一种基于支持向量机的轨道交通缺陷自动分配方法和系统与流程

1.本发明涉及轨道交通智能运维技术领域，具体涉及一种基于支持向量机的轨道交通缺陷自动分配方法和系统。


背景技术：

2.轨道交通(铁路和城市轨道交通)行业在国民经济发展和城市化进程中，发挥了极其重要的作用，已成为我国发展较快的行业之一。轨道交通具有封闭性、独立性的特征，这一点使其具有很高的安全性。但是，由于轨道交通的运量大，而且设备的科学技术含量高，一旦产生故障，往往会产生较大影响和严重后果。因此，轨道交通运行维护中对缺陷的处理成为排除安全隐患的重要手段。
3.轨道交通运营单位通常有严格的缺陷处理规范流程，配备有缺陷管理信息系统用于统一管理缺陷处理流程，缺陷的分配依然主要依靠人工在管理系统中按部门逐个逐级分配。缺陷数量较多，容易出现分配错误耽误缺陷处理时机，而且人工分配时只能依靠缺陷等级来主观判定处理优先级，大量等级相同的缺陷处理顺序缺乏智能化的判定，在时间和人力有限的情况下难以按影响程度消除安全隐患。


技术实现要素：

4.针对现有缺陷处理技术存在的人工成本高、效率低等问题，本发明提供了一种基于支持向量机的轨道交通缺陷自动分配方法。本发明采用机器学习技术，对缺陷严重程度以及处理人员能力进行量化处理，进而实现自动化关联和匹配，实现自动化缺陷分配处理，提高了处理效率。
5.本发明通过下述技术方案实现：
6.一种基于支持向量机的轨道交通缺陷自动分配方法，包括：
7.获取线路检修或巡视信息；
8.获取待处理缺陷列表信息；
9.采用缺陷识别模型计算得到待处理缺陷严重程度与待处理缺陷排序；
10.采用缺陷处理人员评估模型计算得到处理人员能力评估分值列表；
11.将待处理缺陷与检修项或巡视项建立匹配关系；
12.依据待处理缺陷排序确定同位置处缺陷处理先后顺序；
13.依据待处理缺陷严重程度与处理人员能力评估分值进行匹配，确定处理人员；
14.根据所述匹配关系、处理先后顺序以及处理人员，对检修项或巡视项自动添加合并处理的缺陷及其处理顺序和处理人员。
15.作为优选实施方式，本发明的方法还包括：
16.建立支持向量分析模型；
17.获取已处理的历史数据，并对所述历史数据进行处理，得到训练样本数据，其中所述训练样本数据包括缺陷识别训练样本数据和人员能力评估训练样本数据；
18.并利用训练样本数据对所述支持向量分析模型进行训练，分别得到缺陷识别模型和缺陷处理人员评估模型。
19.作为优选实施方式，本发明的缺陷识别模型构建过程具体包括：
20.对所述历史数据中的历史缺陷数据进行处理，得到缺陷识别训练样本数据；
21.采用所述缺陷识别训练样本数据对所述支持向量分析模型进行训练，得到缺陷识别模型。
22.作为优选实施方式，本发明的缺陷识别训练样本数据包括缺陷原因、缺陷等级、缺陷位置、缺陷存在时长、缺陷处理人、缺陷处理周期、缺陷处理不通过次数、缺陷所影响部件、零部件所占权重。
23.作为优选实施方式，本发明的缺陷处理人员评估模型构建过程具体包括：
24.对所述历史数据中的历史缺陷处理数据进行处理，得到人员能力评估训练样本数据；
25.采用所述人员能力评估训练样本数据对所述支持向量分析模型进行训练，得到缺陷处理人员评估模型。
26.作为优选实施方式，本发明的人员能力评估训练样本数据包括缺陷严重程度量化数值、缺陷等级、缺陷处理人、缺陷处理周期、缺陷处理不通过次数。
27.作为优选实施方式，本发明的依据待处理缺陷排序确定同位置处缺陷处理先后顺序，具体为：对于同一位置处的待处理缺陷，级别越高优先处理；
28.和/或，依据待处理缺陷严重程度与处理人员能力评估分值进行匹配，确定处理人员，具体为根据预设规则确定处理人员，该预设规则具体包括：
29.处理人员可以处理其对应级别的缺陷以及对应级别以下级别的缺陷。
30.作为优选实施方式，本发明的检修或巡视信息包括检修/巡视日期、位置信息和负责人；
31.和/或，所述待处理缺陷列表信息包括缺陷发现时间、缺陷等级、缺陷位置。
32.第二方面，本发明提出了一种基于支持向量机的轨道交通缺陷自动分配系统，包括：
33.缺陷识别模块，采用历史缺陷数据训练得到缺陷识别模型；
34.缺陷处理人员评估模块，采用历史缺陷数据训练得到缺陷处理人员评估模型；
35.分配模块用于获取线路检修信息或巡视信息，以及待处理缺陷列表信息；
36.所述分配模块还利用所述缺陷识别模型计算得到待处理缺陷严重程度与待处理缺陷排序，利用所述缺陷处理人员评估模型计算得到处理人员能力评估分值列表；
37.所述分配模块还基于待处理缺陷信息、检修项或巡视项信息、待处理缺陷严重程度与待处理缺陷排序、处理人员能力评估分值列表，确定缺陷与检修项或巡视项的匹配关系、缺陷处理先后顺序以及处理人员，从而对检修项或巡视项自动添加合并处理的缺陷及其处理顺序和处理人员。
38.第三方面，本发明提出了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现本发明所述方法的步骤。
39.本发明具有如下的优点和有益效果：
40.1、本发明使用支持向量机构建缺陷严重程度自动识别模型，对待处理缺陷进行准确的严重程度自动化量化处理，并进行缺陷处理排序，同时使用支持向量机构建缺陷处理人员能力评估模型，依据人员能力自动匹配相对应的严重程度的缺陷处理，提升了缺陷处理效果，减少安全隐患。
41.2、本发明依据上述模型对缺陷严重程度和人员能力进行量化表征，实现缺陷与检修计划或巡视计划的匹配与合并处理，实现缺陷的自动化分配，提高了处理效率。
附图说明
42.此处所说明的附图用来提供对本发明实施例的进一步理解，构成本技术的一部分，并不构成对本发明实施例的限定。在附图中：
43.图1为本发明实施例的方法流程示意图。
44.图2为本发明实施例的缺陷识别模型构建流程示意图。
45.图3为本发明实施例的缺陷处理人员评估模型构建流程示意图。
46.图4为本发明实施例的计算机设备结构示意图。
47.图5为本发明实施例的系统原理框图。
48.附图中标记及对应的零部件名称：
49.10-缺陷识别模块，11-第一数据获取单元，12-第一模型训练单元，20-缺陷处理人员评估模块，21-第二数据获取单元，22-第二模型训练单元，30-分配模块，31-第三数据获取单元，32-计算单元，33-规则库，34-匹配单元，35-输出单元。
具体实施方式
50.在下文中，可在本发明的各种实施例中使用的术语“包括”或“可包括”指示所发明的功能、操作或元件的存在，并且不限制一个或更多个功能、操作或元件的增加。此外，如在本发明的各种实施例中所使用，术语“包括”、“具有”及其同源词仅意在表示特定特征、数字、步骤、操作、元件、组件或前述项的组合，并且不应被理解为首先排除一个或更多个其它特征、数字、步骤、操作、元件、组件或前述项的组合的存在或增加一个或更多个特征、数字、步骤、操作、元件、组件或前述项的组合的可能性。
51.在本发明的各种实施例中，表述“或”或“a或/和b中的至少一个”包括同时列出的文字的任何组合或所有组合。例如，表述“a或b”或“a或/和b中的至少一个”可包括a、可包括b或可包括a和b二者。
52.在本发明的各种实施例中使用的表述(诸如“第一”、“第二”等)可修饰在各种实施例中的各种组成元件，不过可不限制相应组成元件。例如，以上表述并不限制所述元件的顺序和/或重要性。以上表述仅用于将一个元件与其它元件区别开的目的。例如，第一用户装置和第二用户装置指示不同用户装置，尽管二者都是用户装置。例如，在不脱离本发明的各种实施例的范围的情况下，第一元件可被称为第二元件，同样地，第二元件也可被称为第一元件。
53.应注意到：如果描述将一个组成元件“连接”到另一组成元件，则可将第一组成元件直接连接到第二组成元件，并且可在第一组成元件和第二组成元件之间“连接”第三组成元件。相反地，当将一个组成元件“直接连接”到另一组成元件时，可理解为在第一组成元件
和第二组成元件之间不存在第三组成元件。
54.在本发明的各种实施例中使用的术语仅用于描述特定实施例的目的并且并非意在限制本发明的各种实施例。如在此所使用，单数形式意在也包括复数形式，除非上下文清楚地另有指示。除非另有限定，否则在这里使用的所有术语(包括技术术语和科学术语)具有与本发明的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义，除非在本发明的各种实施例中被清楚地限定。
55.为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
56.实施例1
57.现有的缺陷关系信息系统，在缺陷分配时主要依靠人工在管理系统中进行逐级分配，花费的人工成本高，且效率低下，同时在时间和人力有限的情况下难以按影响程度消除安全隐患，可靠性较低。针对此，本实施例提出了一种基于支持向量机的轨道交通缺陷自动分配方法，该方法提供更加准确和客观的分配和管理，提升轨道交通运行维护过程中安全隐患排除能力。
58.如图1所示，本实施例的方法具体包括以下步骤：
59.步骤s1，获取线路检修计划或巡视计划信息，以及待处理缺陷列表信息。
60.本实施例中，获取的检修计划或巡视计划信息包括检修/巡视日期、位置信息、负责人；获取的待处理缺陷列表信息包括缺陷发现时间、缺陷等级、缺陷位置。
61.步骤s2，采用缺陷识别模型计算得到待处理缺陷严重程度及其排序。
62.本实施例的缺陷识别模型采用支持向量机构建而成，具体如图2所示，包括：
63.步骤s21，获取已处理的历史缺陷数据。该历史缺陷数据为已处理完毕并销号的缺陷数据列表。
64.步骤s22，建立缺陷处理事件的支持向量分析模型。该模型以历史缺陷处理数据作为训练数据，抽取各个历史缺陷的缺陷等级、存在时长、处理周期、处理不通过次数、缺陷所影响零部件、零部件所占权重等作为特征，将训练数据通过核技巧及软间隔最大化建立非线性支持向量机，学习非线性分类器，输出缺陷的严重程度分类，多个分类对应不同的分值。
65.步骤s23，对历史缺陷数据进行处理得到训练样本数据。
66.本实施例中为了保证模型输出的准确性，需要训练样本数据包含准确并完整的输入特征，故对历史缺陷数据进行处理，以确定输入特征，该输入特征包括缺陷原因、缺陷等级、缺陷位置、缺陷存在时长、缺陷处理人、缺陷处理周期、缺陷处理不通过次数、缺陷所影响部件、零部件所占权重。
67.步骤s24，采用训练样本数据对该缺陷处理事件的支持向量分析模型进行训练，得到缺陷识别模型。
68.本实施例将待处理缺陷数据输入到上述步骤s21-s24得到的缺陷识别模型中计算得到待处理缺陷对应的严重程度量化数值，本实施例的待处理缺陷数据经过与上述历史缺
陷数据相同处理方式进行处理后得到输入特征。
69.根据待处理缺陷的严重程度量化数值或缺陷等级得到待处理缺陷处理优先级排序。其中，严重程度量化数值越高或缺陷等级越高或者缺陷等级越高，其处理优先级越高。
70.本实施例中，按照缺陷的严重程度划分缺陷等级，缺陷等级可设置为一级到三级，一级对应缺陷最严重，一级到三级的缺陷严重程度依次降低；在另外的优选实施例中，也支持用户业务诉求划分更多等级。
71.步骤s3，采用缺陷处理人员评估模型计算得到处理人员能力评估分值列表。
72.本实施例的缺陷处理人员评估模型采用支持向量机构建而成，具体如图3所示，包括：
73.步骤s31，获取已处理的历史缺陷数据。该历史缺陷数据为已处理完毕并销号的缺陷数据列表，必须包括缺陷处理人员信息。
74.步骤s32，建立缺陷处理人员能力评估的支持向量分析模型。该模型以缺陷处理人员已处理的历史缺陷处理数据作为训练数据，抽取该人员各个历史缺陷的缺陷等级、存在时长、处理周期、处理不通过次数、缺陷所影响零部件、零部件所占权重等作为特征，将训练数据通过核技巧及软间隔最大化建立非线性支持向量机，学习非线性分类器，输出处理人员处理能力分类，多个分类对应不同的处理能力分值。
75.步骤s33，对历史缺陷数据进行处理得到训练样本数据。
76.为保证模型输出的准确想，需要训练样本数据包含准确并完整的输入特征，故本实施例对历史缺陷数据进行处理确定输入特征，输入特征包括缺陷严重程度量化数值、缺陷等级、缺陷处理人、缺陷处理周期、缺陷处理不通过次数。
77.步骤s34，采用该训练样本数据对缺陷处理人员评估的支持向量分析模型进行训练，得到缺陷处理人员评估模型。
78.本实施例将待处理缺陷数据输入到上述步骤s31-s34得到的缺陷处理人员评估模型中计算得到缺陷处理人员能力评估分值，并缺陷处理人员能力评估分值确定处理人员的处理能力等级。本实施例中，对待处理缺陷数据进行与上述历史缺陷数据相同的处理，得到输入特征。
79.本实施例中，处理能力等级划分与缺陷等级划分数量相同，故按照能力评估分值将处理能力等级划分为一级到三级，一级对应处理能力最强，依次降低，且缺陷等级增加时对应增加处理人员等级，处理能力等级与能力评估分值存在对应关系，能力评估分值越高，则处理能力等级越高。
80.步骤s4，对处于同一位置的待处理缺陷与检修项或巡视项建立匹配关系。
81.本实施例以待处理缺陷发生位置与某检修项或巡视项的工作位置相近为规则，将待处理缺陷与检修项或巡视项建立多对一的关系，也就是同一个检修项或巡视项关联多个位置相近的待处理缺陷。
82.步骤s5，在同一位置上的待处理缺陷，依据待处理缺陷排序给出处理先后顺序。
83.步骤s6，在同一位置上的待处理缺陷，将待处理缺陷严重程度与处理人员能力评估分值进行匹配，确定处理人员。
84.本实施例的步骤s6具体为：
85.依据待处理缺陷严重程度排序给出同位置缺陷处理先后顺序，级别高的缺陷优先
处理；
86.处理能力一级的人员可处理一级及以下级别缺陷，依此类推，处理能力二级的人员可处理二级及以下级别缺陷。例如，以三级待处理缺陷(即待处理缺陷等级为一级到三级)为例进行说明，待处理缺陷按一级到三级的顺序进行人员匹配，一级缺陷匹配一级处理人员，同一天同一人可用工时排满则更换同级别处理人员，依次完成一级到三级的人员分配。
87.步骤s7，根据匹配关系、处理先后顺序以及处理人员，对检修项或巡视项自动添加合并处理的缺陷(例如，自动给检修项或巡视项添加备注信息，该备注信息包含待处理缺陷的信息)，自动添加缺陷的处理人员和缺陷处理顺序。
88.本实施例还提出了一种计算机设备，用于执行本实施例的上述方法。
89.具体如图4所示，计算机设备包括处理器、内存储器和系统总线；内存储器和处理器在内的各种设备组件连接到系统总线上。处理器是一个用来通过计算机系统中基本的算术和逻辑运算来执行计算机程序指令的硬件。内存储器是一个用于临时或永久性存储计算程序或数据(例如，程序状态信息)的物理设备。系统总线可以为以下几种类型的总线结构中的任意一种，包括存储器总线或存储控制器、外设总线和局部总线。处理器和内存储器可以通过系统总线进行数据通信。其中内存储器包括只读存储器(rom)或闪存(图中未示出)，以及随机存取存储器(ram)，ram通常是指加载了操作系统和计算机程序的主存储器。
90.计算机设备一般包括一个外存储设备。外存储设备可以从多种计算机可读介质中选择，计算机可读介质是指可以通过计算机设备访问的任何可利用的介质，包括移动的和固定的两种介质。例如，计算机可读介质包括但不限于，闪速存储器(微型sd卡)，cd-rom，数字通用光盘(dvd)或其它光盘存储、磁带盒、磁带、磁盘存储或其它磁存储设备，或者可用于存储所需信息并可由计算机设备访问的任何其它介质。
91.计算机设备可在网络环境中与一个或者多个网络终端进行逻辑连接。网络终端可以是个人电脑、服务器、路由器、智能电话、平板电脑或者其它公共网络节点。计算机设备通过网络接口(局域网lan接口)与网络终端相连接。局域网(lan)是指在有限区域内，例如家庭、学校、计算机实验室、或者使用网络媒体的办公楼，互联组成的计算机网络。wifi和双绞线布线以太网是最常用的构建局域网的两种技术。
92.应当指出的是，其它包括比计算机设备更多或更少的子系统的计算机系统也能适用于发明。
93.如上面详细描述的，适用于本实施例的计算机设备能执行基于支持向量机的轨道交通缺陷自动分配方法的指定操作。计算机设备通过处理器运行在计算机可读介质中的软件指令的形式来执行这些操作。这些软件指令可以从存储设备或者通过局域网接口从另一设备读入到存储器中。存储在存储器中的软件指令使得处理器执行上述的群成员信息的处理方法。此外，通过硬件电路或者硬件电路结合软件指令也能同样实现本发明。因此，实现本实施例并不限于任何特定硬件电路和软件的组合。
94.实施例2
95.本实施例提出了一种基于支持向量机的轨道交通缺陷自动分配系统。
96.如图5所示，本实施例的自动分配系统包括缺陷识别模块10、缺陷处理人员评估模块20、分配模块30。
97.其中，本实施例的缺陷识别模块10还包括第一数据获取单元11和第一模型训练单元12。
98.该第一数据获取单元11获取已处理的历史缺陷数据；第一模型训练单元12建立缺陷处理事件的支持向量分析模型，根据历史缺陷数据确立输入特征，该输入特征包括但不限于缺陷原因、缺陷等级、缺陷位置、缺陷存在时长、缺陷处理人、缺陷处理周期、缺陷处理不通过次数、缺陷所影响部件、零部件所占权重；采用上述特征对上述支持向量分析模型进行训练，得到缺陷识别模型。
99.缺陷处理人员评估模块20还包括第二数据获取单元21和第二模型训练单元22。
100.该第二数据获取单元21获取已处理的历史缺陷数据，包括缺陷处理人；该第二模型训练单元22建立基于支持向量机的评估模型，根据历史缺陷数据确立输入特征，该输入特征包括缺陷严重程度量化数值、缺陷等级、缺陷处理人、缺陷处理周期、缺陷处理不通过次数；使用该特征对上述评估模型进行训练，得到缺陷处理人员评估模型。
101.分配模块30还包括第三数据获取单元31、计算单元32、规则库33、匹配单元34和输出单元35。
102.第三数据获取单元31，获取线路检修计划与巡视计划信息，其中包括检修/巡视日期、位置信息、负责人；获取待处理缺陷列表信息，其中包括缺陷发现时间、缺陷等级、缺陷位置。
103.计算单元32，利用缺陷识别模型计算出待处理缺陷的严重程度与排序；利用缺陷处理人员评估模型计算出处理人员能力评估分值列表。
104.本实施例中，通过缺陷识别模型计算并得到待处理缺陷对应的严重程度量化数值，其中量化数值越高，则表明缺陷等级越高，处理优先级越高，基于此，对待处理缺陷按照严重程度或等级进行排序。
105.规则库33，根据缺陷严重程度和处理人员能力评估分值，建立分配规则。
106.本实施例中，该分配规则具体为：
107.依据待处理缺陷严重程度排序给出同位置缺陷处理先后顺序，级别高的缺陷优先处理；
108.处理能力一级的人员可处理一级及以下级别缺陷，依此类推，处理能力二级的人员可处理二级及以下级别缺陷。例如，以三级待处理缺陷(即待处理缺陷等级为一级到三级)为例进行说明，待处理缺陷按一级到三级的顺序进行人员匹配，一级缺陷匹配一级处理人员，同一天同一人可用工时排满则更换同级别处理人员，依次完成一级到三级的人员分配。
109.匹配单元34按照规则库中建立的分配规则，自动对检修及巡视工作人员进行自动排班，给出该日检修或巡视项工作计划执行人员的自动匹配结果。该自动匹配结果包括待处理缺陷与检修项/巡视项匹配关系、待处理缺陷处理顺序、待处理缺陷与处理人员匹配关系等。
110.输出单元35依据缺陷与检修/巡视匹配关系、缺陷处理顺序、缺陷与处理人员匹配关系自动将缺陷分配到处理人员并确定合并处理的检修项/巡视项以及处理日期。
111.以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明
的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。