[发明专利]一种基于时空聚类的铁路接触网缺陷热点区域预警方法

权利要求书

1.一种基于时空聚类的铁路接触网缺陷热点区域预警方法，其特征在于，包括如下步骤：

步骤一：将整条线路上已发生的缺陷类型和数量进行统计，得到数据集；

步骤二：将缺陷类型和数量的分布情况匹配到整条线路上，再利用密度聚类，把缺陷类型和数量按照线路分布的密集程度进行聚类，得到缺陷聚类结果；

步骤三：根据缺陷聚类结果利用缺陷热点区域预警模型进行热点区域缺陷预测，得到缺陷预测结果；

步骤四：根据缺陷预测结果制定线路检修计划；

所述的密度聚类采用基于密度的时空聚类算法，线路的每一个缺陷为聚类中的一个对象点，具体的聚类过程为：基于密度的时空聚类算法检查数据集中每个对象点的E邻域来搜索簇，若某一对象点的E邻域包含的对象点多于MinPts个，则创建一个以该对象点为核心对象的簇；然后，基于密度的时空聚类算法迭代地聚集从这些核心对象直接密度可达的对象，当没有新的对象点添加到任何簇时，结束迭代；

其中的E邻域为形成簇的时空邻域，E邻域为给定对象的空间距离阈值为半径，2倍时间距离阈值为高构成的圆柱体区域，MinPts为形成一个簇的最小核心对象个数；

所述的缺陷热点区域预警模型采用时空聚类ST-DBSCAN算法，将平面的聚类变换为三维的时空聚类，具体实现过程如下：

步骤1：建立一个三维的时空数据库，库中时空对象的经度为x，纬度为y，时间为t，一个时空对象对应一个对象点P_i＝{id_i,x_i,y_i,t_i}，i,(1≤i≤n)表示时空对象序号，所有的对象点组成对象集合D_P；

步骤2：选取任意对象点P_i，P_i∈D_P，判断是否属于现有簇中，若该点已有归属簇，则选取下一个对象点P_i+1，否则进入步骤3；

步骤3：判断对象点P_i是否为时空核心对象，若为时空核心对象则进入步骤4，否则返回步骤2，重新选择新的对象点；

步骤4：搜索时空核心对象点P_i的所有时空相邻对象点Q_i，若Q_i不属于任何现有簇，则将Q_i放入新簇中，否则不进行操作；

步骤5：判断步骤4中放入的对象点Q_i是否为新簇中的时空核心对象，若不是核心对象，则将其标记为边缘时空对象，若是核心对象则重复步骤4；

步骤6：重复上述步骤2到步骤5的操作，直到D_P中所有对象都属于某个簇，或为时空孤立点；

步骤7：将上述得到的所有簇标签存放到新建数据的对应字段中。

2.根据权利要求1所述的一种基于时空聚类的铁路接触网缺陷热点区域预警方法，其特征在于，所述的ST-DBSCAN算法阈值的设定包括如下步骤：

步骤1：分别计算两两时空对象在时间维度下的时间距离大小值和在空间维度下的空间距离大小值；

步骤2：分别计算所得的时间距离大小值中各值出现的频数和空间距离大小值中各值出现的频数；

步骤3：步骤2中所得的频数对应纵坐标，距离大小值对应横坐标，分别得到对应的时空对象距离频数柱状图，柱状图中最大距离频数值所对应的点，该点的距离大小值即为该维度下的阈值，即时间阈值和空间阈值；

步骤4：计算时空对象量阈值minPts，计算公式如下：

minPts＝ln(D_P)

其中，D_P表示时空对象的总数目。

3.根据权利要求2所述的一种基于时空聚类的铁路接触网缺陷热点区域预警方法，其特征在于，所述的空间距离大小值计算采用如下公式：

设两个时空对象点和则两者间的空间距离ΔS和时间间距ΔT的计算公式如下：

ΔT＝t₂-t₁。