一种城轨车门开关门异常检测方法与流程

[0001]
本发明涉及城轨车门开关门异常检测领域，具体地涉及一种城轨车门开关门异常检测方法。


背景技术：

[0002]
在城轨智能运维管理平台中，车门数据只传输了关闭状态数据，如：左侧门关、x号门关闭锁好等。城轨车门的数据均只表达正向逻辑，例如1号门关闭锁好状态为1，则说明1号门处于关闭锁好状态；当状态为0时，不一定说明1号门处于打开状态。要判断车门是否可以打开需要同时判断车门切除、紧急解锁、存在故障、障碍检测、门打开、门关闭等状态数据。依据城轨智能运维管理平台里的数据，针对车门时间相关的数据项，可以通过数据获取到车门打开的时刻，车门关闭锁好的时刻，但是却获取不到车门完全打开的时刻，与车门开始关闭的时刻。经过数据探索与分析，确认城轨phm系统里与车门开关门时间相关的数据只有两个：车门刚开门的时刻与车门关闭锁好的时刻，缺少车门完全打开对应的时刻和车门开始关闭的时刻，这样便缺少了针对车门做开门时长或关门时长的数据统计分析。现有技术中往往通过车门的机械结构判断车门的异常状态，故障定位耗时长，而且检测速度慢，当机械结构处于老化状态时也无法进行及时更新替换，另外，现有技术中不仅没有针对车门做开门时长或关门时长相关数据统计分析，也没有利用城轨phm系统里与车门开关门时间相关的数据对城轨车门开关门进行异常检测的方法。


技术实现要素：

[0003]
本发明提供一种城轨车门开关门异常检测方法，从而解决现有技术的上述问题。
[0004]
一种城轨车门开关门异常检测方法，包括以下步骤：
[0005]
s1)获取城轨车门开关门数据，将城轨车门开关门数据分成两部分数据集，其中一部分数据集用作特征指标构建数据，另一部分数据集用作偏离度计算数据；
[0006]
s2)建立若干类车门特征指标，利用特征指标构建数据计算若干个城轨车门的若干类车门特征指标，设置若干个细化指标维度，分别计算若干个细化指标维度下若干类车门特征指标的均值以及标准差；
[0007]
s3)利用偏离度计算数据计算每个城轨车门的车门特征，根据车门特征以及步骤s2)中若干个细化指标维度下若干类车门特征指标的均值以及标准差分别计算每个城轨车门不同细化指标维度下不同车门特征指标下的偏离度，设置偏离度权重，根据偏离度权重计算每个城轨车门的总偏离度，对所有城轨车门的总偏离度进行统计，计算总偏离度均值和总偏离度均值；
[0008]
s4)获取待检测城轨车门的开关门数据，根据待检测城轨车门的开关门数据计算待检测城轨车门的总偏离度，根据3sigma准则对待检测城轨车门的总偏离度进行异常判断，获得待检测城轨车门的开关门状态异常检测结果。
[0009]
进一步的，步骤s2)中，建立若干类车门特征指标，利用特征指标构建数据计算若
干个城轨车门的若干类车门特征指标，设置若干个细化指标维度，分别计算若干个细化指标维度下若干类车门特征指标的均值以及标准差，包括以下步骤：
[0010]
s21)利用特征指标构建数据计算若干个城轨车门的第i类车门特征指标，统计不同细化指标维度下的第i类车门特征指标，计算不同细化指标维度下的第i类车门特征指标的均值以及标准差，i∈{1,2,
…
,n}，n为车门特征指标的类别总数；
[0011]
s22)重复步骤s21)，获得不同细化指标维度下的不同类别车门特征指标的均值以及标准差，将第j个细化指标维度下第i类车门特征指标的均值记为μ
ij
，将第j个细化指标维度下第i类车门特征指标的标准差记为σ
ij
，j∈{1,2,
…
,m}，m为细化指标维度的总数。
[0012]
进一步的，步骤s3)中，利用偏离度计算数据计算每个城轨车门的车门特征，根据车门特征以及步骤s2)中若干个细化指标维度下若干类车门特征指标的均值以及标准差分别计算每个城轨车门不同细化指标维度下不同车门特征指标下的偏离度，设置偏离度权重，根据偏离度权重计算每个城轨车门的总偏离度，对所有城轨车门的总偏离度进行统计，计算总偏离度均值和总偏离度标准差，包括以下步骤：
[0013]
s31)将偏离度计算数据中的任意一个城轨车门记为z，城轨车门z的第i个车门特征记为x
i
，所述城轨车门z的第i个车门特征x
i
与第i类车门特征指标相对应；
[0014]
s32)城轨车门z在第i类车门特征指标第j个细化指标维度下的偏离度获取城轨车门z在第i类车门特征指标不同细化指标维度下的偏离度{ρ
i1
,ρ
i2
,
…
,ρ
im
}；
[0015]
s33)设置若干个细化指标维度的偏离度权重，计算城轨车门z在第i类车门特征指标下的偏离度ω
j
为第j个细化指标维度的偏离度权重；
[0016]
s34)设置若干类车门特征指标的偏离度权重，计算城轨车门z的总偏离度τ
j
表示第i类车门特征的指标权重；
[0017]
s35)统计所有城轨车门的总偏离度，计算总偏离度均值μ和总偏离度标准差σ。
[0018]
进一步的，步骤s4)中，获取待检测城轨车门的开关门数据，根据待检测城轨车门的开关门数据计算待检测城轨车门的总偏离度，根据3sigma准则对所述待检测城轨车门的总偏离度进行异常判断，获得待检测城轨车门的开关门状态异常检测结果，包括以下步骤：
[0019]
s41)获取待检测城轨车门的开关门数据，根据待检测城轨车门的开关门数据计算待检测城轨车门的车门特征；
[0020]
s42)根据待检测城轨车门的车门特征计算待检测城轨车门的总偏离度ρ；
[0021]
s43)判断μ-3σ≤ρ≤μ+3σ是否成立，若是，则待检测城轨车门的开关门状态正常；若否，则待检测城轨车门的开关门状态异常。
[0022]
进一步的，步骤s1)中，城轨车门开关门数据包括每个城轨车门的车门打开的时刻和每个城轨车门的车门关闭锁好的时刻。
[0023]
进一步的，若干个车门特征指标包括车门开门一致性、车门关门一致性与车门开关门总耗时；车门开门一致性为每列车每个车厢每一侧每一次停站时同侧开门时间极差，车门关门一致性为每列车每个车厢每一侧每一次停站时同侧关门时间极差，车门开关门总耗时为每列车每个车厢每一侧每一次停站时同侧的开关门总耗时；若干个细化指标维度包
括全量数据、相同站点、相同乘车率区间和相同时间段。
[0024]
本发明进行了原始特征变换，针对车门时间相关的数据项，即通过车门打开的时刻和车门关闭锁好的时刻构造出新的若干个车门特征指标。
[0025]
进一步的，每个城轨车门的车门特征包括城轨车门每一次停站时的开关门总耗时x1、城轨车门与同侧最早开门的车门之间的开门时间差x2、城轨车门与同侧最早关闭锁好的车门之间的关门时间差x3。
[0026]
进一步的，设置若干个细化指标维度的偏离度权重，若干个细化指标维度中全量数据的偏离度权重设为0.1、若干个细化指标维度中相同站点的偏离度权重、相同乘车率区间的偏离度权重和相同时间段的偏离度权重分别设为0.3。
[0027]
进一步的，设置若干类车门特征指标的偏离度权重，车门开门一致性的偏离度权重为0.45，车门关门一致性的偏离度权重为0.35，车门开关门总耗时的偏离度权重0.2。
[0028]
本发明选择了车门开门一致性、车门关门一致性与车门开关门总耗时三个维度去构造车门特征指标。因为车门开关门总耗时是一个波动较大的特征指标，在人多的时候列车停留站点的时间大概率会比平常多一些，在冷门站点的时候，因为上下车的乘客很少，大概率停站时间会比平常少一些。而开门一致性与关门一致性是与同侧做对比，它的波动范围很稳定，理论上到站后一侧的车门应该是同时开同时关的，受大站小站、人多人少的影响因素较小。所以在赋予特征权重的时候开关门总耗时权重最小为0.2，关门一致性权重为0.35，开门一致性权重为0.45，因为关门过程更容易受到乘客的因素影响，所以开门一致性权重会相对高一点。
[0029]
本发明的有益效果是：本发明仅根据城轨车门开关门时间便能够进行车门异常检测，能快速定位到异常车门，检测速度快；本发明不仅能直接快速检测到车门故障，而且能够提前预测出老化的机械结构，使乘客的安全得到更好保障；本发明通过原始特征变换，构造出新的特征指标，更加符合实际开关门特性；本发明提出车门开关门时间异常检测模型对动车和城轨车具有一定通用性，具有模型推广性。
附图说明
[0030]
为了更清楚地说明本发明实施例的技术方案，下面将对实施例所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0031]
图1为本实施例一提供的城轨车门开关门异常检测方法流程示意图。
[0032]
图2为本实施例一提供的不同车不同乘车率开关门总耗时对比分析图。
具体实施方式
[0033]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不用于限定本发明。需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，以便一系列单元的过程、方法、系统、产品或设备不必限于那些单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其他单元。
[0034]
实施例一，一种城轨车门开关门异常检测方法，如图1所示，包括以下步骤：
[0035]
s1)获取城轨车门开关门数据，将城轨车门开关门数据分成两部分数据集，其中一部分数据集用作特征指标构建数据，另一部分数据集用作偏离度计算数据；
[0036]
s2)建立若干类车门特征指标，利用特征指标构建数据计算若干个城轨车门的若干类车门特征指标，设置若干个细化指标维度，分别计算若干个细化指标维度下若干类车门特征指标的均值以及标准差；
[0037]
s3)利用偏离度计算数据计算每个城轨车门的车门特征，根据车门特征以及步骤s2)中若干个细化指标维度下若干类车门特征指标的均值以及标准差分别计算每个城轨车门不同细化指标维度下不同车门特征指标下的偏离度，设置偏离度权重，根据偏离度权重计算每个城轨车门的总偏离度，对所有城轨车门的总偏离度进行统计，计算总偏离度均值和总偏离度均值；
[0038]
s4)获取待检测城轨车门的开关门数据，根据待检测城轨车门的开关门数据计算待检测城轨车门的总偏离度，根据3sigma准则对待检测城轨车门的总偏离度进行异常判断，获得待检测城轨车门的开关门状态异常检测结果。
[0039]
步骤s2)中，建立若干类车门特征指标，利用特征指标构建数据计算若干个城轨车门的若干类车门特征指标，设置若干个细化指标维度，分别计算若干个细化指标维度下若干类车门特征指标的均值以及标准差，包括以下步骤：
[0040]
s21)利用特征指标构建数据计算若干个城轨车门的第i类车门特征指标，统计不同细化指标维度下的第i类车门特征指标，计算不同细化指标维度下的第i类车门特征指标的均值以及标准差，i∈{1,2,
…
,n}，n为车门特征指标的类别总数；
[0041]
s22)重复步骤s21)，获得不同细化指标维度下的不同类别车门特征指标的均值以及标准差，将第j个细化指标维度下第i类车门特征指标的均值记为μ
ij
，将第j个细化指标维度下第i类车门特征指标的标准差记为σ
ij
，j∈{1,2,
…
,m}，m为细化指标维度的总数。
[0042]
步骤s3)中，利用偏离度计算数据计算每个城轨车门的车门特征，根据车门特征以及步骤s2)中若干个细化指标维度下若干类车门特征指标的均值以及标准差分别计算每个城轨车门不同细化指标维度下不同车门特征指标下的偏离度，设置偏离度权重，根据偏离度权重计算每个城轨车门的总偏离度，对所有城轨车门的总偏离度进行统计，计算总偏离度均值和总偏离度标准差，包括以下步骤：
[0043]
s31)将偏离度计算数据中的任意一个城轨车门记为z，城轨车门z的第i个车门特征记为x
i
，所述城轨车门z的第i个车门特征x
i
与第i类车门特征指标相对应；
[0044]
s32)城轨车门z在第i类车门特征指标第j个细化指标维度下的偏离度获取城轨车门z在第i类车门特征指标不同细化指标维度下的偏离度{ρ
i1
,ρ
i2
,
…
,ρ
im
}；
[0045]
s33)设置若干个细化指标维度的偏离度权重，计算城轨车门z在第i类车门特征指标下的偏离度ω
j
为第j个细化指标维度的偏离度权重；
[0046]
s34)设置若干类车门特征指标的偏离度权重，计算城轨车门z的总偏离度τ
j
表示第i类车门特征的指标权重；
[0047]
s35)统计所有城轨车门的总偏离度，计算总偏离度均值μ和总偏离度标准差σ。
[0048]
步骤s4)中，获取待检测城轨车门的开关门数据，根据待检测城轨车门的开关门数据计算待检测城轨车门的总偏离度，根据3sigma准则对所述待检测城轨车门的总偏离度进行异常判断，获得待检测城轨车门的开关门状态异常检测结果，包括以下步骤：
[0049]
s41)获取待检测城轨车门的开关门数据，根据待检测城轨车门的开关门数据计算待检测城轨车门的车门特征；
[0050]
s42)根据待检测城轨车门的车门特征计算待检测城轨车门的总偏离度ρ；步骤s42)中计算待检测城轨车门的总偏离度ρ时，按照步骤s3)中计算城轨车门总偏离度的方法(步骤s32)至步骤s34))获得待检测城轨车门的总偏离度ρ。
[0051]
s43)判断μ-3σ≤ρ≤μ+3σ是否成立，若是，则待检测城轨车门的开关门状态正常；若否，则待检测城轨车门的开关门状态异常。
[0052]
步骤s1)中，城轨车门开关门数据包括每个城轨车门的车门打开的时刻和每个城轨车门的车门关闭锁好的时刻。
[0053]
若干个车门特征指标包括车门开门一致性、车门关门一致性与车门开关门总耗时；车门开门一致性为每列车每个车厢每一侧每一次停站时同侧开门时间极差，车门关门一致性为每列车每个车厢每一侧每一次停站时同侧关门时间极差，车门开关门总耗时为每列车每个车厢每一侧每一次停站时同侧的开关门总耗时；若干个细化指标维度具有全量数据、相同站点、相同乘车率区间和相同时间段。
[0054]
本发明进行了原始特征变换，针对车门时间相关的数据项，即通过车门打开的时刻和车门关闭锁好的时刻构造出新的若干个车门特征指标。全量数据这个细化指标维度是指所有的城轨车门开关门数据。
[0055]
每个城轨车门的车门特征包括城轨车门每一次停站时的开关门总耗时x1、城轨车门与同侧最早开门的车门之间的开门时间差x2、城轨车门与同侧最早关闭锁好的车门之间的关门时间差x3。
[0056]
设置若干个细化指标维度的偏离度权重，若干个细化指标维度中全量数据的偏离度权重设为0.1、若干个细化指标维度中相同站点的偏离度权重、相同乘车率区间的偏离度权重和相同时间段的偏离度权重分别设为0.3。
[0057]
设置若干类车门特征指标的偏离度权重，车门开门一致性的偏离度权重为0.45，车门关门一致性的偏离度权重为0.35，车门开关门总耗时的偏离度权重0.2。
[0058]
本发明选择了车门开门一致性、车门关门一致性与车门开关门总耗时三个维度去构造车门特征指标。因为车门开关门总耗时是一个波动较大的特征指标，在人多的时候列车停留站点的时间大概率会比平常多一些，在冷门站点的时候，因为上下车的乘客很少，大概率停站时间会比平常少一些。而开门一致性与关门一致性是与同侧做对比，它的波动范围很稳定，理论上到站后一侧的车门应该是同时开同时关的，受大站小站、人多人少的影响因素较小。所以在赋予特征权重的时候开关门总耗时权重最小为0.2，关门一致性权重为0.35，开门一致性权重为0.45，因为关门过程更容易受到乘客的因素影响，所以开门一致性权重会相对高一点，偏离度权重构建如表1所示。
[0059]
表1偏离度权重构建表
[0060][0061]
表1
[0062]
本实施例中，通过城轨phm系统中乘车率的波动范围基本在0％至125％之间，所以将乘车率区间划分为：0％～24％、25％～49％、50％～74％、75％～99％、100％～124％五个区间段，以此来做统计分析。本实施例展示成都7号线00507-701列车与00507-702列车分别在以上5个乘车率区间内的车门开关门总时长数据分布规律。如图2所示，其中a1、b1、c1、d1、e1分别为成都7号线00507-701列车分别在0％～24％、25％～49％、50％～74％、75％～99％、100％～124％五个区间段的统计分布图，a2、b2、c2、d2、e2分别为成都7号线00507-702列车分别在0％～24％、25％～49％、50％～74％、75％～99％、100％～124％五个区间段的统计分布图。本实施例中，先统计不同列车在各个乘车率区间的车门开关门总时长，然后求取车门开关门总时长均值的平均值以及车门开关门总时长标准差的均值，将车门开关门总时长均值的平均值以及车门开关门总时长标准差的均值作为相同乘车率区间这个细化指标维度的均值和标准差，其他细化指标维度(相同站点和相同时间段)的均值和标准差的计算方式与相同乘车率区间这个细化指标维度的均值和标准差的计算方式相同，在此不再赘述。
[0063]
通过采用本发明公开的上述技术方案，得到了如下有益的效果：
[0064]
本发明实现了城轨车门开关门时间异常检测，本发明能快速检测到车门故障，并能够使乘客的安全得到更好保障；本发明通过原始特征变换，构造出新的特征指标，更加符合实际开关门特性；本发明提出车门开关门时间异常检测模型对动车和城轨车具有一定通用性，具有模型推广性。
[0065]
以上仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视本发明的保护范围。