大數據技術在軌道交通領域中的研究和挑戰
來源:用戶上傳
作者:
【摘 要】隨著交通的快速發現，車流量數據、違法數據和道路設施信息正常速度不斷加快，針對國內城市軌道交通大數據開發應用情況及問題，提出建立供電綜合檢測數據管理平臺的重要性，剖析軌道交通供電綜合檢測數據分析平臺的特征、架構、組成、功能實現及擴展，對促進城市軌道交通信息化建設及在線檢測監測技術手段的不斷提升，對軌道交通供電系統綜合檢測、監測海量數據及運維管理數據等進行綜合管理、數據挖掘、關聯性分析和預測性分析具有一定的參考意義。
【關鍵詞】城市軌道交通；大數據平臺
引言
國家政策的大力扶持和業內企業的不斷努力下，軌道交通車輛行業呈現持續良好的發展勢頭，市場規模持續擴張，經濟效益顯著。隨著大數據時代的到來，企業依托“互聯網+大數據”向數字化、智能化轉型已升級為國家級戰略。面對國內軌道交通車輛市場日趨飽和、國際市場競爭激烈的形勢，當今的市場競爭體現的不僅僅是產品本身的競爭，而是產品、服務、維保等多方面的綜合競爭。大數據為基礎的戰略資源、拓展服務、維保能力等方面的發展，是提升企業綜合競爭力的需求，也是拓展產品服務線、挖掘市場潛力、贏得更多潛在客戶的需求。
1數據管理分析平臺的特征
1.1整體性
數據管理分析平臺的建設應根據軌道交通的實際情況，作為一個整體進行考量，建立具備統一軟硬件平臺的綜合數據處理中心，并且滿足不同建設時期檢測數據管理分析系統的接入需求，遵循“統籌規劃、分步實施”的原則。
1.2擴展性。檢測數據管理分析系統在硬件
架構及系統功能上均能方便靈活地進行容量、功能擴展。
1.3標準化。
系統無論是在接口定義、數據傳輸、通信協議，還是軟、硬件平臺配置等方面應遵循相關的國際標準、國家標準或行業標準，兼容現場不同廠家的設備，并能與其他相關系統進行互連互通和信息共享。
1.4可靠性
系統無論是在軟、硬件配置，還是在產品的性能方面，都必須滿足高可靠性、高安全性的要求。
1.5先進性。
采用先進的控制技術、計算技術、網絡技術等，超前規劃并構建先進的檢測數據管理分析系統。
2技術方案
2.1總體架構
工業大數據平臺包括數據傳輸系統、數據存儲處理系統、智能運維應用系統、安全防護系統4個部分?？蔀槠髽I制造與管理流程優化，產品、服務和商業模式創新以及整個產業生態鏈的快速聚合提供有效服務。作為工業大數據的存儲處理核心，數據平臺需整合集成與統一訪問多種數據類型并建立統一的BOM標準規范。通過統一BOM標準體系規范，理清BOM數據流程，設計不同階段BOM之間的關聯方式，理清BOM維護、使用的業務邊界，建立完備的跨壽命周期的BOM關聯模型，才能確保形成跨生命周期階段產品信息集成。
2.2軌道交通大數據研究挑戰
2.2.1數據收集
由于車輛和行人的頻繁移動，在特定地點或在某些時間，在軌道交通中收集的數據可能不準確，不完整或不可靠，如車輛沒有嵌入提供實時定位數據的設備、道路傳感器收集的道路交通數據可能丟失。解決這一難題的一個可能途徑是投入新的數據采集技術，提高數據采集能力。隨著物聯網技術的發展，新的傳感器技術應運而生，有助于提高數據采集和數據質量。此外，采用數據捕獲自動化來最小化手動數據輸入也是提高數據質量所必需的。
2.2.2數據隱私
在大數據時代，最具挑戰性和最關心的問題是隱私問題。個人隱私可能在數據傳輸、存儲和使用過程中泄露。以往的軌道交通系統收集的數據是非個人數據，如車輛數據、交通流數據。而現有的數據收集涉及到個人隱私數據，如個人和車輛的位置信息。如果不嚴格保護這些數據，竊取這些數據的人將損害數據所有者。因此，隱私問題一直備受關注，隱私保護是其大數據應用的重要內容。為防止未經授權的個人隱私信息泄露，各國政府應制定完整的數據隱私法，包括哪些數據可以發布、數據發布和使用的范圍、數據分發的基本原則、數據可用性等方面。交通部門應嚴格規范個人數據定義，加強數據安全認證管理，并采用更先進的算法來提高數據安全級別。
2.2.3數據存儲
大數據的數據量已經從TB級躍升到PB級，數據存儲容量的增長速度遠遠落后于數據增長速度。特別是在軌道交通運維中，將每天從各種傳感器產生各種數據。傳統數據存儲基礎設施和數據庫工具已經無法應對日益龐大和復雜的海量數據。因此，設計最合理的數據存儲體系結構已經成為一個關鍵的挑戰。主要的公共云存儲提供商，如谷歌和微軟，通過提升大數據集成能力來改進其服務，多云存儲和混合存儲正在成為大數據存儲的關鍵領域。它們的計算能力在處理計算密集型分析工作負載中極具優勢。
2.2.4數據處理
軌道交通中的大數據應用有很強的時效性，需要及時、快速地處理數據。這些大數據應用包括交通數據預處理、交通狀態識別、實時交通控制、動態路徑引導和實時交通調度。軌道交通數據包含大量的來自不同數據源的異構數據，同時必須與歷史數據進行比較，并在短時間內進行處理。數據處理系統必須能夠處理更復雜和日益擴大的數據。
2.2.5數據開放
為了使運輸服務用戶和應用程序開發人員能夠有效地查找和重用數據，需要對數據進行歸檔，并以良好的質量公開訪問。數據質量指的是其準確性、完整性、可靠性和一致性。數據質量欠佳的大數據會誤導決策甚至產生有害的結果。然而，開放優質數據需要時間和成本。需要在低成本下快速開放數據和以高成本獲得高質量數據之間做出權衡，這使得開放高質量數據成為一個更大的挑戰。
3平臺遞階管控策略
從企業信息化綜合數據管理角度，圍繞共享數據的核心，將結構化數據、數據倉庫、基于平臺的數據管理平臺化，匯集城市軌道交通企業的管理、生產、運營、經營、維護、資源等的數據，對資源占用、存儲、數據規劃和配置策略統一管理。將面向用戶和服務調用機制獨立分層，屏蔽了復雜的數據類型和模型的處理機制。
4軌道交通調度和節能優化研究
由于環境和社會問題的不斷增加，在軌道交通系統中，如何節能是一項具有挑戰性的問題?，F有文獻在設計時間表和能耗過程中，往往忽略了每個車站乘客需求的時變特征?；跁r間相關的智能卡自動收費數據，一種基于時間依賴客流量的城市軌道交通雙目標時間表優化模型，最大限度地減少了旅客等待時間和純能源消耗。在模型公式中，旅客等待時間受限于滿載情形下的列車容量，純能量消耗由牽引能量消耗與給定時期內再生能量的差值表示。數值實例表明：相對于現行的時間表方案，該模型能顯著改進客運服務，有效地減少能量消耗。
5軌道交通狀態監測與可視化研究
針對樞紐站客流擁塞風險問題，提出了一種基于灰色聚類的軌道交通樞紐站客流擁塞風險動態識別方法。通過抽取自動收費站（AFC）的實時數據，Tu等利用時變特征分析，將客流分為三類：到達客流，出發客流和中轉客流?；诨疑垲惙椒ǎ行У脑u估和預測軌道交通樞紐站客流擁塞風險。
結語
通過建設軌道交通車輛大數據管理平臺，能夠有效積累產品運維數據和用戶需求，為相關企業實現精準研發、精細制造、量化管理、柔性生產、智能服務等提供數據支撐。通過引導供應鏈的神經末梢向市場前端延伸，推動產業內部戰略合作，以及向服務多元化、精細化、個性化方向發展，形成核心技術深度掌握、基礎設施共建共享、資源成本對沖結算、業務服務相互競爭的生態格局。
參考文獻：
[1] 陳明可.以太網在城軌車輛上的應用前景.鐵道車輛，2018，（8）：62—64.
[2] 李洋濤.TCN列車網絡技術現狀與發展.單片機與嵌入式系統應用，2019，（1）：4—7.
（作者單位：1中車唐山機車車輛有限公司；
2中國鐵路北京局集團有限公司唐山機車車輛監造項目部）
轉載注明來源:http://www.hailuomaifang.com/1/view-14816994.htm
