一种基于大数据的电梯工况云平台数据管理方法

本发明涉及电数字数据处理，具体涉及一种基于大数据的电梯工况云平台数据管理方法。

背景技术：

1、随着城市建设的不断发展，高层建筑的不断增多，电梯作为高层建筑中垂直运行的交通工具已与人们的日常生活密不可分，因此，电梯的运行安全检查十分重要；传统的电梯维护主要通过专业人员对电梯进行定时维保，无法满足按需维保的需求，具有一定的延时性。随着物联网的发展，通过采集电梯运行中的各种数据，实现基于大数据的电梯工况智能分析成为电梯维护的主流方式，该方式能够满足按需维保的需求。

2、但是在对电梯运行中的各种数据进行采集时，电梯由于其运动性，往往采集的数据繁多，且每时每刻都在产生新的数据，因此高效的数据存储管理对电梯工况云平台的建立具有重要意义；当前对电梯运行数据的存储时长管理，只是通过设置固定保存时长，定期对失去时效性的数据进行清理，其存储空间的利用率较低；同时，一些对电梯维护具有高价值高参考意义的数据与普通数据具有相同的保存时长，无法突显出高价值高参考意义的数据的重要性，导致在电梯维护时无法快速得到有价值的数据信息，造成维护效率低下的问题。

技术实现思路

1、为了解决上述中由固定保存时长导致的存储空间的利用率低的技术问题，本发明的目的在于提供一种基于大数据的电梯工况云平台数据管理方法，所采用的技术方案具体如下：

2、获取当天电梯运行时门系统在各楼层对应的序列化数据；采集电梯在各楼层每次电梯门开启到关闭对应的开启时长；获取标准开启时长，根据开启时长与标准开启时长的差异，计算开启时长出现异常的第一概率；所述异常包括延时关闭异常和提前关闭异常；

3、设定等待区，根据电梯门未开启时等待区中的人数、电梯门开启后进入等待区中的人数、电梯门开启后移出电梯与进入电梯对应的人数以及电梯的满载人数，计算延时关闭异常为人为因素造成的概率；根据延时关闭异常为人为因素造成的概率，计算提前关闭异常为人为因素造成的概率；

4、根据延时关闭异常与提前关闭异常对应的为人为因素造成的概率对第一概率进行修正，得到第二概率；

5、根据各楼层中相邻两次电梯门开启到关闭的开启时长之间的差异与差异阈值，判定各开启时长是否出现疑似异常，进而将各楼层对应的序列化数据划分为正常数据与疑似异常数据；

6、根据开启时长出现疑似异常对应的第二概率，计算疑似异常数据对应的异常程度；根据异常程度计算疑似异常数据储存时对应的储存时间；对疑似异常数据压缩并进行对应储存时间的储存。

7、优选的，所述获取标准开启时长的方法为：设定历史采集天数，对于历史采集天数中的其中一天，在电梯正常运行状态下，将一天中电梯开始运行至停止运行的时间长度划分为至少两个时间段，采集电梯在每一个楼层每次电梯门开启到关闭对应的开启时长，以楼层为单位，统计每个时间段内电梯门开启的次数以及每次电梯门开启到关闭对应的开启时长，计算各时间段对应的开启时长的平均值，将其记为第一平均开启时长；

8、若当天为工作日时，则选取历史采集天数中的各工作日在各时间段对应的第一平均开启时长，计算所有工作日在各时间段对应的第一平均开启时长的平均值，将其记为各时间段对应的第二平均开启时长；对所有第二平均开启时长进行聚类，得到设定数量的类别，若相邻两时间段对应的第二平均开启时长为同一类别，则将相邻两时间段合并成为一个新时间段，计算新时间段中各时间段对应的第二平均开启时长的平均值，并将其记为工作日的各新时间段对应的标准开启时长；

9、若当天为休息日时，则选取历史采集天数中的各休息日在各时间段对应的第一平均开启时长，计算所有休息日在各时间段对应的第一平均开启时长的平均值，将其记为各时间段对应的第二平均开启时长；对所有第二平均开启时长进行聚类，得到设定数量的类别，若相邻两时间段对应的第二平均开启时长为同一类别，则将相邻两时间段合并成为一个新时间段，计算新时间段中各时间段对应的第二平均开启时长的平均值，并将其记为休息日的各新时间段对应的标准开启时长。

10、优选的，所述根据异常程度计算疑似异常数据储存时对应的储存时间的方法为：设定固定储存时间与第一固定储存时间，获取所有楼层的疑似异常数据对应的异常程度中的最大异常程度与最小异常程度；对于某一个楼层的疑似异常数据对应的异常程度，计算该异常程度与最小异常程度的差值将其记为第一差值，计算最大异常程度与最小异常程度的差值将其记为第二差值，将第一差值与第二差值的比值记为特征因子，计算特征因子与第一固定储存时间的乘积，将所述乘积与固定储存时间的和作为该楼层的疑似异常数据储存时对应的储存时间。

11、优选的，所述根据电梯门未开启时等待区中的人数、电梯门开启后进入等待区中的人数、电梯门开启后移出电梯与进入电梯对应的人数以及电梯的满载人数，计算延时关闭异常为人为因素造成的概率，包括：计算电梯门开启后对应的移出电梯的人数和进入电梯的人数两者之间的和与两倍电梯的满载人数的比值，得到第一特征；计算电梯门开启后进入等待区中的人数与电梯门未开启时等待区中的人数和调节参数的和的比值，得到第二特征，对第一特征与第二特征的乘积进行归一化映射，得到延时关闭异常为人为因素造成的概率；其中，调节参数大于0。

12、优选的，根据延时关闭异常为人为因素造成的概率，计算提前关闭异常为人为因素造成的概率的方法为：以自然常数为底数，以负的延时关闭异常为人为因素造成的概率为指数的指数函数的值作为提前关闭异常为人为因素造成的概率。

13、优选的，根据开启时长与标准开启时长的差异，计算开启时长出现异常的第一概率，包括：对于任意一个楼层其中一次电梯门开启到关闭对应的开启时长，获取此次电梯门开启的时间所属的新时间段，得到该开启时长对应的标准开启时长，计算该开启时长与标准开启时长的差值绝对值，得到该开启时长与标准开启时长的差异，计算所述差异与该开启时长和标准开启之间的和的比值，将比值记为该开启时长出现异常的第一概率。

14、优选的，根据延时关闭异常与提前关闭异常对应的为人为因素造成的概率对第一概率进行修正，得到第二概率的方法为：对于任意一个楼层其中一次电梯门开启到关闭对应的开启时长，判断该开启时长与对应的标准开启时长的大小，当该开启时长大于等于标准开启时长时，计算1和延时关闭异常为人为因素造成的概率的差值，将第一概率与该差值的乘积记为第二概率；当该开启时长小于标准开启时长时，计算1和提前关闭异常为人为因素造成的概率的差值，将第一概率与该差值的乘积记为第二概率。

15、优选的，所述根据各楼层中相邻两次电梯门开启到关闭的开启时长之间的差异与差异阈值，判定各开启时长是否出现疑似异常的方法为：对于任意一个楼层，比较该楼层中相邻两次的电梯门开启到关闭的开启时长之间的差异与差异阈值的大小，若差异小于差异阈值，则判定相邻两次电梯门开启到关闭的开启时长出现疑似异常；若差异大于等于差异阈值，则判定相邻两次电梯门开启到关闭的开启时长出现疑似异常。

16、优选的，所述根据开启时长出现疑似异常对应的第二概率，计算疑似异常数据对应的异常程度的方法为：计算所有开启时长出现疑似异常时对应的第二概率的平均值，将平均值记为疑似异常数据对应的异常程度。

17、本发明实施例至少具有如下有益效果：

18、本发明通过采集电梯在各楼层每次电梯门开启到关闭的开启时长；通过开启时长与标准开启时长的差异，计算开启时长出现异常的第一概率；不同程度的差异对应的第一概率不同，第一概率的计算仅仅通过开启时长与标准开启时长的差异获取，具有片面性，因为开启时长出现异常不仅仅是由电梯本身出现故障引起的，也有可能是人为因素导致的，比如，当电梯正常运行时，某一时段需要乘坐电梯的人数过多时，则有极大的可能导致该次开启时长出现异常；由于异常包括提前关闭异常与延时关闭异常，因此本发明计算提前关闭异常与延时关闭异常为人为因素造成的概率，对第一概率进行修正，得到第二概率；第二概率的计算排除了提前关闭异常与延时关闭异常为人为因素造成的干扰因素，进而使得开启时长出现异常的第二概率能够更加真实的反映出异常是由电梯本身出现故障导致的。同时本发明通过第二概率计算疑似异常数据的异常程度；根据异常程度得到疑似异常数据的储存时间；其中异常程度能够反映出疑似异常数据的重要程度，异常程度不同表征疑似异常数据的重要程度不同，对于不同异常程度的疑似异常数据进行不同储存时间的储存，实现了储存时间的自适应调整，提高了存储空间的利用率。由于第二概率能够更加真实的反映出异常是由电梯本身出现故障导致的，所以根据第二概率计算得到的异常程度能够更加真实的反映出异常程度是由电梯本身出现故障导致的，进而使得计算的储存时间更加精确。