耗并通过认知无线电技术和频谱感知对信道资源进行自优化分配，得到所述非结构化数据。

12、在一种可选的实施方式中，

13、对于所述真实异常点，根据所述数据修复规则库，结合随机游走进行数据修复如下公式所示：

14、

15、其中，表示第t+1次迭代后异常节点a的特征向量，μ表示随机游走迭代系数，si(fj，fa)表示异常节点a和节点j之间特征向量的相似度度量函数，∑k表示对邻域正常节点求和，si(fj，fk)表示节点j和邻域正常节点k之间的相似度度量函数，表示第t次迭代后异常节点a的特征向量，表示异常节点a的初始特征向量。

16、在一种可选的实施方式中，

17、基于所述非结构化数据，通过深度学习算法进行自动语义理解并生成语义特征库，提取铁路信号设备对应的关键信息，通过小样本学习算法对所述设备运行特征向量进行特征数据增强并通过时空相关性表示学习算法确定当前设备对应的故障预兆，生成健康状态评估报告，基于所述语义特征库和所述健康状态评估报告构建铁路信号知识图谱并通过因果推理技术构建全周期行为模式知识库包括：

18、基于所述非结构化数据，通过深度学习算法进行格式转换并通过分词操作将文本转化为词汇表中的词元身份序列，将所述词元身份序列添加至预先训练完成的深度双向处理模型中，通过编码器输出每个词元对应的语义特征向量；

19、基于所述语义特征向量，构建语义理解模型并构建铁路信号设备领域的本体，形式化定义设备类型、部件名称、状态描述和故障模式并作为关键概念，定义所述关键概念之间的层次关系并将所述本体中的概念节点嵌入至所述深度双向处理模型对应的双向处理特征空间中，结合注意力机制确定所述本体与所述词元之间的语义关联，结合条件随机场序列标注模型对所述铁路信号设备进行关键信息自动抽取，得到关键信息；

20、基于所述关键信息，通过模型无关元学习算法对所述设备运行特征向量进行小样本特征学习，将所述设备运行特征向量划分为元训练集和元测试集，通过所述元训练集进行两级优化并确定初始特征提取器，基于所述元测试集对所述初始特征提取器进行优化，结合生成对抗网络进行特征数据增强，对于增强后的设备运行特征向量，通过时空注意力网络进行时空关联性建模，分别确定铁路信号设备的时间依赖关系和网络拓扑中邻近设备间的空间关联特征，基于所述时间依赖关系和所述空间关联特征确定所述故障预兆并生成健康状态评估报告；

21、基于所述语义特征库和所述健康状态评估报告构建铁路信号知识图谱，通过基于规则的实体链接方法进行实体连接和属性匹配，将预先获取的非结构化数据链接至所述铁路信号知识图谱中，结合因果推理技术，通过向量运算建模实体关系和逻辑关联性，预测图谱缺失值并进行扩充，得到所述全周期行为模式知识库。

22、在一种可选的实施方式中，

23、条件随机场序列标注模型对应的目标函数如下公式所示：

24、

25、其中，x表示输入序列，y表示预测标签序列，z(x)表示配分函数，th(yi-1，yi，x，i)为转移特征函数，表示标签yi-1到标签yi的转移特征，λh表示转移特征函数th的权重，μk表示状态特征函数sk的权重，sk(yi，x，i)为状态特征函数，表示在位置i上标签yi和观测序列x之间的特征。

26、在一种可选的实施方式中，

27、基于所述全周期行为模式知识库，通过分布式存储系统对所述多源异构数据进行分类保存，结合区块链技术进行可信度验证，对于验证通过的多源异构数据，根据访问热度，通过多层级智能存储对所述多源异构数据进行分层管理并通过多方安全计算技术进行数据共享融合，对于融合后的初始融合数据，通过预先设置的隐私风险评估模型确定隐私性评分并根据隐私性评分对所述初始融合数据进行筛选，得到优质融合数据并结合区块链技术进行加密包括：

28、基于所述全周期行为模式知识库，确定所述多源异构数据对应的数据类别并通过所述分布式存储系统根据所述数据类别对所述多源异构数据进行分类保存；

29、基于区块链技术，将所述多源异构数据根据预定义的格式和规范上传至区块链网络，对于每一条多源异构数据，生成对应的交易，结合共识机制在不同节点间达成一致并打包发送至区块中，对于上传至区块中的多源异构数据，通过智能合约中预先定义的验证规则进行可信度验证，生成可信度评分并与基于预先设置的可信度阈值进行比较，若所述可信度评分大于所述可信度阈值，则认为验证通过，保留当前可信度评分对应的多源异构数据，否则删除所述多源异构数据；

30、对于通过验证的多源异构数据，根据用户的数据请求记录和访问时间统计数据计算热度评分，根据所述热度评分将所述多源异构数据分为热数据、温数据和冷数据三个层级，设计多层级存储架构，结合层级对通过验证的多源异构数据进行存储，根据热度评分变化，通过基于热度感知的数据迁移策略进行数据迁移与更新，通过多方安全计算协议共同计算存储占比并通过秘密共享技术将所述多源异构数据根据所述存储占比划分为多个分片进行数据加密，结合同态加密技术在加密的数据上进行融合计算，得到初始融合数据；

31、对于所述初始融合数据，通过基于信息熵的隐私评分模型，结合数据的敏感度和关联风险计算每条初始融合数据的隐私性评分，根据预设的隐私风险阈值对所述隐私性评分进行筛选，去除隐私性评分低于所述隐私风险阈值的初始融合数据，得到所述优质融合数据，结合区块链加密技术对所述优质融合数据进行保存。

32、在一种可选的实施方式中，

33、结合数据的敏感度和关联风险计算每条初始融合数据的隐私性评分如下公式所示：

34、

35、其中，ps表示隐私性评分，ws表示敏感度权重，pm表示数据在第m个属性上的取值概率，wr表示关联风险权重，r表示数据的关联风险，wt表示时效性权重，t表示数据的时效性，wd表示数据量权重，d表示数据的数量。

36、本发明实施例的第二方面，提供一种铁路信号基础设备数据管理系统，包括：

37、第一单元，用于通过预先设置的多模态传感器阵列收集铁路信号设备运行参数、环境信息和状态信息并组成多源异构数据，通过数据压缩算法和特征提取算法对所述多源异构数据进行自适应压缩和特征提取，得到设备运行特征向量，通过异常点检测算法对所述设备运行特征向量中的异常点进行识别和修复，得到高质量数据集，通过自组织数据传输网络将网络带宽与所述高质量数据集中的元素形式进行匹配，将所述高质量数据集传输至控制中心并作为非结构化数据；

38、第二单元，用于基于所述非结构化数据，通过深度学习算法进行自动语义理解并生成语义特征库，提取铁路信号设备对应的关键信息，通过小样本学习算法对所述设备运行特征向量进行特征数据增强并通过时空相关性表示学习算法确定当前设备对应的故障预兆，生成健康状态评估报告，基于所述语义特征库和所述健康状态评估报告构建铁路信号知识图谱并通过因果推理技术构建全周期行为模式知识库；

39、第三单元，用于基于所述全周期行为模式知识库，通过分布式存储系统对所述多源异构数据进行分类保存，结合区块链技术进行可信度验证，对于验证通过的多源异构数据，根据访问热度，通过多层级智能存储对所述多源异构数据进行分层管理并通过多方安全计算技术进行数据共享融合，对于融合后的初始融合数据，通过预先设置的隐私风险评估模型确定隐私性评分并根据隐私性评分对所述初始融合数据进行筛选，得到优质融合数据并结合区块链技术进行加密。

40、本发明实施例的第三方面，

41、提供一种电子设备，包括：

42、处理器；

43、用于存储处理器可执行指令的存储器；

44、其中，所述处理器被配置为调用所述存储器存储的指令，以执行前述所述的方法。

45、本发明实施例的第四方面，

46、提供一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现前述所述的方法。

47、本发明中，通过自组织数据传输网络，将网络带宽与高质量数据集中的元素形式进行匹配，可以实现数据传输的优化，根据数据的重要性和网络状况，动态调整传输策略，提高网络利用效率，保证关键数据的及时传输，利用深度学习算法对非结构化数据进行自动语义理解，生成语义特征库，可以提取铁路信号设备的关键信息，通过小样本学习算法对设备运行特征向量进行特征数据增强，扩充训练样本，提高模型的泛化能力，基于语义特征库和健康状态评估报告，构建铁路信号知识图谱，形成设备状态、故障模式、维修策略等知识的结构化表示，通过因果推理技术，构建全周期行为模式知识库，揭示设备状态变化的因果关系和行为模式，知识图谱和行为模式知识库可以为设备管理、故障诊断、预测性维护等提供智能决策支持，基于全周期行为模式知识库，通过分布式存储系统对多源异构数据进行分类保存，提高数据存储和访问效率，对于验证通过的多源异构数据，根据访问热度，通过多层级智能存储进行分层管理，将频繁访问的热数据存储在高速存储介质上，提高数据访问性能，综上，本发明能够有效提升铁路信号设备数据的智能化管理水平，提高设备可靠性和安全性，具有重要的应用价值。