一种ETC门架系统预警方法、装置、设备及介质与流程

本申请涉及etc门架系统监控技术领域，特别涉及一种etc门架系统预警方法、装置、设备及介质。

背景技术：

随着全国取消高速公路省界收费项目的开展，大大提高高速公路通行效率，给用户带来诸多便捷。同时大量的etc(即electronictollcollection，电子不停车收费系统)门架设备对运维也带来了极大的挑战。门架系统出现故障，将导致许多业务无法开展。为了避免门架系统异常导致关键业务的运营受到影响，需要对门架系统进行监控，以及时发现问题。

当前，传统的监控工具主要是对门架软硬件设备运行状态的罗列，无法达到预警的效果。因此，如何对门架故障及时预警成为需要解决的问题。

技术实现要素：

有鉴于此，本申请的目的在于提供一种etc门架系统预警方法、装置、设备及介质，能够及时的进行etc门架系统异常预警，从而提升问题定位速度。其具体方案如下：

第一方面，本申请公开了一种etc门架系统预警方法，包括：

获取第一etc门架系统在预设时段内的第一交易数据；

确定出所述第一交易数据对应的交易成功率和平均交易耗时；

将所述交易成功率和对应的所述交易耗时构造为训练样本；

利用所述训练样本进行孤立森林训练以得到训练后孤立森林；

利用所述训练后孤立森林对第二etc门架系统进行监测；

当监测到第二etc门架系统出现异常，则生成对应的预警信息。

可选的，所述生成对应的预警信息，包括：

获取所述第二etc门架系统当前的第一设备信息、第一软件服务信息以及第一天气信息；

利用所述第一设备信息、第一软件服务信息以及第一天气信息，确定出每个门架运行影响因素的因素分值；

利用所述因素分值以及每个所述门架运行影响因素对应的因素权重确定出每个所述门架运行影响因素对应的异常分值；

生成所述预警信息；所述预警信息包括所述异常分值。

可选的，所述生成所述预警信息之前，还包括：

确定出一级影响因素对应的所述异常分值的和值；

判断所述和值是否大于预设阈值，若所述和值大于所述预设阈值，则生成所述预警信息，否则禁止生成所述预警信息；

其中，所述一级影响因素包括影响交易的设备因素、软件服务因素以及天气因素。

可选的，所述etc门架系统预警方法，还包括：

获取所述第一门架系统的第二交易数据；

利用所述第二交易数据获取每笔交易执行过程中所述第一etc门架系统的第二设备信息、第二软件服务信息以第二天气信息；

利用所述第二设备信息、所述第二软件服务信息以及所述第二天气信息确定出每个所述门架运行影响因素对应的所述因素权重。

可选的，所述利用所述第二设备信息、所述第二软件服务信息以及所述第二天气信息确定出每个所述门架运行影响因素对应的所述因素权重，包括：

利用所述第二设备信息、所述第二软件服务信息以及所述第二天气信息确定出每个一级影响因素导致交易失败的交易失败率，以及每个二级影响因素导致设备异常的设备异常率；其中，所述一级影响因素包括影响交易的设备因素、软件服务因素以及天气因素，所述二级影响因素为影响第一设备运行的因素；

利用所述设备异常率通过熵值法计算出对应的每个所述二级影响因素的所述因素权重；

利用确定出的所述交易失败率通过熵值法计算出每个所述一级影响因素的所述因素权重。

可选的，所述利用所述第二设备信息、所述第二软件服务信息以及所述第二天气信息确定出每个所述门架运行影响因素对应的所述因素权重，包括：

利用所述第二设备信息、所述第二软件服务信息以及所述第二天气信息确定出目标一级影响因素导致交易失败的交易失败率，以及每个二级影响因素导致设备异常的设备异常率；其中，所述目标一级影响因素包括影响交易的软件服务因素、天气因素以及第二设备对应的第二设备因素，所述二级影响因素为影响第一设备运行的因素；

利用所述设备异常率通过熵值法计算出对应的每个所述二级影响因素的所述因素权重以得到目标因素权重；

利用所述目标因素权重以及对应的所述设备异常率计算出第一设备因素对应的第一分值；其中，所述第一设备因素为影响交易的所述第一设备对应的因素；

利用所述目标一级影响因素导致交易失败的交易失败率确定出所述目标一级影响因素对应的第二分值；

利用所述第一分值以及所述第二分值通过熵值法确定出所述目标一级影响因素以及第一设备因素对应的所述因素权重。

第二方面，本申请公开了一种etc门架系统预警装置，包括：

交易数据获取模块，用于获取第一etc门架系统在预设时段内的第一交易数据；

交易指标确定模块，用于确定出所述第一交易数据对应的交易成功率和平均交易耗时；

训练样本构造模块，用于将所述交易成功率和对应的所述交易耗时构造为训练样本；

孤立森林训练模块，用于利用所述训练样本进行孤立森林训练以得到训练后孤立森林；

门架系统监测模块，用于利用所述训练后孤立森林对第二etc门架系统进行监测；

预警信息生成模块，用于当所述门架系统监测模块监测到第二etc门架系统发生异常，则生成对应的预警信息。

可选的，所述预警信息生成模块，具体包括：

信息获取子模块，用于获取所述第二etc门架系统当前的第一设备信息、第一软件服务信息以及第一天气信息；

因素分值确定子模块，用于利用所述第一设备信息、第一软件服务信息以及第一天气信息，确定出每个门架运行影响因素的因素分值；

异常分值确定子模块，用于利用所述因素分值以及每个所述门架运行影响因素对应的因素权重确定出每个所述门架运行影响因素对应的异常分值；

预警信息生成子模块，用于生成所述预警信息；所述预警信息包括所述异常分值。

第三方面，本申请公开了一种电子设备，包括处理器和存储器；其中，

所述存储器，用于保存计算机程序；

所述处理器，用于执行所述计算机程序以实现前述的etc门架系统预警方法。

第四方面，本申请公开了一种计算机可读存储介质，用于保存计算机程序，其中，所述计算机程序被处理器执行时实现前述的etc门架系统预警方法。

可见，本申请先获取第一etc门架系统在预设时段内的第一交易数据，并确定出所述第一交易数据对应的交易成功率和平均交易耗时，之后将所述交易成功率和对应的所述交易耗时构造为训练样本，以及利用所述训练样本进行孤立森林训练以得到训练后孤立森林，然后利用所述训练后孤立森林对第二etc门架系统进行监测，当监测到第二etc门架系统出现异常，则生成对应的预警信息。这样，利用交易成功率和交易耗时两个指标构造样本进行孤立森林训练，然后利用训练后孤立森林进行门架系统监测，能够及时的进行etc门架系统异常预警，从而提升问题定位速度。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，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，还可以根据提供的附图获得其他的附图。

图1为本申请公开的一种etc门架系统预警方法流程图；

图2为本申请提供的一种具体的门架运行影响因素示意图；

图3为本申请公开的一种etc门架系统预警装置结构示意图；

图4为本申请公开的一种电子设备结构图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

随着全国取消高速公路省界收费项目的开展，大大提高高速公路通行效率，给用户带来诸多便捷。同时大量的etc门架设备对运维也带来了极大的挑战。门架系统出现故障，将导致许多业务无法开展。为了避免门架系统异常导致关键业务的运营受到影响，需要对门架系统进行监控，以及时发现问题。当前，传统的监控工具主要是对门架软硬件设备运行状态的罗列，无法达到预警的效果。因此，如何对门架故障及时预警成为需要解决的问题。为此，本申请提供了一种etc门架系统预警方案，能够及时的进行etc门架系统异常预警，从而提升问题定位速度。

参见图1所示，本申请实施例公开了一种etc门架系统预警方法，包括：

步骤s11：获取第一etc门架系统在预设时段内的第一交易数据。

步骤s12：确定出所述第一交易数据对应的交易成功率和平均交易耗时。

步骤s13：将所述交易成功率和对应的所述交易耗时构造为训练样本。

在具体的实施方式中，可以获取多个所述第一etc门架系统在预设时段内的第一交易数据，计算出每笔交易数据对应的交易成功率和平均交易耗时，构造每笔交易数据对应的训练样本。也可以获取一个第一etc门架系统多个预设时段交易数据，构造训练样本。其中，所述预设时段可以为1小时、1天等。

需要指出的是，一切因素如果对门架交易产生影响，通常反映在门架的交易耗时及交易成功率等指标上，引起交易耗时升高，或成功率下降，如果没有这种影响，这个因素可以被忽略掉。因此可以使用交易成功率、交易耗时两个指标来进行门架设备的故障监控。可以采用isolationforest(孤立森林)算法，对门架交易成功率、交易耗时进行检测。当发现离群点时，可以将该门架标记为异常，进行故障原因分析等后续操作。

步骤s14：利用所述训练样本进行孤立森林训练以得到训练后孤立森林。

可以利用训练样本构建多棵孤立树，以得到独立森林。

步骤s15：利用所述训练后孤立森林对第二etc门架系统进行监测。

在具体的实施方式中，可以获取第二etc门架系统最近时段的交易数据，计算出对应的交易成功率和平均交易耗时，然后通过训练后孤立森林计算出第二etc门架系统对应的异常得分，以确定第二etc门架系统是否发生异常，其中，最近时段可以为最近1小时等。

步骤s16：当监测到第二etc门架系统出现异常，则生成对应的预警信息。

在具体的实施方式中，当监测到第二etc门架系统出现异常，则获取所述第二etc门架系统当前的第一设备信息、第一软件服务信息以及第一天气信息；利用所述第一设备信息、第一软件服务信息以及第一天气信息，确定出每个门架运行影响因素的因素分值；利用所述因素分值以及每个所述门架运行影响因素对应的因素权重确定出每个所述门架运行影响因素对应的异常分值；生成所述预警信息；所述预警信息包括所述异常分值。

其中，门架运行影响因素包括一级影响因素和二级影响因素，其中，所述一级影响因素包括影响交易的设备因素、软件服务因素以及天气因素，所述二级影响因素为影响第一设备运行的因素。例如，参见图2所示，图2为本申请公开的一种具体的门架运行影响因素示意图。第一设备包括车牌识别设备、rsu设备、前端工控机、后台工作主机等，软件服务包括北斗授时服务等，天气因素可以包括温度、湿度等。如图2所示，一级影响因素包括车牌识别设备因素、rsu设备因素、前端工控机因素、后台工作主机因素、北斗授时服务因素以及天气因素。以车牌识别设备为例，对应的二级影响因素包括：车速、厂商、型号、像素、车型、拍摄位置、车道、时间段、行驶方向等。假设当前车速为90km/h，根据对历史交易数据的统计分析，90km/对应的车牌识别失败率为30％，则确定出30％对应的因素得分为30分，同理，确定出厂商、型号等二级影响因素对应的因素得分。然后利用各二级影响因素对应的因素得分以及对应的因素权重进行加权计算，得到对于应的一级影响因素即车牌识别设备因素的因素得分，然后利用该因素得分与车牌识别设备因素对于应的因素权重得到车牌识别设备因素对应的异常得分，同理可以计算出rsu设备、前端工控机、后台工作主机对应的异常得分。对于没有对应二级影响的第二设备、软件服务，若对应的设备信息以及软件服务信息为异常，则利用异常时导致交易失败的交易失败率确定对应的因素得分，比如，北斗授时服务异常导致交易失败的交易失败率为2％，则对应的因素得分为2，然后将该以因素得分以及北斗授时服务对应的因素权重确定出对应的异常得分，如果没有异常，异常得分为0。同理，天气信息温度为0度，利用0度对应的交易失败率以及天气因素对应的因素权重确定出对应的异常得分。

并且，本实施例可以对各一级影响因素和每个第一设备对应的二级影响因素对应的异常分值进行排序，从而定位问题。以便门架维护人员快速定位主要因素。可以从大到小排序，即可看出造成异常的主次原因。

进一步的，本实施例可以确定出一级影响因素对应的所述异常分值的和值；

判断所述和值是否大于预设阈值，若所述和值大于所述预设阈值，则生成所述预警信息，否则禁止生成所述预警信息；

其中，所述一级影响因素包括影响交易的设备因素、软件服务因素以及天气因素。

也即，各一级影响因素的异常分值的总和即为本次问题定位的可信度。

需要指出的是，etc门架系统为包括多个设备、软件服务的系统，造成交易失败的因素有多种。除硬件异常外，现有的监控工具无法看出除硬件因素外的其他影响交易失败的因素，例如，车速、车型、气候、拍摄位置等，以及造成某门架交易失败的主要因素，对于非设备异常造成的门架运行异常无法进行告警。本实施例可以帮助运维监控人员从海量的流水数据中提取出影响门架运行的主要因素，而且还能够实时、快速、动态地掌握系统运行健康状况，从而极大地提高运维人员工作效率，可以协助运维人员及时发现隐患，能够有效地保障门架健康稳定运行，真正做到“事前监控预防，事后根源定位”。用户可以根据主要因素做出相应调整。比如，导致某一门架的交易成功率过低的主要因素是车速，用户则可以对该路段限速范围做出相应调整等措施以提高交易成功率，节约人力成本。

另外，本申请实施例还可以获取所述第一门架系统的第二交易数据；利用所述第二交易数据获取每笔交易执行过程中所述第一etc门架系统的第二设备信息、第二软件服务信息以第二天气信息；利用所述第二设备信息、所述第二软件服务信息以及所述第二天气信息确定出每个所述门架运行影响因素对应的所述因素权重。

在一种具体的实施方式中，可以利用所述第二设备信息、所述第二软件服务信息以及所述第二天气信息确定出每个一级影响因素导致交易失败的交易失败率，以及每个二级影响因素导致设备异常的设备异常率；其中，所述一级影响因素包括影响交易的设备因素、软件服务因素以及天气因素，所述二级影响因素为影响第一设备运行的因素；利用所述设备异常率通过熵值法计算出对应的每个所述二级影响因素的所述因素权重；利用确定出的所述交易失败率通过熵值法计算出每个所述一级影响因素的所述因素权重。

也即，可以通过历史交易数据对应的门架系统设备、软件服务信息一级天气信息，确定出每个一级影响因素导致交易失败的交易失败率，以及每个二级影响因素导致设备异常的设备异常率，例如，车牌识别设备异常导致交易失败的失败率为40％，车速90km/h导致的车牌识别设备车牌识别失败的概率为30％等。通过利用多条数据，即多笔交易执行过程中所述第一etc门架系统的第二设备信息、第二软件服务信息以第二天气信息；利用所述第二设备信息、所述第二软件服务信息以及所述第二天气信息，通过熵值法确定出每个第一设备对应的二级影响因素的权重，比如，对于车牌识别设备，可以计算出车速、厂商、型号等分别对应的权重。并且，可以计算出每个一级影响因素导致交易失败的交易失败率，然后通过熵值法计算出每个一级影响因素对应的因素权重。

在另外一种具体的实施方式中，可以利用所述第二设备信息、所述第二软件服务信息以及所述第二天气信息确定出目标一级影响因素导致交易失败的交易失败率，以及每个二级影响因素导致设备异常的设备异常率；其中，所述目标一级影响因素包括影响交易的软件服务因素、天气因素以及第二设备对应的第二设备因素，所述二级影响因素为影响第一设备运行的因素；利用所述设备异常率通过熵值法计算出对应的每个所述二级影响因素的所述因素权重以得到目标因素权重；利用所述目标因素权重以及对应的所述设备异常率计算出第一设备因素对应的第一分值；其中，所述第一设备因素为影响交易的所述第一设备对应的因素；利用所述目标一级影响因素导致交易失败的交易失败率确定出所述目标一级影响因素对应的第二分值；利用所述第一分值以及所述第二分值通过熵值法确定出所述目标一级影响因素以及第一设备因素对应的所述因素权重。

例如，在计算出车牌识别设备对应的二级影响因素的因素权重后，结合每个二级影响因素的设备异常率计算出车牌识别设备对应第一分值，90km/对应的车牌识别失败率为30％，则对应的分数30分，同理确定出其他二级影响因素的分数，经过加权计算得到车牌识别设备对应的第一分值，同理得到其他包括二级影响因素的第一设备对应的第一分值，而对于目标一级影响因素，比如软件服务，软件故障交易失败的失败率为20％，对应第二分值为20分，然后利用第一分值以及第二分值通过熵值法确定出目标一级影响因素以及第一设备因素对应的因素权重。

也即，车辆从门架下经过产生交易时，门架交易流水上传。按照交易时间采集每笔交易在执行过程中设备、软件、天气等因素等信息为基础数据以供原因分析算法使用。以交易失败为例，造成交易失败的因素分为设备因素、软件因素、天气因素，对于能获取到具体因素的设备。取其在该因素情况下的设备异常率，经过熵值法计算造成该设备异常各因素权重，交易失败时各因素的分值与权重相乘得到各因素造成设备异常分数。再计算该设备在失败时，造成交易失败的概率，两数相乘即为该设备得分。若无法获得该设备的具体因素，则利用设备在失败时造成交易失败的概率，确定该设备得分。然后根据已计算得到的分值，熵值法计算出造成交易失败的各因素权重。

可见，本申请实施例先获取第一etc门架系统在预设时段内的第一交易数据，并确定出所述第一交易数据对应的交易成功率和平均交易耗时，之后将所述交易成功率和对应的所述交易耗时构造为训练样本，以及利用所述训练样本进行孤立森林训练以得到训练后孤立森林，然后利用所述训练后孤立森林对第二etc门架系统进行监测，当监测到第二etc门架系统出现异常，则生成对应的预警信息。这样，利用交易成功率和交易耗时两个指标构造样本进行孤立森林训练，然后利用训练后孤立森林进行门架系统监测，能够及时的进行etc门架系统异常预警，从而提升问题定位速度。

参见图3所示，本申请实施例公开了一种etc门架系统预警装置，包括：

交易数据获取模块11，用于获取第一etc门架系统在预设时段内的第一交易数据；

交易指标确定模块12，用于确定出所述第一交易数据对应的交易成功率和平均交易耗时；

训练样本构造模块13，用于将所述交易成功率和对应的所述交易耗时构造为训练样本；

孤立森林训练模块14，用于利用所述训练样本进行孤立森林训练以得到训练后孤立森林；

门架系统监测模块15，用于利用所述训练后孤立森林对第二etc门架系统进行监测；

预警信息生成模块16，用于当所述门架系统监测模块监测到第二etc门架系统发生异常，则生成对应的预警信息。

可见，本申请实施例先获取第一etc门架系统在预设时段内的第一交易数据，并确定出所述第一交易数据对应的交易成功率和平均交易耗时，之后将所述交易成功率和对应的所述交易耗时构造为训练样本，以及利用所述训练样本进行孤立森林训练以得到训练后孤立森林，然后利用所述训练后孤立森林对第二etc门架系统进行监测，当监测到第二etc门架系统出现异常，则生成对应的预警信息。这样，利用交易成功率和交易耗时两个指标构造样本进行孤立森林训练，然后利用训练后孤立森林进行门架系统监测，能够及时的进行etc门架系统异常预警，从而提升问题定位速度。

其中，所述预警信息生成模块16，具体包括：

第一信息获取子模块，用于获取所述第二etc门架系统当前的第一设备信息、第一软件服务信息以及第一天气信息；

因素分值确定子模块，用于利用所述第一设备信息、第一软件服务信息以及第一天气信息，确定出每个门架运行影响因素的因素分值；

异常分值确定子模块，用于利用所述因素分值以及每个所述门架运行影响因素对应的因素权重确定出每个所述门架运行影响因素对应的异常分值；

预警信息生成子模块，用于生成所述预警信息；所述预警信息包括所述异常分值。

所述装置还包括预警信息生成控制模块，用于确定出一级影响因素对应的所述异常分值的和值；判断所述和值是否大于预设阈值，若所述和值大于所述预设阈值，则生成所述预警信息，否则禁止生成所述预警信息；其中，所述一级影响因素包括影响交易的设备因素、软件服务因素以及天气因素。

所述装置还包括因素权重确定模块，具体包括：

交易数据获取子模块，用于获取所述第一门架系统的第二交易数据；

第二信息获取子模块，用于利用所述第二交易数据获取每笔交易执行过程中所述第一etc门架系统的第二设备信息、第二软件服务信息以第二天气信息；

因素权重确定子模块，用于利用所述第二设备信息、所述第二软件服务信息以及所述第二天气信息确定出每个所述门架运行影响因素对应的所述因素权重。

在一种具体的实施方式中，所述因素权重确定子模块具体用于利用所述第二设备信息、所述第二软件服务信息以及所述第二天气信息确定出每个一级影响因素导致交易失败的交易失败率，以及每个二级影响因素导致设备异常的设备异常率；其中，所述一级影响因素包括影响交易的设备因素、软件服务因素以及天气因素，所述二级影响因素为影响第一设备运行的因素；利用所述设备异常率通过熵值法计算出对应的每个所述二级影响因素的所述因素权重；利用确定出的所述交易失败率通过熵值法计算出每个所述一级影响因素的所述因素权重。

在另一种具体的实施方式中，所述因素权重确定子模块具体用于利用所述第二设备信息、所述第二软件服务信息以及所述第二天气信息确定出目标一级影响因素导致交易失败的交易失败率，以及每个二级影响因素导致设备异常的设备异常率；其中，所述目标一级影响因素包括影响交易的软件服务因素、天气因素以及第二设备对应的第二设备因素，所述二级影响因素为影响第一设备运行的因素；利用所述设备异常率通过熵值法计算出对应的每个所述二级影响因素的所述因素权重以得到目标因素权重；利用所述目标因素权重以及对应的所述设备异常率计算出第一设备因素对应的第一分值；其中，所述第一设备因素为影响交易的所述第一设备对应的因素；利用所述目标一级影响因素导致交易失败的交易失败率确定出所述目标一级影响因素对应的第二分值；利用所述第一分值以及所述第二分值通过熵值法确定出所述目标一级影响因素以及第一设备因素对应的所述因素权重。

参见图4所示，本申请实施例公开了一种电子设备，包括处理器21和存储器22；其中，所述存储器22，用于保存计算机程序；所述处理器21，用于执行所述计算机程序，以实现前述实施例公开的etc门架系统预警方法。

关于上述etc门架系统预警方法的具体过程可以参考前述实施例中公开的相应内容，在此不再进行赘述。

进一步的，本申请实施例还公开了一种计算机可读存储介质，用于保存计算机程序，其中，所述计算机程序被处理器执行时实现前述实施例公开的etc门架系统预警方法。

关于上述etc门架系统预警方法的具体过程可以参考前述实施例中公开的相应内容，在此不再进行赘述。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、cd-rom、或技术领域内所公知的任意其它形式的存储介质中。

以上对本申请所提供的一种etc门架系统预警方法、装置、设备及介质进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。