Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种铁路CTC系统云平台的数据存储优化方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:中铁建网络信息科技有限公司;中国铁建股份有限公司

摘要:本发明提出一种铁路CTC系统云平台的数据存储优化方法,包括:实时收集列车运行数据,并对运行数据进行预处理;利用边缘计算设备本地存储的数据进行机器学习模型训练;定期将各边缘节点的模型参数上传至中央服务器进行聚合和更新,生成全局模型,并使用轨道异步更新算法允许边缘节点在不同步的情况下进行参数更新;设计量子算法对数据进行压缩和索引优化;利用量子机器学习模型预测列车调度需求,动态调整存储资源分配策略,优化数据存储和处理流程。本发明解决了数据传输延迟、单点故障、安全性和隐私保护等问题,利用边缘计算、联邦学习和量子计算的优势,提供了一种高效、可靠的数据存储优化方案,显著提高了铁路CTC系统的性能和安全性。

主权项:1.一种铁路CTC系统云平台的数据存储优化方法,其特征在于,所述方法包括:S1、在铁路沿线和站点部署边缘计算设备,实时收集列车运行数据,并对运行数据进行第一次预处理;S2、对边缘计算设备收集的数据进行第二次预处理和初步存储;S3、利用边缘计算设备本地存储的数据进行机器学习模型训练,将训练好的模型参数和结构保存在边缘节点的本地存储;S4、定期将各边缘节点的模型参数上传至中央服务器进行聚合和更新,生成全局模型,并使用轨道异步更新算法允许边缘节点在不同步的情况下进行参数更新;S5、设计量子算法对数据进行压缩和索引优化;其中,所述量子算法包括量子模型数据压缩、量子模型数据去重、量子索引优化和量子存储;S6、利用量子机器学习模型预测列车调度需求,动态调整存储资源分配策略,优化数据存储和处理流程;其中,所述轨道异步更新算法表示如下: ;其中,表示全局参数,表示更新前的的全局参数,为学习率调整系数,确保异步更新过程中参数更新的稳定性,M表示节点总数,表示第i个节点的权重,表示第i个边缘节点在第t轮训练后的模型参数集合;在轨道异步更新算法中设置容错机制,对全局参数的容错率进行控制,确保在部分节点失效时系统仍能正常运行,其中,所述容错机制表示如下: ;其中,S为正常工作的节点集合,确保在部分节点失效时仍能进行参数聚合。

全文数据:

权利要求:

百度查询: 中铁建网络信息科技有限公司 中国铁建股份有限公司 一种铁路CTC系统云平台的数据存储优化方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。