动车组大数据处理及分析

基金项目:

中国铁路成都局集团有限公司科技研究开发计划项目(2016CX1639)

Large data processing and analysis of EMU

摘要: 将动车组运用维护过程中产生的海量数据进行处理与分析,解决数据不能转换为可用结果的问题。依托大数据分析软件Tableau、按照大数据分析的流程进行处理及分析,实现了闸片磨耗率、磨耗差异、偏磨量等多角度展示,同时,结合地图与GPS坐标对故障分布进行了标记。分析结果表明,大数据处理技术可提高数据分析的效率及准确性。
- 数据清洗 /
- 线性回归 /
- 磨耗率
Abstract: This article processed and analyzed the massive data generated during the EMU operation and maintenance, and solved the problem that data can not be converted into available results.Relying on the big data analysis software Tableau and according to the process of big data analysis, the brake wear rate, wear difference, partial wear and other aspects were displayed. At the same time, the fault distribution was marked with the map and GPS coordinates.The analysis results show that the big data processing technology can improve the efficiency and accuracy of data analysis.
- data cleaning /
- linear regression /
- wear rate

[1]	张春,李鹏程. 基于状态维修的动车组关键部件寿命预测[J]. 铁路计算机应用, 2015, 24(7):1-4.
[2]	吕晓艳,刘彦麟,单杏花,等. 基于大数据平台的铁路旅客群体分析应用研究[J]. 铁路计算机应用, 2016, 25(9):28-30.
[3]	陈建成,庞新生,李川. 统计学统计数据分析理论与方法[M]. 北京:中国林业出版社, 2013.
[4]	延婉梅. 动车组大数据清洗关键技术研究与实现[D]. 北京:北京交通大学, 2015.
[5]	Ashutosh Nandeshwar.Tableau Data Visualization Cookbook[M]. Birmingham Bretain:PacktPublishing,2013:1-133.
[6]	刘永科. 地铁制动闸片异常磨耗原因分析及解决措施[J]. 山东工业技术, 2014(20):48-49.
[7]	申玉伟,曹晓祎. 我国用电量的多元回归分析[J]. 电子技术与软件工程, 2018(24):225.
[8]	朱伟鹏. 深圳地铁11号线受电弓碳滑板磨耗率研究[J]. 铁道机车车辆, 2018, 38(4):121-126.
[9]	姜春莹,何春光. 基于电子地图的电力抢修智能调度系统的研究[J]. 中国高新区, 2018(12):26.
[10]	丰雪霏. 动车组运用检修的修程修制优化与实践[D]. 北京:中国铁道科学研究院, 2018.