基于SVDD-PSSVM 的地鐵線網化集中監測系統

許晶晶，楊彥軍，蒲丹丹，尤 剛，危 鋒

（1.成都地鐵運營有限公司，四川成都 610000；2.四川網達科技有限公司，四川成都 610000）

SVDD 也叫支持向量數據描述，是一種極為重要的數據信息描述手段，可在對目標數據集進行超球形描述的同時，檢測既定環境中異類型節點的分類應用條件。PSSVM 是將數據信息標簽整合到數據集樣本中的一種處理方法，可借助最小二乘原則對數據樣本誤差進行擬合，再通過大量的物理運算步驟，實現對信息樣本復雜度的計算[1-2]。然而該方法的數值運算量極大，易導致樣本真實性失去控制。因此，將原有SVDD 技術與PSSVM 技術融合，衍生出全新的SVDD-PSSVM 數據處理算法。

在地鐵線網中，隨著實運線路數量的不斷增加，整體集中調度環境極易陷入混亂執行狀態。為避免上述情況的發生，傳統支持向量機型監測系統借助互聯網框架分析地鐵線網化的文本信息特征，再通過聚類分析的方式，確定個別節點處的車輛調度能力。但該系統在既定時間內所能存儲的地鐵線網化數據相對有限，很難實現對地鐵線網的實時監管。為解決此問題，設計基于SVDD-PSSVM的地鐵線網化集中監測系統。

1 系統硬件設計

1.1 集中線網化電路

集中線網化電路可提供地鐵線網化集中監測系統所需的傳輸電子量，由開關組、電池組、監測主機等多個元件共同組成。其中，電池組位于集中線網化電路最下端，可在電壓測量條件的作用下，更改開關組設備的現有連接形式，從而對A/D 主機中的輸出信號進行差分放大處理[3-4]。監測主機能夠記錄地鐵線網中車輛結構的出入行為，并可借助檢流器設備，將所記錄信息傳輸至電池組、開關組等下級系統執行元件中，進而降低A/D 轉換元件對已輸入線網應用電量的影響能力，實現對集中線網化電路的構建與維護。集中線網化電路示意圖如圖1 所示。

圖1 集中線網化電路示意圖

1.2 地鐵線網數據通信模塊

地鐵線網化集中監測系統在電路結構體的作用下，調取監測數據分析模塊中的信息連接協議，并可借助協調器設備，實現對已記錄地鐵線網車輛數據的精準分析[5]。該模塊通過串口信道采集各項線網化信息參量，可在SVDD-PSSVM 算法的協調下，確定某應用節點是否具備承載地鐵線網車輛數據繼續傳輸的能力，一般情況下，系統數據庫所具備的信息存儲能力越強，模塊結構體內的數據解析能力也就越強。在實際應用過程中，由于傳感器多樣性的影響，地鐵線網數據通信模塊需要具備較強的信息承載能力，一方面處理已輸入的地鐵線網車輛數據，另一方面借助輸出信道，建立元件與其他執行設備間的應用連接關系[6-7]。地鐵線網數據通信模塊結構如圖2 所示。

圖2 地鐵線網數據通信模塊結構

1.3 監測數據分析模塊

在執行監測數據分析時，需要借助多種傳輸協議對地鐵線網化安全因素進行研究，再借助傳感器設備對這些信息參量進行擴散處理[8-9]。出于實用性考慮，監測數據分析模塊設計需要同時考慮數據信息長度、地址命名形式、頭尾信息節點位置等多個條件，且在SVDD-PSSVM 算法的作用下，這些待編碼信息始終具備較強的自主變更能力[10]。監測數據分析模塊的信息編碼原理如表1 所示。

表1 監測數據分析模塊的信息編碼原理

2 系統軟件設計

2.1 地鐵線網化簇邊界樣本選擇

地鐵線網化簇邊界樣本選擇是地鐵線網化集中監測系統搭建的必要處理環節，可在已知SVDDPSSVM 算法作用強度的基礎上，確定地鐵線網中車輛數據的現有傳輸能力，從而計算與邊界節點匹配的地鐵線網化信息應用條件。在不考慮其他干擾條件的情況下，地鐵線網化簇邊界樣本選擇結果只受實際進車量、實際出車量、車輛行駛密度3 項物理量的直接影響[11-12]。實際進車量可表示為w1，實際出車量可表示為w0，由于地鐵線網結構的影響，在既定行駛環境中，進車量數值始終高于出車量數值。車輛行駛密度可表示為ρ，該項物理量的應用穩定性相對較差，可隨地鐵線網化環境的改變而出現增大或減小的變化趨勢。聯立上述物理量，可將地鐵線網化簇邊界樣本選擇結果表示為：

其中，q代表既定樣本選擇系數，ΔT代表地鐵樣本數據的單位選擇時長。

2.2 集中型簇狀結構體標定

在地鐵線網化簇邊界樣本集合的支持下，隨著SVDD-PSSVM 算法作用能力的增強，集中型簇狀結構體的待標定行為越明顯，最終所得的計算結果也就越趨近于真實情況[13-14]。規定在一個監測周期內，s0代表最小的地鐵樣本簇狀結構體集中分布條件，sn代表最大的地鐵樣本簇狀結構體集中分布條件，n代表SVDD-PSSVM 算法支持下的地鐵線網數據處理次數。若不考慮其他干擾條件對實際信息標定結果造成的影響，s0與sn之間的物理數值差越大，最終計算所得的集中型簇狀結構體標定結果也就越準確。在上述物理量的支持下，聯立式（1），可將系統集中型簇狀結構體標定結果表示為：

其中，f代表基于SVDD-PSSVM 算法的地鐵線網化數據集中性處理系數，V1、V2分別代表兩個不同的地鐵線網信息參量指標。

2.3 樣本數據監測性能分析

樣本數據監測性能分析是基于SVDD-PSSVM的地鐵線網化集中監測系統設計的末尾處理環節，可在集中型簇狀結構體標定結果的作用下，實現對地鐵線網的合理規劃，從而避免信息錯傳、誤傳等行為的出現。一般情況下，隨著SVDD-PSSVM 算法作用能力的增強，地鐵線網化數據信息的傳輸能力也會逐漸增強，直至能夠與系統環境中的集中型參量調配任務完全匹配[15-16]。設Lˉ代表地鐵線網化簇邊界樣本空間中的數據輸出均值，一般情況下，該項物理量具備較強的應用穩定性，在既定傳輸時長內，平均數值量的表現能力基本不會出現持續增長的變化趨勢。在上述物理量的支持下，聯立式（2），可將樣本數據監測性能的分析結果表示為：

其中，β代表與地鐵樣本數據相關的監測提取系數，代表地鐵樣本數據在既定監測空間內的表現實值，I代表基于SVDD-PSSVM 的地鐵線網化規劃系數。至此，實現各項軟、硬件執行環境的搭建，在SVDD-PSSVM 的支持下，完成新型地鐵線網化集中監測系統的設計。

3 系統實用性檢測

為驗證基于SVDD-PSSVM 的地鐵線網化集中監測系統的實際應用價值，設計如下對比實驗。設置如圖3所示的地鐵線網結構，令實驗組、對照組列車同時從出發點向著結束點行駛，在經過中轉站時，進行一次電子充能，完成充能后，實驗組、對照組不同列車同時駛向非目標結束點。其中，實驗組列車搭載基于SVDD-PSSVM 的地鐵線網化集中監測系統，對照組列車搭載傳統支持向量機型監測系統。地鐵線網結構如圖3所示。

圖3 地鐵線網結構

單位時間內系統所存儲的地鐵線網化數據量能夠反映地鐵線網的監測運行能力，一般情況下，系統所存儲的地鐵線網化數據量越多，地鐵線網的監測運行能力也就越強，反之則越弱。地鐵線網化數據存儲量對比如表2 所示。

表2 地鐵線網化數據存儲量對比

分析表2 可知，實驗組地鐵線網化數據存儲量在前兩個單位時長內，始終保持不斷上升的變化趨勢，在第三個單位時長中，實驗組數值記錄結果出現了上升與下降并存的變化趨勢，在第四個單位時長中，實驗組記錄數值一直保持不斷下降的變化趨勢，全局最大值達到了8.6×1011T。對照組地鐵線網化數據存儲量在前3 個單位時長中，一直保持不斷上升的變化趨勢，從第四個單位時長開始逐漸趨于穩定，全局最大值僅能達到5.2×1011T，與實驗組最大值相比，下降了3.4×1011T。綜上可知，隨著基于SVDD-PSSVM 的地鐵線網化集中監測系統的應用，三維時間內的地鐵線網化數據存儲值得到了大幅提升，可實現對地鐵線網監測運行能力的促進與增強。

信息調度時間則能反映地鐵線網所具備的數據精準化監測能力，信息調度時間越短，地鐵線網所具備的數據精準化監測能力也就越強，反之則越弱。信息調度時間對比如表3 所示。

由表3 可知，隨著地鐵線網化數量的增大，實驗組信息調度時間保持先下降、再上升、最后穩定的變化趨勢，全局最大值僅能達到0.28 s。對照組信息調度時間則始終保持不斷上升的變化趨勢，全局最大值達到了0.78 s，與實驗組最大值相比，上升了0.50 s。綜上可知，隨著基于SVDD-PSSVM 的地鐵線網化集中監測系統的應用，信息調度時間得到了有效控制，能夠較好滿足增強地鐵線網數據精準化監測能力的實際應用需求。

表3 信息調度時間對比

4 結束語

在SVDD-PSSVM 的作用下，新型地鐵線網化集中監測系統可在數據通信模塊與數據分析模塊的作用下，構建更為平穩的集中性監測環境，且由于簇邊界樣本選擇條件的影響，地鐵樣本數據的監測性能也能得到精準分析。從實用性角度來看，地鐵線網化數據存儲量的增大、信息調度時間的縮短，能夠有效提升地鐵線網監測運行能力，實現對地鐵線網化集中調度環境的構建。