基于大數據技術的鐵路安全管理研究

厲平

（中國鐵路上海局集團有限公司寧波工務段，浙江 寧波 315000）

在互聯網信息時代下，各種先進的信息技術層出不窮，比如云計算技術、大數據技術等，同時在鐵路安全管理領域也應用了諸多信息管理系統。因此在鐵路安全方面產生了海量的數據信息，通過應用大數據技術，能夠從這些海量數據中挖掘出更多更有價值的信息，從而為鐵路安全管理提供良好的信息支持，從根本上提高鐵路安全管理質量水平。

1 鐵路安全管理數據特征

1.1 數據規模大

在當前鐵路安全領域中，針對不同的專業，已經建立了數十個安全監控系統，比如鐵路車站安檢系統、車輛安全監控系統等，隨著這些系統的持續運轉，已經產生了海量的數據信息，數據存儲量已經達到PB 級別。比如在“5T”系統之中，TFDS 由于能夠產生大量圖像信息，因此本身產生的信息數據量非常龐大，每經過一趟列車，將會產生700 至800M信息數據。而在高速鐵路綜合視頻監控系統中，由于監控對象數目眾多，因此每年會產生約145PB 的信息數據。由此我們能夠認識到，當下鐵路安全管理數據具有大規模特征。

1.2 數據內容多樣

數據內容多樣簡單來說是指鐵路安全數據的來源多，數據格式豐富，不僅包含一般的結構化數據，同時還產生了大量的非結構化、半結構化數據。鐵路安全管理監控運行中，涵蓋了多個專業業務系統，不同業務系統數據信息也具有一定的差異性，既包含紙質數據，也包含各種"geo""iic"格式的軌檢車數據，還包括一些CAD 數據、視頻監控錄音、錄像數據等，除此之外，很多數據信息彼此也有著緊密的聯系，比如安全管理數據需要與天氣、地震數據進行關聯分析，更好的維護列車運行安全。

1.3 數據價值高

鐵路安全數據本身有著非常高的價值，比如鐵路運營部門通過利用這些數據，通過進行統一的分析計算，能夠從中了解鐵路安全管理的實際現狀，還能夠通過數據反映的信息規律等，了解潛在的安全管理風險，從而為后續鐵路安全管理提供重要的依據。

2 鐵路安全管理中大數據技術的應用

2.1 鐵路人員相關方面的大數據技術應用

（1）重點對象追蹤。所謂的重點對象追蹤，簡單來說就是在大數據技術的幫助下，輔以必要的人臉識別技術，從而能夠在眾多列車乘客中快速識別定位重點安全隱患對象，從而能夠及時消除安全隱患。尤其是在鐵路車站中，人流密度大、存在的治安風險隱患多，因此通過在車站人臉識別系統的幫助下，能夠采集每一位進站人員信息，這些數據信息會上傳至公安局系統中，通過比對查找出危險分子。與此同時，還會以客票系統乘車信息為依據，在大數據挖掘技術的幫助下，了解重點對象活動路線，根據相應路線，實現對重點危險人員的抓捕。在上述過程中，主要應用到了大數據聚類分析、關聯分析、數據挖掘等大數據技術。

（2）能夠為鐵路安全決策提供良好支持。鐵路在運行期間，一旦出現重大事故，應急救援指揮信息系統會提供一些歷史事故數據，同時還要提供一些鐵路沿線視頻監控數據等，針對這些數據，通過借助大數據聚類分析、關聯分析等技術，能夠從中發現事故規律，總結事故處理經驗，從而能夠為后續鐵路安全管理決策提供充足的信息參考支持。

2.2 鐵路環境方面的大數據技術應用

（1）用于自然災害的預測，鐵路一般橫跨距離比較長，因此鐵路沿線的天氣變化多端，因此在沿線更容易受到各種自然災害的影響，很多自然災害均具有突發性特點。通常會基于自然災害類型的不同，采用針對性預測方法。比如可以通過應用大數據技術，能夠針對一些自然天氣災害，通過建立數學模型，根據相應的模型，來實現自然災害情況的預測，從而為列車運行提供良好支持。

（2）用于鐵路異物侵限監測。通過進行鐵路異物侵限監測，能夠在第一時間發現侵限問題，從而及時發出告警，行車調度中心也會第一時間收到告警，從而能夠提前采取針對性處理措施，從而能夠有效避免重大行車事故發生。在當下實際進行異物侵限監測時，主要會用到雙電纜傳感器、光纜傳感器、紅外線等技術，而在這一過程中做好大數據技術的應用，通過在大數據挖掘技術的幫助下，分析異物侵限發生的時間、發生環境、造成危害等數據信息，從而能夠了解異物侵限出現的大致規律，能夠有效做到未雨綢繆，從根源上杜絕因異物侵限而導致的安全事故發生概率。

2.3 鐵路設備方面的大數據技術應用

（1）用于鐵路設備故障診斷。鐵路設備故障發生原因一般比較復雜，比如可能受設備自身特點影響所導致故障發生，也有可能是受不同設備在運轉時相互影響所導致故障發生，還有可能僅僅是沒有做好設備故障維護。因此為了更好的診斷設備故障發生原因，并以此采用針對性預防措施，需要借助大數據技術，數據挖掘方法的幫助下，更好的開展鐵路設備故障診斷，從海量的歷史數據之中，找出相應的規律，解釋設備故障發生特點，還能夠對鐵路設備故障發展趨勢進行合理的預測，從而更有利于設備故障的消除。在這一過程中，針對大數據挖掘技術的應用，主要是借助鐵路設備在發生故障時，會產生動態事件序列信息時空特點，并以此為依據，成功建立鐵路設備故障發生過程時間序列信息模型，在此基礎上，通過數據挖掘方式，挖掘出事件序列信息中隱含的關聯性，從中發現故障發生規律，更有助于故障問題解決。另一方面，應該大數據挖掘技術進行設備診斷，還能夠在距離函數的幫助下，來度量事件序列相似性，同時采用動態規劃算法。運行相似性最優代價，最終成功將故障診斷問題轉化為尋找與實際故障事件相似的模式，最終總結出設備故障特征和故障處理模式，更有助于故障問題解決。

（2）用于鐵路設備安全風險源識別。針對鐵路設備的安全管理，需要立足社會運行各個環節，分析其中存在的危險因素，并通常采用定性或定量統計分析方式，明確不同安全風險的嚴重程度，并以此為依據，確定安全風險的防控順序，從而既能夠降低安全風險防控處理帶來的成本損耗，又能夠最大地減少安全風險發生帶來的損失，最終促使鐵路安全生產環境得到有效改善，從根本上降低鐵路安全事故的發生概率。在實際進行鐵路設備狀態的安全風險管理過程中，需要對存在的安全風險進行全面識別，還需要對存在的安全風險做好評估與控制。在實際進行鐵路設備安全風險識別的過程中，需要參考故障診斷的結果，通過應用大數據挖掘技術，找出與出現故障設備各種條件相同，但并未發生故障的設備，一般情況下，這種設備潛在安全風險通常比較大。因此在實際進行設備安全管理時，需要著重對同類型設備關注同時，除此之外，在大數據技術的幫助下，還能夠結合現有設備的運行條件變化規律，來對設備未來運行進行的安全狀態，從而提前做好在設備故障發生前，就能夠及時進行維護處理，更好的保證鐵路設備安全。

（3）開展設備狀態維修工作，主要包括兩種內容，一是設備可靠性維修，通過對設備某個元件的可能出現故障進行預測，并分析該故障問題會對整個系統可靠性帶來哪些影響，結合相應的影響，采取針對性設備維修策略，更好的提高設備維修質量水平。還有一種是設備預測性維修，顧名思義，便是通過對設備可能存在的故障進行合理的預測，并提前做好針對性維修技術的準備。在這一過程中，需要加強對設備故障診斷技術的應用，針對設備潛伏故障，做好針對性地分析，并結合故障帶來的后果做好深入分析，從而為設備是否繼續保持運行提供良好決策。

如果鐵路設備的安全風險等級比較好，需要針對該設備，量身打造一個維修策略，并提前準備好設備維修措施，能夠有效降低安全隱患發生概率。在此基礎上，還可以采用設備狀態監視方式，加強對設備的狀態檢修，在第一時間掌握設備運行狀態變化，并以此為依據，做好維修計劃的合理安排，有效控制鐵路設備運行風險，保障鐵路設備能夠穩定安全運行。

3 結語

綜上所述，鐵路安全管理是一個較為系統復雜的過程，尤其是當下隨著各種信息技術的應用，鐵路安全管理產生的數據越來越豐富，數據規模也越來越大，為了促使這些數據發揮出更大的作用價值，有必要立足鐵路安全管理各個環節，做好大數據技術的針對性應用，從而挖掘出更多有價值的信息，為鐵路安全管理提供良好的信息支持。