基于大數(shù)據(jù)技術(shù)的鐵路安全管理研究

楊連報，李 平，徐貴紅，劉 俊，劉彥軍

（中國鐵道科學(xué)研究院 鐵路大數(shù)據(jù)研究與應(yīng)用創(chuàng)新中心，北京 100081）

基于大數(shù)據(jù)技術(shù)的鐵路安全管理研究

楊連報，李 平，徐貴紅，劉 俊，劉彥軍

（中國鐵道科學(xué)研究院 鐵路大數(shù)據(jù)研究與應(yīng)用創(chuàng)新中心，北京 100081）

大數(shù)據(jù)技術(shù)為分析鐵路安全管理領(lǐng)域的海量歷史數(shù)據(jù)，發(fā)現(xiàn)其事故規(guī)律提供了有效的手段。本文分析了鐵路安全管理系統(tǒng)和數(shù)據(jù)現(xiàn)狀，并結(jié)合大數(shù)據(jù)技術(shù)的特點，按照“人-設(shè)備-環(huán)境”3個方面，給出了鐵路安全管理大數(shù)據(jù)應(yīng)用的需求分析模型。該模型為實現(xiàn)設(shè)備的風(fēng)險分析、狀態(tài)維修，給決策者提供輔助決策，提高鐵路安全預(yù)警水平，有重要指導(dǎo)意義。

大數(shù)據(jù)；安全管理；狀態(tài)維修；輔助決策；安全預(yù)警

隨著鐵路信息化的不斷發(fā)展，已相繼建成車、機(jī)、工、電、輛等各專業(yè)安全監(jiān)測/監(jiān)控系統(tǒng)近60余個，產(chǎn)生和存儲了PB級的文本、圖紙、視頻、圖像、聲音等多種類型的監(jiān)控/監(jiān)測數(shù)據(jù)。鐵路安全領(lǐng)域迎來了大數(shù)據(jù)時代，由于傳統(tǒng)數(shù)據(jù)庫無法對這些海量的數(shù)據(jù)資源進(jìn)行有效的利用，從而使這些數(shù)據(jù)占據(jù)了大量的存儲空間而不能被挖掘使用，造成了數(shù)據(jù)資源的浪費。伴隨著大數(shù)據(jù)技術(shù)的快速發(fā)展，針對海量數(shù)據(jù)的存儲、分析和可視化展示等問題，出現(xiàn)了新的技術(shù)來支撐，例如：分布式文件存儲、并行處理[1～2]等。鐵路運輸安全是一個復(fù)雜的安全系統(tǒng)工程，其故障(事故)之間存在著相關(guān)關(guān)聯(lián)、相互影響的耦合關(guān)系。通過運用大數(shù)據(jù)分析技術(shù)不僅可以對海量的歷史數(shù)據(jù)進(jìn)行學(xué)習(xí)和挖掘，從而預(yù)測安全風(fēng)險發(fā)現(xiàn)事故規(guī)律和事故間的相關(guān)關(guān)系，對高實時性要求的監(jiān)控數(shù)據(jù)進(jìn)行實時在線分析，提高預(yù)警水平。

1 鐵路安全管理系統(tǒng)現(xiàn)狀

根據(jù)我國鐵路的監(jiān)控/監(jiān)測系統(tǒng)的現(xiàn)狀，給出了鐵路安全監(jiān)控體系的架構(gòu)框圖，如圖1所示。

2 鐵路安全管理數(shù)據(jù)現(xiàn)狀

鐵路安全管理數(shù)據(jù)集呈現(xiàn)“海量數(shù)據(jù)+復(fù)雜類型數(shù)據(jù)”的狀態(tài)，已具有大數(shù)據(jù)的4V特征，即規(guī)模性（Volume）、多樣性（Variety）、快速性（Velocity）、和價值性（Value）。

2.1 規(guī)模性

按易安信公司（EMC）的界定，大是指大型數(shù)據(jù)集，一般在10 TB規(guī)模左右，多用戶把多個數(shù)據(jù)集放在一起，形成PB級的數(shù)據(jù)量。目前，鐵路安全領(lǐng)域已相繼建立各專業(yè)安全監(jiān)測/監(jiān)控系統(tǒng)近60余個，產(chǎn)生和積累了PB級的數(shù)據(jù)。比如，在“5T”系統(tǒng)中，TFDS產(chǎn)生的圖像信息是數(shù)據(jù)量最大的，一趟車經(jīng)過，產(chǎn)生大概700～800 M的圖像數(shù)據(jù)；高速鐵路綜合視頻監(jiān)控系統(tǒng)產(chǎn)生的視頻數(shù)據(jù)規(guī)模每年約為142 PB。高速鐵路自然災(zāi)害及異物侵限系統(tǒng)數(shù)據(jù)以及視頻監(jiān)控數(shù)據(jù)僅是高速鐵路安全數(shù)據(jù)集中一部分，可見鐵路安全管理領(lǐng)域具有大數(shù)據(jù)的規(guī)模性特征。

2.2 多樣性

多樣性是指數(shù)據(jù)來自于多種數(shù)據(jù)源，數(shù)據(jù)種類和格式?jīng)_破了以前所限定的結(jié)構(gòu)化數(shù)據(jù)范圍，囊括了半結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)。鐵路安全數(shù)據(jù)分類如圖2所示。鐵路安全管理監(jiān)控/監(jiān)測系統(tǒng)涵蓋車、機(jī)、工、電、輛等專業(yè)系統(tǒng)，并且每個專業(yè)都是個龐大而復(fù)雜的系統(tǒng)，數(shù)據(jù)格式包含設(shè)備臺賬、人工檢查記錄本等紙質(zhì)類數(shù)據(jù)，軌檢車的geo和iic格式的數(shù)據(jù)，道岔鋪設(shè)圖、橋梁布置圖、線路設(shè)備綜合圖、車站竣工圖等CAD圖紙數(shù)據(jù)，以及視頻監(jiān)控錄像、圖像、音頻等數(shù)據(jù)。此外，鐵路安全管理大數(shù)據(jù)應(yīng)用過程中還存在著與天氣、地震等多類型數(shù)據(jù)的關(guān)聯(lián)分析。

2.3 快速性

大數(shù)據(jù)的數(shù)據(jù)挖掘技術(shù)與傳統(tǒng)的技術(shù)不同，在于其處理速度非?？?，具體來說數(shù)據(jù)流往往為高速實時數(shù)據(jù)流，而且需要快速、持續(xù)地實時處理。如高速鐵路綜合視頻監(jiān)控系統(tǒng)、CTC/TCDS、供電SCADA系統(tǒng)、電務(wù)微機(jī)監(jiān)測系統(tǒng)、防災(zāi)監(jiān)測系統(tǒng)等，實時處理著各種監(jiān)測數(shù)據(jù)，快速判斷現(xiàn)場發(fā)生的病害或事故，及時反饋給鐵路運營部門，保障鐵路行車安全。

2.4 價值性

鐵路安全數(shù)據(jù)集的價值性主要體現(xiàn)為鐵路運營部門可利用積累的設(shè)備相關(guān)歷史數(shù)據(jù)，通過各種統(tǒng)計、算法，對與安全相關(guān)的大數(shù)據(jù)進(jìn)行分析，從數(shù)據(jù)中發(fā)現(xiàn)關(guān)聯(lián)、發(fā)現(xiàn)知識，成為風(fēng)險控制、安全行車的重要依據(jù)。

圖1 鐵路安全監(jiān)控體系構(gòu)成

圖2 鐵路安全數(shù)據(jù)分類

3 鐵路安全管理對大數(shù)據(jù)分析需求

根據(jù)目前鐵路安全管理數(shù)據(jù)現(xiàn)狀和面臨的形式，并結(jié)合大數(shù)據(jù)技術(shù)，得出圍繞“人-設(shè)備-環(huán)境”3方面的的鐵路安全大數(shù)據(jù)需求，如圖3所示。

圖3 鐵路安全管理的大數(shù)據(jù)需求

3.1 鐵路人員相關(guān)的大數(shù)據(jù)分析需求

3.1.1 重點對象追蹤

重點對象追蹤以社會安全出發(fā)，旨在確保人身和財產(chǎn)安全。重點對象追蹤借助大數(shù)據(jù)技術(shù)，并結(jié)合人臉識別技術(shù)，實現(xiàn)重點對象的活動路線追蹤。人臉識別技術(shù)是利用圖像處理和模式識別技術(shù)鑒別或驗證身份的一種熱門的計算機(jī)安全技術(shù)，現(xiàn)已在國家安全、軍事安全和公共安全等方面實現(xiàn)了初步的應(yīng)用。鐵路車站環(huán)境存在人流密度大、治安難度大、環(huán)境復(fù)雜等特殊的行業(yè)應(yīng)用特點。通過鐵路車站人臉識別系統(tǒng)前置攝像頭采集到的人臉信息，并與公安局提供的重點對象特征數(shù)據(jù)進(jìn)行對比，定位重點對象；同時結(jié)合客票系統(tǒng)的乘車信息，挖掘其活動路線，再通過網(wǎng)絡(luò)（網(wǎng)頁、社交軟件）數(shù)據(jù)提取其經(jīng)常聯(lián)系的對象，實現(xiàn)重點對象團(tuán)伙的追捕和打擊。

重點對象追蹤用的大數(shù)據(jù)相關(guān)技術(shù)有聚類分析、關(guān)聯(lián)分析、模式識別等，具體如圖4所示。

圖4 重點對象追蹤

3.1.2 鐵路實時重大決策支持

鐵路實時重大決策支持是針對重大事故時所采取的應(yīng)急措施，其主要的數(shù)據(jù)來源為應(yīng)急救援指揮信息系統(tǒng)提供的歷史事故數(shù)據(jù)、GIS提供的線路環(huán)境數(shù)據(jù)、以及鐵路沿線視頻監(jiān)控數(shù)據(jù)，經(jīng)過大數(shù)據(jù)聚類分析、關(guān)聯(lián)分析等技術(shù)發(fā)現(xiàn)類似事件的事故規(guī)律，供決策者參考，如圖5所示。

3.2 鐵路設(shè)備相關(guān)的大數(shù)據(jù)分析需求

鐵路設(shè)備全生命周期管理是指對鐵路設(shè)備基于建設(shè)、運營直至報廢的全生命周期過程，為確保運輸安全及設(shè)備處于健康狀態(tài)而進(jìn)行的管理活動，為實現(xiàn)在最恰當(dāng)?shù)臅r候、利用最恰當(dāng)?shù)姆椒?、找到解決問題的最恰當(dāng)資源提供了一種新思路，這種設(shè)備管理模式可更有效地統(tǒng)籌鐵路建設(shè)與運營相互協(xié)調(diào)發(fā)展，構(gòu)建壽命分布模型，實現(xiàn)信息可追溯、病害或故障診斷更科學(xué)、維修周期預(yù)測更準(zhǔn)確，進(jìn)而最大程度降低運營安全風(fēng)險和維修成本，如圖6所示。

圖5 鐵路實時重大決策支持

圖6 鐵路基礎(chǔ)設(shè)施健康管理

鐵路設(shè)備全生命周期管理主要是通過大數(shù)據(jù)聚類分析、關(guān)聯(lián)分析、時間序列等技術(shù)，對設(shè)備的歷史狀態(tài)信息進(jìn)行分析，得出設(shè)備的生命周期曲線，然后跟據(jù)傳感器所測得數(shù)據(jù)，判斷設(shè)備目前所處的階段，進(jìn)而用于故障診斷、故障預(yù)測和最佳維修周期的制定。做到防范于未然，規(guī)避風(fēng)險。

3.2.1 鐵路設(shè)備壽命分布模型

在鐵路設(shè)備的實際使用中，由于受到外界多種因素的影響，設(shè)備實際的使用壽命往往與設(shè)計壽命、預(yù)期使用壽命不同，為保障生產(chǎn)的連續(xù)高效進(jìn)行，以及避免重大的設(shè)備故障發(fā)生，重點要關(guān)注設(shè)備的剩余壽命。剩余壽命是指從當(dāng)前時刻算起，直到設(shè)備達(dá)到不能使用或者設(shè)定的閥值的全部時間。用于剩余壽命預(yù)測的方法有自回歸移動平均模型、神經(jīng)網(wǎng)絡(luò)模型、灰色理論模型、支持向量機(jī)模型等。鐵路設(shè)備較為適用的壽命分布模型有指數(shù)分布模型、威布爾分布模型和伽馬分布模型。

通過對鐵路設(shè)備壽命數(shù)據(jù)的分析，確定設(shè)備的壽命分布模型，掌握設(shè)備狀態(tài)變化規(guī)律，獲得設(shè)備可靠性評價指標(biāo)，定量地把握鐵路設(shè)備的性能狀態(tài)，判斷設(shè)備狀態(tài)“好”、“壞”，并可把所獲的信息反饋到設(shè)計、建造和使用維修中去，以其改善可靠性、科學(xué)安排設(shè)備維修和更換，保障鐵路行車安全。同時精準(zhǔn)維修、預(yù)防性維修可幫助管理者合理配置維修資源，從而能夠大幅度降低設(shè)備管理部門的生產(chǎn)成本。

3.2.2 鐵路設(shè)備病害/故障診斷

設(shè)備病害或故障產(chǎn)生有深刻的產(chǎn)生或發(fā)生機(jī)理，有可能是設(shè)備本身的特點所決定的，有可能是不同設(shè)備之間的相互影響造成的，也有可能是維修不當(dāng)造成的。設(shè)備故障診斷是指在設(shè)備運行中或在基本不拆卸情況下，通過各種手段掌握設(shè)備運行狀態(tài)，判定產(chǎn)生故障的部位和原因，并預(yù)測、預(yù)報設(shè)備未來的狀態(tài)，從而找出對策。故障診斷技術(shù)的發(fā)展經(jīng)歷了感性階段、量化階段、診斷階段以及人工智能和網(wǎng)絡(luò)化等階段，設(shè)備故障診斷常用的方法包括故障樹分析、數(shù)理統(tǒng)計、專家系統(tǒng)、模糊集、人工神經(jīng)網(wǎng)絡(luò)、遺傳算法、數(shù)據(jù)挖掘等方法。鐵路設(shè)備的數(shù)據(jù)集呈現(xiàn)“海量數(shù)據(jù)+復(fù)雜類型數(shù)據(jù)”的狀態(tài)，具有大數(shù)據(jù)的“4V”特征，可以采用數(shù)據(jù)挖掘的方法進(jìn)行設(shè)備故障診斷。

數(shù)據(jù)挖掘的目的是從大量數(shù)據(jù)中發(fā)現(xiàn)規(guī)律，揭示數(shù)據(jù)特征、預(yù)測發(fā)展趨勢、輔助決策?；跀?shù)據(jù)挖掘的一種故障診斷方法是利用設(shè)備故障時的動態(tài)事件序列信息的時空特性，形成故障過程的時間序列信息模型，并運用基于事件序列相似性的數(shù)據(jù)挖掘原理挖掘出事件序列信息中隱含的關(guān)聯(lián)性；基于數(shù)據(jù)挖掘的另一種診斷方法是采用距離函數(shù)來度量事件序列的相似性，用動態(tài)規(guī)劃算法實現(xiàn)相似性的最優(yōu)代價運算，將故障診斷問題轉(zhuǎn)化為尋找與實際故障事件模式最相似的標(biāo)準(zhǔn)故障事件模式。因此，采用數(shù)據(jù)挖掘技術(shù)能夠?qū)崿F(xiàn)對設(shè)備的故障診斷，發(fā)現(xiàn)其中有用的設(shè)備故障特征和故障模式。

3.2.3 鐵路設(shè)備安全風(fēng)險源識別

安全風(fēng)險管理是通過知識生產(chǎn)經(jīng)營活動中存在的危險、有害因素，并運用定性或定量的統(tǒng)計分析方法確定其風(fēng)險嚴(yán)重程度，進(jìn)而確定風(fēng)險控制的優(yōu)先順序和風(fēng)險控制措施，以達(dá)到改善安全生產(chǎn)環(huán)境、減少和杜絕安全生產(chǎn)事故的目標(biāo)。鐵路設(shè)備的安全風(fēng)險管理主要是針對設(shè)備狀態(tài)的安全風(fēng)險管理，包括安全風(fēng)險源識別、安全風(fēng)險評估和安全風(fēng)險控制。

基于故障診斷結(jié)果，可進(jìn)行風(fēng)險源識別。與故障設(shè)備類型相同、具有相同條件（故障原因）尚未發(fā)生故障的設(shè)備安全風(fēng)險最大，如一根正在服役的鋼軌因鋼軌材質(zhì)發(fā)生斷裂，與其同一爐生產(chǎn)的鋼軌都是潛在的風(fēng)險源，應(yīng)針對性地進(jìn)行處理。同時，與設(shè)備故障特征相近或故障模式相似的設(shè)備也具有較高的安全風(fēng)險。此外，應(yīng)根據(jù)單個設(shè)備的個性化狀態(tài)變化規(guī)律，預(yù)測未來設(shè)備狀態(tài)達(dá)到或超出安全管理容許值的時間序列，把剩余壽命短的設(shè)備作為安全風(fēng)險進(jìn)行管理。

3.2.4 鐵路設(shè)備安全風(fēng)險評估

基于大數(shù)據(jù)技術(shù)進(jìn)行鐵路設(shè)備安全風(fēng)險評估應(yīng)構(gòu)建2個層面：（1）基于設(shè)備故障特征和故障模式的設(shè)備安全風(fēng)險評估方法，根據(jù)設(shè)備故障診斷結(jié)果，對故障特征和故障模式進(jìn)行數(shù)字化表達(dá)，建立設(shè)備的特征、模式與故障特征、故障模式的距離函數(shù)來度量設(shè)備狀態(tài)與標(biāo)準(zhǔn)故障狀態(tài)的相似程度，距離函數(shù)的值越小，則設(shè)備安全風(fēng)險越高。（2）基于設(shè)備健康狀態(tài)的設(shè)備安全風(fēng)險評估，根據(jù)設(shè)備當(dāng)前的狀態(tài)數(shù)據(jù)，劃分不同的安全風(fēng)險等級，設(shè)備狀態(tài)越差，其安全風(fēng)險等級則越高。

3.2.5 鐵路設(shè)備狀態(tài)維修

狀態(tài)維修（CBM，Condition Based Maintenance ）包含以可靠性為中心的維修（PCM，Reliability Centered Maintenance）和預(yù)測性維修（PM，Predictive Maintenance）。RCM是在對元件的可能故障對整個系統(tǒng)可靠性影響評估的基礎(chǔ)上決定維修計劃的一種維修策略。PM是根據(jù)對潛伏故障進(jìn)行在線或離線測量的結(jié)果和其他信息來安排維修的技術(shù)。其關(guān)鍵是依靠先進(jìn)的故障診斷技術(shù)對潛伏故障進(jìn)行分類和嚴(yán)重性分析，以決定設(shè)備（部件）是否需要立即退出運行或應(yīng)及時采取的措施。

針對安全風(fēng)險等級極高的設(shè)備，采用個性化維修策略，及時安排設(shè)備維修，消除安全隱患，降低安全風(fēng)險等級；針對安全風(fēng)險等級高的設(shè)備，采用個性化的設(shè)備狀態(tài)監(jiān)視策略，增加狀態(tài)檢測、監(jiān)測的頻率，重點監(jiān)測設(shè)備狀態(tài)變化，有針對性地安排維修計劃，將安全風(fēng)險控制在允許范圍內(nèi)；針對風(fēng)險等級一般的設(shè)備，適當(dāng)增加狀態(tài)檢測、監(jiān)測的頻率，重點監(jiān)測設(shè)備狀態(tài)變化速率，防止設(shè)備狀態(tài)突變，將安全風(fēng)險控制在允許范圍內(nèi)。

3.3 鐵路環(huán)境相關(guān)的大數(shù)據(jù)分析需求

鐵路環(huán)境相關(guān)的大數(shù)據(jù)分析需求主要是鐵路沿線自然災(zāi)害預(yù)測（如風(fēng)、雨、雪、地震、滑坡等）和異物侵限監(jiān)測。傳統(tǒng)的自然災(zāi)害預(yù)測方法有神經(jīng)網(wǎng)路、灰色預(yù)測、馬爾科夫模型等方法，由于鐵路沿線視頻監(jiān)控等監(jiān)測數(shù)據(jù)量很大，傳統(tǒng)的方法出現(xiàn)了局限性。因此可以利用大數(shù)據(jù)技術(shù)，諸如聚類分析、關(guān)聯(lián)分析、回歸分析等，分析鐵路沿線監(jiān)測裝置、線路環(huán)境數(shù)據(jù)，得出自然災(zāi)害發(fā)生規(guī)律，提前預(yù)防，保障行車安全；異物侵限事件的發(fā)生具有突發(fā)性等特點，目前，主要采用雙電纜、光纜、紅外線、微波、視頻等技術(shù)進(jìn)行異物侵限的監(jiān)測，可以采用大數(shù)據(jù)技術(shù)分析異物侵限相關(guān)監(jiān)測數(shù)據(jù)，進(jìn)行異物侵限的預(yù)防維護(hù)，如圖7所示。

圖7 鐵路沿線自然災(zāi)害及異物侵限監(jiān)測

3.3.1 鐵路沿線自然災(zāi)害預(yù)測

由于自然災(zāi)害因子眾多，動力機(jī)制復(fù)雜，強(qiáng)風(fēng)、大雨、大雪等自然災(zāi)害發(fā)生的范圍和程度呈現(xiàn)出趨勢性、周期性和隨機(jī)性的疊加狀態(tài)；地震災(zāi)害等具有突發(fā)性的特點。針對不同類型的自然災(zāi)害，需要采用不同的預(yù)測方法來應(yīng)對。在大數(shù)據(jù)技術(shù)應(yīng)用之中，對風(fēng)、雨、雪等自然災(zāi)害的預(yù)測可以采用數(shù)學(xué)建模的方法，分析出鐵路沿線發(fā)生大風(fēng)、大雨等自然災(zāi)害的模型，進(jìn)而進(jìn)行預(yù)測，指揮行車；對于地震、滑坡、泥石流等突發(fā)性自然災(zāi)害，則要利用大數(shù)據(jù)技術(shù)對海量歷史數(shù)據(jù)進(jìn)行分析，解決傳統(tǒng)數(shù)據(jù)分析無法分析的問題，得出其發(fā)生的大致規(guī)律。實現(xiàn)提前預(yù)防，減少自然災(zāi)害對行車安全的影響。

3.3.2 鐵路異物侵限監(jiān)測

異物侵限監(jiān)控系統(tǒng)是異物侵限防災(zāi)系統(tǒng)研究、發(fā)展的主要形式，一旦發(fā)生異物侵限，系統(tǒng)應(yīng)能及時發(fā)出報警，并將侵限信息實時傳送到行車調(diào)度中心，為下達(dá)行車控制、維修管理等指令提供依據(jù)，有效地避免重大行車事故發(fā)生。目前異物侵限監(jiān)測技術(shù)主要有雙電纜傳感器、光纜傳感器、紅外線、微波和視頻監(jiān)控等。

通過大數(shù)據(jù)技術(shù)，結(jié)合異物侵限發(fā)生的時間、發(fā)生環(huán)境、造成危害等數(shù)據(jù)，利用數(shù)據(jù)挖掘技術(shù)，挖掘出異物侵限發(fā)生的大致規(guī)律，為異物侵限監(jiān)測提供提前的預(yù)防措施，實現(xiàn)防范于未然。

4 結(jié)束語

本文根據(jù)業(yè)務(wù)需求確定了鐵路安全管理領(lǐng)域中大數(shù)據(jù)應(yīng)用的需求模型。鐵路安全管理大數(shù)據(jù)的應(yīng)用應(yīng)綜合考慮數(shù)據(jù)存儲、數(shù)據(jù)分析和可視化展示等關(guān)鍵技術(shù)和問題。需要借鑒互聯(lián)網(wǎng)公司對大數(shù)據(jù)應(yīng)用的成熟經(jīng)驗，構(gòu)建大數(shù)據(jù)在鐵路安全管理應(yīng)用的技術(shù)框架。未來的鐵路安全管理，從“人-設(shè)備-環(huán)境”3個方面，在充分對海量的歷史數(shù)據(jù)學(xué)習(xí)和挖掘的基礎(chǔ)上，實現(xiàn)提前預(yù)防，超前防護(hù)，做到防范未然。

[1] 陶雪嬌，胡曉峰，劉 洋.大數(shù)據(jù)研究綜述[J].系統(tǒng)仿真學(xué)報，2013，25（S）：142-146.

[2] 維克托·邁爾·舍恩伯格.大數(shù)據(jù)時代：生活、工作與思維的大變革[M].杭州：浙江人民出版社，2012.

[3] 佘振國.鐵路安全監(jiān)督管理信息系統(tǒng)的設(shè)計與實現(xiàn)[D].北京：北京工業(yè)大學(xué)，2011.

[4] 肖維斯.物聯(lián)網(wǎng)在鐵路安全監(jiān)控領(lǐng)域應(yīng)用研究[D].北京：北京交通大學(xué)，2012.

[5] 徐 超.高速鐵路綜合防災(zāi)安全監(jiān)控系統(tǒng)的研究[D].北京：中國鐵道科學(xué)研究院，2010.

[6] 彭 宇，劉大同，彭喜元．故障預(yù)測與健康管理技術(shù)綜述[J].電子測量與儀器學(xué)報，2010，24（1）：1-7．

責(zé)任編輯 徐侃春

Big data based railway safety management research

YANG Lianbao,LI Ping,XU Guihong,LIU Jun,LIU Yanjun
( Research and Application Innovation Center for Big Data Technology in Railway,China Academy of Railway Sciences,Beijing 100081,China)

Big data provides an effective way for analysis massive historical data in the feld of railway safety management to fnd the regularity of accidents.This article analyzed the present situation of Railway Safety Management System and data,combined with the characteristics of big data,was in accordance with the “people-equipment-environment” three aspects,gave a requirements analysis model for railway safety management of big data applications.This model is an effective way to implement the risk analysis and maintenance of the equipment,provide auxiliary decision-making for decision makers,improve railway safety warning level,which has important guiding signifcance.

big data;safety management;condition-based maintenance;auxiliary decision-making;safety warning

U29-39

A

1005-8451（2016）09-0083-05

2016-06-15

中國鐵路總公司科技研究開發(fā)計劃課題（2015X003-F）；中國鐵道科學(xué)研究院院基金重大項目（1551DZ8004）。

楊連報，在讀博士研究生；李 平，研究員。