(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210873090.X (22)申请日 2022.07.21 (71)申请人 北京交通大 学 地址 100044 北京市海淀区西直门外上园 村3号 (72)发明人 王艳辉　李承叡　李曼　颜开　 张子龙　 (74)专利代理 机构 北京市商 泰律师事务所 11255 专利代理师 邹芳德 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/26(2012.01) G06N 3/08(2006.01) G06N 3/04(2006.01) (54)发明名称 城市轨道交通信号系统风险点辨识方法及 系统 (57)摘要 本发明提供一种城市轨道交通信号系统风 险点辨识方法及系统， 属于城市轨道交通运用维 护技术领域， 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， 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。 本发明在考虑数据特征的基础上进行城轨信 号系统风险点辨识， 提高了辨识准确度， 为实现 信号系统安全风险管控、 降低城市轨道交通事故 发生率、 保障城市轨道交通安全运营提供了安 全、 可靠、 稳定支撑 。 权利要求书2页 说明书16页 附图3页 CN 115187114 A 2022.10.14 CN 115187114 A 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。 6.根据权利要求5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， 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， 包括： 对文本序列中的融合风 险特征性指标的信息进行感知， 具体公式表示如下： it＝(Wi[Rt， ht‑1]+mi*Rt+ni) ft＝ δ(Wf[Rt， ht‑1]+mf*Rt+nf) ot＝ δ(Wo[Rt， ht‑1]+mo*Rt+no) ht＝ot*tanh(Ct) 其中， it、 ft、 ot分别表示细胞单元中的输入门、 遗忘门与输出门， δ表示sigmoid函数， Rt 代表了与时间步长t时刻对应的输入向量集， ht‑1表示先前的隐藏状态， ht表示当前时间步权　利　要　求　书 1/2 页 2 CN 115187114 A 2长下的隐藏状态， Wi、 Wf、 Wg、 Wo表示权重矩阵， nf、 ng、 no表示细胞在训练数据时的偏差， mi、 mf、 mo分别表示风险特征指标输入门权重参数、 风险特征指标遗忘门权重参数与风险特征指标 输出门权重参数， Ct表示LSTM的细胞存储单元在t时刻通过输入门和输出门进行更新， 表 示候选的输入向量。 7.一种城市轨道交通信号系统风险点 辨识系统， 其特 征在于， 包括： 第一构建模块， 用于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； 计算模块， 用于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； 抽取模块， 用于利用运用隐马尔可 夫模型对文本数据进行本文抽取获得文本序列； 第二构建模块， 用于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； 辨识模块， 用于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。 8.一种非暂态计算机可读存储介质， 其特征在于， 所述非暂态计算机可读存储介质用 于存储计算机指 令， 所述计算机指 令被处理器执行时， 实现如权利要求 1‑6任一项所述的城 市轨道交通信号系统风险点 辨识方法。 9.一种计算机程序产品， 其特征在于， 包括计算机程序， 所述计算机程序当在一个或多 个处理器上运行时， 用于实现如权利要求1 ‑6任一项所述的城市轨道交通信号系统风险点 辨识方法。 10.一种电子设备， 其特征在于， 包括： 处理器、 存储器以及计算机程序； 其中， 处理器与 存储器连接， 计算机程序被存储在 存储器中， 当电子 设备运行时， 所述处理器执行所述存储 器存储的计算机程序， 以使电子设备执行实现如权利要求1 ‑6任一项所述的城市轨道交通 信号系统风险点 辨识方法的指令 。权　利　要　求　书 2/2 页 3 CN 115187114 A 3