基于軌道變形分析系統(tǒng)的線路預(yù)防性狀態(tài)修

摘要：軌道變形分析系統(tǒng)作為新技術(shù)新產(chǎn)品于2019年通過了國鐵集團(tuán)工電部和科信部組織的技術(shù)評審，已在9個(gè)鐵路局集團(tuán)公司約5.6萬km高鐵線路和6.3萬km普鐵延展公里線路應(yīng)用。本文介紹了軌道變形分析系統(tǒng)功能和該系統(tǒng)優(yōu)化編制線路預(yù)防性狀態(tài)修作業(yè)區(qū)段的理論方法，即Ramp;M Optimizer。將Ramp;M Optimizer應(yīng)用到13個(gè)線別共3 800 km線路上，驗(yàn)證了Ramp;M Optimizer的實(shí)用性和有效性。工務(wù)段利用軌道變形分析系統(tǒng)的Ramp;M Optimizer分析管內(nèi)所有線路，可在1 min內(nèi)得到以確保TQI值達(dá)標(biāo)為目標(biāo)的成本最小的作業(yè)區(qū)段或由TQI目標(biāo)值和維修成本同時(shí)約束的預(yù)防性狀態(tài)修作業(yè)區(qū)段。

關(guān)鍵詞：線路預(yù)防性狀態(tài)修；維修區(qū)段；變形分析系統(tǒng)

大規(guī)模路網(wǎng)的生產(chǎn)安全管控與高效運(yùn)營是一項(xiàng)需要長期保持的核心工作。對鐵路線路更加全面、準(zhǔn)確地檢測，更加智能、綜合地分析，更加安全、經(jīng)濟(jì)、高效地修理等內(nèi)容是當(dāng)前和未來線路運(yùn)營與維護(hù)重點(diǎn)關(guān)注的主題。其中，如何實(shí)現(xiàn)線路預(yù)防性狀態(tài)修是當(dāng)前工務(wù)段（包括橋工、工電、基礎(chǔ)設(shè)施）待解決的技術(shù)難題之一，因此，在近幾年國鐵集團(tuán)工務(wù)專業(yè)年度工作會(huì)議上被持續(xù)關(guān)注并討論?；谖覈F路當(dāng)前發(fā)展情況，線路預(yù)防性狀態(tài)修的核心是通過高效分析線路檢測數(shù)據(jù)，掌握設(shè)備狀態(tài)及其變化規(guī)律，根據(jù)現(xiàn)場維修作業(yè)的各種限制因素，優(yōu)化確定維修里程區(qū)段。

線路預(yù)防性狀態(tài)修包括：通過線路檢測數(shù)據(jù)的預(yù)處理來提升數(shù)據(jù)質(zhì)量，通過線路狀態(tài)預(yù)測以掌握未來的設(shè)備狀態(tài)，通過修理計(jì)劃優(yōu)化編制來安排維修作業(yè)。在這些方面，國內(nèi)外學(xué)者做了大量的關(guān)鍵技術(shù)研究和軟件研發(fā)工作。這里對部分成果進(jìn)行介紹。

線路檢測數(shù)據(jù)預(yù)處理主要是修正檢測數(shù)據(jù)里程誤差，精確對齊歷史多次檢測數(shù)據(jù)。本文作者于2012年原創(chuàng)了基于關(guān)鍵設(shè)備的提取和匹配檢測數(shù)據(jù)里程偏差修正模型^［1-2］，大大提升了檢測數(shù)據(jù)里程的精度；創(chuàng)新性建立了基于非線性匹配優(yōu)化的矩陣扭曲相似度計(jì)算方法^［2-4］，實(shí)現(xiàn)了歷史任意多次檢測數(shù)據(jù)采樣點(diǎn)級別的精確對齊，為歷史多周期檢測數(shù)據(jù)自動(dòng)對比奠定了可靠的數(shù)據(jù)基礎(chǔ)。以上幾篇論文是本領(lǐng)域較早的研究成果。這些成果為我國自主研發(fā)的基于動(dòng)態(tài)檢測數(shù)據(jù)的軌道變形分析系統(tǒng)（以下簡稱軌道變形分析系統(tǒng)）奠定了堅(jiān)實(shí)的數(shù)據(jù)預(yù)處理理論基礎(chǔ)，自2018年開始在我國鐵路大范圍驗(yàn)證并得到推廣。受這些成果的啟發(fā)，其他學(xué)者也在這一領(lǐng)域做了較多研究。另外，Selig教授與Bentley公司合作利用滑動(dòng)互相關(guān)分析來對齊兩次數(shù)據(jù)^［5］，并申請了美國專利^［6］，支撐了Bentley公司在鐵路軌道資產(chǎn)管理方面的產(chǎn)品OPTRAM的成功研發(fā)；日本RTRI（railway technical research institute）研發(fā)的LABOCS也只能對齊并對比兩次檢測數(shù)據(jù)^［7］。

在線路狀態(tài)預(yù)測方面，國內(nèi)外學(xué)者開展了大量研究，取得了豐富的研究成果。這些研究可分成兩大類^［8］：一類是早期出現(xiàn)的基于病害機(jī)理的線路劣化研究，另一類是本世紀(jì)以來伴隨著信息技術(shù)飛速發(fā)展形成的數(shù)據(jù)驅(qū)動(dòng)的線路劣化研究。隨著軌道狀態(tài)劣化機(jī)理研究的深入，國內(nèi)外學(xué)者逐步達(dá)成共識：每個(gè)軌道單元（100 m、200 m、500 m不等，具體長度根據(jù)各國的軌道單元狀態(tài)評價(jià)標(biāo)準(zhǔn)確定）都具有其獨(dú)特的劣化特征。從2007年，線路劣化研究成果中出現(xiàn)了以每個(gè)軌道單元為對象的個(gè)性化軌道狀態(tài)劣化建模方法^［9-10］。意大利MERMEC公司的軌道維修管理系統(tǒng)RAMSYS就采用了此類建模方法［9］。文獻(xiàn)［10］建立的TQI短期預(yù)測模型SRPM（short-range prediction model）是軌道變形分析系統(tǒng)預(yù)測軌道狀態(tài)的理論基礎(chǔ)，獲得了英國機(jī)械工程師協(xié)會(huì)的T A Stewart-Dyer Prize/Frederick Harvey Trevithick Prize優(yōu)秀論文獎(jiǎng)。

在線路修理計(jì)劃優(yōu)化編制方面，日本^［11］、法國^［12］、葡萄牙^［13］、瑞士^［14］、中國^［15-16］等國的學(xué)者建立了多個(gè)理論模型來優(yōu)化維修作業(yè)計(jì)劃（包含區(qū)段和時(shí)機(jī)）。在實(shí)踐層面， Bentley的OPTRAM、MERMEC的RAMSYS^［17］、日本RTRI的LABOCS^［7］、歐盟的ECOTRACK^［18］、美國ENSCO的TRACKIT和中國的《工務(wù)安全生產(chǎn)管理信息》等有較高知名度的軟件系統(tǒng)都根據(jù)軌道單元狀態(tài)是否超過閾值來安排維修作業(yè)。已建立的理論優(yōu)化模型沒有投入實(shí)踐應(yīng)用的可能原因是：優(yōu)化模型包含維修費(fèi)用最小化目標(biāo)，未來較長時(shí)間軌道狀態(tài)預(yù)測結(jié)果的準(zhǔn)確性不足會(huì)導(dǎo)致優(yōu)化編制的維修作業(yè)計(jì)劃與實(shí)際不符，反而增加投入^［19］。

線路預(yù)防性狀態(tài)修領(lǐng)域的軟件系統(tǒng)，除了上文提到的，各國鐵路基本都有自己的軟件系統(tǒng)。如我國鐵科院研發(fā)的基于動(dòng)態(tài)檢測數(shù)據(jù)的基礎(chǔ)變形分析系統(tǒng)（簡稱DDAS）和北京交通大學(xué)主持研發(fā)的軌道變形分析系統(tǒng)（intelligent track，I-Track）。

本文首先介紹I-Track及其實(shí)現(xiàn)線路預(yù)防性狀態(tài)修的原理，給出利用I-Track確定預(yù)防性狀態(tài)修區(qū)段的方法，最后對維修區(qū)段的性能進(jìn)行分析。

1I-Track簡介

I-Track的研發(fā)歷時(shí)近10年，在2011年形成了原始版本，可打開各種動(dòng)軌檢車的波形圖；2014年修正對齊檢測數(shù)據(jù)的理論模型建立，2016年形成了第一個(gè)正式版，可自動(dòng)修正處理動(dòng)軌檢車檢測數(shù)據(jù)，在我國鐵路發(fā)展過程中，首次實(shí)現(xiàn)了自動(dòng)對比分析兩次波形，查找軌道幾何尺寸變化處所的功能，在南昌局集團(tuán)公司和上海局的暑期無砟軌道防脹中有效指導(dǎo)了針對性病害復(fù)核。作為新技術(shù)新產(chǎn)品，分別于2018年3月20日和2019年9月3日通過了國鐵集團(tuán)工電部和科信部組織的試用評審和技術(shù)評審；截至2024年3月，已在9個(gè)鐵路局集團(tuán)公司約5.6萬延展km的高鐵線路和6.3萬延展km的普鐵線路應(yīng)用。

根據(jù)國鐵集團(tuán)線路修理發(fā)展重點(diǎn)和工務(wù)段數(shù)據(jù)分析需求，不斷突破關(guān)鍵核心技術(shù)，I-Track經(jīng)歷了多次重大的升級，最新版本為9.2版，在自動(dòng)修正處理動(dòng)軌檢車數(shù)據(jù)基礎(chǔ)上，自動(dòng)對比分析任意多次檢測數(shù)據(jù)查找線路變化處所，預(yù)警持續(xù)變化的大峰值超限處所，根據(jù)自設(shè)閾值篩選各項(xiàng)目峰值或變化量超限處所，任意組合速度等級、設(shè)備結(jié)構(gòu)特征、多層級管界和自定義維度，分析線路質(zhì)量和變化趨勢，根據(jù)線路變化趨勢，結(jié)合TQI目標(biāo)值和維修成本優(yōu)化維修區(qū)段建議，自動(dòng)關(guān)聯(lián)檢測數(shù)據(jù)，評價(jià)各類維修作業(yè)質(zhì)量，監(jiān)控維修區(qū)段線路質(zhì)量變化趨勢等。I-Track的功能結(jié)構(gòu)如圖 1所示。

動(dòng)軌檢車數(shù)據(jù)上傳I-Track后，進(jìn)入待處理隊(duì)列，由資源調(diào)度模型安排空閑處理線程開始處理。首先調(diào)用里程偏差修正和波形精確對齊模型處理動(dòng)軌檢波形，確保里程偏差盡可能小并且與歷史多次數(shù)據(jù)精確對齊，如圖 2所示；其次計(jì)算5 m間隔滑動(dòng)的200 m TQI值（間隔為5 m是既考慮數(shù)據(jù)量大小又考慮評價(jià)軌道準(zhǔn)確性的結(jié)果）并且根據(jù)修正后波形里程同步IIC中各類數(shù)據(jù)的里程；最后，計(jì)算各軌道單元的狀態(tài)指標(biāo)。圖2所示為高精度對齊的歷史數(shù)據(jù)，為I-Track能夠進(jìn)行任意多次數(shù)據(jù)自動(dòng)對比分析和可靠預(yù)測未來軌道狀態(tài)提供了堅(jiān)實(shí)的數(shù)據(jù)基礎(chǔ)。

2I-Track的線路預(yù)防性狀態(tài)修原理

通過I-Track實(shí)現(xiàn)線路預(yù)防性狀態(tài)修的原理如圖 3所示。I-Track利用最近n次檢測的各項(xiàng)不平順指標(biāo)的TQI值，依據(jù)SRPM模型［10］構(gòu)建每個(gè)200 m單元的軌道狀態(tài)劣化模型，預(yù)測未來的TQI值，根據(jù)勾選的不平順指標(biāo)和設(shè)定的TQI目標(biāo)值，考慮天窗時(shí)長、每次作業(yè)起終點(diǎn)限制和維修成本等約束，利用Ramp;M Optimizer模型提出作業(yè)區(qū)段優(yōu)化建議。

Ramp;M Optimizer模型是一個(gè)NP難問題（non-deterministic polynomial-time hardness，需要超多項(xiàng)式時(shí)間才能解決的問題）。設(shè)計(jì)了雙層動(dòng)態(tài)規(guī)劃算法來求解Ramp;M Optimizer模型的最優(yōu)解，為了提升求解速度，建立了線路狀態(tài)時(shí)空特征學(xué)習(xí)算法并將其嵌入雙層動(dòng)態(tài)規(guī)劃算法來引導(dǎo)求解過程。利用時(shí)空特征引導(dǎo)尋優(yōu)過程大幅減少了搜索空間，確保了Ramp;M Optimizer模型在實(shí)際應(yīng)用中能夠在幾秒內(nèi)確定作業(yè)區(qū)段。

根據(jù)圖 3所示原理，I-Track在維修作業(yè)模塊中，實(shí)現(xiàn)了提出預(yù)防性狀態(tài)修作業(yè)區(qū)段優(yōu)化建議的功能，其界面展示如圖4所示?？晒催x多條線路同時(shí)進(jìn)行優(yōu)化分析，根據(jù)天窗時(shí)長和大機(jī)作業(yè)效率，計(jì)算單臺大機(jī)每個(gè)天窗最大作業(yè)長度作為單次作業(yè)長度的值（默認(rèn)值為2 km），根據(jù)維修成本核算出勾選線路上的可用作業(yè)量，根據(jù)安排的作業(yè)類型選擇是否過濾掉無砟道床區(qū)段，勾選分析依據(jù)的不平順狀態(tài)指標(biāo)，針對不同速度等級設(shè)置勾選指標(biāo)之和的閾值作為TQI目標(biāo)值（默認(rèn)為0 mm），點(diǎn)擊查詢，等待I-Track計(jì)算完成后輸出結(jié)果。等待時(shí)長取決于部署I-Track的服務(wù)器的CPU、內(nèi)存和硬盤IO性能。

實(shí)際應(yīng)用中，不能確定勾選線路上應(yīng)安排多少維修工作時(shí)，可不輸入可用作業(yè)量但勾選管內(nèi)所有線路，由Ramp;M Optimizer模型根據(jù)各線路未來狀態(tài)的特征來確定。當(dāng)可用作業(yè)量可以為空時(shí)，維修區(qū)段優(yōu)化策略退化為以TQI目標(biāo)值為約束的作業(yè)量最小化問題。當(dāng)輸入的可用作業(yè)量和設(shè)置的TQI目標(biāo)值有沖突時(shí)（即輸入的可用作業(yè)量遠(yuǎn)多于TQI目標(biāo)值的區(qū)段長度或輸入的可用作業(yè)量遠(yuǎn)少于TQI目標(biāo)值的區(qū)段長度），Ramp;M Optimizer模型可以確保同時(shí)滿足工作量和TQI目標(biāo)值約束。根據(jù)以上分析，當(dāng)維修成本緊張時(shí)，I-Track根據(jù)線路未來狀態(tài)依據(jù)輕重緩急原則在各線路和各區(qū)段間平衡分配維修成本，實(shí)現(xiàn)整個(gè)管內(nèi)線路上基于狀態(tài)的維修資源分配；當(dāng)維修成本相對充足時(shí)，I-Track根據(jù)設(shè)置的TQI目標(biāo)值分析確定需要維修的區(qū)段，避免過度維修造成設(shè)備性能過早衰減。

3I-Track確定維修區(qū)段的分析

通過I-Track確定13個(gè)線別共3 800 km線路上維修作業(yè)的耗時(shí)，來驗(yàn)證Ramp;M Optimizer模型的可伸縮性（scalability）?？缮炜s性是衡量求解NP難問題算法在實(shí)際生產(chǎn)中的可用性的重要指標(biāo)。通過可伸縮性的求解算法求得最優(yōu)（或次優(yōu)）解的時(shí)間不應(yīng)隨著問題規(guī)模的擴(kuò)大而呈多項(xiàng)式級甚至以上的增長，應(yīng)按線性或log線性增長，否則很難在有限時(shí)間內(nèi)求得實(shí)際問題的最優(yōu)（或次優(yōu)）解，不具有可用性。因各線別的長度不同，為便于分析和比較，將每次計(jì)算耗時(shí)都轉(zhuǎn)化為百公里線路上的平均耗時(shí)（單位為s）。這里的計(jì)算耗時(shí)數(shù)據(jù)是I-Track運(yùn)行在一臺163. 2GHzCPU、64GB3200MHz內(nèi)存、2TBSSD硬盤筆記本上的結(jié)果。

對I-Track確定的維修作業(yè)區(qū)段進(jìn)行解釋，量化分析可用作業(yè)量和TQI目標(biāo)值設(shè)置對維修作業(yè)區(qū)段的影響。

3.1 維修區(qū)段的計(jì)算時(shí)長

I—Track確定維修區(qū)段的計(jì)算包括三部分：TQI預(yù)測、Ramp;M Optimizer模型求解、求解結(jié)果傳輸?shù)椒治鋈藛T電腦瀏覽器進(jìn)行顯示。第三部分受網(wǎng)絡(luò)傳輸和分析人員電腦性能的影響，這里不進(jìn)行統(tǒng)計(jì)。

設(shè)置單次作業(yè)長度為2.0 km，可用作業(yè)量為200 km，勾選高低、軌向、水平、三角坑、70 m高低和70 m軌向，設(shè)置各速度等級的TQI目標(biāo)值如下：300 km/h以上的TQI目標(biāo)值為2.5 mm、200 - 300 km/h的TQI目標(biāo)值為3.0 mm、160 -200 km/h的TQI目標(biāo)值為4 mm、120 - 160 km/h的TQI目標(biāo)值為5.0 mm、80 - 120 km/h的TQI目標(biāo)值為6.0 mm、80 km/h以下的TQI目標(biāo)值為7.0 mm。

圖5所示為按照以上參數(shù)分別優(yōu)化編制13個(gè)線別上維修作業(yè)區(qū)段的百公里耗時(shí)。TQI值預(yù)測和模型求解的平均耗時(shí)分別為1. 61 s和0.28 s。

可看出，不管是TQI值預(yù)測還是模型求解的時(shí)長都在其均值上下波動(dòng)，沒有隨線路長度的增長而增加，TQI值預(yù)測和模型求解的總時(shí)間與線路長度增長呈線性關(guān)系。同樣按照以上參數(shù)，一次優(yōu)化編制13個(gè)線別的維修作業(yè)區(qū)段，TQI值預(yù)測和模型求解的百公里平均耗時(shí)為1. 21 s和0.30 s。這與分別編制13個(gè)線別的平均百公里耗時(shí)基本一樣。以上分析表明：I—Track優(yōu)化編制維修作業(yè)區(qū)段的Ramp;M Optimizer模型具有可伸縮性。

預(yù)測TQI值的計(jì)算耗時(shí)波動(dòng)幅度較大。主要原因是I—Track從硬盤讀數(shù)據(jù)時(shí)與筆記本上其他應(yīng)用程序讀寫數(shù)據(jù)存在10爭用。在實(shí)際應(yīng)用中，這是無法避免的，對于工務(wù)段級應(yīng)用來說，此波動(dòng)可以忽略不計(jì)，但對局集團(tuán)公司級的應(yīng)用來說，信息部門必須優(yōu)化服務(wù)器硬盤10。3.2維修區(qū)段的分析

I—Track將優(yōu)化編制出的維修作業(yè)區(qū)段在瀏覽器中以表的形式進(jìn)行顯示（圖4），包含：線名、行別、作業(yè)區(qū)段、作業(yè)長度、單元、單元類型、區(qū)間、平面線形、基礎(chǔ)（軌道下部結(jié)構(gòu)）、70 m長波高低、軌向共1 1個(gè)單項(xiàng)的TQI預(yù)測值、TQI預(yù)測值、勾選不平順指標(biāo)之和的預(yù)測值、最近3個(gè)月是否有過維修作業(yè)、每個(gè)200 m單元TOI和扣分變化趨勢的鏈接。由于設(shè)置的單次作業(yè)長度為2.0 km，建議的作業(yè)區(qū)段都為2．O km左右；區(qū)段長度遠(yuǎn)小于2.0km，意味著該區(qū)段直接與岔區(qū)連接或是站內(nèi)正線股道。表中給出了與每個(gè)建議區(qū)段關(guān)聯(lián)的200 m單元的各項(xiàng)不平順單項(xiàng)TQI預(yù)測值和勾選指標(biāo)之和的預(yù)測值。勾選指標(biāo)之和的預(yù)測值給出了Ramp;M Optimizer模型安排在這些200 m單元上作業(yè)并且合并成一個(gè)維修區(qū)段的原因。

針對一條允許速度160 - 200 km/h、長180 km的線路，設(shè)定單次作業(yè)長度為2.0 km．勾選高低、軌向、水平和三角坑，設(shè)置不同的可用作業(yè)量（ 20 - 300 km）和TQI目標(biāo)值（2.0-7.0 mm），優(yōu)化確定維修作業(yè)區(qū)段，計(jì)算每組參數(shù)下的總作業(yè)量（單位為km）。圖6展示了不同參數(shù)下的總作業(yè)量。當(dāng)TQI目標(biāo)值小于5.8 mm時(shí)，經(jīng)過優(yōu)化后實(shí)際需要的維修作業(yè)量增長到一定值后，保持不變；當(dāng)TQI目標(biāo)值大于5.8 mm時(shí)，需要的維修作業(yè)量不變；對于一定的可用作業(yè)量，隨著TQI目標(biāo)值的增大，實(shí)際需要的維修作業(yè)量減少，在TOI目標(biāo)值為4.2 mm時(shí)，維修作業(yè)量減小幅度最大。其他線路上也存在與圖6類似的關(guān)系，具體取決于線路狀態(tài)的空間分布特征。根據(jù)以上分析可得：每個(gè)速度等級線路的TQI目標(biāo)值設(shè)定后，實(shí)際需要的維修工作量也就確定了。這意味著鐵路局集團(tuán)公司下達(dá)的維修成本應(yīng)與設(shè)置的TQI目標(biāo)值匹配。

4 結(jié)語

本文首先簡要介紹了I-Track的功能結(jié)構(gòu)；其次闡述了I—Track實(shí)現(xiàn)線路預(yù)防性狀態(tài)修的理論方法和利用Ramp;M Optimizer模型提出作業(yè)區(qū)段優(yōu)化的建議；最后，將I—Track應(yīng)用到13個(gè)線別共3 800 km線路上，驗(yàn)證了Ramp;M Optimizer的可伸縮性，并分析了TQI目標(biāo)值和可用維修作業(yè)量對實(shí)際需要維修作業(yè)量的影響。

Ramp;M Optimizer在自動(dòng)修正和精確對齊動(dòng)軌檢數(shù)據(jù)的基礎(chǔ)上，利用最近幾次檢測數(shù)據(jù)，構(gòu)建每個(gè)200 m單元的軌道狀態(tài)劣化模型，預(yù)測未來的TQI值，根據(jù)選擇的不平順指標(biāo)和設(shè)定的TQI目標(biāo)值，考慮天窗時(shí)長、每次作業(yè)起終點(diǎn)限制和維修成本等約束，優(yōu)化確定作業(yè)區(qū)段。

I—Track的Ramp;M Optimizer有兩種用途：一種是根據(jù)TQI目標(biāo)值優(yōu)化確定需要的維修成本，設(shè)置TQI目標(biāo)值和大機(jī)作業(yè)效率，將可用維修作業(yè)量置為空，I—Track輸出的即為需要維修的區(qū)段；另一種是結(jié)合TQI目標(biāo)值根據(jù)TQI合理分配有限的維修成本，設(shè)置TQI目標(biāo)值、大機(jī)作業(yè)效率和維修作業(yè)量，I—Track輸出的即為有能力、最應(yīng)該維修的區(qū)段。一般講，工務(wù)段利用I—Track能夠在1 min內(nèi)得到管內(nèi)所有線路預(yù)防性狀態(tài)修的作業(yè)區(qū)段。

參考文獻(xiàn)

[l] XU P，SUN Q X，IJU R K，et a】.Key equipmentidentification model for correcting milepost errors of trackgeometry data from track" inspection" cars" [J].Tramsportation Research PartC：Emerging Technologies，2013， 35（10）：85-103.

[2]徐鵬．鐵路軌檢車檢測數(shù)據(jù)里程偏差修正模型及軌道不平順狀態(tài)預(yù)測模型研究[Dl.北京：北京交通大學(xué)，2012.

[3] XU P，LIU R，SUN Q，et al.Dynamic-time-warping-based measurement data alignment model for condition-hased" railroad" track" maintenance""" [J]." IEEErl'ransac：tions on Intelligent Transpoitation Systems.2015，16（2）：799-812.

[4] XU P，SUN Q X，LIU R K，etd．Optimizing the alignmentof inspection data from track geometry cars [J]. Computer-Aided Civil and Infrastructure Engineering， 2015， 30（1）：19-35.

[5] SELIC E T，CARDILLO G M. STEPHENS E，et al.Analyzing and forecasting railwaV data using linear dataanalysis[J].Compulers in RailwayⅪ，2008 ，103： 25-34.

[6] SELIG E T，CARDILLO I，GERALD. Method andsvstem for analyzing linear engineering information：US768063IB2[P].2010-03-16.

[7] YOSHIDA T，TANAKA H. NISHIMOTO M. et al.Integrated railwav infrastructure management systemwith uniform location on" a kilometerage Basis" [J].Quarterly Report of RTRJ， 2022， 63（1）：13-18.

[8]白文飛，軌道設(shè)備修理周期預(yù)測及全壽命周期修理決策優(yōu)化模型研究[D]．北京：北京交通大學(xué)，2018.

[9]" PACE P，MERCER M. JOVANOVIC J." Enhancedplanning of track maintenanc：e" amp;" renewal using anintegrated track" maintenance management system[J].IHHA Specialist Technical Session" （STS）" KirunaSweden ，2007，6：359-367.

[ 10] XU P， SUN Q X， LIU R K， et al. A short-range precliction" model for track quality index [Jl. Procee.clings of the"" Institution of Mechanical Engineers ，ParL F ：Journal of Rail" and Rapid Transit， 2011 ， 225（3） ： 277-285.

[ II ]" MASASHI M W， OYAMA T. An optimal track maintenance" scheduling model analysis taking the risk of accidents"" into consideration" [ J ] ." International Transactions in" Operational" Research ，" 2018 ，" 25 （ 5 ） ：" 1465 - 1490.

[ 12 ]" QUIROCA L M， SCHNIEDER E." A Heuristic Approach to" Railway Track Maintenance Scheduling" [ C l//NING" B， BREBBIA C A. International Conference on Computer" System Design and Operation in Railways and other"" Transit Systems." Beijing ： [ s. n. ] ，2010 ： 687-699.

[13] CAETANO L F， rIEIXEIRA P F. Ptedictive maintenance" model for ballast tamping [ J ] ." Journal of Transportation" Engineering; ，" 2016 ." 142（4） ：04016006.

[14] SEDGHI M. BERGQUIST B. VANHATALO E， et al." Data-driven maintenance planning and scheduling" based on predicted railway track condition" [ J ]." Quality and Reliability Engineering International，"""""""""""""""" ＼"""""" ." 2022， 38（7） ： 3689-3709.

[ 15 ]" CHANC Y Y. LIU R K， rrANG y J." Segment-condition-" based railway track maintenance schedule optimization [ J ] ." Computer-Aided Civil and Infrastructure Engineering，"" 2022. 38（2） ： 160-193.修計(jì)kiJ編制研究" I D] ."" J北京 ：北京交通大學(xué) ，" 2023.

[17] PACE P. KONTOKOSTAS L. WESSELS L. et al."" Condition-based maintenance using an integrated track" maintenance management system [ C ]//Railway" Technical Society of Australasia. Proceedings of the" Conference on Railway Engineering. Perth： Railway"" Technical Society of Australasia ，" 2008 ： 303- 311.

[18] JOVANOVIC S. Railway track quality assessment and" related clecision making" [ C l//AREMA . AREMA" annual conferences. Kentucky： AREMA.2006.

[19] PACE P， LOVECCHIO s， rvnNINNI R M. Ptediction""" accuracy" analysis" for" optimized" infrastructure"" maintenance planning [ C l//the Italian State Railwa-"""" ys." World Congress on Raihvay Research." Milan ： the""" Italian State Railways，2016.

作者單位：1.中國國家鐵路集團(tuán)有限公司工電部，北京100844；

作者單位：2. 中國鐵路南昌局集團(tuán)有限公司，南昌330002；

作者單位：3. 中國鐵道科學(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；

作者單位：4.北京交通大學(xué) 交通運(yùn)輸學(xué)院，北京100044

作者簡介：康慶濤，男，高級工程師。