铁路运维大数据

“工业4.0”是指以智能系统和基于工业互联网的解决方案为特征的所谓第四次工业革命¹。交通运输部门，特别是铁路，已经在很大程度上采用了工业4.0。新技术和新兴技术的使用正在导致服务质量的提高、新的节省、资源的利用和效率的提高。依托工业互联网能力和大数据分析能力，推动新服务新业态发展。大数据有可能将当前最先进的铁路技术平台转变为协作社区网络，无缝运输货物和乘客，并以有计划的方式提供服务。目前自动化和数据交换的趋势是采用和调整新兴技术，以达到新的有效性和效率水平。铁路的大数据来自相互关联的利益相关者，他们为铁路系统提供情报。完整的大数据架构包括网络物理系统、物联网(IoT)和云计算，所有这些都共同创造了“智能铁路”。一个令人兴奋的应用领域是通过自我学习和智能系统来预测故障、进行诊断并触发维护行动，从而实现更好的运维。这些系统对数据访问和数据质量提出了很高的要求，并使用多个数据源提取相关信息²。

铁路运维中的大数据分析将使用先进技术进行预测分析，并基于对大量数据的分析做出决策。提供运维服务将涉及数据收集、分析、可视化和资产决策。在运维和维护中使用大数据将解决资产管理中常见的阿喀琉斯之踵:状态预测，通常称为预测。估计一项资产的剩余使用寿命，以确定其完成任务的可能性，是任何操作或维修服务的基础，因此是任何组织成功的关键^3.。铁路领域将通过火车总线实现数据互连，其中大多数铁路子系统及其各自的传感器将可访问。数据总线的互连将为系统的系统方法中的全局优化打开大门，取代旧的局部方法，特别是其减少了整个资产的运维范围⁴。

铁路运维大数据

铁路大数据的目标是实现来自异构数据源、可扩展数据结构、实时通信和可视化技术的预测算法⁵。这类研究对铁路环境下的基础设施资产维护提出了挑战，具体表现在三个方面:铁路系统部件退化预测建模;铁路基础设施和车辆维修成本预测模型;基础设施和车辆状况监测。铁路行业大数据分析的目标如下:

• 从异构数据源创建实时预测算法，这些算法将处理隐私保护处理、特征和实例选择、离散化、数据压缩、集成分类器和回归模型以及数据的时空对齐
• 通过数据获取过程和数据分析之间的虚拟化层，基于跨域数据源获取创建可扩展的数据结构。这将包括新的解决方案，结合新的数据库功能，在基于云的高性能访问系统中集成异构数据源
• 使用开放接口网关实现大数据通信，监控系统提供时间戳和位置同步，异构通信支持，包括移动性和聚合，以及用于实时信息传输的优先级协议
• 应用信息图表和虚拟/增强现实的可视化技术(见图1）.

图1:信息图表和虚拟/增强现实的可视化技术的应用

大数据分析对铁路网的积极影响

大数据分析有可能影响铁路部门的多个方面，并可以克服组织、运营和技术上的复杂性，包括经济和人为影响以及信息处理。

对大数据技术的需求

交通管理系统(tms)由子系统组成，通常集成能力有限，接口和显示规则非标准化。事实上，资产的数量和多样性使得数据源的整合极其困难;因此，网络资产状态信息不能被广泛理解或利用来为TMS决策提供信息^3.。更具挑战性的是与其他信息域(如维护相关服务、能源资源等)的集成，因为这必须手动完成。总而言之，就输入数据源和决策而言，运维是完全断开的。为检查资产完成任务的可能性而估计剩余使用寿命是任何业务或维修服务的基础^3.。图2显示了一个常见的场景;将车辆状态与基础设施状况相结合，预测车辆状况并验证车载计算机选择的用户场景。

图2:大数据在铁路交通中的应用，车辆与基础设施资源融合

大数据对运营的影响

大数据将使自动化、互操作、互联和先进的交通管理系统成为可能;可扩展和可升级的系统，使用标准化的产品和接口，将使从遗留系统的迁移变得容易。随着信息管理系统增加临近预报和预测关键资产状态的能力，将会有大量关于资产和交通状况的数据和信息。能够准确预测资产状态的积极影响不仅为维护计划提供了好处，而且对其他领域(例如交通管理)也有好处。铁路大数据应用将在以下运营领域带来改善:

• 资讯管理和调度系统的标准化方法，使综合交通管理系统得以实施
• 一个信息和通信技术(ICT)环境，支持所有运输操作系统，具有标准化接口和即插即用的TMS应用框架
• 先进的资产信息系统，具有临近预报和预测网络资产状态以及来自异构数据源的相关不确定性的能力。

大数据的组织效应

铁路大数据将有助于实现欧盟交通白皮书的目标，该白皮书指出:“交通是我们经济和社会的基础。流动性对内部市场和公民的生活质量至关重要，因为他们享受自由旅行。交通运输能够促进经济增长和创造就业机会:鉴于我们面临的新挑战，交通运输必须是可持续的。运输是全球性的，因此有效的行动需要强有力的国际合作。许多欧洲公司在基础设施、物流、交通管理系统和运输设备制造方面处于世界领先地位。随着世界其他地区启动规模庞大、雄心勃勃的交通现代化和基础设施投资计划，为了保持其竞争地位，欧洲交通运输继续发展和投资至关重要。基础设施和车辆的可持续维护是欧洲议程上的“必须”。铁路大数据分析将满足以下需求:

• 长期需求和社会经济增长:大数据将为提高基础设施容量、安全性和环境影响提供一种通用方法
• 智能铁路流程:交通运输的智能与运营和维护方法密切相关，旨在实现自我配置、自我维护和自我修复系统，通过最大限度地减少停机，最大限度地提高运力和资产利用率。设备化、互联化和智能化的资产将以一种非常不同的方式进行维护
• 系统集成、安全性和互操作性:基于大数据的新运维策略将协调跨国界的RAMS(可靠性、可用性和可维护性)分析和计算，从而提高互操作性。由于可靠性的提高，安全性也会提高。此外，将有一种共同的方式来集成系统，创建复杂的资产作为系统的系统，但在这种方式下，可靠性不会受到沿国际走廊的复杂性的影响。

最后但并非最不重要的是，大数据分析对铁路领域的能源和可持续性有潜在的好处。更好的运维将降低能源消耗，减少资产的碳足迹，包括铁路车辆和基础设施。在铁路部门使用大数据将通过采取整体方法来优化运营和维护方法，以“从摇篮到坟墓”的方式考虑资产的整个生命周期，并以重要的方式促进运输系统的可持续性。

传记

迭戈Galar吕勒堡理工大学运行与维护工程系状态监测教授，负责协调多个国家和国际层面的铁路项目，涉及网络物理系统、工业4.0、物联网或大数据的不同方面。他还参与了位于lulefur的SKF UTC中心，专注于铁路车辆的SMART轴承。他也是Tecnalia(西班牙)的首席研究员，领导维护和可靠性研究小组，在那里他还领导CAF和TALGO等公司的项目。

白木卡里姆拥有运维工程博士学位，研究方向为电子维护。他负责路勒堡理工大学的电子维修研究领域。Ramin在ICT领域拥有超过15年的行业经验，并担任过许多职位，包括软件开发人员、系统架构师、项目经理、多项目负责人、产品经理和技术业务开发人员。

Uday库马尔现为路勒堡理工大学运营与维护工程讲座教授、路勒堡铁路研究中心主任兼可持续交通研究与创新战略区域科学主任。他的研究领域包括可靠性和可维护性工程、维修建模、状态监测、LCC和风险分析。

参考文献

1. Kans, Mirka和Diego Galar。“维护4.0和大数据分析在战略资产管理中的影响”。第六届维护绩效测量与管理国际会议，2016年11月28日，瑞典吕勒堡。吕乐堡理工大学，2017。
2. Karim, R.， Westerberg, J.， Galar, D.， and Kumar, U.(2016)。维护分析——维护的新知识。国际农业科学学报，49(28)，214-219。
3. Galar, D, Palo, M, Van Horenbeek, A， & Pintelon, L.(2012)。集成不同的数据源，以执行维护预测和最佳决策。洞察-无损检测与状态监测，54(8)，440-445。
4. 加拉尔，迭戈，米尔卡·坎斯，还有伯纳德·施密特。资产管理中的大数据:基于数据挖掘的资产数据知识发现第十届世界工程资产管理大会论文集(WCEAM 2015)。斯普林格国际出版社，2016。
5. Thaduri, Adithya, Diego Galar和Uday Kumar。“铁路资产:大数据分析的潜在领域”。计算机科学进展，2015,31(4):457-467。