智慧轨道交通

《智慧轨道交通》由会员分享，可在线阅读，更多相关《智慧轨道交通（11页珍藏版）》请在装配图网上搜索。

1、智慧轨道交通实现更深入的智能化杨燕;朱焱;戴齐;李天瑞【摘 要】当前轨道交通已成为居民出行的重要交通工具之一.智慧轨道交通的核心 是要通过现代信息技术以一种更加智慧的方法来改变现有轨道交通方式,为人类社 会活动带来更加快捷、安全、舒适的智慧交通系统.讨论了智慧轨道交通中更深入 的智能化的四个关键步骤:数据智慧采集、数据智慧融合、数据智慧挖掘和智慧决 策.这四个步骤形成一个螺旋上升的智能信息处理过程,最终可以达到智慧轨道交通 更深入的智能化目的.Traveling by rail has become one of the important transportation modes of cu

2、rrent residents. The core of Smart Rail Transportation (SRT) is to change the existing modes of railway transportation by a more intelligent way through modem information technology. Its aim is to bring more efficient, safe, comfortable intelligent transportation systems for human activities. This p

3、aper discussed four steps of a deeper wisdom in SRT, including wisdom data collection, wisdom data fusion, wisdom data mining and wisdom decision-making.These four steps form a spiral ascendance of intelligent information processing, and ultimately achieve a deeper wisdom in SRT.【期刊名称】计算机应用【年(卷),期】2

4、012(032)005【总页数】4页(P1205-1207,1216)关键词】 轨道交通;数据采集;数据融合;数据挖掘作 者】杨燕;朱焱;戴齐;李天瑞 【作者单位】西南交通大学信息科学与技术学院,成都610031;云计算与智能技术 四川省高校重点实验室,成都610031;西南交通大学信息科学与技术学院,成都 610031;云计算与智能技术四川省高校重点实验室,成都610031;西南交通大学信 息科学与技术学院,成都610031;云计算与智能技术四川省高校重点实验室,成都 610031;西南交通大学信息科学与技术学院,成都610031;云计算与智能技术四川 省高校重点实验室,成都610031【正

5、文语种】中文【中图分类】TP277;U239.50 引言IBM于2008年提出了“智慧地球（Smart Planet）,其核心是以更智慧的方法利 用新一代信息技术来改变政府、公司（企业、产业）和人们之间的交互的方式，以提 高交互的明确性、效率、灵活性和响应速度1。“智慧交通”是“智慧地球” 的理念在交通运输行业的具体体现，“智慧轨道交通”则是“智慧交通”在轨道交 通（如铁路、城市地铁、磁悬浮列车等）领域的具体体现。智慧轨道交通是以人类未 来社会理想目标，以信息化了的人类（相关）智慧为指导，以有关轨道交通的规划设 计、建设、运营、控制和管理的理念和理论为指导，以集“人、事、物”为一体的 物联网为

6、信息采集、交换与服务的基础支撑平台;以智能的信息化决策和处理技术 为基本手段，通过对海量的轨道交通信息的梳理、过滤、挖掘和利用，从而集人与 人类智慧、轨道交通物理网络及相关信息为一体，构建“高效、便捷、安全、可视 可预测和环保”的现代轨道交通运输系统2。实现智慧交通必须具备对人类智慧信息化的能力和智能的信息分析、挖掘、搜索、 处理和决策的能力，必须依靠智能信息化处理技术才能实现更深入的智能化。智能 信息化处理技术具体分为以下四个步骤（如图 1 所示）:1）数据智慧采集，即利用各种 智慧手段有效采集轨道交通领域中的相关数据;2）数据智慧融合，即面对通过各种 传感器等广泛收集来的海量数据，需要数据

7、智慧融合技术整合在一起;3）数据智慧 挖掘，即针对轨道交通领域中的不同问题背景，智慧选择数据挖掘方法和工具，进 行分析和挖掘知识;4）智慧决策，即根据挖掘和分析结果对轨道交通领域中的宏观 规划、建设、管理和调控等进行智慧决策，也包括对下一步数据智慧采集提供决策 支持等。图 1 智能信息化处理技术1 数据智慧采集数据采集，又称数据获取，是利用一种装置，从系统外部采集数据并输入到系统内 部的一个过程。目前，数据采集技术已经广泛应用到各个领域。在轨道交通领域， 常用的数据采集工具有传感器、摄像头等。被采集数据是已被转换为电信号的各种 物理量，如车速、振动加速度、轮轨力、噪声、压力、温度、湿度等，可以

8、是模拟 量，也可以是数字量。采集一般是采样方式，即隔一定时间（称采样周期）对同一点 数据重复采集。采集的数据大多是瞬时值，也可是某段时间内的一个特征值。 在我国，轨道交通事业发展迅猛。2007 年 10 月，国务院常务会通过的综合交 通网中长期发展规划，确定了 2020 年铁路轨道网规模需达到 12 万公里以上。 目前，我国已开通京津、武广、郑西、沪宁等世界一流的时速 350 公里高速铁路， 已投入运营的高速铁路营业里程达到 7500 余公里，居世界第一位。我国已成为世 界上高速铁路系统技术最全、集成能力最强、运营里程最长、运行速度最高、在建 规模最大的国家3。高速铁路不仅改变了人们的生活方式

9、，而且极大提高了人 们的生活质量。如今，高速铁路作为一种安全、便捷、超大运量、低碳环保的运输方式，已经成为世界轨道交通发展的重要趋势。因此，高速列车的健康运营是人们关心的主要问题之一。高速列车运行数据直接关系高速列车的安全运行和乘坐的舒适度。然而，这些运行数据采集需要上千个传感器以及相关设备，需要花费大量的人力、物力等。如何高效智慧地获取高速列车运行数据，为后续的高速列车运行决策提供基础是目前人们关注的重点。数据采集也被视为是海量数据知识发现中的一 个必要环节4。因此，可以说智慧轨道交通的关键环节是数据采集，没有数据 采集的智慧化就谈不上智慧轨道交通。2 数据智慧融合轨道交通数据智慧融合针对一

10、个系统中使用的大量不同类型传感器获取的轨道交通 数据，在统一的基准上，根据预建立的规则集，加以自动化地分析、转换、集成、 综合，构成一个良好的数据集合，以便完成进一步的分析、挖掘和决策任务。在数 据融合系统中，多传感器系统是数据融合的基础;多源异质异构信息是数据融合的 处理对象;构建统一基准和规则集，自动化集成数据是融合系统的核心。2.1 数据融合的层次广为接受的数据融合层次为三级:原始数据级、属性参数级和决策级。原始数据级融合是指在采集到的原始数据集上进行融合。属性参数级融合则是在原始数据级融合的基础上，从元数据的层面上进行数据整合，例如地面与列车检测的相同属性参数不仅应在相同的时间空间坐标

11、下整合，还需要用相同数据模式进行融合和管理。决策级是最高层次的融合，应在需求分析和系统功能分析的基础上，以功能和任务 为框架，通过多源数据的语义集成、联合分析处理和挖掘，以获得统一的决策方案。2.2 数据智慧融合技术的常用方法数据融合算法比较丰富，针对不同的数据融合级别，可以归纳出对应的通用方法和 其蕴含的专门技术5。常用算法有:经典的统计和推理方法，如贝叶斯决策方法、 D-S(Dempster-Shafer)证据理论;卡尔曼滤波法、模糊逻辑、聚类分析、专家系统， 决策模型以及基于神经网络的目标自动识别和分类、态势评估和估计等。2.3 数据智慧融合的难点及解决方案研究 虽然数据融合，特别是智能

12、交通系统中的多传感器融合研究 67已大力开展， 但轨道交通的数据融合处理过程中仍然存在着大量的难点问题，需要更优化的解决 方案。以下对三个关键的挑战性问题展开讨论。1) 多源异质异构的数据特点。 轨道交通数据来源于大量的多类传感器，呈现出不同的数据模式，包括不同的数据 类型、结构、与时间相关的数据状态等。此外，轨道交通中使用了射频识别(Radio Frequency Identifier , RFID)技术，RFID数据的比重越来越大。总体上， 轨道交通数据的特点如下:海量性以某条既有线路轨道状态检测为例，一个传感器每米采集8B数据记录， 整条线路所有传感器采集并进行预处理后将产生近20 GB

13、的数据量。冗余性根据RFID标签与读写器的空间关系，RFID数据会出现大量重复和冗余8。不准确 环境干扰和数据采集的漏读和误读等因素造成各类数据的不准确性。连续性 在轨道交通的某些应用中，数据传输是连续的，形成数据流。需要实时处 理89。简单性例如RFID标签由于体积、容量等的局限性，细粒度数据承载的信息量小 且简单。例如某个标签的读取数据可以表示为(TagID，Location，Time) 8o 时空性 许多传感器安装在车体上，具有移动性，使轨道交通数据呈现时空特性。2) 数据融合模型设计。由于来自各类传感器或系统的数据具有不同的特点，设计数据融合模型需要考虑不 同数据的特点产生的需求。例如

14、，与铁路工务相关的地理信息系统(Geographic Information System , GIS)数据没有时间维，其采用的经纬度定位不同于当前的铁路线路公里标定位;来自某些传统的物理量传感器（如压力、温度）的数据没有时间维，来自列车加速度传感器数据的空间维表示为线路公里标。因此，设计轨道交通的数据融合模型既要探求不同的数据融合级别的要求，又要针对多源异质异构数据的特点，需要建立多层次的数据融合模型，逐层覆盖不同来源数据的特点，建立数 据多级融合体系。在数据融合模型框架下，还需深入研究多级融合体系不同融合技术的优化、组合和 扩展。例如卡尔曼滤波法通过检测原始信号的数据融合，获取运动轨迹的位

15、置、速 度和加速度的平滑估计值，但可能不适合在属性参数级建立列车与信号灯的时空关 联，需要组合神经网络技术或其他更多的技术10。3）数据融合规则库的建立。在决策级数据融合中，专家系统是一种成功的技术手段，其中的知识库管理大量的 事实和规则，指导综合决策和推理，是专家系统的核心组件。但是将专家知识提炼 表达为规则并不容易，另一方面由于专家参与程度高，知识库中规则的主观性较高， 需要研究适合的技术纠正可能的偏差。许多新的专家系统由四类组件构成，除了交 互界面，推理机制和知识库三个传统的模块外，还增加了“黑板”结构。“黑板” 是一种全局数据库，暂存系统的中间决策结果，并跟踪三类决策。黑板架构的融合

16、技术已应用在意大利铁路交叉道口的障碍物检测系统中10。对于决策级的数据融合，本文认为数据仓库技术可视为一种新型的、更综合的解决 办法。当前，数据仓库技术更多地用于商务智能和政务智能领域的分析、挖掘和决 策，然而，其蕴含的基于主题的建模技术、多维数据组织架构、高效的时间维度管 理以及海量数据集成和管理技术对交通数据融合和管理具有较强的适用性，我们正 在研究基于数据仓库技术的轨道交通检测数据融合方案。综上所述，信息融合技术在智慧交通领域起着关键性的作用。通过信息融合可以实 现目标的定位与跟踪，多源异质异构数据的关联与整合，从而构成时空坐标统一的 数据分析空间，便于综合的数据分析和挖掘，获得合理准确

17、的决策，实现交通管理 的智能化。3 数据智慧挖掘 数据挖掘是从数据集中识别、提取出有效的、新颖的、可信的、潜在有用的，以及 最终可理解的知识模式的过程11。数据挖掘的任务主要是关联分析、聚类分 析、分类、预测、时序模式和偏差分析等。在智慧交通领域，针对高速铁路运营列 车、轨道线路、桥梁隧道、牵引供电和调度指挥系统等积累的海量融合数据，进行 全面综合的挖掘分析，找出各类数据的特性和关联，挖掘潜在的数据模式和规律， 及时发现安全隐患，为高速列车的安全运营提供决策支持。针对高速铁路客运、货 运和物流等主要运营活动，通过数据挖掘技术，进行流量预测、安全分析和客户分 类等，得到人流或货物种类与运输方式之

18、间相互关联的知识，从而更好地指导运输 策略的制定。针对城市轨道交通，利用数据挖掘技术，分析客流组织，评价换乘枢 纽布局以及地铁枢纽站台的乘客行为等。3.1 数据智慧挖掘技术的常用方法 数据挖掘技术是数据库知识发现的关键技术。其中关联分析是找出数据库中隐藏的 关联网，一般用支持度和可信度两个阈值来度量关联规则的相关性。聚类分析是把 数据按照相似性归纳成若干类别，同一类中的数据彼此相似，不同类中的数据相异 分类就是找出一个类别的概念描述，它代表了这类数据的整体信息，并用这种描述 来构造模型。预测是利用历史数据找出变化规律，建立模型，并由此模型对未来数 据的种类及特征进行预测。时序模式是指通过时间序

19、列搜索出的重复发生概率较高 的模式。偏差分析旨在发现数据库中数据存在的异常情况。数据挖掘的常用算法有: 神经网络、决策树、模糊集、粗糙集、遗传算法、蚁群算法、集成学习和离群点挖 掘等。3.2 轨道交通数据智慧挖掘面临的挑战数据挖掘技术在铁路和城市轨道交通中已有一些成功的应用，如将基于FP_tree的 高性能关联规则挖掘算法用于挖掘铁路隧道各病害的关联中，得出各隧道病害之间 隐藏着的关系12 ；将关联规则Apriori算法应用到铁路物流管理系统中，得到 货物与运输方式之间的关联，从而提高铁路物流的效益 13;采用模糊聚类方法， 对货运安全质量进行聚类分析14；运用粗糙集理论的权系数确定方法，建立

20、关 系数据模型，通过计算灰色聚类分析模型的权重系数的方法对轨道交通换乘枢纽进 行评价15；利用模糊神经网络非线性组合预测模型对铁路货运量进行预测等 16。以上这些应用，大多数是解决一项单一的任务。而面对我国高速铁路的飞速发展， 数据以TB的数量级增长，为我国高速列车的数据处理提出了新的挑战。如何对高 速列车海量数据进行高效处理，准确地挖掘出有用的知识成为亟须解决的问题。本文认为，建立面向数据挖掘的高速铁路信息集成模型是一极佳的解决方案。它将 对涉及高速列车运行安全的数据，包括高速列车、轨道线路、桥梁隧道和牵引供电 系统采集到的大量传感器信息进行全面管理。通过数据智慧融合和综合数据智慧挖 掘，发

21、现高速列车运行异常状态、轨道线路状态变化规律、桥梁和隧道病害、牵引 供电数据采集与监视控制系统(Supervisory Control And Data Acquisition ,SCADA)设备故障17,如空转、滑行、关键悬挂部件失效、轴温异常、脱轨系 数、轨道不平顺状态等，以获得外部环境对列车运行安全的影响模式及相互关系， 挖掘关键设备隐患，实现在途预警，为高速铁路的主动安全预警与健康管理提供决 策支持。在上述数据挖掘系统中，还可借助云计算的强大计算处理能力，将挖掘任务自动映 射到大量的分布式节点上进行并行计算、智能调度和负载均衡等，减轻用户终端处 理负担，实现实时、在线的智慧挖掘。4 智

22、慧决策决策支持是信息处理的最高层次，它建立在数据智慧采集、融合、挖掘的基础之上， 为管理者提供决策方案。20世纪80年代以来，随着人工智能逐步融入决策系统 中，产生了智能决策支持系统(Intelligent Decision Support Systems , IDSS)18。最常见的IDSS由数据库、方法库、模型库与知识库组成，决策过程包括 发现问题、数据处理、模型分析及方法选择等。轨道交通如铁路运输系统具有运营 里程长、覆盖范围大、昼夜不间断运行、构成复杂等特点，要保证系统的稳定、高 效、安全运行，依靠管理者个人的经验、知识进行决策的传统方式也显得越来越不 足，引入IDSS成为必然IDSS

23、在轨道交通领域具有广泛的应用前景。例如:铁路 运输调度决策支持系统可根据采集的路网流量信息，合理安排行车计划，实现铁路 系统的高效运行，这对于中国这样一个人口众多，且有春运和黄金周突出运输高峰 的国家是十分必要的;随着时速350 km以上的高速铁路不断投入运营，保障行车 安全成为当务之急，通过采集分析车辆的运行和环境信息，监控列车运行状态的列 车安全运行决策支持系统应运而生 ;铁路行车事故发生的时间、地点具有不确定性， 救援过程复杂，结合了 GIS的铁路行车事故抢险决策支持系统将使救援决策更加 科学化、可视化和直观化;轨道交通流量数据的收集分析处理，对合理规划轨道交 通的布局、优化轨道交通设计

24、具有重要的参考价值。由于客观实际的复杂性，数据采集通常费用巨大，特别是在轨道交通领域，用来采 集数据的传感器较昂贵而且使用次数有限。另一方面，根据已采集来的数据可能无 法得到正确或满意的决策信息。在数据进一步更新时，尽可能利用挖掘出来的结果 来指导、改进或引导数据采集工作。这不仅可以节省大量的费用(储存费用、预处 理等)和时间，而且也会直接影响到挖掘的结果、影响到获取知识的水平，最终可 以切实提高智慧决策的水平。因此，智慧轨道交通更深入的智能化实现可以 归结为如图2所示的螺旋循环上升的过程。图2 智慧轨道交通更深入的智能化5 结语今天的中国已经进入同城化时代，轨道交通已成为居民出行的重要交通工

25、具之一。 智慧轨道交通的关键是要通过现代信息技术以一种更加智慧的方法来改变现有轨道 交通方式，为人类社会活动带来更加快捷、安全、舒适的智慧交通系统。从数据智 慧采集f数据智慧融合f数据智慧挖掘f智慧决策f智慧数据采集这一螺旋上升的 智能信息处理过程可以最终达到智慧轨道交通更深入的智能化目的。参考文献:1IBM商业价值研究院智慧地球M 北京:东方出版社，2009.2 曾华燊智慧轨道交通研究报告R 成都:西南交通大学，2010.3 何华武中国高速铁路创新与发展J.中国铁路，2010(12):5 - 8.4 LI T R , RUAN D.An extended process model of k

26、nowledge discoveryin database J .Journal of Enterprise Information Management, 2007 , 20(2):169 -177.5 LINN R J，HALL D L.A survey of multi-sensor data fusion systems C /Proceedings of the SPIE.Los Angeles:SPIE， 1991，1470:13 -29.6 赵时旻轨道交通信息工程案例集M .上海:同济大学出版社，2007.7 关宏志，王山川，姚丽亚，等基于SP和RP数据融合的城市轨道交通选择 模

27、型J.北京工业大学学报，2007 , 33(2):203 - 207.8 GONZALEZ H， HAN J， LI X， et al.Warehousing and analyzing massive RFID data setsC/Proceedings of the 22nd InternationalConference on Data Engineering.Washington， DC:IEEE Computer Society，2006:1 -10.9 JEFFERY S，GAROFALAKIS M，FRANKLIN M.Adaptive cleaning forRFID dat

28、a streamsC/Proceedings of the 32nd InternationalConference on Very Large Data Bases.Washington， DC:IEEE Computer Society，2006:163 174.10 DAILEY D J， HARN P，LIN P-J.ITS data fusion:Final research report ， Research Project T9903， Task 9 R.Washington， DC:IEEE Computer Society， 1996.11 HAN J , KAMBER M.

29、数据挖掘概念与技术M 范明，孟小峰，译北京： 机械工业出版社，2001.12 徐维祥，苏晓军基于频繁模式树的一种关联规则挖掘算法及其在铁路隧道 安全管理中的应用J.中国安全科学学报，2007 , 17(3):25 - 33.13 陆璐，杨志献基于关联规则的数据挖掘技术在铁路物流行业中的应用J. 科技信息，2007(23):46 - 46. 14牟海波，俞建宁，刘林忠.基于模糊聚类方法的铁路货运安全水平分析 J. 兰州交通大学学报，2009，28(4):128 -130.15 张喜成，汪江洪基于粗糙集的轨道交通换乘枢纽灰色聚类评价J.铁路 运输与经济， 2007 ， 29(3):49 -51.16 刘婷婷，邓克涛，马昌喜.模糊神经网络非线性组合预测在铁路货运量预测 中的应用J.铁路运输与经济，2008 , 30(9):91 - 94.17 黄小红，王倩，陈丽华高速铁路牵引供电SCADA系统调度端数据仓库设 计J 工业控制计算机，2008 , 21:24 - 25. 18 蔡自兴，徐光祐.人工智能及其应用 M .4版.北京:清华大学出版社， 2010.