本發(fā)明涉及鐵路設施大數(shù)據(jù)分析，尤其涉及一種鐵路設施空間特征大數(shù)據(jù)分析方法。

背景技術：

1、隨著各類新型空間數(shù)據(jù)采集手段的出現(xiàn)，數(shù)據(jù)采集渠道增多，通過新型測量技術采集得到的鐵路空間數(shù)據(jù)越來越多，目前鐵路空間數(shù)據(jù)具有數(shù)據(jù)量大、數(shù)據(jù)類型多、空間結構復雜等特征，結合大數(shù)據(jù)分析可實現(xiàn)海量空間數(shù)據(jù)挖掘、監(jiān)控與預警、決策支持等，鐵路空間大數(shù)據(jù)分析典型應用包括設施故障預測、動車組生產(chǎn)力布局、客貨運市場價格監(jiān)測、物流市場需求監(jiān)測、工程建設進度組織、鐵軌質(zhì)量評價等。圖2所示為鐵路空間大數(shù)據(jù)分析典型應用，借助大數(shù)據(jù)分析技術、空間幾何分析技術、圖像特征提取技術，積極探索鐵路大數(shù)據(jù)基礎設施空間特征分析方法，并在鐵路安全風險預警、周邊異物入侵預測、基礎設施識別等領域取得了顯著成果，可以應用于設施故障預測、動車組生產(chǎn)力布局、客貨運市場價格監(jiān)測、工程建設進度組織、鐵軌質(zhì)量評價和物流時長需求監(jiān)測等方面。這些創(chuàng)新實踐不僅為鐵路行業(yè)的進步提供了新動力，也為我國整體交通運輸系統(tǒng)的發(fā)展開辟了新的前景。其中，鐵路設施空間數(shù)據(jù)包含位置信息、空間分布、空間關聯(lián)、空間結構、空間屬性、空間變化和空間關鍵點等數(shù)據(jù)，具有豐富的特征。鐵路設施空間數(shù)據(jù)對于鐵路運輸系統(tǒng)的管理、規(guī)劃和優(yōu)化具有重要意義。

2、但是，現(xiàn)有的鐵路設施空間特征分析方法缺乏規(guī)范的整體架構和特征分析流程，為此如何提供一種規(guī)范、統(tǒng)一且廣泛適用的鐵路設施空間特征分析方法是一個亟待解決的技術問題。

技術實現(xiàn)思路

1、鑒于此，本發(fā)明實施例提供了一種鐵路設施空間特征大數(shù)據(jù)分析方法，以消除或改善現(xiàn)有技術中存在的一個或更多個缺陷。

2、本發(fā)明的一個方面提供了一種鐵路設施空間特征大數(shù)據(jù)分析方法，該方法包括以下步驟：獲取多源頭采集的鐵路空間數(shù)據(jù)，并對獲取的鐵路空間數(shù)據(jù)進行預處理，利用屬性模糊匹配模型對不同數(shù)據(jù)類型的鐵路空間數(shù)據(jù)進行關鍵字段匹配，構建得到具備統(tǒng)一的鐵路要素數(shù)據(jù)結構的鐵路空間數(shù)據(jù)；將構建得到的具備統(tǒng)一的鐵路要素數(shù)據(jù)結構的鐵路空間數(shù)據(jù)在經(jīng)過數(shù)據(jù)質(zhì)量核查后存儲到地理信息數(shù)據(jù)庫和/或大數(shù)據(jù)存儲平臺；對存儲的歷史時段的鐵路空間數(shù)據(jù)進行空間分析、地理信息系統(tǒng)分析和軌道網(wǎng)絡分析，提取得到包含空間幾何特征、空間位置特征和設施狀態(tài)特征在內(nèi)的鐵路設施空間特征；通過聚類分析模型學習所述鐵路設施空間特征，對設施安全事故進行聚類，以識別潛在的安全風險；通過監(jiān)督學習模型學習鐵路設施空間特征包含的歷史時段內(nèi)的設施狀態(tài)特征，以對鐵路設施的故障模式進行分析。

3、在本發(fā)明的一些實施例中，所述鐵路空間數(shù)據(jù)的采集源頭包括無人機、車載設備、傳感器、鐵路監(jiān)控系統(tǒng)、地理信息系統(tǒng)和北斗采集裝置中的多種，所述鐵路空間數(shù)據(jù)包括設備狀態(tài)數(shù)據(jù)、運行記錄信息、站點信息和線路信息中的多種；所述鐵路空間數(shù)據(jù)的類型包括shp、gdb和tif格式。

4、在本發(fā)明的一些實施例中，所述對獲取的鐵路空間數(shù)據(jù)進行預處理的步驟包括：對獲取的鐵路空間數(shù)據(jù)進行數(shù)據(jù)清洗和格式化處理，使用地理校準和坐標系轉(zhuǎn)換的方式對鐵路空間數(shù)據(jù)進行統(tǒng)一化處理。

5、在本發(fā)明的一些實施例中，對鐵路空間數(shù)據(jù)進行數(shù)據(jù)質(zhì)量核查的步驟包括：統(tǒng)計鐵路空間數(shù)據(jù)的采集點的分布信息，分析采集點的距離偏差和線路連貫性，按照預設規(guī)則篩查出采集點質(zhì)量低于預設閾值的鐵路空間數(shù)據(jù)；核查具備統(tǒng)一的鐵路要素數(shù)據(jù)結構的鐵路空間數(shù)據(jù)的屬性信息內(nèi)容結構的完整性和準確性，篩查出不完整或不準確的鐵路空間數(shù)據(jù)。

6、在本發(fā)明的一些實施例中，所述方法還包括鐵路設施空間特征融合步驟，包括：通過鄰域聚合模型和循環(huán)神經(jīng)網(wǎng)絡模型學習存儲的歷史時段的鐵路空間數(shù)據(jù)得到鐵路空間數(shù)據(jù)的節(jié)點特征和序列特征；利用位置感知多頭自注意力網(wǎng)絡發(fā)掘鐵路設施的隱藏特征；將所述節(jié)點特征、所述序列特征、所述隱藏特征、空間幾何特征、空間位置特征和設施狀態(tài)特征輸入到特征融合模型中，得到融合后的鐵路設施空間特征。

7、在本發(fā)明的一些實施例中，所述方法還包括鐵路環(huán)境安全態(tài)勢感知分析的步驟，包括：利用多源頭采集的的鐵路空間數(shù)據(jù)，建立鐵路環(huán)境基礎設施及安全范圍辨識模型，基于定焦視頻監(jiān)控，分析監(jiān)控采集的圖像的像素值變化率和灰度投影以實現(xiàn)鐵路設施識別；利用多源頭采集的的鐵路空間數(shù)據(jù)，通過基于遷移學習的鐵路周界地物識別模型，對鐵路周界存在安全隱患的地物進行檢測和識別。

8、在本發(fā)明的一些實施例中，所述通過監(jiān)督學習模型學習鐵路設施空間特征包含的歷史時段內(nèi)的設施狀態(tài)特征，以對鐵路設施的故障模式進行分析的步驟包括：利用監(jiān)督學習模型對鐵路設施的歷史故障數(shù)據(jù)進行分析和建模，預測鐵路設施在未來時段內(nèi)的故障模式，利用分類算法訓練識別不同類型的故障模式，利用回歸模型預測故障發(fā)生的未來時段。

9、在本發(fā)明的一些實施例中，鐵路空間數(shù)據(jù)還包含鐵路系統(tǒng)的客流數(shù)據(jù)，所述方法還包括：利用聚類模型或關聯(lián)規(guī)則挖掘模型對鐵路系統(tǒng)的不同區(qū)域的客流數(shù)據(jù)進行分析，學習不同區(qū)域之間的客流模式和關聯(lián)關系；利用空間回歸模型學習客流量與其他鐵路空間數(shù)據(jù)的關聯(lián)，訓練用于預測未來客流量。

10、在本發(fā)明的一些實施例中，所述方法還包括：當采集點為鐵路沿線定點視頻監(jiān)控，基于鐵路沿線定點視頻監(jiān)控得到的周界環(huán)境時空信息，基于深度學習模型構建用于識別異物入侵檢測的識別模型，實現(xiàn)異物快速定位、識別和預警；所述方法還包括利用預訓練的成熟度評估模型對用于鐵路設施空間特征分析的模型進行評估的步驟；其中，所述成熟度評估模型包含分析應用、分析質(zhì)量、數(shù)據(jù)架構三個維度，每個維度分為5級，在分析應用維度包含描述性應用、診斷性應用、預測性應用、探索性應用和決策支持應用五個級別，在分析質(zhì)量維度分為描述性分析、診斷性分析、預測性分析、控制性分析和決策支持分析五個級別，在數(shù)據(jù)架構維度分為單結構型、綜合型、人工組織、部分自主組織和自主組織五個級別。

11、在本發(fā)明的一些實施例中，所述方法還包括：對基于鐵路設施空間特征的分析結果進行可視化呈現(xiàn)。

12、本發(fā)明所提出的鐵路設施空間特征大數(shù)據(jù)分析方法，能夠基于提出的鐵路設施空間特征分析方法，提取多維度的鐵路設施空間特征，并基于提取的鐵路設施空間特征訓練大數(shù)據(jù)模型，為智能鐵路、數(shù)字鐵路奠定基礎。

13、本發(fā)明的附加優(yōu)點、目的，以及特征將在下面的描述中將部分地加以闡述，且將對于本領域普通技術人員在研究下文后部分地變得明顯，或者可以根據(jù)本發(fā)明的實踐而獲知。本發(fā)明的目的和其它優(yōu)點可以通過在說明書以及附圖中具體指出的結構實現(xiàn)到并獲得。

14、本領域技術人員將會理解的是，能夠用本發(fā)明實現(xiàn)的目的和優(yōu)點不限于以上具體所述，并且根據(jù)以下詳細說明將更清楚地理解本發(fā)明能夠?qū)崿F(xiàn)的上述和其他目的。

技術特征：

1.一種鐵路設施空間特征大數(shù)據(jù)分析方法，其特征在于，所述方法包括以下步驟：

2.根據(jù)權利要求1所述的方法，其特征在于，所述鐵路空間數(shù)據(jù)的采集源頭包括無人機、車載設備、傳感器、鐵路監(jiān)控系統(tǒng)、地理信息系統(tǒng)和北斗采集裝置中的多種，所述鐵路空間數(shù)據(jù)包括設備狀態(tài)數(shù)據(jù)、運行記錄信息、站點信息和線路信息中的多種；

3.根據(jù)權利要求1所述的方法，其特征在于，所述對獲取的鐵路空間數(shù)據(jù)進行預處理的步驟包括：對獲取的鐵路空間數(shù)據(jù)進行數(shù)據(jù)清洗和格式化處理，使用地理校準和坐標系轉(zhuǎn)換的方式對鐵路空間數(shù)據(jù)進行統(tǒng)一化處理。

4.根據(jù)權利要求1所述的方法，其特征在于，對鐵路空間數(shù)據(jù)進行數(shù)據(jù)質(zhì)量核查的步驟包括：

5.根據(jù)權利要求1所述的方法，其特征在于，所述方法還包括鐵路設施空間特征融合步驟，包括：

6.根據(jù)權利要求1所述的方法，其特征在于，所述方法還包括鐵路環(huán)境安全態(tài)勢感知分析的步驟，包括：

7.根據(jù)權利要求1所述的方法，其特征在于，所述通過監(jiān)督學習模型學習鐵路設施空間特征包含的歷史時段內(nèi)的設施狀態(tài)特征，以對鐵路設施的故障模式進行分析的步驟包括：

8.根據(jù)權利要求1所述的方法，其特征在于，鐵路空間數(shù)據(jù)還包含鐵路系統(tǒng)的客流數(shù)據(jù)，所述方法還包括：

9.根據(jù)權利要求1所述的方法，其特征在于，所述方法還包括：

10.根據(jù)權利要求1-9中任一項所述的方法，其特征在于，所述方法還包括：

技術總結
本發(fā)明提供一種鐵路設施空間特征大數(shù)據(jù)分析方法，所述方法包括：獲取多源頭采集的鐵路空間數(shù)據(jù)；將構建得到的具備統(tǒng)一的鐵路要素數(shù)據(jù)結構的鐵路空間數(shù)據(jù)在經(jīng)過數(shù)據(jù)質(zhì)量核查后存儲到地理信息數(shù)據(jù)庫和/或大數(shù)據(jù)存儲平臺；對存儲的歷史時段的鐵路空間數(shù)據(jù)進行空間分析、地理信息系統(tǒng)分析和軌道網(wǎng)絡分析，提取得到包含空間幾何特征、空間位置特征和設施狀態(tài)特征在內(nèi)的鐵路設施空間特征；通過聚類分析模型學習所述鐵路設施空間特征，對設施安全事故進行聚類，以識別潛在的安全風險；通過監(jiān)督學習模型學習鐵路設施空間特征包含的歷史時段內(nèi)的設施狀態(tài)特征，以對鐵路設施的故障模式分析。本方法能夠分析鐵路設施空間特征，為智能鐵路、數(shù)字鐵路奠定基礎。

技術研發(fā)人員：王雪影,李平,劉億,史天運,封博卿,徐曉磊,張曉棟,李聰旭,劉文斌,肖翔,潘佩芬,劉陽學,李宗洋,李雅兵,王遙遙,莫志暉,范紅衛(wèi),吳磊,路志遠,劉唯佳,魏小娟,于子軒,楊夢雪,舒心
受保護的技術使用者：中國鐵道科學研究院集團有限公司電子計算技術研究所
技術研發(fā)日：
技術公布日：2025/1/6