基于大数据技术的铁路安全管理

李峰

摘要：在互联网信息时代下，各种先进的信息技术层出不穷，比如云计算技术、大数据技术等，同时在铁路安全管理领域也应用了诸多信息管理系统。因此在铁路安全方面产生了海量的数据信息，通过应用大数据技术，能够从这些海量数据中挖掘出更多更有价值的信息，从而为铁路安全管理提供良好的信息支持，从根本上提高铁路安全管理质量水平。本文先分析了铁路安全管理数据的特征，然后对基于大数据技术的铁路安全管理措施进行探讨。

关键词：大数据技术;铁路;安全管理;措施

1铁路安全管理数据的特征

1.1规模性

目前，铁路安全领域已相继建立各专业安全监测/监控系统近60余个，产生和积累了PB级的数据。比如，在“5T”系统中，TFDS产生的图像信息是数据量最大的，一趟车经过，产生大概700～800M的图像数据;高速铁路综合视频监控系统产生的视频数据规模每年约为142PB。高速铁路自然灾害及异物侵限系统数据以及视频监控数据仅是高速铁路安全数据集中一部分，可见铁路安全管理领域具有大数据的规模性特征。

1.2多样性

多样性是指数据来自于多种数据源，数据种类和格式冲破了以前所限定的结构化数据范围，囊括了半结构化数据和非结构化数据。铁路安全管理监控/监测系统涵盖车、机、工、电、辆等专业系统，并且每个专业都是个庞大而复杂的系统，数据格式包含设备台账、人工检查记录本等纸质类数据，轨检车的geo和iic格式的数据，道岔铺设图、桥梁布置图、线路设备综合图、车站竣工图等CAD图纸数据，以及视频监控录像、图像、音频等数据。此外，铁路安全管理大数据应用过程中还存在着与天气、地震等多类型数据的关联分析。

1.3快速性

大数据的数据挖掘技术与传统的技术不同，在于其处理速度非常快，具体来说数据流往往为高速实时数据流，而且需要快速、持续地实时处理。如高速铁路综合视频监控系统、CTC/TCDS、供电SCADA系统、电务微机监测系统、防灾监测系统等，实时处理着各种监测数据，快速判断现场发生的病害或事故，及时反馈给铁路运营部门，保障铁路行车安全。

1.4价值性

主要体现为铁路运营部门可利用积累的设备相关历史数据，通过各种统计、算法，对与安全相关的大数据进行分析，从数据中发现关联、发现知识，成为风险控制、安全行车的重要依据。

2基于大数据技术的铁路安全管理措施

2.1铁路人员

2.1.1重点对象追踪

所谓的重点对象追踪，简单来说就是在大数据技术的帮助下，辅以必要的人脸识别技术，从而能够在众多列车乘客中快速识别定位重点安全隐患对象，从而能够及时消除安全隐患。尤其是在铁路车站中，人流密度大、存在的治安风险隐患多，因此通过在车站人脸识别系统的帮助下，能够采集每一位进站人员信息，这些数据信息会上传至公安局系统中，通过比对查找出危险分子。与此同时，还会以客票系统乘车信息为依据，在大数据挖掘技术的帮助下，了解重点对象活动路线，根据相应路线，实现对重点危险人员的抓捕。

2.1.2铁路安全决策

铁路在运行期间，一旦出现重大事故，应急救援指挥信息系统会提供一些历史事故数据，同时还要提供一些铁路沿线视频监控数据等，针对这些数据，通过借助大数据聚类分析、关联分析等技术，能够从中发现事故规律，总结事故处理经验，从而能够为后续铁路安全管理决策提供充足的信息参考支持。

2.2铁路环境

2.2.1自然灾害预测

铁路一般横跨距离比较长，因此铁路沿线的天气变化多端，因此在沿线更容易受到各种自然灾害的影响，很多自然灾害均具有突发性特点。通常会基于自然灾害类型的不同，采用针对性预测方法。比如可以通过应用大数据技术，能够针对一些自然天气灾害，通过建立数学模型，根据相应的模型，来实现自然灾害情况的预测，从而为列车运行提供良好支持。

2.2.2异物侵限监测

通过进行铁路异物侵限监测，能够在第一时间发现侵限问题，从而及时发出告警，行车调度中心也会第一时间收到告警，从而能够提前采取针对性处理措施，从而能够有效避免重大行车事故发生。在当下实际进行异物侵限监测时，主要会用到双电缆传感器、光缆传感器、红外线等技术，而在这一过程中做好大数据技术的应用，通过在大数据挖掘技术的帮助下，分析异物侵限发生的时间、发生环境、造成危害等数据信息，从而能够了解异物侵限出现的大致规律，能够有效做到未雨绸缪，从根源上杜绝因异物侵限而导致的安全事故发生概率。

2.3铁路设备

2.3.1故障诊断

为了更好的诊断设备故障发生原因，并以此采用针对性预防措施，需要借助大数据技术，数據挖掘方法的帮助下，更好的开展铁路设备故障诊断，从海量的历史数据之中，找出相应的规律，解释设备故障发生特点，还能够对铁路设备故障发展趋势进行合理的预测，从而更有利于设备故障的消除。在这一过程中，针对大数据挖掘技术的应用，主要是借助铁路设备在发生故障时，会产生动态事件序列信息时空特点，并以此为依据，成功建立铁路设备故障发生过程时间序列信息模型，在此基础上，通过数据挖掘方式，挖掘出事件序列信息中隐含的关联性，从中发现故障发生规律，更有助于故障问题解决。另一方面，应该大数据挖掘技术进行设备诊断，还能够在距离函数的帮助下，来度量事件序列相似性，同时采用动态规划算法。运行相似性最优代价，最终成功将故障诊断问题转化为寻找与实际故障事件相似的模式，最终总结出设备故障特征和故障处理模式，更有助于故障问题解决。

2.3.2安全风险源识别

针对铁路设备的安全管理，需要立足社会运行各个环节，分析其中存在的危险因素，并通常采用定性或定量统计分析方式，明确不同安全风险的严重程度，并以此为依据，确定安全风险的防控顺序，从而既能够降低安全风险防控处理带来的成本损耗，又能够最大地减少安全风险发生带来的损失，最终促使铁路安全生产环境得到有效改善，从根本上降低铁路安全事故的发生概率。在实际进行铁路设备状态的安全风险管理过程中，需要对存在的安全风险进行全面识别，还需要对存在的安全风险做好评估与控制。在实际进行铁路设备安全风险识别的过程中，需要参考故障诊断的结果，通过应用大数据挖掘技术，找出与出现故障设备各种条件相同，但并未发生故障的设备，一般情况下，这种设备潜在安全风险通常比较大。因此在实际进行设备安全管理时，需要着重对同类型设备关注同时，除此之外，在大数据技术的帮助下，还能够结合现有设备的运行条件变化规律，来对设备未来运行进行的安全状态，从而提前做好在设备故障发生前，就能够及时进行维护处理，更好的保证铁路设备安全。

3结束语

当下随着各种信息技术的应用，铁路安全管理产生的数据越来越丰富，数据规模也越来越大，为了促使这些数据发挥出更大的作用价值，有必要立足铁路安全管理各个环节，做好大数据技术的针对性应用，从而挖掘出更多有价值的信息，为铁路安全管理提供良好的信息支持。

参考文献

[1]倪斌，张明真.基于大数据分析的安全管理平台技术研究及应用——以铁路数据管理平台为例[J].郑州铁路职业技术学院学报，2017，（02）：6-9.

[2]杨连报，李平，徐贵红，等.基于大数据技术的铁路安全管理研究[J].铁路计算机应用，2016，25（09）：83-87.

[3]赵国印.基于大数据技术下的铁路安全运输管理相关分析[J].建筑工程技术与设计，2017（23）：959-959.