高速鐵路災(zāi)害監(jiān)測(cè)數(shù)據(jù)分析應(yīng)用研究

楊建偉，陳中雷，馬 禎，沈敬偉，包 云

（1.中國(guó)鐵路北京局集團(tuán)有限公司 工務(wù)部，北京 100860；2.北京經(jīng)緯信息技術(shù)有限公司，北京 100081；3.中國(guó)鐵道科學(xué)研究院集團(tuán)有限公司 電子計(jì)算技術(shù)研究所，北京 100081）

為保障列車運(yùn)行安全，我國(guó)已建高速鐵路均建設(shè)了自然災(zāi)害及異物侵限監(jiān)測(cè)系統(tǒng)（簡(jiǎn)稱：災(zāi)害監(jiān)測(cè)系統(tǒng)），對(duì)沿線風(fēng)、雨、雪等氣象災(zāi)害及上跨高速鐵路的道路橋梁異物侵限進(jìn)行監(jiān)測(cè)，為調(diào)度指揮提供列車運(yùn)行管理建議，在發(fā)生異物侵限時(shí)聯(lián)動(dòng)信號(hào)系統(tǒng)進(jìn)行處置。災(zāi)害監(jiān)測(cè)系統(tǒng)于2008年在京津（北京—天津）城際鐵路投入運(yùn)用，為列車安全運(yùn)行發(fā)揮了重要的技術(shù)保障作用。

災(zāi)害監(jiān)測(cè)系統(tǒng)的運(yùn)行與維護(hù)（簡(jiǎn)稱：運(yùn)維）工作是保障系統(tǒng)穩(wěn)定運(yùn)行的基礎(chǔ)。針對(duì)該系統(tǒng)運(yùn)維管理的研究主要集中在異物侵限監(jiān)測(cè)功能[1-3]和系統(tǒng)可靠性等方面[4-6]。多年來，災(zāi)害監(jiān)測(cè)系統(tǒng)積累了線路災(zāi)害報(bào)警數(shù)據(jù)，風(fēng)、雨、雪及異物侵限監(jiān)測(cè)數(shù)據(jù)，以及設(shè)備運(yùn)行狀態(tài)監(jiān)測(cè)等數(shù)據(jù)，亟需對(duì)其挖掘、分析和應(yīng)用，發(fā)揮數(shù)據(jù)對(duì)系統(tǒng)運(yùn)維管理的支撐作用。

1 災(zāi)害監(jiān)測(cè)系統(tǒng)運(yùn)維管理概述

災(zāi)害監(jiān)測(cè)系統(tǒng)由現(xiàn)場(chǎng)監(jiān)測(cè)設(shè)備和鐵路局集團(tuán)公司中心系統(tǒng)組成，現(xiàn)場(chǎng)監(jiān)測(cè)設(shè)備包括風(fēng)、雨、雪及異物侵限前端采集設(shè)備和監(jiān)控單元，鐵路局集團(tuán)公司中心設(shè)備包括服務(wù)器、網(wǎng)絡(luò)和安全設(shè)備、監(jiān)測(cè)終端等。災(zāi)害監(jiān)測(cè)系統(tǒng)是一個(gè)多專業(yè)融合的系統(tǒng)，其運(yùn)維工作由工務(wù)、電務(wù)（通信、信號(hào)）、信息等專業(yè)人員共同完成[7]。

災(zāi)害監(jiān)測(cè)系統(tǒng)的運(yùn)維采用計(jì)劃修和故障修相結(jié)合的維修模式，除按計(jì)劃定期開展維修外，當(dāng)出現(xiàn)故障時(shí)，需開展臨時(shí)處置和維護(hù)。系統(tǒng)故障包括風(fēng)雨雪監(jiān)測(cè)數(shù)據(jù)異常、系統(tǒng)脫離監(jiān)控、通訊異常等。

2 災(zāi)害監(jiān)測(cè)異常數(shù)據(jù)分析

災(zāi)害監(jiān)測(cè)異常數(shù)據(jù)分析是識(shí)別系統(tǒng)運(yùn)行狀態(tài)的有效手段之一，通過對(duì)風(fēng)雨雪監(jiān)測(cè)異常數(shù)據(jù)的分析，可識(shí)別系統(tǒng)或設(shè)備的異常情況，本文以風(fēng)監(jiān)測(cè)異常數(shù)據(jù)為例進(jìn)行分析。

2.1 風(fēng)監(jiān)測(cè)異常數(shù)據(jù)概述

我國(guó)高速鐵路通過在沿線大風(fēng)重點(diǎn)發(fā)生區(qū)段（如山區(qū)埡口、峽谷、河谷、橋梁及高路堤等區(qū)段）設(shè)置風(fēng)監(jiān)測(cè)設(shè)備，采集監(jiān)測(cè)點(diǎn)處的瞬時(shí)風(fēng)速和風(fēng)向信息。當(dāng)風(fēng)速超過報(bào)警閾值時(shí)，系統(tǒng)發(fā)出大風(fēng)報(bào)警，列車調(diào)度員發(fā)出行車限速或停車指令。為保證監(jiān)測(cè)數(shù)據(jù)的穩(wěn)定和連續(xù)性，一般在同一監(jiān)測(cè)點(diǎn)設(shè)置兩臺(tái)風(fēng)速風(fēng)向計(jì)。由于設(shè)備自身原因或受外界環(huán)境影響，風(fēng)監(jiān)測(cè)過程中產(chǎn)生的異常數(shù)據(jù)通常表現(xiàn)為跳變、長(zhǎng)時(shí)間不變、無效字符等，如圖1所示。

圖1 高鐵風(fēng)速監(jiān)測(cè)數(shù)據(jù)

2.2 風(fēng)監(jiān)測(cè)異常數(shù)據(jù)判識(shí)方法研究

通過對(duì)兩臺(tái)風(fēng)速風(fēng)向計(jì)的風(fēng)速監(jiān)測(cè)數(shù)據(jù)基于皮爾遜相關(guān)系數(shù)進(jìn)行相關(guān)性分析，可判識(shí)監(jiān)測(cè)數(shù)據(jù)是否一致，如圖2所示，兩組數(shù)據(jù)的相關(guān)系數(shù)為25.54%，相關(guān)性較小，需要分別對(duì)兩臺(tái)風(fēng)速風(fēng)向計(jì)監(jiān)測(cè)數(shù)據(jù)進(jìn)行異常判識(shí)。單臺(tái)風(fēng)速風(fēng)向計(jì)的異常數(shù)據(jù)判識(shí)可采用長(zhǎng)短期記憶（LSTM，Long Short-Term Memory）神經(jīng)網(wǎng)絡(luò)方法對(duì)未來風(fēng)速進(jìn)行預(yù)測(cè)[8-9]，當(dāng)監(jiān)測(cè)值與預(yù)測(cè)值出現(xiàn)較大差異時(shí)，進(jìn)行人工復(fù)核，如圖3所示，可認(rèn)定是否為異常數(shù)據(jù)。

圖2 同一監(jiān)測(cè)點(diǎn)兩臺(tái)風(fēng)速風(fēng)向計(jì)風(fēng)速監(jiān)測(cè)數(shù)據(jù)相關(guān)性分析

圖3 基于 LSTM 的風(fēng)速異常數(shù)據(jù)判識(shí)

2.3 風(fēng)監(jiān)測(cè)異常數(shù)據(jù)原因分析

風(fēng)監(jiān)測(cè)異常數(shù)據(jù)主要由2種原因?qū)е拢海?）由于傳感器故障導(dǎo)致的風(fēng)監(jiān)測(cè)數(shù)據(jù)異常，如圖4所示，風(fēng)速風(fēng)向計(jì)2監(jiān)測(cè)值出現(xiàn)階躍式跳變，數(shù)據(jù)不可采用，經(jīng)分析，該跳變是由于傳感器被積雪凍住而導(dǎo)致；（2）由于現(xiàn)場(chǎng)環(huán)境原因?qū)е嘛L(fēng)監(jiān)測(cè)數(shù)據(jù)異常，如圖5所示，可以看出兩臺(tái)風(fēng)速風(fēng)向計(jì)監(jiān)測(cè)的風(fēng)速與風(fēng)向有關(guān)，當(dāng)風(fēng)向在225°～270°之間時(shí)，風(fēng)速風(fēng)向計(jì)2的監(jiān)測(cè)值較大，當(dāng)風(fēng)向在270°～315°之間時(shí)，風(fēng)速風(fēng)向計(jì)1的監(jiān)測(cè)值較大，由于風(fēng)速異常與風(fēng)向有關(guān)，該異?？煽紤]是由接觸網(wǎng)支柱遮擋而導(dǎo)致。

圖4 傳感器故障導(dǎo)致的監(jiān)測(cè)異常數(shù)據(jù)

圖5 風(fēng)向?qū)е碌娘L(fēng)速異常分布情況

3 災(zāi)害報(bào)警數(shù)據(jù)挖掘分析及應(yīng)用

3.1 災(zāi)害數(shù)據(jù)分析

通過對(duì)災(zāi)害監(jiān)測(cè)系統(tǒng)的災(zāi)害報(bào)警數(shù)據(jù)進(jìn)行分析，可發(fā)現(xiàn)災(zāi)害的危險(xiǎn)區(qū)段。圖6為某線路風(fēng)雨監(jiān)測(cè)報(bào)警數(shù)據(jù)分析圖，從圖6（a）中可以看出大風(fēng)的重點(diǎn)發(fā)生區(qū)段（紅色區(qū)段為災(zāi)害報(bào)警高發(fā)區(qū)），圖6（b）為基于累計(jì)降雨量分析的降雨高發(fā)區(qū)段，結(jié)合地形地貌情況，可進(jìn)行降雨及次生（滑坡、泥石流等）災(zāi)害的重點(diǎn)防治。雨季中，工務(wù)、電務(wù)等部門可對(duì)降雨重點(diǎn)發(fā)生區(qū)域進(jìn)行有針對(duì)性的巡查。

圖6 某線路大風(fēng)、降雨空間風(fēng)險(xiǎn)區(qū)劃示意

3.2 鐵路基礎(chǔ)設(shè)施運(yùn)維建議研究

以大風(fēng)分析為例，風(fēng)季大風(fēng)具有一定的規(guī)律，通過對(duì)某路段一日內(nèi)大風(fēng)發(fā)生頻率的分析，可得出大風(fēng)頻發(fā)的時(shí)段和區(qū)段。在可選擇的情況下，維修天窗的設(shè)置可避開大風(fēng)易發(fā)生的時(shí)段和區(qū)段。圖7為某線路風(fēng)季（3～5月）時(shí)1日內(nèi)大風(fēng)發(fā)生的頻次圖，可以看出，在凌晨4：00～6：00時(shí)發(fā)生6級(jí)以上大風(fēng)的概率小于其他時(shí)段，建議在此時(shí)段開展維修工作。

圖7 某線路風(fēng)季1日內(nèi)6級(jí)以上大風(fēng)發(fā)生時(shí)段分布

4 基于故障數(shù)據(jù)的系統(tǒng)運(yùn)維研究

4.1 系統(tǒng)故障數(shù)據(jù)分析

故障數(shù)據(jù)分析是進(jìn)行故障診斷的基礎(chǔ)，通過對(duì)各線路災(zāi)害監(jiān)測(cè)系統(tǒng)運(yùn)行數(shù)據(jù)的分析，可把握相關(guān)技術(shù)和系統(tǒng)的可靠性。

（1）按線路分析

圖8是中國(guó)鐵路北京局集團(tuán)有限公司管內(nèi)8條線路的災(zāi)害監(jiān)測(cè)系統(tǒng)每年每公里的系統(tǒng)故障情況，從圖8中可以看出，線路2故障率相對(duì)較高。由于線路2與其他線路相比開通運(yùn)營(yíng)時(shí)間較早（2010年），隨著災(zāi)害監(jiān)測(cè)系統(tǒng)技術(shù)不斷優(yōu)化升級(jí)，系統(tǒng)可靠性不斷提高，其他線路故障次數(shù)明顯降低。

圖8 各線路故障情況

（2）按建設(shè)單位分析

圖9是按建設(shè)單位每年每公里分析的系統(tǒng)故障情況，從圖9中可以看出，建設(shè)單位2建設(shè)的系統(tǒng)故障相對(duì)較高，進(jìn)一步分析發(fā)現(xiàn)，建設(shè)單位2承擔(dān)了較早開通運(yùn)營(yíng)線路的系統(tǒng)建設(shè)任務(wù)。建設(shè)單位3系統(tǒng)故障相對(duì)較低，與其他建設(shè)單位同期建設(shè)的系統(tǒng)故障情況相比，該單位建設(shè)的系統(tǒng)穩(wěn)定性較高。

圖9 各建設(shè)單位承建線路故障情況

（3）通過設(shè)備狀態(tài)分析

通過分析設(shè)備狀態(tài)數(shù)據(jù)，可挖掘設(shè)備故障規(guī)律，進(jìn)行有針對(duì)性的運(yùn)維。圖10是對(duì)某線路現(xiàn)場(chǎng)監(jiān)測(cè)設(shè)備故障的分析，可看出監(jiān)控單元故障是該線路檢測(cè)設(shè)備的主要故障，而監(jiān)控單元故障原因主要是網(wǎng)絡(luò)故障。

圖10 某線路現(xiàn)場(chǎng)監(jiān)測(cè)設(shè)備故障分析

4.2 系統(tǒng)故障診斷

災(zāi)害監(jiān)測(cè)系統(tǒng)故障數(shù)據(jù)為0-1開關(guān)量，本文借鑒文獻(xiàn)[10]，采用失效模式與影響分析（FMEA ，F(xiàn)ailure Mode and Effects Analysis）和隨機(jī)森林算法相結(jié)合的方法對(duì)系統(tǒng)故障進(jìn)行診斷。以故障較多的監(jiān)控單元故障診斷為例，建立故障診斷FMEA表，如表1所示。

表1 監(jiān)控單元故障診斷 FMEA 表

決策樹算法是故障診斷中常用的方法，但單一的決策樹容易導(dǎo)致模型過擬合的問題[11-12]。隨機(jī)森林算法集成多棵決策樹組成一個(gè)集成模型，通過設(shè)置樹的深度減少方差，有效解決單一決策樹模型過擬合的問題?；贔MEA和隨機(jī)森林算法的監(jiān)控單元故障診斷流程為：如圖11所示，（1）對(duì)故障數(shù)據(jù)進(jìn)行預(yù)處理，形成FMEA表，并將數(shù)據(jù)分為訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)；（2）針對(duì)訓(xùn)練數(shù)據(jù)集，利用Bootstrap重抽樣方法[13]從原始樣本中抽取多個(gè)樣本，對(duì)每個(gè)樣本建立決策樹；（3）將這些決策樹組合在一起，通過投票得出最后的分類結(jié)果。

圖11 基于FMEA和隨機(jī)森林算法的監(jiān)控單元故障診斷流程

本文對(duì)上述8條線路的監(jiān)控單元故障進(jìn)行診斷，共收集到監(jiān)控單元故障樣本116條，基于該方法的監(jiān)控單元故障診斷準(zhǔn)確率可達(dá)77%，如圖12所示。

圖12 故障診斷準(zhǔn)確率與隨機(jī)森林棵樹的關(guān)系

5 結(jié)束語

本文通過對(duì)高速鐵路災(zāi)害監(jiān)測(cè)系統(tǒng)的檢測(cè)數(shù)據(jù)、報(bào)警數(shù)據(jù)及系統(tǒng)運(yùn)行狀態(tài)數(shù)據(jù)的分析，提高災(zāi)害報(bào)警的可靠性；識(shí)別高速鐵路沿線災(zāi)害風(fēng)險(xiǎn)，為災(zāi)害防御提供支持；開展設(shè)備質(zhì)量評(píng)價(jià)和故障診斷技術(shù)研究，為故障處置提供依據(jù)。相關(guān)研究已在京張高鐵（北京—張家口高速鐵路）開展應(yīng)用，為高速鐵路災(zāi)害監(jiān)測(cè)系統(tǒng)的運(yùn)維工作提供支撐。