本發(fā)明涉及信號故障，更具體地說，本發(fā)明涉及基于人工智能的地鐵信號故障診斷預測方法及系統(tǒng)。

背景技術：

1、當前地鐵通信系統(tǒng)的信號切換主要依賴基于位置的傳統(tǒng)方法，即當列車經(jīng)過不同的基站覆蓋區(qū)域時，用戶的手機信號自動從一個基站切換到另一個基站，隨著現(xiàn)代城市地鐵系統(tǒng)的發(fā)展，乘客對于無縫的通信體驗要求越來越高，尤其是在地鐵車廂快速行駛過程中，信號切換頻繁且環(huán)境復雜，導致信號質(zhì)量波動較大；

2、現(xiàn)有技術中，地鐵信號系統(tǒng)在切換基站或信號頻段時，常出現(xiàn)信號中斷、傳輸速率下降、丟包率增加等問題，影響了乘客的通信質(zhì)量和用戶體驗，與此同時，地鐵系統(tǒng)內(nèi)的信號問題具有復雜性和隱蔽性，很多信號故障只有在發(fā)生后才能被發(fā)現(xiàn)，缺乏有效的提前預測和預防機制，因此，現(xiàn)有的信號切換監(jiān)控方法無法提供對信號故障的有效預測和實時預警，難以保證地鐵運行中的通信連續(xù)性和穩(wěn)定性，并且在動態(tài)環(huán)境下模擬乘客的流量模式，實時監(jiān)測信號切換過程，并根據(jù)不同流量模式對信號故障進行預測和預防，成為當前地鐵通信系統(tǒng)的一個技術難題

3、為了解決上述缺陷，現(xiàn)提供一種技術方案。

技術實現(xiàn)思路

1、為了克服現(xiàn)有技術的上述缺陷，本發(fā)明的實施例提供基于人工智能的地鐵信號故障診斷預測方法及系統(tǒng)，以解決上述背景技術中提出的問題。

2、為實現(xiàn)上述目的，本發(fā)明提供如下技術方案：

3、基于人工智能的地鐵信號故障診斷預測方法，具體包括以下步驟：

4、s1：通過無線網(wǎng)絡測試儀模擬地鐵中的乘客在車廂內(nèi)的活動，確定地鐵運行過程中不同的流量模式，并監(jiān)測地鐵在行駛過程中信號切換的過程；

5、s2：采集無線網(wǎng)絡測試儀生成的信號性能指標信息和實際無線網(wǎng)絡測試儀的實際切換信息；

6、s3：將信號性能指標信息和實際切換信息進行綜合性分析，通過信號評估系數(shù)量化不同流量模式下的信號質(zhì)量；

7、s4：將不同流量模式下的信號評估系數(shù)和地鐵在運行過程中存在不同流量模式的時長占比作為回歸模型的輸入，通過回歸模型量化地鐵信號發(fā)生故障的可能性。

8、在一個優(yōu)選地實施方式中，信號性能指標信息，包括：

9、將實際切換信息通過切換差異密度系數(shù)和切換延遲波動系數(shù)表示；

10、所述切換差異密度系數(shù)的獲取邏輯為：設置單位監(jiān)測區(qū)間，通過無線網(wǎng)絡測試儀，確定在具體的一個流量模式下信號切換過程中成功切換信號的虛擬用戶數(shù)量，將不同單位監(jiān)測區(qū)間內(nèi)成功切換信號的虛擬用戶數(shù)量標記為：cgn，其中，n＝1、2、3、……、n，n為正整數(shù)，n為信號切換過程中單位監(jiān)測區(qū)間的編號；

11、通過使用高斯核估計不同單位監(jiān)測區(qū)間信號切換過程中成功切換信號的虛擬用戶數(shù)量的概率密度，概率密度的表達式為：其中，為第x個單位監(jiān)測區(qū)間內(nèi)成功切換信號的虛擬用戶數(shù)量的概率密度，h是帶寬參數(shù)，k是高斯核函數(shù)，

12、獲得不同單位監(jiān)測區(qū)間信號切換過程中成功切換信號的虛擬用戶數(shù)量的概率密度，將不同單位監(jiān)測區(qū)間信號切換過程中成功切換信號的虛擬用戶數(shù)量的概率密度標記為：

13、設置概率密度閾值，將概率密度閾值與不同單位監(jiān)測區(qū)間信號切換過程中成功切換信號的虛擬用戶數(shù)量的概率密度對比，獲得單位監(jiān)測區(qū)間中小于概率密度閾值的概率密度，并獲得小于概率密度閾值的概率密度中成功切換信號的虛擬用戶數(shù)量；

14、設置時間閾值，將獲得在信號切換過程大于時間閾值的單位監(jiān)測區(qū)間，并獲得大于時間閾值的單位監(jiān)測區(qū)間內(nèi)成功切換信號的虛擬用戶數(shù)量；

15、計算切換差異密度系數(shù)，計算公式為：其中，cymd為切換差異密度系數(shù)，sjsl為大于時間閾值的單位監(jiān)測區(qū)間內(nèi)成功切換信號的虛擬用戶數(shù)量，mdsl為小于概率密度閾值的概率密度中成功切換信號的虛擬用戶數(shù)量,sbsl為信號切換過程中沒有成功切換的虛擬用戶數(shù)量。

16、在一個優(yōu)選地實施方式中，所述網(wǎng)速偏差系數(shù)的獲取邏輯為：

17、通過無線網(wǎng)絡測試儀，確定不同單位監(jiān)測區(qū)間在具體的一個流量模式下信號切換過程中平均網(wǎng)絡傳輸速率，并將不同單位監(jiān)測區(qū)間在具體的一個流量模式下信號切換過程中平均網(wǎng)絡傳輸速率標記為：vn；

18、設置網(wǎng)絡傳輸速率閾值，將網(wǎng)絡傳輸速率閾值標記為：vyz,將網(wǎng)絡傳輸速率閾值與不同單位監(jiān)測區(qū)間的平均網(wǎng)絡傳輸速率對比，獲得不同單位監(jiān)測區(qū)間中小于網(wǎng)絡傳輸速率閾值的平均網(wǎng)絡傳輸速率，并將不同單位監(jiān)測區(qū)間中小于網(wǎng)絡傳輸速率閾值的平均網(wǎng)絡傳輸速率重新標記為：vi，其中，i＝1、2、3、……、i，i為正整數(shù)；

19、計算網(wǎng)速偏差系數(shù)，計算公式為：其中，pcws為網(wǎng)速偏差系數(shù)。

20、在一個優(yōu)選地實施方式中，實際無線網(wǎng)絡測試儀的實際切換信息，包括：

21、將信號性能指標信息通過網(wǎng)速偏差系數(shù)表示；

22、所述切換延遲波動系數(shù)的獲取邏輯為：獲得在具體的一個流量模式下信號切換過程中所需要的時間，并將在具體的一個流量模式下信號切換過程中所需要的時間標記為：ycm，其中，m＝1、2、3、……、m，m為正整數(shù)，m為流量模式下虛擬用戶的編號；

23、計算在具體的一個流量模式下信號切換過程中所需要時間的平均值和標準差，并將在具體的一個流量模式下信號切換過程中所需要時間的平均值和標準差標記為：ycavg和ycstd，其中，

24、計算在具體的一個流量模式下信號切換過程中所需要時間的變異系數(shù)，并將在具體的一個流量模式下信號切換過程中所需要時間的變異系數(shù)標記為：

25、計算切換延遲波動系數(shù)，計算公式為：其中，qhbd為切換延遲波動系數(shù)。

26、在一個優(yōu)選地實施方式中，通過信號評估系數(shù)量化不同流量模式下的信號質(zhì)量，包括：

27、將無線網(wǎng)絡測試儀生成的信號性能指標信息和實際無線網(wǎng)絡測試儀的實際切換信息綜合性分析，通過對切換差異密度系數(shù)、網(wǎng)速偏差系數(shù)以及切換延遲波動系數(shù)進行加權計算，構建信號評估模型，生成信號評估系數(shù)，表達式為：其中，pg為信號評估系數(shù)，α1、α2、α3分別為切換差異密度系數(shù)、網(wǎng)速偏差系數(shù)、切換延遲波動系數(shù)的比例系數(shù)，α1、α2、α3分別都大于0。

28、在一個優(yōu)選地實施方式中，通過回歸模型量化地鐵信號發(fā)生故障的可能性，包括：

29、確定不同流量模式下的信號評估系數(shù)，并將不同流量模式下的信號評估系數(shù)標記為：pgr，其中，r＝1、2、3、……、r，r為正整數(shù)，r為流量模式的編號，獲取不同流量模式下的信號評估系數(shù)，并獲取地鐵在運行過程中存在不同流量模式的時長占比，獲得不同信號評估系數(shù)下可能存在的信號影響值，信號影響值表示信號評估系數(shù)對于信號故障的影響，由專業(yè)領域的工作人員設置；

30、將不同流量模式下的信號評估系數(shù)和地鐵在運行過程中存在不同流量模式的時長占比作為回歸模型的輸入，生成故障評估系數(shù)，故障評估系數(shù)的表達式為：其中，pggz為故障評估系數(shù)，β1、β2、β3、……、βr為不同信號評估系數(shù)的信號影響值，zb1、zb2、zb3、……、zbr為地鐵在運行過程中存在不同流量模式的時長占比，且zb1+zb2+zb3+……+zbr＝1；

31、設置故障評估系數(shù)閾值，將地鐵在運行過程中的故障評估系數(shù)與故障評估系數(shù)閾值對比，若故障評估系數(shù)大于故障評估系數(shù)閾值，則生成故障預警信號，若故障評估系數(shù)小于故障評估系數(shù)閾值，則不生成信號。

32、在一個優(yōu)選地實施方式中，基于人工智能的地鐵信號故障診斷預測系統(tǒng)，包括無線網(wǎng)絡測試模塊、數(shù)據(jù)采集模塊、信號質(zhì)量評估模塊以及故障評估模塊，模塊之間信號連接；

33、信號質(zhì)量量化模塊，用于通過無線網(wǎng)絡測試儀模擬乘客的流量模式，生成虛擬用戶并進行數(shù)據(jù)傳輸，監(jiān)測乘客在地鐵信號切換過程中的信號表現(xiàn)，確保在不同流量模式下，系統(tǒng)能夠采集真實的信號切換數(shù)據(jù)；

34、數(shù)據(jù)采集模塊，用于采集無線網(wǎng)絡測試儀生成的信號性能指標信息和實際無線網(wǎng)絡測試儀的實際切換信息；

35、信號質(zhì)量評估模塊，用于對不同流量模式下的信號質(zhì)量進行量化，基于采集的數(shù)據(jù)生成信號質(zhì)量評估系數(shù)，將復雜的信號表現(xiàn)進行數(shù)字化處理；

36、故障評估模塊，用于使用回歸模型分析信號質(zhì)量量化結果，結合地鐵運行的歷史數(shù)據(jù)發(fā)現(xiàn)潛在的信號故障，并計算故障發(fā)生的概率，生成預警信號。

37、本發(fā)明的技術效果和優(yōu)點：

38、本發(fā)明通過無線網(wǎng)絡測試儀模擬乘客的流量模式，監(jiān)測乘客在信號切換過程中信號的表現(xiàn)，通過采集地鐵運行時信號切換過程中的數(shù)據(jù)，量化不同流量模式下信號的質(zhì)量，并將量化結果作為回歸模型的輸入，預測地鐵在運行過程中發(fā)生故障的可能性，本發(fā)明有助于發(fā)現(xiàn)潛在的信號故障，并采取提前預防措施，從而提高地鐵信號的穩(wěn)定性和可靠性。