淺談基于數據分析的城市交通故障處理方式研究

中車長春軌道客車股份有限公司 吉林 長春 130062

1 引言

伴隨著城市軌道交通工程的急劇增長,軌道交通壓力日益增大。軌道交通故障率也在不斷上升。城市軌道交通安全格局日益嚴峻。根據原中華人民共和國建設部于2007年發布的《城市公共交通分類標準》中的定義,城市軌道交通為采用軌道結構進行承重和導向的車輛運輸系統,依據城市交通總體規劃的要求,設置全封閉或部分封閉的專用軌道線路,以列車或單車形式,運送相當規模客流量的公共交通方式。

《城市公共交通分類標準》中還明確城市軌道交通包括:地鐵系統、輕軌系統、單軌系統、有軌電車、磁浮系統、自動導向軌道系統、市域快速軌道系統。此外,隨著交通系統的發展已出現其它一些新交通系統。城市軌道交通是城市公共交通的骨干,具有節能、省地、運量大、全天候、無污染(或少污染)又安全等特點,屬綠色環保交通體系,特別適應于大中城市。然而隨著我國社會軌道交通建設的日益增多,軌道交通發生故障的概率也越來越高,研究解決城市軌道交通故障問題的話題被擺在了臺面上。所以針對軌道交通故障具有多因素、模糊性的特點,我們建立了一個與時間和空間相關的軌道交通故障可視化分析模型,并以歷史軌道交通故障數據為樣本進行分析,并分析了軌道交通故障與各要素之間的關系,明確了各類交通事故的成因和影響因素以及潛在規律和特點,輔助軌道交通安全管理和事故預防。目前,軌道交通管理面臨的壓力和挑戰主要表現在以下幾個方面。

2 影響軌道交通的關鍵因素

2.1 內部因素 影響軌道交通的內部因素,就是軌道交通運營的自身特點這一因素。比如說:如設備狀況、設計原因等諸多因素。

2.1.1 設備狀況 軌道交通是由各個小系統最終組合成的一個龐大而復雜的系統,這些子系統相互獨立而又相互關聯。所以,由于設備系統狀況造成安全隱患的因素主要有以下兩點:

(1)軌道車輛自身因素。軌道車輛是軌道交通系統中的運載工具。由于軌道車輛自身因素導致事故的主要因素是列車脫軌以及列車追尾兩個主要的方面。除此之外還有其他車輛因素,如列車制動故障,車門故障,電氣故障都對運營安全有一定影響。

(2)工務系統因素。公務系統是軌道交通運營的基礎,包含軌道,路基,橋隧,房建以及其它附屬設備等。工務系統工作狀態異常,會對運營安全帶來嚴重隱患。

2.1.2 設計原因 上海磁懸浮列車軌道下沉,據分析可能是設計勘探時獲得的信息不完整造成的,雖然經過有關專家論證屬于安全范圍之內,但仍在上海市民中引起巨大震動。

2.2 外部因素 所謂外部因素,是外界的社會因素和自然因素,如人員干擾、施工干擾、違法犯罪、恐怖活動、自然氣候及其他影響等。

3 海量的軌道交通故障數據的預處理

為了處理軌道交通故障數據。

本文利用四組數據集進行事故發生分析和碰撞類型分析。

事故數據的清理與預處理:首先對三個原始數據集進行融合,過濾掉不必要的字段,從三個數據集中提取15個字段。第二,數據集成、數據轉換和數據規范。

4 軌道道路交通故障的時空分析

大數據可視化分析是計算機分析認知能力對人類可視化信息優勢的有效手段,利用人與機器交互作用的分析方法和交互技術,人與機器的個體力量有機融合,讓他們更直觀、更高效地了解大數據背后的信息、知識和智慧。大數據可視化分析技術為交通數據分析提供了一種直觀有效的方法。我們支持交互式篩選和瀏覽結果,并通過可視化方法直觀地顯示復雜的交通數據及其分析結果。

大數據可視化分析技術可以應用于軌道道路交通事故的可視化分析,主要是通過時間和空間,可以從多個方向進行發現。在此基礎上,將時間和空間的維度相結合,對軌道交通事故進行時空關系可視化分析,了解交通事故的時空連鎖特征,保障城市軌道交通安全。

城市軌道交通事故是復雜的、隨機的,是由路況、道路特性、天氣等因素共同作用的結果。然而,由于城市居民出行時間規律性強,有必要考察交通事故發生的時間維度特征。

城市軌道交通事故時間分布曲線反映了交通事故在一天24小時內的時間變化規律。平日和周末交通事故的分布有很大差別。周末城市軌道交通事故分布曲線在早晚高峰時段不明顯。與平日相比,可以看到周末的繁忙。由于追求原因,平日車出行集中在上下班時間,此時車流量大,道路擁堵,交通事故增多,周末小汽車出行時間比平日慢,分布比較平均。

如上所述,城市軌道交通事故的分布與交通規則和市民的交通量密切相關。交通量越大,發生交通事故的概率越大。因此,可以在事故多小時內加強交通安排,減輕交通壓力,降低事故率。

結論

城市軌道交通數據可視化分析為軌道交通大數據分析提供了一種直觀有效的方法。它支持復雜交通數據及其分析結果的簡化和直觀表達,使結果更易于解釋。它具有廣泛的應用場景,能夠輔助城市軌道交通的安全平穩運行。