[发明专利]城市轨道交通信号系统风险点辨识方法及系统

权利要求书

1.一种城市轨道交通信号系统风险点辨识方法，其特征在于，包括：

基于城轨信号系统运营安全影响要素集和组分节点，构建城轨信号系统安全特征网络模型；

基于城轨信号系统安全特征网络模型，结合文本数据和统计数据，获取城轨信号系统风险特征性指标；

利用运用隐马尔可夫模型对文本数据进行本文抽取获得文本序列；

基于风险特征性指标，结合抽取的文本序列，构建城轨信号系统风险点辨识模型；

基于城轨信号系统风险点辨识模型，辨识得到城轨信号系统风险点。

2.根据权利要求1所述的城市轨道交通信号系统风险点辨识方法，其特征在于，所述的风险特征性指标分为结构性指标和功能性指标；所述结构性指标包括节点重要度，所述节点重要度表示了一个节点相对于相邻节点的度值高低，如果当前节点本身就连接到其他很重要的节点，那么针对该节点也同样赋予较高的节点重要度；所述功能性指标包括影响严重度，考虑到城轨信号系统的数据样本特征，提取数据集中延时时长、影响运营信息的列车数量的各个指标计算其加权比值得到最终的影响严重度指标。

3.根据权利要求2所述的城市轨道交通信号系统风险点辨识方法，其特征在于，构建城轨信号系统风险点辨识模型，包括：运用熵权法计算各个LSTM单元风险特征性指标中的节点重要度的权重，并将节点重要度和影响严重度融入每一个LSTM单元中去，计算权重参数。

4.根据权利要求3所述的城市轨道交通信号系统风险点辨识方法，其特征在于，将计算得到权重参数风险特征性指标融入隐马尔可夫模型给出的全部可能状态序列集，形成的新向量集，作为序列输入至Bi-LSTM网络结构，每一个双向LSTM单元在训练时都会考虑两个风险特征性指标，并将其应用到下一LSTM节点单元的计算过程中；通过调整优化三个门控权重参数，来控制待计算向量分别有多大概率进入门控单元中，最终获得每个时间步的隐藏层状态。

5.根据权利要求4所述的城市轨道交通信号系统风险点辨识方法，其特征在于，计算权重参数，包括：对影响运营的列车数量数据进行正向化处理；对数据标准化处理，消除不同指标数据值取值范围不同所导致的影响，构建标准化矩阵；构建概率矩阵计算标准化矩阵中每个指标的信息熵值；根据指标的信息熵值得到指标权重系数。