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

背景技術(shù)：

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(shù)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(jié)構(gòu)復雜等特征，結(jié)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(yù)警、決策支持等，鐵路空間大數(shù)據(jù)分析典型應(yīng)用包括設(shè)施故障預(yù)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(shè)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(yīng)用，借助大數(shù)據(jù)分析技術(shù)、空間幾何分析技術(shù)、圖像特征提取技術(shù)，積極探索鐵路大數(shù)據(jù)基礎(chǔ)設(shè)施空間特征分析方法，并在鐵路安全風險預(yù)警、周邊異物入侵預(yù)測、基礎(chǔ)設(shè)施識別等領(lǐng)域取得了顯著成果，可以應(yīng)用于設(shè)施故障預(yù)測、動車組生產(chǎn)力布局、客貨運市場價格監(jiān)測、工程建設(shè)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(shè)施空間數(shù)據(jù)包含位置信息、空間分布、空間關(guān)聯(lián)、空間結(jié)構(gòu)、空間屬性、空間變化和空間關(guān)鍵點等數(shù)據(jù)，具有豐富的特征。鐵路設(shè)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(shè)施空間特征分析方法缺乏規(guī)范的整體架構(gòu)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(shè)施空間特征分析方法是一個亟待解決的技術(shù)問題。

技術(shù)實現(xiàn)思路

1、鑒于此，本發(fā)明實施例提供了一種鐵路設(shè)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(shù)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(shè)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(yù)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(guān)鍵字段匹配，構(gòu)建得到具備統(tǒng)一的鐵路要素數(shù)據(jù)結(jié)構(gòu)的鐵路空間數(shù)據(jù)；將構(gòu)建得到的具備統(tǒng)一的鐵路要素數(shù)據(jù)結(jié)構(gòu)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(luò)分析，提取得到包含空間幾何特征、空間位置特征和設(shè)施狀態(tài)特征在內(nèi)的鐵路設(shè)施空間特征；通過聚類分析模型學習所述鐵路設(shè)施空間特征，對設(shè)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(shè)施空間特征包含的歷史時段內(nèi)的設(shè)施狀態(tài)特征，以對鐵路設(shè)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(shè)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(shè)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(yù)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(yù)設(shè)規(guī)則篩查出采集點質(zhì)量低于預(yù)設(shè)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(jié)構(gòu)的鐵路空間數(shù)據(jù)的屬性信息內(nèi)容結(jié)構(gòu)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(shè)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(luò)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(luò)發(fā)掘鐵路設(shè)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(shè)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(shè)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(chǔ)設(shè)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(shè)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(shè)施空間特征包含的歷史時段內(nèi)的設(shè)施狀態(tài)特征，以對鐵路設(shè)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(shè)施的歷史故障數(shù)據(jù)進行分析和建模，預(yù)測鐵路設(shè)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(yù)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(guān)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(guān)聯(lián)關(guān)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(guān)聯(lián)，訓練用于預(yù)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(gòu)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(yù)警；所述方法還包括利用預(yù)訓練的成熟度評估模型對用于鐵路設(shè)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(yīng)用、分析質(zhì)量、數(shù)據(jù)架構(gòu)三個維度，每個維度分為5級，在分析應(yīng)用維度包含描述性應(yīng)用、診斷性應(yīng)用、預(yù)測性應(yīng)用、探索性應(yīng)用和決策支持應(yīng)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(yù)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(gòu)維度分為單結(jié)構(gòu)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(shè)施空間特征的分析結(jié)果進行可視化呈現(xiàn)。

12、本發(fā)明所提出的鐵路設(shè)施空間特征大數(shù)據(jù)分析方法，能夠基于提出的鐵路設(shè)施空間特征分析方法，提取多維度的鐵路設(shè)施空間特征，并基于提取的鐵路設(shè)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(chǔ)。

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(lǐng)域普通技術(shù)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(jié)構(gòu)實現(xiàn)到并獲得。

14、本領(lǐng)域技術(shù)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(shù)特征：

1.一種鐵路設(shè)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(quán)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(shè)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(shè)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(quán)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(yù)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(quán)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(quán)利要求1所述的方法，其特征在于，所述方法還包括鐵路設(shè)施空間特征融合步驟，包括：

6.根據(jù)權(quán)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(quán)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(shè)施空間特征包含的歷史時段內(nèi)的設(shè)施狀態(tài)特征，以對鐵路設(shè)施的故障模式進行分析的步驟包括：

8.根據(jù)權(quán)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(quán)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(quán)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(shù)總結(jié)
本發(fā)明提供一種鐵路設(shè)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(gòu)建得到的具備統(tǒng)一的鐵路要素數(shù)據(jù)結(jié)構(gòu)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(luò)分析，提取得到包含空間幾何特征、空間位置特征和設(shè)施狀態(tài)特征在內(nèi)的鐵路設(shè)施空間特征；通過聚類分析模型學習所述鐵路設(shè)施空間特征，對設(shè)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(shè)施空間特征包含的歷史時段內(nèi)的設(shè)施狀態(tài)特征，以對鐵路設(shè)施的故障模式分析。本方法能夠分析鐵路設(shè)施空間特征，為智能鐵路、數(shù)字鐵路奠定基礎(chǔ)。

技術(shù)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(shù)使用者：中國鐵道科學研究院集團有限公司電子計算技術(shù)研究所
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6