Automatic analysis system for tread damage of railway passenger car wheel set
-
摘要: 为了解决客车轮对踏面硌伤人工分析效率低且质量不高的问题,基于大数据关联分析技术,构建了一套硌伤自动分析系统。从硌伤排查、自动分析、故障定位、统计分析4个方面分析系统的主要组成和功能,探讨了实现系统的关键技术。系统的应用提高了对客车轮对踏面硌伤分析和故障排查的效率。Abstract: In order to solve the problem of low efficiency and low quality of manual analysis for tread damage of railway passenger car wheel set, this paper built an automatic analysis system for tread damage based on big data association analysis technology, analyzed the main components and functions of the system from four aspects of damage investigation, automatic analysis, fault location and statistical analysis, and discussed the key technologies to implement the system. The application of the system improves the efficiency of the analysis and troubleshooting of the passenger car wheel tread.
-
铁路客车轮对踏面硌伤是旅客列车运行途中压过轨面异物导致轮对踏面异常的一类铁路客车运用故障[1]。由于轮对踏面发生硌伤后会影响旅客列车的运行品质和旅客乘坐舒适性,超限的踏面硌伤更是影响列车运行安全、平稳和轮对使用寿命的重要因素[2-3]。如何及时高效的排查、找到并处理钢轨异常点,减少对后续运行列车的影响,是当前铁路调度部门亟待解决的问题。
目前,铁路部门对于车辆运行过程中发生的踏面硌伤分析仍采用传统人工方式,分析结果取决于调度人员工作经验和技术资料的准确性,分析过程耗时长且分析结果质量不高,导致在故障处理时造成了机辆设备和人力资源的浪费。因此,研究利用信息技术手段构建客车轮对踏面硌伤自动分析系统,精准指导现场人员排查处理钢轨故障点,最大程度减少对后续运行列车的影响,提高旅客列车的运行品质和旅客乘坐舒适性,就成为了现阶段的迫切需要。
本文研究的铁路客车轮对踏面硌伤自动分析系统(简称:系统)利用大数据分析技术对硌伤列车的运行轨迹进行串接和分析比较,计算硌伤列车运行径路的最小重合区段,分析故障影响范围,为调度部门排查出钢轨的故障点提供决策辅助,最大程度减少对后续列车的影响。
1 系统架构与功能设计
1.1 系统架构
系统主要分为应用层、业务逻辑层和数据层,其架构,如图1所示。
1.2 系统功能设计
1.2.1 硌伤排查
实现硌伤基础信息的快速采集、汇总与展示。中国国家铁路集团有限公司(简称:国铁集团)调度员向各铁路局集团公司发起硌伤排查的指示,完成管内硌伤车次基本信息的填报、上传。需要采集的基础信息包括:硌伤发现日期、轮对数量、列车型/车组号、车次交路等,这些信息将作为硌伤自动分析系统的数据源输入。
1.2.2 自动分析
(1)数据处理
根据各铁路局集团公司硌伤排查的结果,系统对其数据关联处理和计算,完成所需数据源的加载、数据格式统一、基础字典统一、错误数据清洗等多种数据融合计算。根据业务特征对数据进行关联分析和匹配,包括:对硌伤基础信息与列车、运行线、编组之间的关联,列车全息数据的生成,故障列车运行重合区间的计算。
(2)影响范围分析
结合客车开行日班计划和列车实际运行图数据,对将要经过发生硌伤区间的客运列车进行影响范围分析,提供受影响列车的车次、到发时间、当前到发站、编组信息,便于调度部门根据掌握的故障信息和将要产生的影响程度,对后续列车进行有目的的限速控制或扣停。
1.2.3 故障定位
结合硌伤发生时的所在线路、上下行方向、公里标及铁路运营网络图等基础信息,利用GIS技术将硌伤列车运行的重合区段在铁路网地图或列车运行图上进行标记和定位,提供车站的详细位置及列车的全程运行轨迹。
1.2.4 统计分析
提供硌伤信息的阶段统计,分时段从局别、线别、车型车组、设备设施生产、管理单位等各个方面深入分析,集中展示,方便调度员根据历史数据对重点运行线路和区段进行分析、监控,对多次发生硌伤的线路或区段预警提示,便于调度部门提前发现影响安全环境的潜在因素和薄弱环节,从而提高客运列车运营安全管理水平。
2 系统实现
2.1 数据处理
由于系统使用的数据来源众多,除通过本系统进行硌伤排查所得的硌伤基本信息外,其他数据均来自各个外部系统,如行车调度实际运行图来自TDCS/CTC,客运编组信息来自客车管理信息系统,客运日班计划来自综合调度系统等。
数据处理从既有的生产系统中抽取硌伤自动分析所需的各种生产数据,根据其相关的业务特性分析、汇集形成支撑本系统功能的数据环境。具体包括以下几方面内容。
(1)数据采集
通过与各外部系统定义的Web Service接口,采用定时和实时相结合的方式,从相关信息系统采集列车工作日计划、实际运行图及列车编组等数据。
(2)硌伤车次与列车运行线信息关联
以硌伤车次为对象,通过车次与时间识别列车在运行图上的实际运行径路信息,建立硌伤车次与实际列车运行线之间的联系。
(3)客运日计划与运行图实际信息关联
客运日计划中有车次和列车时刻信息,但只有大的客运站信息。列车实际运行图有详细的车站信息,但列车运行信息通常是由多个调度台的调度信息组合而成,一列列车有多条运行线信息[4]。在本文中,以客运日计划为基准,通过车次和车站,将实际运行图的详细径路与时间信息补充客运日计划中各节点,通过计划与实际的关联,生成客运列车的完整运行轨迹。
(4)客车对象信息的全息集成
从多个角度对比合成一个完整的实际开行的客运列车对象信息,针对硌伤车次,能够展示每一列客车的车次、全程时刻、车底交路、编组信息、旅客乘降信息、机车信息、乘务信息等相关信息。
(5)重合区段的分析
根据已生成的所有硌伤车次的完整运行轨迹和列车全息信息,利用大数据技术对径路集合中的所有车站进行关联分析,找出其频繁项集,结合线路、车站基础字典及车次交路运行规则,剔除频繁项集中的冗余干扰信息,从而找到硌伤车次的共同运行最短径路,为调度部门排查找到运行线路异常点,为及时处理提供指导性方案。
2.2 故障影响范围分析
故障影响范围分析可以辅助调度部门掌握轨道故障产生的影响程度,以便进一步制定有效的预案措施。根据系统的自动分析功能模块计算出列车发生硌伤的故障区段后,从客运日计划和列车实际运行图的关联信息中搜索所有未来一段时间内将经过故障区段的客运列车运行全息信息,包括列车的车次、始发站、终到站、当前所在车站,以及计划到达所查询站的时间、列车司机和旅客乘降信息,实时估计出列车晚点时间,以便调度人员根据实际情况和调度规则对后续列车进行有目的的限速控制或扣停。
2.3 形成指导性方案
通过前面的研究,系统根据各铁路局集团公司要求完成的硌伤排查结果,利用大数据关联分析方法计算出发生硌伤的列车实际运行轨迹及最小运行重合区段,对故障线路影响的列车范围进行分析,形成一个指导现场排查方案,以电文或调度命令的形式下发相关铁路局集团公司调度所,指导现场及时发现故障点进行处置。
3 系统关键技术
3.1 关联数据分析处理
由于系统中需要处理的主要数据来源TDCS/CTC系统的列车运行线信息,而TDCS/CTC系统中的列车运行线是按照调度台指挥列车运行的[4],不同调度区段存在跨调度台运行列车的运行信息无法自动连续记录和存储的问题[5]。所以,关联数据处理要解决客运列车运行线串接问题,只有将多条跨调度台或跨铁路局集团公司的列车运行线拼接后,才能为故障车次生成完整连续的列车运行轨迹,而完整的列车运行轨迹对排查故障车次最短共同运行径路,以及分析故障影响范围提供直接的决策依据。
为有效地将同属一列列车的运行线信息串接起来,需要判定在不同列车调度台的多条运行线信息是否归属于同一列列车[6]。本文采用的判定方法如下:
(1)将客运日计划数据加载到内存,并定期更新同步客运日计划的数据;
(2)以客运日计划为依据,用新进入的运行图数据的车次(可变)、车站分别与日计划中的车次、车站进行匹配;
(3)如果匹配成功,再匹配列车到达(出发)车站的时间,如果时间在一定的误差范围内,就认为是同一列列车。
在处理过程中也遇到一些问题,如:车次命名不规范的问题;行调数据缺失;客运日计划中的开行数据粒度较粗,客运站与行调站不一致等问题。系统在处理这些问题时会根据调度规则创建相关映射字典,对于字典无法解决的问题,则通过业务功能界面进行问题车次的提示,由用户人工确认后形成经验字典库,为大数据关联分析奠定基础。
3.2 大数据解决方案
考虑到系统所使用的数据源如行车调度运行线数据、客运日计划、铁路线基础数据等数据量日益攀升,对于海量数据引发的数据存储、数据查询等问题,本系统中引入了海量数据处理技术和大数据处理平台,如图2所示。
Hadoop是一个基于Java的分布式密集数据处理和数据分析的软件框架,如今已在各个领域被广泛使用,能够对海量数据进行存储和计算分析[7]。本系统数据处理是从既有的外部系统中抽取硌伤自动分析相关的各种生产数据。对于列车运行线历史信息、基本图信息、线路、车站等基础信息利用大数据采集工具导入Hadoop平台,按照列车运行车次、行车区间等不同的组织方式,存放在数据仓库中,便于历史分析。对于列车运行的实时轨迹信息、客车开行日计划、编组等信息直接存入关键值数据库,便于实时处理和查询。
Spark提供了一整套闭环的大数据应用分析解决方案,基于内存的迭代计算框架,适用于需要多次操作特定数据集的应用场合[8]。对于硌伤数据分析,使用Spark分布式计算技术来实现列车运行轨迹最短共同运行径路的计算与故障影响范围分析。最短共同运行径路的计算涉及上百条列车运行线,成千上万个行调站点的数据,需要对这些数据进行反复的迭代分析、比对,并利用调度规则将数据中的错误信息进行剔除,最后确定这些列车的最短重合运行区段。故障影响范围分析则利用实时数据分析将经过最短重合区段的所有列车及关联信息快速提取出来,为调度指挥决策评估提供最直接的行车方案调整依据。
4 系统应用及应用效果
系统已经在国铁集团和铁路局集团公司动车和车辆调度岗位得到了广泛的应用,通过自动分析和计算故障列车的重合运行轨迹和影响范围,对故障区间进行自动定位,形成一个指导现场排查的方案,及时通知相关铁路局集团公司调度所,指导现场进行故障排查处置。
根据铁路部门2019年的统计数据,普速旅客列车发生10次轮对踏面硌伤,涉及上百组客车车体,动车组发生13次,涉及更多的动车组车底。通过本系统的自动分析功能,不仅缩短了调度员进行硌伤分析的时间,降低了调度人员的劳动强度,提高了定位和排查故障的效率,也减少了机辆设备和人力资源的浪费。
5 结束语
随着客运列车的提速、客车开行数量的急速增加,客车轮对踏面硌伤问题也日益突出,传统的人工分析方法效率低下且运营成本高,基于大数据处理技术的自动分析系统的建设正好解决铁路部门的这个问题,未来随着列车运行图、客运日班计划等数据源质量的提高和线路设备基础数据的统一规范,结合历史事件记录库的积累和修正,将逐步提升故障分析结果的精准性,推动运输调度工作向高质量高效率发展,提高运输调度指挥的自动化、智能化水平。
-
[1] 安博洋,赵 鑫. 车轮踏面硌伤处的瞬态滚动接触应力分析 [J]. 润滑与密封,2014,39(12):69-74. DOI: 10.3969/j.issn.0254-0150.2014.12.014 [2] 王兴华,曾宇清. TPDS对客车踏面损伤监测应用分析 [J]. 铁道机车车辆,2014,34(5):83-86. [3] 蒋 荟,喻冰春,赵 颖,等. 车辆运行品质轨边动态监测系统优化及深化应用设计 [J]. 铁路计算机应用,2016,25(3):4-7. [4] 刘 俊. 铁路快运列车全程实时追踪实现方案 [J]. 铁道运输与经济,2016,38(12):1-7. [5] 中国铁路总公司. 铁路运输调度管理系统 TDMS5.0 总体技术方案[Z]. 北京: 中国铁路总公司, 2014. [6] 张伯驹. 新一代铁路运输调度管理系统研究与实践 [J]. 中国铁路,2017(9):26-32. [7] 武 威. 基于Hadoop平台的铁路车流运行径路获取与预测模型及算法研究[D]. 北京: 北京交通大学, 2017. [8] 单杏花,王富章,朱建生,等. 铁路客运大数据平台架构及技术应用研究 [J]. 铁路计算机应用,2016,25(9):14-17. -
期刊类型引用(1)
1. 李伟. 基于大数据技术的铁路车辆轮对检修方法研究. 运输经理世界. 2024(27): 161-163 . 百度学术
其他类型引用(0)