[发明专利]面向GNSS定位服务的故障治理系统和方法

说明书

本发明提供了一种面向GNSS定位服务的故障治理系统和方法，所述故障治理系统包括：接入层，用于采集、存储和接入元数据，所述元数据包括用户端的数据和服务端的数据；处理层，用于对接入层采集的元数据进行处理，并基于离线计算或者实时流式计算结果提供服务；引擎层，用于根据离线计算结果进行分析，并开发调试算法模型，对算法模型的效果进行评估，并将验证通过的算法模型发布到算法仓库；平台层，用于控制故障治理系统，管理接入层、处理层和引擎层；应用层，用于根据应用场景调用算法仓库中的算法模型，并将算法模型计算的结果展示给用户。本发明可以准确定位到服务异常的原因和问题节点，提升服务质量问题发现及处置的效率。

技术领域

本发明涉及定位服务故障治理技术领域，具体涉及一种面向GNSS定位服务的故障治理系统和方法。

背景技术

基于机器学习的异常检测算法：异常检测的很多算法是基于KPI的趋势预测，还有一些算法是基于机器学习的，机器学习的算法需要有标注。而标注会给运维人员带来很多开销，所以能不能做一些工作减少标注的开销呢？这其中就包括相似异常的查找，运维人员标注一个异常后，机器学习算法能够自动地把相似的、相关的异常都找出来。

关于异常检测的定义，就是对于随着时间有周期性变化的KPI曲线，当它发生异常的时候能够快速准确的报警，它的常见的算法有：基于窗口，基于预测，基于近似性，基于隐式马尔可夫模型，也有机器学习，集成学习，迁移学习，深度学习，深度生成模型等等。

卫星导航数据完好性校验方法，通常情况下，完好性监测系统和方法大都基于以下逻辑：获取导航接收机的观测数据；对所述观测数据进行粗差探测，并生成改正数；当粗差探测结果为残差异常时，对所述异常进行评估；当所述异常对完好性构成威胁时，根据改正数进行误差评估；计算并输出危险误导信息概率HMI(分层互信息)，同时发出告警。通常情况，GNSS(Global Navigation Satellite System，全球导航卫星系统)系统完好性评估方法，能够全面准确的评估GNSS的完好性，及时获知GNSS系统运行状况，及时进行故障的隔离和修复，提高GNSS系统的精确性和稳定性。

基于机器学习的异常检测或关联分析只是一种通用的算法模型方法论，并没有针对GNSS实时动态定位服务有特定的技术或解决方案，GNSS定位服务是否可用(尤其是网络RTK服务)，如何才算异常？需要结合GNSS卫星定位原理和专业处理逻辑来考虑。

卫星导航完好性校验是目前对GNSS数据质量和可用性比较常用的检测方法，是一种通用的技术模型，但其仅针对于某个卫星或频点信号本身的质量做出判断，然后通知到终端，并没有从用户角度关心的整体服务是否可用给出结论。

基于云架构的GNSS实时动态定位互联网播发服务的可用性影响因素比较复杂，大致上包括系统层和数据层两个层面。系统层主要包括GNSS地基增强系统(包括接收机和网络专线)、云平台(包括虚拟机、网络、中间件、数据库等多种云化服务)、平台应用软件(GNSS数据接收编解码模块、GNSS核心算法引擎模块、差分数据播发模块等)。数据层包括原始观测数据和VRS(虚拟参考点)数据，其中涵盖了可用卫星数、各卫星频点、龄期、周跳、多径等数据内容。只有当系统层和数据层都满足一定条件时，最终输出到用户端的差分数据服务才可用。

基于互联网、云计算架构的GNSS实时动态定位服务可用性保证的难点在于前后端技术链条长、分析纬度复杂，服务质量发生异常时难以及时准确定位到问题节点和故障原因，从而客观上延长了故障影响时间，对业务和用户体验造成风险或损失。

发明内容

本发明可以支持全链路各级系统间异常日志/告警的秒级聚合，并利用机器学习算法实时监测识别可用性异常情况，并分析可用性异常报警与后端异常日志之间的关联关系，进而准确定位到服务异常的原因和问题节点，并给出处理建议，或是根据后端异常日志预测出可能出现的业务故障，从而提示预警，最终提升服务质量问题发现及处置的效率。

本发明采用的技术方案具体如下：