大数据技术在轨道交通领域中的研究和挑战

作者:未知

  【摘 要】随着交通的快速发现,车流量数据、违法数据和道路设施信息正常速度不断加快,针对国内城市轨道交通大数据开发应用情况及问题,提出建立供电综合检测数据管理平台的重要性,剖析轨道交通供电综合检测数据分析平台的特征、架构、组成、功能实现及扩展,对促进城市轨道交通信息化建设及在线检测监测技术手段的不断提升,对轨道交通供电系统综合检测、监测海量数据及运维管理数据等进行综合管理、数据挖掘、关联性分析和预测性分析具有一定的参考意义。
  【关键词】城市轨道交通;大数据平台
  引言
  国家政策的大力扶持和业内企业的不断努力下,轨道交通车辆行业呈现持续良好的发展势头,市场规模持續扩张,经济效益显著。随着大数据时代的到来,企业依托“互联网+大数据”向数字化、智能化转型已升级为国家级战略。面对国内轨道交通车辆市场日趋饱和、国际市场竞争激烈的形势,当今的市场竞争体现的不仅仅是产品本身的竞争,而是产品、服务、维保等多方面的综合竞争。大数据为基础的战略资源、拓展服务、维保能力等方面的发展,是提升企业综合竞争力的需求,也是拓展产品服务线、挖掘市场潜力、赢得更多潜在客户的需求。
  1数据管理分析平台的特征
  1.1整体性
  数据管理分析平台的建设应根据轨道交通的实际情况,作为一个整体进行考量,建立具备统一软硬件平台的综合数据处理中心,并且满足不同建设时期检测数据管理分析系统的接入需求,遵循“统筹规划、分步实施”的原则。
  1.2扩展性。检测数据管理分析系统在硬件
  架构及系统功能上均能方便灵活地进行容量、功能扩展。
  1.3标准化。
  系统无论是在接口定义、数据传输、通信协议,还是软、硬件平台配置等方面应遵循相关的国际标准、国家标准或行业标准,兼容现场不同厂家的设备,并能与其他相关系统进行互连互通和信息共享。
  1.4可靠性
  系统无论是在软、硬件配置,还是在产品的性能方面,都必须满足高可靠性、高安全性的要求。
  1.5先进性。
  采用先进的控制技术、计算技术、网络技术等,超前规划并构建先进的检测数据管理分析系统。
  2技术方案
  2.1总体架构
  工业大数据平台包括数据传输系统、数据存储处理系统、智能运维应用系统、安全防护系统4个部分。可为企业制造与管理流程优化,产品、服务和商业模式创新以及整个产业生态链的快速聚合提供有效服务。作为工业大数据的存储处理核心,数据平台需整合集成与统一访问多种数据类型并建立统一的BOM标准规范。通过统一BOM标准体系规范,理清BOM数据流程,设计不同阶段BOM之间的关联方式,理清BOM维护、使用的业务边界,建立完备的跨寿命周期的BOM关联模型,才能确保形成跨生命周期阶段产品信息集成。
  2.2轨道交通大数据研究挑战
  2.2.1数据收集
  由于车辆和行人的频繁移动,在特定地点或在某些时间,在轨道交通中收集的数据可能不准确,不完整或不可靠,如车辆没有嵌入提供实时定位数据的设备、道路传感器收集的道路交通数据可能丢失。解决这一难题的一个可能途径是投入新的数据采集技术,提高数据采集能力。随着物联网技术的发展,新的传感器技术应运而生,有助于提高数据采集和数据质量。此外,采用数据捕获自动化来最小化手动数据输入也是提高数据质量所必需的。
  2.2.2数据隐私
  在大数据时代,最具挑战性和最关心的问题是隐私问题。个人隐私可能在数据传输、存储和使用过程中泄露。以往的轨道交通系统收集的数据是非个人数据,如车辆数据、交通流数据。而现有的数据收集涉及到个人隐私数据,如个人和车辆的位置信息。如果不严格保护这些数据,窃取这些数据的人将损害数据所有者。因此,隐私问题一直备受关注,隐私保护是其大数据应用的重要内容。为防止未经授权的个人隐私信息泄露,各国政府应制定完整的数据隐私法,包括哪些数据可以发布、数据发布和使用的范围、数据分发的基本原则、数据可用性等方面。交通部门应严格规范个人数据定义,加强数据安全认证管理,并采用更先进的算法来提高数据安全级别。
  2.2.3数据存储
  大数据的数据量已经从TB级跃升到PB级,数据存储容量的增长速度远远落后于数据增长速度。特别是在轨道交通运维中,将每天从各种传感器产生各种数据。传统数据存储基础设施和数据库工具已经无法应对日益庞大和复杂的海量数据。因此,设计最合理的数据存储体系结构已经成为一个关键的挑战。主要的公共云存储提供商,如谷歌和微软,通过提升大数据集成能力来改进其服务,多云存储和混合存储正在成为大数据存储的关键领域。它们的计算能力在处理计算密集型分析工作负载中极具优势。
  2.2.4数据处理
  轨道交通中的大数据应用有很强的时效性,需要及时、快速地处理数据。这些大数据应用包括交通数据预处理、交通状态识别、实时交通控制、动态路径引导和实时交通调度。轨道交通数据包含大量的来自不同数据源的异构数据,同时必须与历史数据进行比较,并在短时间内进行处理。数据处理系统必须能够处理更复杂和日益扩大的数据。
  2.2.5数据开放
  为了使运输服务用户和应用程序开发人员能够有效地查找和重用数据,需要对数据进行归档,并以良好的质量公开访问。数据质量指的是其准确性、完整性、可靠性和一致性。数据质量欠佳的大数据会误导决策甚至产生有害的结果。然而,开放优质数据需要时间和成本。需要在低成本下快速开放数据和以高成本获得高质量数据之间做出权衡,这使得开放高质量数据成为一个更大的挑战。
  3平台递阶管控策略
  从企业信息化综合数据管理角度,围绕共享数据的核心,将结构化数据、数据仓库、基于平台的数据管理平台化,汇集城市轨道交通企业的管理、生产、运营、经营、维护、资源等的数据,对资源占用、存储、数据规划和配置策略统一管理。将面向用户和服务调用机制独立分层,屏蔽了复杂的数据类型和模型的处理机制。
  4轨道交通调度和节能优化研究
  由于环境和社会问题的不断增加,在轨道交通系统中,如何节能是一项具有挑战性的问题。现有文献在设计时间表和能耗过程中,往往忽略了每个车站乘客需求的时变特征。基于时间相关的智能卡自动收费数据,一种基于时间依赖客流量的城市轨道交通双目标时间表优化模型,最大限度地减少了旅客等待时间和纯能源消耗。在模型公式中,旅客等待时间受限于满载情形下的列车容量,纯能量消耗由牵引能量消耗与给定时期内再生能量的差值表示。数值实例表明:相对于现行的时间表方案,该模型能显著改进客运服务,有效地减少能量消耗。
  5轨道交通状态监测与可视化研究
  针对枢纽站客流拥塞风险问题,提出了一种基于灰色聚类的轨道交通枢纽站客流拥塞风险动态识别方法。通过抽取自动收费站(AFC)的实时数据,Tu等利用时变特征分析,将客流分为三类:到达客流,出发客流和中转客流。基于灰色聚类方法,有效的评估和预测轨道交通枢纽站客流拥塞风险。
  结语
  通过建设轨道交通车辆大数据管理平台,能够有效积累产品运维数据和用户需求,为相关企业实现精准研发、精细制造、量化管理、柔性生产、智能服务等提供数据支撑。通过引导供应链的神经末梢向市场前端延伸,推动产业内部战略合作,以及向服务多元化、精细化、个性化方向发展,形成核心技术深度掌握、基础设施共建共享、资源成本对冲结算、业务服务相互竞争的生态格局。
  参考文献:
  [1] 陈明可.以太网在城轨车辆上的应用前景.铁道车辆,2018,(8):62—64.
  [2] 李洋涛.TCN列车网络技术现状与发展.单片机与嵌入式系统应用,2019,(1):4—7.
  (作者单位:1中车唐山机车车辆有限公司;
  2中国铁路北京局集团有限公司唐山机车车辆监造项目部)
转载注明来源:https://www.xzbu.com/1/view-14816994.htm

服务推荐