初探智能軌道交通系統中數據挖掘技術的應用

紀東 張向峰 趙魁

1. 北京市地鐵運營有限公司運營四分公司 北京 100102；2. 北京市地鐵運營有限公司 北京 100044

引言

隨著互聯網技術不斷發展，當前我國已經進入到了大數據時代，各種信息技術以及智能化系統應運而生。在此基礎上，大數據、云計算、物聯網、區塊鏈、5G技術等應用到了城市建設的各個領域當中，展現出了極大的價值。想要確保智能“軌道”交通系統維保工作順利、高質量實施，就應該結合智能“軌道”交通系統信息化發展趨勢，引入大數據信息挖掘技術手段，為智能“軌道”交通系統維保工作奠定扎實的技術基礎保障。自從進入到了信息化社會當中，各種數據信息傳播速度更快，智能“軌道”交通系統每時每刻都會產生巨量的數據信息，其中有很多數據信息對系統維保有著重要價值。科學合理的引入大數據信息挖掘技術手段，可以第一時間對智能“軌道”交通系統產生的數據信息進行搜集獲取、整理分析和挖掘，探索出對智能“軌道”交通系統維保有價值的數據信息，在強大的數據信息支持保障之下，第一時間發現軌道交通當中潛在的故障隱患，并且及時進行維修保護，實現軌道交通穩定、安全、高效運行。本文將針對智能“軌道”交通系統中數據挖掘技術的應用相關內容進行詳細分析。

1 數據挖掘技術內涵概述

數據挖掘技術（Data Mining）作為一種數據信息處理技術手段，主要的運行模式便是從大量、不完全、有噪聲、模糊的、隨機的數據信息當中，提取隱含在其中、人們事前并不清晰、不直觀、不了解的信息知識。大數據挖掘技術在應用的過程中，會在數據信息庫當中挖掘出對管理工作具備價值的數據信息，并且選擇合適的工具、統計方式、事例、決策樹、推理規則、模糊集、神經網絡、遺傳算法等諸多模式進行數據信息處理，并且得出對目標管理內容有價值的數據信息[1]。

2 智能“軌道”交通系統中數據挖掘技術的應用優勢

2.1 有利于強化軌道交通數據處理速度

結合軌道交通維保工作實際情況來看，不僅需要不斷完善乘客信息系統以及車站查詢系統等，還需要進一步強化城市軌道交通各類數據信息交互處理精細化水平。將大數據信息挖掘技術手段引入到智能“軌道”交通系統當中，可以充分展現出大數據信息挖掘技術的價值，實現對軌道車輛行程、每一輛車的運行狀態、每輛車運行時間等進行動態化捕捉和發布，這樣更加便于幫助廣大乘客們結合自己的出行需求，合理的安排自身出行時間[2]。與此同時，針對軌道交通工作來說，在實際開展的過程中往往會涉及大量的數據信息處理，引入大數據信息挖掘技術手段，能夠對巨量、復雜的數據信息進行處理，將各類軌道交通數據信息進行匯總和處理，強化軌道交通數據處理速度，確保智能“軌道”交通系統運維工作穩定、高質量實施。

2.2 有利于提升軌道交通故障排查與處理水平

智能化大數據環境，從客觀角度上來看，為軌道交通運維工作帶來了一定挑戰[3]。維保工作部門，必須要借助大數據信息挖掘技術手段對軌道交通各項工作開展動態化實時監控[4]。引入大數據信息挖掘技術手段，可以有效幫助交管部門構建出一套完整的軌道交通故障自動報警機制，這樣可以進一步強化軌道交通運行故障檢測與檢修工作精準化、精細化開展，切實提升軌道交通故障排查與處理水平。

3 智能“軌道”交通系統中數據挖掘技術的應用現狀

3.1 案例概況

以A地鐵運行為例，在進行設備運維管理的過程中，大數據信息挖掘技術手段在智能“軌道”交通系統當中應用，服務于軌道交通設備的運維管控，動態化對智能“軌道”交通系統系統當中各項設備運行情況進行數據信息管控采集，對獲取的數據信息之間因果關系進行把控，從而總結出對維保管理工作具備價值的數據信息[5-6]。在實施軌道交通維保工作時，非常注重數據信息收集、數據信息挖掘，在分析各項數據信息的基礎上，獲取具備更高價值的維保數據信息。例如，針對車輛管理維護來說，若車輛存在既往故障數據，那么便可以在大數據信息挖掘的過程中，有針對性地對車輛故障歷史情況進行分析，提前預測車輛各項設備的失穩潛在隱患，有序完成潛在故障設備的更換，確保列車運行安全穩定性。在數據庫對比分析環節，可以借助數據信息分析的形式，確定故障問題并且消除故障表現，對A地鐵的運行安全奠定扎實基礎保障。

3.2 具體應用

3.2.1 分析交通設備用電量消耗。針對A地鐵運行單位來說，借助大數據信息分析技術手段，對A地鐵2020年2至3月的用電消耗情況進行了數據采集和分析，采集的數據信息顯示比去年2至3月份明顯少很多。

3.2.2 分析交通工具舒適度。針對A地鐵運營實際情況來說，以列車穩定性數據來作為評判交通工具舒適性的重要評價因素。借助每月抽查的當時，對A地鐵運營的舒適度進行分析，發現2021年開始，A地鐵運營從橫縱方向上有所提速，同時整體舒適程度有所降低。對A地鐵運營2021年7月17號、21號運行情況進行分析，均存在增速穩定性問題。通過對交通工具開展調試和管理，以及大數據信息對比來看，因為7月正值學生們的放假季、旅游季，所以乘車人數也相對較多，導致該時段的列車交通運行穩定性有所降低，這也是2021年7月A地鐵運營舒適度降低的主要原因之一。

3.2.3 分析交通工具維保模式。集合A地鐵運營設備維保工作模式的實際情況來看，主要存在以下幾種模式。其一，事后維修。針對事后維修來說，便是在軌道交通運行環節出現實際故障問題之后，構建出了故障報修、維修派單、維修方案校準、維修品質驗收、維修成本統籌等諸多管理程序[7]。在實施事后維修環節來說，需要首先統籌維保工作資源，實現設備故障問題檢修和處理。由列車員對列車設備故障進行報修申請，對故障設備、故障問題進行有效檢測，并且形成維保派單，有效執行列車檢修的各項程序。在設備維修完畢之后，由大數據系統進行質量檢驗分析，確保列車各項設備運行穩定、運行安全之后，才能完成驗收工作。其二，故障預測。針對故障預測來說，大數據系統結合往期設備故障的表現來看，對可能引發設備故障的因素進行分析與排查，并且建立形成設備維保管理目標。結合A地鐵運營情況來說，構建了設備階段性功能保養、設備故障問題巡檢等諸多管理機制，以期望提升設備故障預防有效性，完善故障管理體系內容[8]。結合各項設備的功能保養需求來看，完整制定設備保障檢修方案可以指導維保工作人員順利、穩定開展工作，此外借助大數據信息挖掘技術手段，還能夠最大程度做好故障巡檢工作，及時排查設備潛在的隱患，確保設備配件及時進行更換。針對A地鐵運營來說，借助大數據信息技術手段，在2021年5月開展了2次設備保養；2021年全年自動化故障巡檢30次，指導維修工作16次。

4 智能“軌道”交通系統中數據挖掘技術的應用發展策略

4.1 實現大數據信息內部共享交互

智能“軌道”交通系統想要充分展現出大數據信息挖掘技術的維保價值，就應該從全面的角度搜集智能“軌道”交通系統數據信息，完善信息化設備管理平臺，并且大力收集數據信息，形成數據共享機制，為大數據信息挖掘工作奠定扎實基礎[9]。此外，還應能夠不斷提升設備故障聯動有效性，減少充分勞動等諸多問題，保障設備數據同步管理的效果。因為相同部門當中的設備類型具備一致性，所以能夠形成模塊化數據類型，并且能夠給從客觀角度上對數據信息挖掘處理量進行處理管控。在編程數據庫當中，可以有效實現數據信息的導入/導出，形成數據共享處理體系，實現數據共享，為智能“軌道”交通系統維保管理奠定完整、全面的數據基礎保障。例如，在A城市地鐵運營的過程，在智能“軌道”交通系統內部增設了全面化系統數據庫，其中涵蓋了交通設備信息管理系統數據、交通設備部件損耗管理系統數據、備用零件管理系統數據、軌道交通日常維保系統數據、交通設備檔案信息數據等內容，真正實現了大數據信息內部共享交互。此外，各個數據系統之間的信息數據交互，可以在軌道交通出現故障時，開展共享式數據信息錄入，形成多個系統之間數據同步，為諸多管理工作奠定數據信息聯動基礎。此外，各個系統之間數據信息共享，可以將系統入口有效地整合在相同公用平臺當中，完整精準地顯示設備管理信息內容，這樣可以促進軌道交通各管理部門的信息化規范性，實現軌道交通數據資源共享目標。

4.2 構建各個部門之間局域用網聯動機制

針對軌道交通來說，可能存在各個智能“軌道”交通系統設備管理和數據信息獨立性，這就在一定程度上增加了大數據信息采集的片面性，對維保管理工作帶來了一定難度，很難全面保障大數據信息技術分析全面性。此外，設備之間存在相互作用的關系，所以為了實現軌道交通高質量維保管控，應該組建信息共享平臺，完成各類部門的設備以及大數據信息整合，以便于強化大數據信息分析的精準性與精密性，更加清晰化確定軌道交通各個設備和環節運行狀態。針對A城市地鐵運營實際情況來看，軌道交通工具運行很容易出現設備磨損情況，導致對電氣程序、電客車輪性能等帶來直接損害。為此，想要實現高質量的維保管控，應該強化局域用網體系聯動機制開發，聯系各個部門設備故障信息，以期構建出完善的大數據設備管理機制，提升數據信息的智能性水平，展現出大數據信息技術的優勢，提升軌道交通運行效率。

5 結束語

總而言之，數據挖掘技術在智能“軌道”交通系統中應用意義重大，不僅可以強化軌道交通數據處理速度，而且還可以在提升軌道交通故障排查與處理水平的基礎上，促進軌道交通管理體系智能化發展。在信息化和大數據時代的當下，智能“軌道”交通系統在各個城市當中穩步建成，想要充分展現出智能“軌道”交通系統的價值，就應該保持與時俱進的態勢，積極引入現代化大數據挖掘技術手段，動態化搜集并且分析智能“軌道”交通系統當中的各項數據信息，為智能“軌道”交通系統運維保護工作奠定扎實基礎。