[發(fā)明專利]一種基于頻繁序列的高鐵大風(fēng)預(yù)警方法

有效

• 申請?zhí)枺?/td>: 202010156829.6
• 申請日: 2020-03-09
• 公開（公告）號: CN111291943B
• 公開（公告）日: 2022-03-08
• 發(fā)明（設(shè)計(jì)）人: 滕飛;劉鑒竹;勾紅葉;祝錦燁
• 申請（專利權(quán)）人: 西南交通大學(xué)
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/30
• 代理公司: 成都正華專利代理事務(wù)所(普通合伙) 51229
• 代理人: 陳選中

本發(fā)明公開了一種基于頻繁序列的高鐵大風(fēng)預(yù)警方法，通過獲取預(yù)警序列集和非預(yù)警序列集，再利用序列模式挖掘算法對符號化的預(yù)警序列集和非預(yù)警序列集進(jìn)行挖掘，得到預(yù)警頻繁序列集和非預(yù)警頻繁序列集；剔除預(yù)警頻繁序列集和非預(yù)警頻繁序列集中前綴組成相同的非最長頻繁序列模式，并剔除預(yù)警頻繁序列中包含有非預(yù)警序列特征的子序列，得到預(yù)警模式庫；將實(shí)時(shí)風(fēng)速時(shí)間序列與預(yù)警模式庫的序列進(jìn)行模式匹配，若匹配成功則發(fā)出預(yù)警指令。本發(fā)明更符合高鐵大風(fēng)報(bào)警規(guī)則，且提升了高鐵大風(fēng)預(yù)警的精度和執(zhí)行效率。

技術(shù)領(lǐng)域

本發(fā)明屬于高鐵大風(fēng)預(yù)警領(lǐng)域，具體涉及一種基于頻繁序列的高鐵大風(fēng)預(yù)警方法。

背景技術(shù)

隨著鐵路高速化、安全化的大力推進(jìn)，鐵路沿線大風(fēng)預(yù)警的研究越來越受到關(guān)注。鐵路沿線風(fēng)速值作為保障列車行駛安全的重要指標(biāo)，對風(fēng)速序列信息進(jìn)行數(shù)據(jù)挖掘并作出合理預(yù)測，對保障列車行駛安全具有重大意義?；陬l繁序列的高鐵大風(fēng)預(yù)警模式庫構(gòu)建作為高鐵大風(fēng)預(yù)警模型的核心任務(wù)之一，其本質(zhì)是從給定的大風(fēng)檢測數(shù)據(jù)中挖掘規(guī)則信息，尋找頻繁子序列作為模式的知識(shí)發(fā)現(xiàn)過程。目前我國高鐵行車指揮采用人工調(diào)度處置模式，存在方式落后、效率低下等問題，近年來有學(xué)者研究了如何提高大風(fēng)預(yù)警的準(zhǔn)確性。但現(xiàn)施行的高鐵大風(fēng)預(yù)警技術(shù)，仍依賴于預(yù)測的準(zhǔn)確程度和時(shí)效程度，難以達(dá)到秒級粒度條件下的高精度預(yù)測，不符合現(xiàn)有的高鐵遇大風(fēng)事件的報(bào)警規(guī)則，易發(fā)生誤報(bào)和漏報(bào)。事實(shí)上，高鐵沿線的風(fēng)速值預(yù)測問題與高鐵大風(fēng)預(yù)警問題并不能完全等價(jià)。其次，現(xiàn)實(shí)中高鐵大風(fēng)報(bào)警規(guī)則精確到秒，而傳統(tǒng)研究中風(fēng)速序列的時(shí)間單位為分鐘或小時(shí)，難以滿足秒級粒度的實(shí)際需求。除此之外，預(yù)警數(shù)據(jù)和非預(yù)警數(shù)據(jù)在一定程度上是具有共性的，若只考慮預(yù)警狀態(tài)到報(bào)警狀態(tài)的模式，會(huì)在實(shí)際應(yīng)用中造成大量的誤報(bào)警。

綜上所述，傳統(tǒng)高鐵大風(fēng)預(yù)警存在精度低、易漏報(bào)和誤報(bào)的問題。

發(fā)明內(nèi)容

針對現(xiàn)有技術(shù)中的上述不足，本發(fā)明提供的一種基于頻繁序列的高鐵大風(fēng)預(yù)警方法解決了傳統(tǒng)高鐵大風(fēng)預(yù)警存在的問題。

為了達(dá)到上述發(fā)明目的，本發(fā)明采用的技術(shù)方案為：一種基于頻繁序列的高鐵大風(fēng)預(yù)警方法，包括以下步驟：

S1、采集高速鐵路沿線的實(shí)時(shí)風(fēng)速時(shí)間序列，并獲取高速鐵路沿線的歷史風(fēng)速時(shí)間序列；

S2、通過高速鐵路沿線的歷史風(fēng)速時(shí)間序列獲取預(yù)警序列集和非預(yù)警序列集；

S3、分別將預(yù)警序列集和非預(yù)警序列集的風(fēng)速值映射為符號，得到符號化的預(yù)警序列集和非預(yù)警序列集；

S4、利用序列模式挖掘算法對符號化的預(yù)警序列集和非預(yù)警序列集進(jìn)行挖掘，得到預(yù)警頻繁序列集和非預(yù)警頻繁序列集；

S5、剔除預(yù)警頻繁序列集和非預(yù)警頻繁序列集中前綴組成相同的非最長頻繁序列模式，并剔除預(yù)警頻繁序列中包含有非預(yù)警序列特征的子序列，得到預(yù)警模式庫；

S6、將實(shí)時(shí)風(fēng)速時(shí)間序列與預(yù)警模式庫的序列進(jìn)行模式匹配，并判斷是否匹配成功，若是，則發(fā)出預(yù)警命令，否則不進(jìn)行操作。

進(jìn)一步地，所述步驟S2包括以下分步驟：

S2.1、根據(jù)高鐵大風(fēng)報(bào)警規(guī)則，通過歷史風(fēng)速時(shí)間序列獲取n條報(bào)警序列，其中，第i條報(bào)警序列的起點(diǎn)索引為s_i，其終點(diǎn)索引為e_i，i＝1,2,...,n；

S2.2、從n條報(bào)警序列中篩選出超限值和超限持續(xù)時(shí)間的報(bào)警序列，得到報(bào)警序列集；

S2.3、根據(jù)高鐵大風(fēng)預(yù)警的提前時(shí)間要求，設(shè)定提前預(yù)警的固定時(shí)間窗口為T_ew；

S2.4、根據(jù)報(bào)警序列集，截取歷史風(fēng)速時(shí)間序列中在(s_i-T_ew)—(s_i-1)索引范圍內(nèi)的值組成序列，得到預(yù)警序列集；