一种基于多维度心跳特征融合的交通信号机离线状态判别方法及系统与流程

本技术涉及智能交通信号控制，特别涉及一种基于多维度心跳特征融合的交通信号机离线状态判别方法及系统。

背景技术：

1、在城市道路交通信号控制系统中，中心管控平台与路口交通信号机之间通常采用通信网络进行数据交互。信号机作为执行终端，需要定期（例如每秒）向中心管控平台上报状态信息，其中心跳报文是一种最为常见的、用于表征信号机在线状态的技术手段，中心管控平台通过监测心跳报文的接收情况来判断信号机是否处于正常工作状态。

2、目前，现有的交通信号机离线状态判别方法普遍采用单一心跳超时判断策略。具体而言，中心管控平台为所有信号机设置一个固定的心跳超时阈值（例如10秒、30秒等），若在该阈值时间内未接收到信号机发送的心跳报文，则直接判定该信号机处于离线状态。该技术实现简单、计算资源消耗低，在早期的交通信号控制系统中被广泛采用。

3、然而，在实际的城市交通网络环境中，上述现有技术方案存在明显的缺陷。首先，交通信号机与中心管控平台之间的通信网络往往存在抖动、丢包、时延拥堵等不稳定因素，当网络出现瞬断或高延迟时，即使信号机本身运行完全正常，中心管控平台也可能因未能及时收到心跳报文而误判为离线，导致出现较高的误报率。其次，该单一判据无法有效区分设备自身故障（如设备断电、死机等导致的“真离线”）与网络临时性问题（如网络瞬断导致的“假离线”），由于无法区分这两种本质不同的场景，中心管控平台容易频繁触发误告警，进而错误地启动相应的联动控制策略（例如切换到备用信号方案或降级模式），干扰正常的交通信号控制与运维流程。长此以往，频繁的误报会降低运维人员对真实故障的响应效率和信任度，影响整个交通信号系统的可靠性。

4、因此，如何提供一种准确、可靠且能够适应网络环境变化的交通信号机离线状态判别方法，以降低误报率、区分真实离线与网络瞬断等假离线场景，并为中心管控平台提供可信的离线判定依据，是本领域技术人员亟待解决的技术问题。

技术实现思路

1、有鉴于此，本技术提供了一种基于多维度心跳特征融合的交通信号机离线状态判别方法及系统、设备、存储介质，显著提升了交通信号机状态判别的准确性、适应性和智能性。

2、为达到上述目的，本技术第一方面提供了一种基于多维度心跳特征融合的交通信号机离线状态判别方法，包括：

3、采集目标交通信号机的多维度心跳通信特征，所述多维度心跳通信特征包括心跳间隔波动特征、连续丢包次数特征、报文合法性与完整性特征、设备运行状态停滞特征和下发指令无应答特征；

4、分别对各个维度的心跳通信特征进行异常评分计算，得到对应维度的异常评分；

5、根据预设的权重系数对各个维度的异常评分进行加权归一化计算，得到所述目标交通信号机的原始离线置信度；

6、获取所述目标交通信号机在连续多个周期内的业务主动上报报文的完整性信息，根据所述完整性信息计算修正系数，利用所述修正系数对所述原始离线置信度进行修正，生成最终离线置信度；

7、将所述最终离线置信度与预设的多级阈值进行比较，根据比较结果将所述目标交通信号机的状态划分为多个等级；

8、根据划分的状态等级，执行与该状态等级对应的预设处理策略。

9、由上，本技术提供的一种基于多维度心跳特征融合的交通信号机离线状态判别方法中，通过多维度心跳特征采集、异常评分、加权融合、置信度修正、分级判别与分级策略执行，从根源解决传统单一心跳判据误判率高、无法区分真假离线的问题，实现交通信号机离线状态精准、稳定、自适应判别，有效降低误告警，为交通信号管控提供可靠状态依据，保障系统稳定运行。

10、作为第一方面的一种可能的实现方式，所述心跳间隔波动特征通过采集实际心跳报文到达间隔获得；所述连续丢包次数特征通过发送探测包并统计连续丢失的数据包个数获得；所述报文合法性与完整性特征至少包括：crc校验是否错误、字段是否缺失、版本是否异常、是否为有效数据报文；所述设备运行状态停滞特征通过采集信号机阶段及相位灯态的实际更新停滞时长获得；所述下发指令无应答特征通过统计中心管控平台下发控制指令后在预设时间内的无应答次数获得。

11、由上，通过明确规定心跳间隔波动通过实际报文到达间隔采集、连续丢包通过探测包统计、报文合法性包含crc校验/字段缺失/版本异常/有效数据等多个具体指标、设备状态停滞通过阶段及相位灯态更新停滞时长采集、指令无应答通过统计无应答次数获得，使得多维度特征采集过程具有明确的技术规范和可重复性，确保采集数据真实反映通信链路与设备运行状态，为后续异常评分与离线判别提供准确、可靠的输入基础，避免采集误差导致判别失真。

12、作为第一方面的一种可能的实现方式，所述分别对各个维度的心跳通信特征进行异常评分计算包括：

13、采用归一化偏差函数计算心跳间隔波动的异常评分s1：

14、s1=(|实际间隔-基准间隔|/允许最大间隔)×100；

15、采用线性归一化函数计算连续丢包次数的异常评分s2：

16、s2=(实际连续丢包数/最大丢包阈值)×100；

17、采用预设错误类型与分值映射表计算报文合法性与完整性的异常评分s3；

18、采用基于停滞时长的线性归一化函数计算设备运行状态停滞的异常评分s4：

19、s4=(实际停滞时长/最大停滞时长阈值)×100；

20、采用指令失败率计算下发指令无应答特征的异常评分s5：

21、s5=(实际累计无应答次数/下发总指令数)×100；

22、其中，各异常评分的取值范围均为[0,100]。

23、由上，通过归一化偏差函数计算心跳间隔波动评分、线性归一化函数计算丢包评分、预设错误类型映射表计算报文合法性评分、基于停滞时长的线性归一化计算状态停滞评分、指令失败率计算无应答评分，实现多维度特征的标准化量化和可比性，确保了不同维度特征在融合计算时具有相同量纲和可比性，避免了因量纲差异导致的权重失衡问题，从而提高综合置信度计算的科学性和准确性。

24、作为第一方面的一种可能的实现方式，所述原始离线置信度s的计算公式为：

25、s=w1×s1+w2×s2+w3×s3+w4×s4+w5×s5；

26、其中,w1、w2、w3、w4、w5为预设的权重系数，该权重系数根据不同交通运行场景进行动态调整，且w1+w2+w3+w4+w5=1。

27、作为第一方面的一种可能的实现方式，所述根据不同交通运行场景进行动态调整具体包括：

28、根据预设周期内的车流量监测数据，划分早高峰、晚高峰、平峰、夜间低流量四类交通运行场景；

29、针对不同交通运行场景，分别调整对应的权重系数，其中，早晚高峰场景下提升设备运行状态停滞特征对应的权重w4、降低连续丢包特征对应的权重w2；夜间低流量场景下提升心跳间隔波动特征对应的权重w1、降低设备运行状态停滞特征对应的权重w4。

30、由上，通过加权求和公式计算离线置信度，将多维度异常信息融合为单一判别指标，各权重系数可根据不同交通运行场景进行灵活配置且综合为1，实现多维度特征的重要性差异化配置和精准融合。

31、作为第一方面的一种可能的实现方式，所述业务主动上报报文包括相位报文、灯态报文、车流检测器报文、配时方案报文中的至少一种；所述修正系数的取值根据所述业务主动上报报文的完整性判定：

32、当心跳通信异常但所述业务主动上报报文在连续多个周期内持续周期性完整上报时，判定为仅上行心跳链路故障的假离线场景，修正系数取值为小于1的正数，用于压低所述原始离线置信度；

33、当心跳通信异常且连续多个周期内无任何业务主动上报报文时，判定为设备整机断电或死机的真离线场景，修正系数取值为大于1的正数，用于抬升所述原始离线置信度；

34、当心跳通信正常且业务主动上报报文均稳定上报时，修正系数取值为1。

35、由上，利用业务报文完整性作为设备是否真正离线的独立证据，与心跳链路状态形成交叉验证，从根本上解决了单一心跳无法区分真假离线的技术缺陷。

36、作为第一方面的一种可能的实现方式，所述根据比较结果将所述目标交通信号机的状态划分为多个等级包括：

37、当最终离线置信度小于第一阈值时，划分为正常状态；

38、当最终离线置信度大于等于第一阈值且小于第二阈值时，划分为疑似离线状态；

39、当最终离线置信度大于等于第二阈值且小于第三阈值时，划分为确认离线状态；

40、当最终离线置信度大于等于第三阈值时，划分为真正离线状态；

41、其中，第一阈值、第二阈值、第三阈值为预设的多级阈值，且第一阈值＜第二阈值＜第三阈值。

42、由上，通过设置三个递增阈值，将设备状态划分为正常、疑似离线、确认离线、真正离线四个等级，避免了传统方法中超时即告警的粗暴处理方式。这种分级机制能够有效识别和处理中间状态，实现离线状态的精细化分级管理，大幅减少误告警干扰。

43、作为第一方面的一种可能的实现方式，所述执行与该状态等级对应的预设处理策略包括：

44、当划分为正常状态时，不执行任何动作；

45、当划分为疑似离线状态时，仅记录日志，不产生任何告警信息；

46、当划分为确认离线状态时，产生轻量级提示并加强监测频率；

47、当划分为真正离线状态时，触发正式离线告警，并自动启动备用控制策略。

48、由上，通过为四个状态等级分别配置不同的处理策略，使得系统能够根据不同置信度采取相应强度的应对措施，避免了频繁的误告警对运维人员的干扰，实现告警策略的精准化和运维效率的显著提升。

49、作为第一方面的一种可能的实现方式，还包括：

50、实时监测网络质量参数，所述网络质量参数至少包括历史时段内的网络丢包率和通信时延；

51、根据所述网络质量参数动态调整所述进行状态划分时所采用的各级阈值；当网络质量参数指示网络质量下降时，自动提高各级阈值；当网络质量参数指示网络质量提升时，自动降低各级阈值。

52、由上，通过实时监测网络质量参数（丢包率、通信时延），并据此动态调整各级阈值：当网络质量下降时自动提高阈值，避免因网络恶化导致的频繁误判；当网络质量提升时自动降低阈值，提高对真实故障的检测灵敏度。这种自适应机制使系统能够自动适应不同时间段、不同区域的网络条件变化，无需人工干预即可保持最优的判别性能，显著提升系统在网络环境动态变化条件下的鲁棒性和适应性。

53、本技术第二方面提供了一种基于多维度心跳特征融合的交通信号机离线状态判别系统，包括：

54、多维特征采集模块，用于采集目标交通信号机的多维度心跳通信特征，所述多维度心跳通信特征包括心跳间隔波动特征、连续丢包次数特征、报文合法性与完整性特征、设备运行状态停滞特征和下发指令无应答特征；

55、异常评分模块，用于分别对各个维度的心跳通信特征进行异常评分计算，得到对应维度的异常评分；

56、置信度融合计算模块，用于根据预设的权重系数对各个维度的异常评分进行加权归一化计算，得到所述目标交通信号机的原始离线置信度；还用于获取所述目标交通信号机在连续多个周期内的业务主动上报报文的完整性信息，根据所述完整性信息计算修正系数，利用所述修正系数对所述原始离线置信度进行修正，生成最终离线置信度；

57、分级判别模块，用于将所述最终离线置信度与预设的多级阈值进行比较，根据比较结果将所述目标交通信号机的状态划分为多个等级；

58、策略执行模块，用于根据划分的状态等级，执行与该状态等级对应的预设处理策略。

59、本技术第三方面提供了一种计算设备，所述计算设备包括：

60、处理器；

61、存储器，用于存储一个或多个程序；

62、当所述一个或多个程序被所述处理器执行，使得所述处理器实现上述的一种基于多维度心跳特征融合的交通信号机离线状态判别方法。

63、本技术第四方面提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被计算机执行时实现上述的一种基于多维度心跳特征融合的交通信号机离线状态判别方法。

64、本技术的这些和其它方面在以下（多个）实施例的描述中会更加简明易懂。