智能光纤配线调度管理系统及其方法与流程

1.本发明涉及智能化管理技术领域，尤其涉及一种智能光纤配线调度管理系统及其方法。


背景技术：

2.随着互联网的快速发展，越来越多的企业、机构和个人都离不开网络的支持。而光纤作为信息传输网络的重要组成部分，其质量的稳定和可靠性的高效对网络的稳定和安全具有至关重要的作用。在日常工作中，光纤链路的故障是无法避免的，需要对其进行检测和维护，以保证网络的正常运行。
3.otdr（optical time domain reflectometer）设备是一种用于测试光纤链路的仪器。它通过向光纤链路发送一系列光脉冲，测量信号在光纤上的反射并分析光纤链路质量，从而确定光纤链路中的故障点。然而，由于整个光纤链路过长，当业务出现中断情况时，传统otdr技术需要对整个光纤链路进行扫描，并将测量结果进行比对才能找到故障点，因此会耗费大量时间和人力，尤其在复杂网络环境下，会导致otdr技术的效率和精准度达不到应有要求。
4.因此，期望一种优化的智能光纤配线调度管理系统。


技术实现要素：

5.本发明实施例提供一种智能光纤配线调度管理系统及其方法，其通过otdr设备向被检测光纤链路发送一系列光脉冲以得到一系列反射信号；基于所述一系列反射信号绘制反射图；从所述反射图中提取多个反射映射特征向量；基于所述多个反射映射特征向量，确定多个故障概率值；以及，基于所述多个故障概率值，确定故障点。这样，可以通过基于机器学习的人工智能技术对于otdr设备向光纤链路发送光脉冲的反射信号图像进行图像分析来对于峰值和谷值等图像特征信息进行有效捕捉，从而快速定位光纤链路中的故障点，比如断纤、弯曲、连接器损坏等，以缩短维修时间，提高网络可靠性。
6.本发明实施例还提供了一种智能光纤配线调度管理系统，其包括：反射信号采集模块，用于通过otdr设备向被检测光纤链路发送一系列光脉冲以得到一系列反射信号；反射图绘制模块，用于基于所述一系列反射信号绘制反射图；反射特征分析模块，用于从所述反射图中提取多个反射映射特征向量；故障概率值生成模块，用于基于所述多个反射映射特征向量，确定多个故障概率值；以及故障点检测模块，用于基于所述多个故障概率值，确定故障点。
7.本发明实施例还提供了一种智能光纤配线调度管理方法，其包括：通过otdr设备向被检测光纤链路发送一系列光脉冲以得到一系列反射信号；基于所述一系列反射信号绘制反射图；从所述反射图中提取多个反射映射特征向量；基于所述多个反射映射特征向量，确定多个故障概率值；以及基于所述多个故障概率值，确定故障点。
附图说明
8.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：图1为本发明实施例中提供的一种智能光纤配线调度管理系统的框图。
9.图2为本发明实施例中提供的一种智能光纤配线调度管理系统中所述反射特征分析模块的框图。
10.图3为本发明实施例中提供的一种智能光纤配线调度管理系统中所述局部特征关联编码单元的框图。
11.图4为本发明实施例中提供的系统组网的示意图。
12.图5为本发明实施例中提供的一种智能光纤配线调度管理方法的流程图。
13.图6为本发明实施例中提供的一种智能光纤配线调度管理方法的系统架构的示意图。
14.图7为本发明实施例中提供的一种智能光纤配线调度管理系统的应用场景图。
具体实施方式
15.为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。
16.除非另有说明，本技术实施例所使用的所有技术和科学术语与本技术的技术领域的技术人员通常理解的含义相同。本技术中所使用的术语只是为了描述具体的实施例的目的，不是旨在限制本技术的范围。
17.在本技术实施例记载中，需要说明的是，除非另有说明和限定，术语“连接”应做广义理解，例如，可以是电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
18.需要说明的是，本技术实施例所涉及的术语“第一\第二\第三”仅仅是是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一\第二\第三”区分的对象在适当情况下可以互换，以使这里描述的本技术的实施例可以除了在这里图示或描述的那些以外的顺序实施。
19.在本发明的一个实施例中，图1为本发明实施例中提供的一种智能光纤配线调度管理系统的框图。如图1所示，根据本发明实施例的智能光纤配线调度管理系统100，包括：反射信号采集模块110，用于通过otdr设备向被检测光纤链路发送一系列光脉冲以得到一系列反射信号；反射图绘制模块120，用于基于所述一系列反射信号绘制反射图；反射特征分析模块130，用于从所述反射图中提取多个反射映射特征向量；故障概率值生成模块140，用于基于所述多个反射映射特征向量，确定多个故障概率值；以及，故障点检测模块150，用于基于所述多个故障概率值，确定故障点。
20.所述反射信号采集模块110是智能光纤配线调度管理系统100的核心模块之一，负
责采集光纤链路的反射信号数据。所述反射图绘制模块120中可以生成反射图，反射图是一种图形化表示光纤链路中反射信号的方法，可以直观地展示光纤链路中的反射情况。所述反射特征分析模块130用于提取多个反射映射特征向量，反射映射特征向量是反射图中反射信号的特征向量，可以用于故障点检测和故障概率值生成。所述故障概率值生成模块140可以确定多个故障概率值，故障概率值是指在光纤链路中出现故障的概率，可以用于故障点检测和故障预测。所述故障点检测模块150用于确定故障点，故障点是指光纤链路中出现故障的具体位置，可以用于快速定位故障点，提高故障排除效率。
21.具体地，所述反射信号采集模块110，用于通过otdr设备向被检测光纤链路发送一系列光脉冲以得到一系列反射信号。随着互联网的快速发展，越来越多的企业、机构和个人都离不开网络的支持。而光纤作为信息传输网络的重要组成部分，其质量的稳定和可靠性的高效对网络的稳定和安全具有至关重要的作用。在日常工作中，光纤链路的故障是无法避免的，需要对其进行检测和维护，以保证网络的正常运行。
22.otdr（optical time domain reflectometer）设备是一种用于测试光纤链路的仪器。它通过向光纤链路发送一系列光脉冲，测量信号在光纤上的反射并分析光纤链路质量，从而确定光纤链路中的故障点。然而，由于整个光纤链路过长，当业务出现中断情况时，传统otdr技术需要对整个光纤链路进行扫描，并将测量结果进行比对才能找到故障点，因此会耗费大量时间和人力，尤其在复杂网络环境下，会导致otdr技术的效率和精准度达不到应有要求。因此，期望一种优化的智能光纤配线调度管理系统。
23.应可以理解，otdr测试在光纤通信中非常重要，它可以用来检测光纤链路的质量，并快速定位故障点。具体来说，当光脉冲到达光纤链路中的某个点时，一部分光信号会被反射回来，此时otdr设备会测量这个反射信号的强度和时间，并将这些数据绘制成一个反射图或者衰减图。通过分析这些图像，可以确定光纤链路中的故障点，比如断纤、弯曲、连接器损坏等。具体地，可以通过对于反射图或者衰减图中的峰值或者谷值进行分析来确定光纤链路中的故障点，这是由于峰值或者谷值代表了光信号在光纤链路中反射或者衰减的位置。例如，如果峰值或谷值出现在光纤链路的一端，那么可能是连接器损坏或者光纤末端损坏；如果峰值或谷值出现在光纤链路的中间，那么可能是光纤断裂或者弯曲等问题。这样，能够根据确定的故障点，采取相应的维修措施，比如更换连接器、修复光纤断裂等。
24.基于此，在本技术的技术方案中，期望在日常工作中对 aor 端口所在光纤链路远程进行质量检测，以在业务出现中断情况下快速定位光纤链路断纤故障点。具体来说，通过基于机器学习的人工智能技术对于otdr设备向光纤链路发送光脉冲的反射信号图像进行图像分析来对于峰值和谷值等图像特征信息进行有效捕捉，从而快速定位光纤链路中的故障点，比如断纤、弯曲、连接器损坏等，以缩短维修时间，提高网络可靠性。
25.具体地，在本技术的技术方案中，首先，由otdr设备向被检测光纤链路发送一系列光脉冲以得到一系列反射信号。
26.具体地，所述反射图绘制模块120，用于基于所述一系列反射信号绘制反射图。在得到一系列反射信号后，基于所述一系列反射信号绘制反射图，以便于后续检测光纤链路的质量，并定位光缆断点、弯曲和其他问题。
27.在本技术的一个实施例中，通过时间域反射图绘制反射图，该方式是通过将反射信号在时间轴上进行绘制，形成时间域反射图。在时间域反射图中，x轴表示时间，y轴表示
反射信号的强度。时间域反射图可以直观地反映光纤链路中的反射情况，但是对于较长的光纤链路，时间域反射图的分辨率可能会降低，从而影响故障点的定位精度。
28.在本技术的另一个实施例中，通过频域反射图绘制反射图，该方式是通过将反射信号在频率域上进行绘制，形成频域反射图。在频域反射图中，x轴表示频率，y轴表示反射信号的强度。频域反射图可以提高反射信号的分辨率，从而提高故障点的定位精度。但是，频域反射图需要进行傅里叶变换等复杂的数学运算，计算成本较高。具体地，所述反射特征分析模块130，用于从所述反射图中提取多个反射映射特征向量。图2为本发明实施例中提供的一种智能光纤配线调度管理系统中所述反射特征分析模块的框图，如图2所示，所述反射特征分析模块130，包括：图像分块单元131，用于对所述反射图进行图像分块处理以得到多个反射局部图；反射局部特征提取单元132，用于基于深度神经网络模型来对所述多个反射局部图进行特征提取以得到多个上下文反射局部特征向量；局部特征关联编码单元133，用于对所述多个上下文反射局部特征向量进行关联特征分析以得到反射局部关联特征矩阵；以及，空间映射单元134，用于将所述各个上下文反射局部特征向量分别映射到所述反射局部关联特征矩阵中以得到所述多个反射映射特征向量。
29.首先，在所述图像分块单元131中，对所述反射图进行图像分块处理以得到多个反射局部图。进一步地，使用在图像的隐含特征提取方面具有优异表现的卷积神经网络模型来进行所述反射图的特征挖掘，但是由于卷积运算的固有局限性，纯cnn的方法很难学习明确的全局和远程语义信息交互。并且，还考虑到由于所述反射图中关于反射信号的峰值和谷值等图像特征信息为小尺度的细微隐含特征，难以进行充分捕捉提取。因此，为了能够提高所述反射图中关于反射信号的峰值和谷值等隐含小尺度的细微特征的表达能力，以此来提高故障点检测的精准度，在本技术的技术方案中，对所述反射图进行图像分块处理以得到多个反射局部图应可以理解，可以通过以下方式对所述反射图进行图像分块处理：1.固定大小分块法：将反射图按照固定大小进行分块，每个分块的大小相同。例如，将反射图按照100*100的大小进行分块，得到多个100*100的反射局部图。这种方式简单易行。2.自适应分块法：根据反射图中反射信号的分布情况，采用不同的分块方式进行分块。例如，可以根据反射信号的密度和强度进行分块，使得每个分块中包含的反射信号数量相似。这种方式可以提高图像分块的准确性。3.边缘检测分块法：通过边缘检测算法对反射图进行处理，将反射图中的边缘部分作为分块的边界，这种方式可以提高分块的准确性。然后，在所述反射局部特征提取单元132中，所述深度神经网络模型为包含嵌入层的vit模型。然后，将所述多个反射局部图通过包含嵌入层的vit模型中进行编码，以提取出所述反射图中关于反射信号的峰值和谷值等图像的局部隐含特征的上下文语义关联特征信息，从而得到多个上下文反射局部特征向量。应可以理解，在对于所述反射图进行图像分块处理后的各个反射局部图中关于反射信号的小尺度隐含特征不再是小尺度的特征信息，有利于后续进行反射信号中关于峰值和谷值等图像特征的捕捉和提取，从而提高故障点检测的精度。
30.特别地，这里，所述嵌入层通过可学习嵌入矩阵将所述各个图像块线性投影为一维嵌入向量。嵌入化的实现过程是先分别将各个所述反射局部图中所有像素位置的像素值排列为一维向量，然后使用全连接层对该一维向量进行全连接编码以实现嵌入化。并且，这里，所述vit模型可以像transformer一样直接通过自注意机制处理所述各个反射局部图，
以此来分别提取出所述各个反射局部图中基于所述反射图整体的关于所述反射信号的局部隐含上下文语义关联特征信息。
31.应可以理解， 自2017年google提出的transformer结构以来，迅速引发一波热潮，针对于nlp领域的，通过自注意力机制代替传统处理序列数据时采用的循环神经网络结构，不仅实现了并行训练，提升了训练的效率，同时也在应用中取得很好的结果。在nlp中，输入transformer中的是一个序列，而在视觉领域，需要考虑如何将一个2d图片转化为一个1d的序列，最直观的想法就是将图片中的像素点输入到transformer中，但是复杂度太高的问题。
32.而vit模型对输入的改进可以降低复杂度，先将图片切分成一个个图像块，然后每一个图像块投影为固定长度的向量送入transformer中，后续编码器的操作和原始transformer中完全相同。但是因为对图片分类，因此在输入序列中加入一个特殊的标记，该标记对应的输出即为最后的类别预测。vit在很多视觉任务上都展现了相当优秀的性能，但是和cnn(convolutional neural network，卷积神经网络)相比，缺少归纳偏置让vit应用于小数据集时非常依赖模型正则化（model regularization）和数据增广（data augmentation）。
33.接着，在所述局部特征关联编码单元133中，其用于：将所述多个上下文反射局部特行向量排列为二维特征矩阵后通过基于卷积神经网络模型的反射信号间关联特征提取器以得到所述反射局部关联特征矩阵。
34.然后，考虑到所述包含嵌入层的vit模型虽然能够很好地捕捉到关于反射信号中关于长距离依赖关联的信号图像局部关联特征信息，但是对于短距离依赖关联的特征捕捉能力较差，而在所述反射信号中的各个局部区域信号特征之间在不同的局部区域跨度下具有着不同的关联程度。因此，需要将所述多个上下文反射局部特行向量排列为二维特征矩阵后通过基于卷积神经网络模型的反射信号间关联特征提取器中进行编码，以此来提取出有关于所述反射信号中的各个局部区域信号特征之间更深层次的高维隐含关联特征分布信息，从而得到反射局部关联特征矩阵。
35.其中，图3为本发明实施例中提供的一种智能光纤配线调度管理系统中所述局部特征关联编码单元的框图，如图3所示，所述局部特征关联编码单元133，包括：矩阵构造子单元1331，用于将所述多个上下文反射局部特行向量排列为二维特征矩阵；特征分布优化子单元1332，用于对所述二维特征矩阵进行特征分布优化以得到优化二维特征矩阵；反射信号特征关联子单元1333，用于将所述优化二维特征矩阵通过基于卷积神经网络模型的反射信号间关联特征提取器以得到所述反射局部关联特征矩阵。
36.将多个上下文反射局部特征向量排列为二维特征矩阵，可以将多个特征向量合并成一个整体，方便进行数据处理和分析。具体来说，通过将多个反射局部特征向量排列为二维特征矩阵，一方面，可以提高数据处理效率，通过将多个特征向量合并成一个整体，可以减少数据处理的次数，提高数据处理效率。另一方面，可以方便数据分析，将多个特征向量合并成一个整体，可以方便进行数据分析，比如计算特征向量之间的相似度、聚类分析等。再一方面，可以提高模型的准确性。通过将多个特征向量合并成一个整体，可以提高模型的准确性，因为模型可以从更全面的角度来分析数据，从而更好地发现数据中的规律和特征。
37.特别地，在本技术的技术方案中，对于将所述多个上下文反射局部特征向量排列
得到的所述二维特征矩阵，如果将所述二维特征矩阵看作为全局特征集合，则其是由作为局部特征集合的多个上下文反射局部特征向量组成的，并且，所述多个上下文反射局部特征向量在所述二维特征矩阵的空间维度下，具有相互空间关联的邻域分布关系。
38.并且，由于所述多个上下文反射局部特行向量中的每个表达所述反射图进行图像分块处理得到的反射局部图的上下文关联的图像语义特征，因此其还具有对应于所述反射图的整体图像语义表达对各图像分块的局部特征分布的多源信息关联关系。
39.因此，为了提升所述二维特征矩阵对于所述多个上下文反射局部特征向量的整体空间关联分布表达效果，从而提升基于卷积神经网络模型的反射信号间关联特征提取器对局部空间关联特征提取的准确性，本技术的申请人对所述二维特征矩阵的每个位置的特征值进行空间多源融合验前信息分布优化，以获得优化后的特征值，具体表示为：以如下优化公式对所述二维特征矩阵进行空间多源融合验前信息分布优化以得到所述优化二维特征矩阵；其中，所述优化公式为：，其中是所述二维特征矩阵的第位置的特征值，和为邻域设置超参数，且当或者小于等于零或者大于所述二维特征矩阵的宽度或者高度时，特征值设置为零或者一，表示以2为底的对数函数，是所述优化二维特征矩阵的第位置的特征值。
40.这里，所述空间多源融合验前信息分布优化可以基于特征空间分布融合的稳健性类极大似然估计，来将所述二维特征矩阵作为由多个相互关联的邻域部分对应的特征局部集合组成的特征全局集合，实现特征局部集合各自的多源验前信息到特征全局集合的有效折合，并通过多源情况下的验前信息分布构建，来获得能够用于评估特征矩阵的内部空间关联与空间信息融合变动关系之间的标准期望的优化范式，以提升所述二维特征矩阵基于多源信息空间分布关联融合的信息表达效果，从而提升所述二维特征矩阵对于所述多个上下文反射局部特征向量的整体空间关联分布表达效果，以提升基于卷积神经网络模型的反射信号间关联特征提取器对局部空间关联特征提取的准确性。这样，能够在业务出现中断情况下快速且准确地检测定位光纤链路中的故障点，以实现光纤链路的质量检测，从而缩短维修时间，提高网络可靠性。
41.最后，在所述空间映射单元134中，其用于：以所述多个上下文反射局部特征向量中各个上下文反射局部特征向量作为查询特征向量，计算其与所述反射局部关联特征矩阵之间的矩阵乘积以得到所述多个反射映射特征向量。继而，以所述多个上下文反射局部特征向量中各个上下文反射局部特征向量作为查询特征向量，计算其与所述反射局部关联特征矩阵之间的矩阵乘积，以此来将所述各个上下文反射局部特征向量映射到所述反射局部关联特征矩阵的高维特征空间中，从而确定每个所述上下文反射局部特征向量在所述反射局部关联特征矩阵中所处的位置，以刻画出以所述反射信号的各个局部区域的高维隐含关
联特征为基础背景下的关于各个局部反射区域特征信息，这样有利于后续对光纤链路上的故障点检测和确定，且得到对应于每个反射信号局部区域综合特征的多个反射映射特征向量。
42.具体地，所述故障概率值生成模块140，用于基于所述多个反射映射特征向量，确定多个故障概率值。其中，所述故障概率值生成模块140，用于：将所述多个反射映射特征向量通过分类器以得到所述多个故障概率值。
43.接着，进一步再将所述多个反射映射特征向量通过分类器以得到多个故障概率值，以此来对于光信号在光纤链路中反射信号的各个局部区域的故障概率值进行确定，从而推断光纤链路上存在的故障点和位置。
44.所述故障概率值生成模块140，包括：全连接编码单元，用于使用所述分类器的多个全连接层对所述多个反射映射特征向量进行全连接编码以得到编码分类特征向量；以及，分类单元，用于将所述编码分类特征向量通过所述分类器的softmax分类函数以得到所述分类结果。
45.具体地，所述故障点检测模块150，用于基于所述多个故障概率值，确定故障点。在本技术的一个具体示例中，可以将所述多个故障概率值中最大故障概率值对应的反射局部图作为故障点。这样，能够快速定位光纤链路中的故障点，比如断纤、弯曲、连接器损坏等，以缩短维修时间，提高网络可靠性。
46.综上，基于本发明实施例的智能光纤配线调度管理系统100被阐明，其通过基于机器学习的人工智能技术对于otdr设备向光纤链路发送光脉冲的反射信号图像进行图像分析来对于峰值和谷值等图像特征信息进行有效捕捉，从而快速定位光纤链路中的故障点，比如断纤、弯曲、连接器损坏等，以缩短维修时间，提高网络可靠性。
47.如上所述，根据本发明实施例的智能光纤配线调度管理系统100可以实现在各种终端设备中，例如用于智能光纤配线调度管理的服务器等。在一个示例中，根据本发明实施例的智能光纤配线调度管理系统100可以作为一个软件模块和/或硬件模块而集成到终端设备中。例如，该智能光纤配线调度管理系统100可以是该终端设备的操作系统中的一个软件模块，或者可以是针对于该终端设备所开发的一个应用程序；当然，该智能光纤配线调度管理系统100同样可以是该终端设备的众多硬件模块之一。
48.替换地，在另一示例中，该智能光纤配线调度管理系统100与该终端设备也可以是分立的设备，并且该智能光纤配线调度管理系统100可以通过有线和/或无线网络连接到该终端设备，并且按照约定的数据格式来传输交互信息。
49.在本技术的一个实施例中，提供一种基于 ai 的光纤配线机器人，其采用独有的无缠绕算法通过机械手自动插拔光纤实现光纤跳线，实现业务的开通。智能光纤配线调度管理平台软件即为配合设备实现通过 web 客户端远程控制光纤跳线、自动记录资源信息及业务开通情况，实现对大量光资源信息的管理，同时系统提供光纤链路资源的检测， 在网管平台下发 otdr 测试命令，即可实现该光纤链路质量的检测。
50.在本技术中，其产生的有益效果包括：1.智能光纤配线调度管理系统可提供多路光纤输入输出端口间的远程自动跳接，无须至现场即可完成光纤跳接工作。2.同一网络配线机器人输入输出端口间可任意自由跳接。3.网络配线机器人保障移纤稳定性强，确保每端口切换次数＞1000 次，机械臂使用次数＞100,000 次。4.智能光纤配线调度管理系统具
备光纤链路质量检测功能，实现输入输出端口所在光纤链路的质量检测和断纤故障点定位。5.智能光纤配线调度管理系统自动跳纤作业完成后自动更新光资源端口及链路数据，确保端口和链路维护信息准确性。6.智能光纤配线调度管理系统依托智能光纤配线调度管理平台软件，为光纤调度管理提供了支撑工具，打通资管系统与代维管理系统接口，完善资源变更的全流程闭环管理。7.智能光纤配线调度管理系统可对外提供封装好的接口模块，可授权第三方网管平台进行二次对接开发。
51.如图4所示，机房现场部署网络配线机器人 zy-aor，负责接入传输系统链路光纤，向下接入干线光缆及传输设备，向上支持以太网、无线 4g 等通信方式，无论被管理现场所在何种环境，用户仅需确保 zy-aor 产品通过有线或无线方式接入广域网/局域网， 即可享用智能光纤配线系统带来的便捷服务。
52.本系统通过在用户既有的无源 odf 架基础上运用 zy-aor 网络配线机器人，并在用户的维护管理中心配置光纤资源管理系统平台软件，通过管理中心的 web 管理终端实现对远端机房的 zy-aor 网络配线机器人远程移纤及光缆质量测试操作，优化用户传统的人工跳纤与记录维护方式。优化后的用户业务光缆维护模式应具备智能化运维、可视化管理的效果，达到资源智能调度、资源精 确管理、资源高效利用、业务开通提速的成果。
53.zy-aor 智能光纤配线机器人是一款基于物联网技术、ai 智能控制技术的光纤调度管理设备，zy-aor的工作模式改变了依靠人工到现场进行光纤调度的传统工作模式，改变目前光接入网络可视化程度低、资源浪费严重、调度无序、管理混乱等现状，实现对光纤资源的自动化、可视化、智能化管理。
54.进一步地，智能光纤配线机器人由控制模块、ai 跳纤模块、测试控制模块组成。
55.(1) 控制模块：是智能光纤配线机器人的大脑，无缠绕的智能算法及内外部各模块的协作控制命令均由控制模块完成。
56.(2) zy-aor 的空间异面直线防缠绕算法，根据光纤跳线的编号或上下位置关系， 进行跳接时若进行 跳接的光纤前方光纤跳线位置比其高，则从前方光纤跳线的下方穿过，反之若前方的光纤跳线位置比其低，则从前方光纤上方跨过，通过这种高穿低跨的无缠绕配线算法，实现任意两芯光纤的自动交叉连接。
57.(3) ai 跳纤模块：是设备核心组件，跳纤模块根据控制模块发送的指令，具备自动智能跳纤、光纤编号智能识别的功能。
58.(4) 测试控制模块： 接收上级中心发来的测试任务，与智能光纤配线机器人配合， 指挥 otdr 模块接受测试控制模块的指令，完成对指定链路的测试。
59.进一步地，智能光纤配线调度管理平台软件基于物联网技术和 ai 智能控制技术，解决用户现有人工现场维护、人工记录资源信息偏差、施工结果难校核的痛点，将人工现场跳接变为远程自动跳纤，自动记录业务变更及端口资源信息，配置 otdr 监测模块亦可在日常工作中对光纤链路远程进行质量检测， 业务出现中断情况下协助维护单位快速定位断纤故障点。
60.技术方法实现功能包括：系统管理：进行区域管理、角色管理、用户管理，通过系统管理功能使用户的维护管理模式可以 分区域、分权限进行呈现。
61.设备配置：配置各类设备信息、配置非 aor 设备端口信息、配置 aor 成端设备信息。
62.移纤调控：根据用户业务需要远程调整 aor 多路端口间连接关系，以完成机房接入光缆间任意两芯光纤的自动交叉连接，便于用户快速开通业务及故障业务恢复。
63.otdr 测试：在日常工作中对 aor 端口所在光纤链路远程进行质量检测，业务出现中断情况下 快速定位光纤链路断纤故障点。
64.拓扑管理：展示系统中 aor 和其成端的设备间的连接关系。
65.告警管理：查询所有 aor 设备的当前或历史离线告警。
66.统计查询：查询 aor 端口的业务关系表，查询 otdr 测试历史记录信息，用户获取的光纤资源质量衰耗曲线对链路质量进行监测，便于用户指定传输业务链路维护计划。
67.具体地，远程自动跳纤，方案可实现远程光纤业务跳接及开通，改变运维人员传统的下站开通业务工作模式，通过 web 用户端远程实现光纤链路资源的连接，系统还可与用户工单系统或故障系统对接，接收工单系统下发的故 障工单，在用户端执行移纤操作，快速恢复故障业务，实现多个通信站间任意两芯光纤的自动交叉连接。
68.系统开通前在用户端录入 zy-aor 设备端口连接信息，即可完成业务链路的自动连接；系统可通过 web 用户端进行业务端口的连接操作， 远程进行业务端口的连接操作。
69.光纤链路远程自动监测，方案提供远程光纤链路质量检测功能，通过 web 用户端向 aor 设备远程下发 otdr 测试指令，可实现光纤链路传输损耗、接头损耗及光纤线路事件点的监测。
70.系统提供 otdr 测试参数配置，可由用户根据待测光纤实际情况配置测试光波长、脉宽、量程、折射率、阈值等 otdr 测试参数；通过 web 用户端远程下发 otdr 测试指令，获取测试光纤的光缆长度、传输损耗、接头损耗等光纤物理特性，并能对光纤线路中的事件点、故障点准确定位，改变传统的利用手持 otdr 下站进行维 护测试的工作模式。测试完成后展示曲线和事件列表，在曲线中移动标尺 a 和标尺 b 的位置，可以计算 a、b 位置间的 距离、区间损耗、平均损耗。事件列表中包含非反射事件、反射事件、光纤末端事件，一般的熔 接点、接头为非反射事件，损耗较大的位置点会形成反射事件，光纤断点位置形成光纤末端事件， 可根据事件损耗和链路衰减损耗判断链路质量。
71.业务调度与管理，方案提供光资源设备的录入、用户资源管理系统接口、设备审核及管理功能。无论设备的创建 还是设备的管理都可通过图形化的方式来提供支撑，提升运维人员对业务的感知度。系统提供与用户资源管理对接接口， 可实现用户既有资源信息直接导入功能；系统提供 aor 以及光资源设备的录入、设备列表导出功能，便于运维人员进行资源清查；资源管理提供图形化展现方式，采用 gis 地图或拓扑图(选配)方式， 便于运维人员快速定位设备所在网络层次及站点的快速定位。系统可实现 odn 业务调度与管理，可实现光纤路径、纤芯资源的智能管理， 实现对光纤资源的可视化、智能化管理，智能光配线系统业务端口起点、终点、业务名称信息的功能。
72.告警管理功能，方案具备告警管理功能，可采集、接收网络配线机器人产生的故障告警信息，并针对每个故障 告警时间、告警名称、告警类型、等级提供详细描述。选择告警管理， 点击当前告警， 可以进入告警界面， 告警界面针对每个告警显示告警时间、告警名称、告警类型、等级提供详细描述。
73.告警查询统计功能，方案具备告警查询统计功能，可查询通知对象、告警发生、确认时间、恢复时间等关键过程生成记录，反应故障处理过程，为维护人员提供追溯记录。
74.操作人员资料管理功能，本方案提供的服务专业工具中用户管理功能可提供人员资料管理功能，维护人员可在系统中执 行录入、修改、删除操作，未经录入的人员无权执行系统访问与维护，确保用户传输资源信息的安全性和保密性。
75.分权分域管理功能，方案提供分权分域管理功能，对系统内用户账号访问和操作权限进行授期权及控制。权限细分 功能权限和数据权限两部分，功能权限包括系统菜单的访问、功能点的触发请求、报表数据导出功能。数 据权限包括账号区域、设备类型、站点访问控制。
76.通过 web 终端系统管理
→
角色管理对添加的角色配置菜单权限实现用户功能权限的划分；选择系统管理，点击角色管理，进入角色权限界面。
77.通过 web 终端系统管理
→
角色管理对添加的角色配置区域权限实现用户数据权限的划分。
78.对各用户角色及区域权限的查询。
79.日志管理功能，本方案提供的服务专业工具可记录操作人员登入、登出信息，以及执行操作过程记录，日志可记录操作人员、执行操作动作、操作描述、操作时间等信息，该操作日志亦可导出作为运维日志记录存档。
80.本地调测与维护功能，智能光纤配线机器人可脱离管理系统进行本地调测与维护，提供本地维护终端软件， 维护人员在智能光纤配线机器人安装现场通过以太网口便可接入维护终端软件，直接配置及调测设备。
81.将 pc 电脑与 zy-aor 用网线连接，启动 c/s 本地调测终端软件：输入 zy-aor 的 ip 地址和端口
→
点击“连接服务”按钮与 zy-aor 建立网络连接
→
点击“读取”按钮 获取当前电机速度和设备端口容量
→
输入光纤号 255
→
点击“读取”按钮获取光纤位置信息， 得到孔 1 和 孔 96 的原有光纤位置信息
→
移纤操作处填如移纤端口信息
→
调整为孔位-孔位
→
点击开始执行即可在本地完成设备维护及操作。
82.zy-aor 网络配线机器人是一款基于物联网技术、ai 智能控制技术的光纤调度管理设备， zy-aor 的工 作模式改变了依靠人工到现场进行光纤调度的传统工作模式，改变目前光接入网络可视化程度低、资源浪 费严重、调度无序、管理混乱等现状，实现对光纤资源的自动化、可视化、智能化管理。
83.网络配线机器人系列：根据用户应用场景提供系列产品类型，zy-aor 48/72/96/192；提供强大的功能配置接口；提供光纤质量远程自动检测功能；确保跳纤后光纤不缠绕；提供运行日志本地存储及推送功能；提供运行程序本地下载功能；具备设备自诊断、故障自定位功能。如表1所示：
图5为本发明实施例中提供的一种智能光纤配线调度管理方法的流程图。图6为本发明实施例中提供的一种智能光纤配线调度管理方法的系统架构的示意图。如图5和图6所示，一种智能光纤配线调度管理方法，包括：210，通过otdr设备向被检测光纤链路发送一系列光脉冲以得到一系列反射信号；220，基于所述一系列反射信号绘制反射图；230，从所述反射图中提取多个反射映射特征向量；240，基于所述多个反射映射特征向量，确定多个故障概率值；以及，250，基于所述多个故障概率值，确定故障点。
84.本领域技术人员可以理解，上述工尺谱扫描机方法中的各个步骤的具体操作已经在上面参考图1到图4的工尺谱扫描机器人的描述中得到了详细介绍，并因此，将省略其重复描述。
85.图7为本发明实施例中提供的一种智能光纤配线调度管理系统的应用场景图。如图7所示，在该应用场景中，首先，通过otdr设备向被检测光纤链路发送一系列光脉冲以得到一系列反射信号（例如，如图7中所示意的c）；然后，将获取的一系列反射信号输入至部署有智能光纤配线调度管理算法的服务器（例如，如图7中所示意的s）中，其中所述服务器能够基于智能光纤配线调度管理算法对所述一系列反射信号进行处理，以确定多个故障概率值；并基于所述多个故障概率值，确定故障点。
86.以上所述的具体实施例，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例而已，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。