本發明涉及數據處理領域，具體涉及一種基于大數據的地鐵信號設備狀態修分析方法。
背景技術：
：隨著科技的發展，各個城市也開始開通地鐵，但是基于地鐵信號系統的維護支持一直只能在地鐵信號設備故障了之后，維護支持系統才能收到報警信息，對報警設備進行檢修或更換，而這時候各個信號系統的維護站也都已經知道了告警信息，維護支持的功能顯得沒有什么價值性。且如果故障發生在地鐵運行過程中，勢必會影響地鐵的正常運行秩序，阻礙市民的出行，造成財力及其人力的耗費，還會影響到其他地鐵線的運行工作，導致有些地鐵乘客十分擁堵。現有的基于大數據的維護支持系統只能在接收到各個子系統報警數據之后才能知道信號設備故障，但這時候各個子系統已經知道設備故障了，車站需要停運進行維修等工作，而沒有一套系統的解決方案來統計分析這些信號系統的數據，從而實現故障預警和隱患排查，無法提前預測故障的出現和幾率。技術實現要素：鑒于上述問題，本發明提出了克服上述問題或者至少部分地解決上述問題的一種基于大數據的地鐵信號設備狀態修分析方法。為此目的，第一方面，本發明提出一種地鐵信號設備狀態修分析方法，包括：分析處理裝置周期性地接收地鐵信號系統中每一子系統發送的該子系統中每一信號設備在預設時間段內的運行狀態信息，以及接收維護支持系統發送的每一信號設備的維修記錄信息；分析處理裝置將所有信號設備的運行狀態信息和維修記錄信息分布式存儲在HDFS中；針對至少一個信號設備進行狀態修分析時，分析處理裝置根據信號設備的標識，從HDFS中查找該信號設備的運行狀態信息、維修記錄信息；分析處理裝置根據查找的運行狀態信息、維修記錄信息，結合預設公式，獲取該信號設備發生故障的概率。可選地，所述方法還包括：分析處理裝置判斷獲取的概率是否大于預設值，若是，則發出預警信息。可選地，所述運行狀態信息包括：已發生報警的報警信息、設備信息、運行環境信息和/或停車信息；其中，報警信息包括：報警設備、報警級別、報警時間和/或報警狀態；設備信息包括：設備名稱、設備的屬性值和/或測量時間點；停車信息包括：車次號、頭尾端標識、站臺號和/或停車精度級別；維修記錄信息包括：信號設備起始使用時間、廠商規定的使用期限、信號設備維修時間點和/或維修原因。可選地，針對信號設備為道岔轉轍機時，從HDFS中查找該信號設備的運行狀態信息、維修記錄信息的步驟，包括：獲取前兩個月內每個采集時間段采集的該道岔轉轍機的重要告警次數、不重要告警次數、正常次數、采集次數和設備使用率；相應地，根據查找的運行狀態信息、維修記錄信息，結合預設公式，獲取該信號設備發生故障的概率的步驟，包括：根據采集的該道岔轉轍機的重要告警次數、不重要告警次數、正常次數和采集次數，預估重要告警概率、不重要告警概率和正常概率的預估值；根據重要告警次數、不重要告警次數、正常次數、設備使用率，以及預估的重要告警概率、不重要告警概率和正常概率的預估值，結合預設公式，獲取該道岔轉轍機的故障概率曲線；依據故障概率曲線，預測該道岔轉轍機發生故障的時間段。可選地，根據重要告警次數、不重要告警次數、正常次數、設備使用率，以及預估的重要告警概率、不重要告警概率和正常概率的預估值，結合預設公式，獲取該道岔轉轍機的故障概率曲線，具體為：根據公式一，獲取該道岔轉轍機的故障概率曲線q；公式一：kaxa+kbyb+kczc+d＝q其中，a為發生不重要告警的告警次數，b為發生重要告警的告警次數，c為正常次數、x為不重要告警概率的預估值、y為重要告警概率的預估值、z為正常概率的預估值；d為道岔轉轍機的使用率；ka，kb，kc的取值為0或1，當a為0時，ka為0，否則ka為1，當b為0時kb為0，否則為1；當c為0時，kc為0，否則為1。可選地，所述方法還包括：根據維修記錄信息，采用預設公式二，獲取信號設備的設備維修曲線p；公式二：其中，x為由于A原因維修信號設備的概率，i為由于A原因的維修次數，y為由于B原因維修信號設備的概率，j為由于B原因的維修次數；ki的取值為0或1，當i為0時，ki為0，否則ki為1；當j為0時，kj為0，否則kj為1；根據所述設備維修曲線p，預估該信號設備需要更換的時間段。可選地，所述方法還包括：接收維護支持系統發送的信號設備的狀態量信息，該狀態量信息為用戶通過維護支持系統設置的模擬條件、模擬次數和/或模擬級別；以及接收維護支持系統發送的信號設備根據狀態量信息進行模擬運行時的狀態參數；根據所述狀態量信息和狀態參數，確定影響信號設備運行的條件；相應地，根據確定的影響信號設備運行的條件，調整已經獲取的該信號設備發生故障的概率。可選地，所述分析處理裝置采用流式方式從HDFS中查找信號設備的運行狀態信息和維修記錄信息。由上述技術方案可知，本發明提出的地鐵信號設備狀態修分析方法，通過收集地鐵信號系統的各子系統發來的預設時間段內的報警信息、模擬量信息、停車精度信息等結合信號設備的使用年限和維修工單等數據，實現對故障預警和隱患排查，進而實現信號設備的檢修和更換，能夠降低信號設備的故障率，保證地鐵更好的安全運行。附圖說明圖1為本發明一實施例提供的基于大數據的地鐵信號設備狀態修分析方法的流程示意圖；圖2為本發明一實施例提供的道岔轉轍機的故障概率曲線的示意圖；圖3為本發明一實施例提供的道岔轉轍機的設備維修曲線的示意圖；圖4為本發明一實施例提供的道岔轉轍機的調整后的故障概率曲線的示意圖。具體實施方式為使本發明實施例的目的、技術方案和優點更加清楚，下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚地描述，顯然，所描述的實施例是本發明一部分實施例，而不是全部的實施例。本發明實施例中的分析處理裝置連接維護支持系統，該分析處理裝置還連接有分布式文件系統，分布式文件系統存儲分析處理裝置的運行狀態信息和維修記錄信息。在實際應用中，分析處理裝置還連接有地鐵信號系統的每一個子系統。如圖1所示，圖1示出了本發明一實施例提供的基于大數據的地鐵信號設備狀態修分析方法的流程示意圖，本實施例的方法包括下述步驟。101、分析處理裝置周期性地接收地鐵信號系統中每一子系統發送的該子系統中每一信號設備在預設時間段內的運行狀態信息，以及接收維護支持系統發送的每一信號設備的維修記錄信息。在實際應用中，分析處理裝置可周期性的從維護支持系統接收地鐵信號系統中每一子系統中信號設備的運行狀態信息和維修記錄信息。本實施例中可以通過維護支持系統(即MSS)來對各個子系統的數據進行收集，由于各個子系統的協議都各有不同，所以需要維護系統將收集到的各個信號子系統的數據進行整理歸類，分為報警信息，設備信息，同時需要收集各個設備的最大使用期限，到目前為止的使用時間，以及各個信號子系統設備的維修記錄。舉例來說，該步驟中的運行狀態信息可包括：已發生報警的報警信息、設備信息、運行環境信息和/或停車信息；報警信息可包括：報警設備、報警級別、報警時間和/或報警狀態等等；設備信息可包括：設備名稱、設備的屬性值和/或測量時間點等等；停車信息可包括：車次號、頭尾端標識、站臺號和/或停車精度級別等等；維修記錄信息可包括：信號設備起始使用時間、廠商規定的使用期限、信號設備維修時間點和/或維修原因等等。102、分析處理裝置將所有信號設備的運行狀態信息和維修記錄信息進行分布式存儲，例如存儲在HDFS中。本實施例中考慮到計算效率問題，MSS中收集整理好的數據將不采用數據庫存儲的方式，而是直接使用HDFS方式進行存儲。這樣的存儲方式能更有效的存儲管理更多的數據，達到PB級(1024G＝1T；1024T＝1P，B＝Byte字節)的數據管理量。103、針對至少一個信號設備進行狀態修分析時，分析處理裝置根據信號設備的標識，從HDFS中查找該信號設備的運行狀態信息、維修記錄信息。應說明的是，分析處理裝置采用流式方式訪問分布式存儲的運行狀態信息和維修記錄信息。104、分析處理裝置根據查找的運行狀態信息、維修記錄信息，結合預設公式，獲取該信號設備發生故障的概率。可選地，在一種可選的實現方案中，上述圖1所示的方法還包括下述的步驟105：105、分析處理裝置判斷獲取的概率是否大于預設值，若是，則發出預警信息。在具體應用中，分析處理裝置可將獲取的概率曲線呈現給相關作業人員，以便作業人員進行后粗作業。本實施例的方法，通過收集地鐵信號系統的各子系統發來的預設時間段內的報警信息、停車信息、維修狀態信息等結合信號設備的使用年限和維修工單等數據，實現對故障預警和隱患排查，進而實現信號設備的檢修和更換，能夠降低信號設備的故障率，保證地鐵更好的安全運行。另外，本實施例中采用HDFS(即Hadoop分布式文件系統)存儲數據，它會把一個數據集生成數據源，然后分發到不同的存儲節點(即各個計算機設備)中。進一步地，分析處理裝置采用流式方式從HDFS中訪問數據，使得HDFS可以用低廉的商用硬件集群來響應數據訪問請求，而無需運行在昂貴的機器上，這樣節約了很大的成本。為更好的理解上述圖1所示的方法的流程，以下以道岔轉轍機為例進行說明。針對信號設備為道岔轉轍機時，上述圖1中所示的步驟103、104可舉例說明如下：第一步、分析處理裝置獲取前兩個月內每個采集時間段采集的該道岔轉轍機的重要告警次數、不重要告警次數、正常次數、采集次數、設備使用率；第二步、分析處理裝置根據采集的該道岔轉轍機的重要告警次數、不重要告警次數、正常次數、采集次數，預估重要告警概率、不重要告警概率和正常概率的預估值；第三步、分析處理裝置根據重要告警次數、不重要告警次數、正常次數、設備使用率，以及預估的重要告警概率、不重要告警概率和正常概率的預估值，結合預設公式，獲取該道岔轉轍機的故障概率曲線q；例如，可根據公式一，獲取該道岔轉轍機的故障概率曲線q；公式一：kaxa+kbyb+kczc+d＝q其中，a為發生不重要告警的告警次數，b為發生重要告警的告警次數，c為正常次數、x為不重要告警概率的預估值、y為重要告警概率的預估值、z為正常概率的預估值；d為道岔轉轍機的使用率；ka，kb，kc的取值為0或1，當a為0時，ka為0，否則ka為1，當b為0時kb為0，否則為1；當c為0時，kc為0，否則為1。第四步、分析處理裝置依據故障概率曲線，預測該道岔轉轍機發生故障的時間段。可理解的是，上述四步主要是根據報警信息來實現狀態修。根據歷史報警次數，將報警信息采用kaxa+kbyb+kczc+d＝q的計算方式來計算一個曲線值q，q表示預測可能故障的概率，其在橫軸為時間、縱軸為故障的可能性，q在二維坐標上會形成一個曲線，用曲線的方式來表示q的變化，并且設定一個可更改的峰值，當曲線的斜率(q的一階導數)達到某個峰值時，就可以進行預報警，實現在該信號設備還未故障時，就對該信號設備進行設備檢修和維護，并將檢修和維護信息進行記錄。當設備進行過維修護理或更換時，使得重要告警次數和不重要告警次數分別下降為0，ka，kb為0，而由于正常概率0.5＜1，所以其指數(正常次數)越大，會使得q的值越下降，從而使得q的曲線呈現下降的趨勢。例如，假設曲線的斜率峰值為1，現有某轉轍機設備的轉動次數為50萬次，該道岔每天的動作次數為1000次，采集到該設備最近幾天的告警信息如下表1所示：表一預估產生重要告警、不重要告警的概率，如表二所示：表二重要告警概率0.2不重要告警概率0.3正常概率0.5則該轉轍機的累積使用率如表三所示：表三根據kaxa+kbyb+kczc+d＝q公式計算:第0天的q＝0第11天的q＝0+0+0.515+0.02＝0.02第22天的q＝0.23+0.37+0.55+0.04＝0.08第33天的q＝0.24+0.37+0.54+0.07＝0.13第44天的q＝0.25+0.37+0.53+0.09＝0.22第55天的q＝0.26+0.37+0.52+0.11＝0.36則q的曲線如圖2所示。在圖2中，當q點的斜率呈現增大的趨勢且大于等于設定的峰值1時，認為該設備達到了可能故障的峰值，隨時可能發生故障，因此該狀態修處理方案就會報警，建議運營方對上述設備進行局部維修或更換，以免影響線路的正常運行工作。在另一可選的實現方案中，上述圖1所示的方法還可包括下述的圖中未示出的步驟106：106、根據維修記錄信息，采用預設公式二，獲取信號設備的設備維修曲線p；公式二：其中，x為由于A原因維修信號設備的概率，i為由于A原因的維修次數，y為由于B原因維修信號設備的概率，j為由于B原因的維修次數；ki的取值為0或1，當i為0時，ki為0，否則ki為1；當j為0時，kj為0，否則kj為1；根據所述設備維修曲線p，預估該信號設備需要更換的時間段。舉例來說，根據維修記錄信息來實現狀態修。根據公式二統計信號設備的維修狀況，來預測當某個信號設備維修過n次之后已經不能繼續使用，如果繼續使用該信號設備，將會出現更多的故障，需要及時進行設備更換。如圖3所示，用曲線的方式來表示p的變化，并且設定一個可更改的峰值，當曲線的斜率達到某個峰值時，則預測信號設備需要更換，如果該設備尚未有任何維修記錄則不需要進行計算p值。例如，設道岔轉轍機的維修原因及概率如下表四所示：表四原因溫度太低，處于冰凍狀態溫度太高溫度偏高溫度偏低概率0.10.20.40.3現根據統計結果發現，道岔轉轍機的維修記錄如下表五所示：表五根據上述公式二計算：第10天p＝0+0+0+0.3＝0.3第20天第30天第40天第50天上述30天/40天/50天的概率值p只是理論計算值，實際上，在第20天的計算時，已經發現了p的斜率變化超過了1，因此已經進行了報警和設備更換，后續的日子會被清零從新累積。如圖3所示的p的曲線示意圖。當p點的斜率持續增大且大于等于1時，認為該設備達到了故障的峰值，建議運營方對道岔轉轍機進行維護更換。進一步地，在第三種可選的實現方案中，上述圖1所示的方法還可包括下述的圖中未示出的步驟107和步驟108：107、接收維護支持系統發送的信號設備的狀態量信息，該狀態量信息為用戶通過維護支持系統設置的模擬條件、模擬次數和/或模擬級別；以及接收維護支持系統發送的信號設備根據狀態量信息進行模擬運行時的狀態參數；108、根據所述狀態量信息和狀態參數，確定影響信號設備運行的條件；相應地，根據確定的影響信號設備運行的條件，調整已經獲取的該信號設備發生故障的概率。舉例來說，根據狀態量信息來實現狀態修。按天統計信號設備的模擬量值信息，然后根據信號設備的使用規格設置信號設備的最大模擬量值和最小模擬量值，并分析模擬量值超過最大模擬量，小于最小模擬量時對信號設備造成的影響，將其分為n級，采用的方式來計算曲線值，an表示n級區段模擬量的次數，xn表示n級模擬量發生的概率，m代表該設備的使用率，kn的取值為0或1，當第n級區段模擬量采集到的次數為0時，kn為0，否則kn為1。依次類推計算，設定一個可更改的峰值，當曲線的斜率達到某個峰值，來進行預報警，對信號設備進行提前的設備檢修和維護。并將檢修和維護信息進行記錄。例如，設模擬量范圍，等級以及發生概率如下表六所示：表六每天采集道岔轉轍機溫度24次，現采集到道岔轉轍機的溫度近一個月內持續升高，如下表七所示。表七第幾天51020301級模擬量次數00002級模擬量次數579113級模擬量次數00004級模擬量次數66665級模擬量次數131197另外，道岔轉轍機的最大可轉動次數為50萬次，檢測該轉轍機每天轉動次數為1000次，則使用率如表八所示：表八第幾天5102030使用率m0.010.020.040.06根據公式計算第0天的q’＝0第5天的q'＝0.15+0.26+0.513+0.01＝0.0102第10天的q'＝0.17+0.26+0.511+0.02＝0.0206第20天的q'＝0.19+0.26+0.59+0.04＝0.042第30天的q'＝0.111+0.26+0.57+0.06＝0.0679圖4所示的q’的曲線示意圖，當q’點的斜率呈現增大的趨勢且q’的斜率大于等于1時，認為該信號設備達到了故障的峰值，隨時可能發生故障就報警了，建議運營方更換該道岔轉轍機，或對溫度傳感器、硬件電路等進行局部維修或更換，以免導致道岔轉轍機出現嚴重故障影響列車運行效率。上述方法通過收集地鐵信號系統中各個子系統的數據，包括信號設備的報警狀態，模擬量，以及信號設備的使用年限和維修工單等的數據來分析信號設備是否需要維修或者更換。本發明實施例中通過大數據挖掘，采用對所有數據進行分析處理的方法，使得分析的結果更全面、更具有預測性。本領域的技術人員能夠理解，盡管在此所述的一些實施例包括其它實施例中所包括的某些特征而不是其它特征，但是不同實施例的特征的組合意味著處于本發明的范圍之內并且形成不同的實施例。本領域技術人員可以理解，實施例中的各步驟可以以硬件實現，或者以在一個或者多個處理器上運行的軟件模塊實現，或者以它們的組合實現。本領域的技術人員應當理解，可以在實踐中使用微處理器或者數字信號處理器(DSP)來實現根據本發明實施例的一些或者全部部件的一些或者全部功能。本發明還可以實現為用于執行這里所描述的方法的一部分或者全部的設備或者裝置程序(例如，計算機程序和計算機程序產品)。雖然結合附圖描述了本發明的實施方式，但是本領域技術人員可以在不脫離本發明的精神和范圍的情況下做出各種修改和變型，這樣的修改和變型均落入由所附權利要求所限定的范圍之內。當前第1頁1 2 3