[发明专利]基于大数据的轨道车辆经济性运营及维修规划方法

权利要求书

1.一种基于大数据的轨道车辆经济性运营及维修规划方法，其特征在于，包括如下步骤：

S1，大数据采集(1)：是收集检修和运营过程中车辆群体的数据并整合存储的过程；

S2，大数据动态分析(2)：是对经过存储的各类型数据进行专门的特征分析并提取特征参数的过程；

S3，运营维修策略优化(3)：是对各项特征参数进行综合分析，分别得出关于维修保养方面的策略优化方法及关于运营方面的策略优化方法的过程；

S4，反馈数据采集(4)：是针对S3得到的优化方法，对轨道车辆运营及维修保养过程进行优化，反馈更新采集数据的过程；

S5，经济效益分析(5)是分析评估运维策略优化对车辆管理部门的经济效益的提升作用的过程；

其中：

大数据采集(1)过程可以分为：与车辆部件损耗直接相关参数的采集(11)过程、与维修工艺相关参数的采集(12)过程、与运营线路相关参数的采集(13)过程；

与车辆部件损耗直接相关参数的采集(11)过程用于采集车轮轮缘厚度、踏面磨耗量外形参数、受电滑板厚度与轨道车辆易磨损部件直接相关的参数；采集数据内容为万公里磨耗量，以及各部件间比较偏磨状况；得到的结论能够对各磨损部件的剩余寿命进行初步预测，从而通过剩余寿命合理安排维修周期，并以维修周期作为输入变量对各部件磨损率和偏磨状况的影响的特征参数进行预测(21)；

与维修工艺相关参数的采集(12)过程用于采集车轮重量、一系弹簧高度与轨道车辆维修工艺调整相关的参数；采集数据内容主要是磨损率及部件间偏磨率，并以维修工艺参数作为输入变量对各部件磨损率和偏磨状况的影响的特征参数进行预测(22)；

与运营线路相关参数的采集(13)过程用于采集车辆运营里程、轨道外形参数与轨道车辆运营线路相关的参数；并能够进一步以该线路的运营里程数作为输入变量对车辆各磨损部件的磨损率以及偏磨状况的影响的特征参数进行预测(23)；

S2中各类型数据的特征分析包括如下步骤：

S21，大数据动态分析(2)过程应用机器学习方法针以各类型数据样本作为输入变量预测某一状态下输入数据样本的特征参数，从而得出此状态下的输出数据的预测分布和特征参数；

S22，大数据采集(1)过程不断添入新的样本数据；

S23，大数据动态分析(2)采用输入历史样本数据的特征参数对新的样本数据进行修正，从而得到新状态下输出数据的特征参数；

S23步骤所述输出数据的特征参数若是以维修保养周期为输入变量，可以得到输出参数,维修保养周期对车辆各部件损耗的影响，从而制定合理的维修频率；若是以维修工艺参数为输入变量，可以得到输出参数,维修工艺参数对车辆各部件损耗的影响，从而制定合理的维修工艺参数和维修工艺方法；若是以车辆运营里程数为输入变量，可以得到输出参数,车辆运营线路里程数对车辆各部件损耗的影响，从而预测各线路维修保养平均间隔里程数，并对线路调换策略进行优化。

2.根据权利要求1所述的基于大数据的轨道车辆经济性运营及维修规划方法，其特征在于，S2中大数据动态分析(2)分为：以易磨损部件维修保养周期为基础的数据特征参数分析、以维修工艺参数为基础的数据特征参数分析、以车辆运营里程数为基础的数据特征参数分析；

以易磨损部件维修保养周期为基础的数据特征参数分析用维修保养周期作为输入变量，根据车辆各部件磨损及偏磨量数据的变化特性预测其变化趋势，得到特征参数；

以维修工艺参数为基础的数据特征参数分析用轨道车辆维修工艺参数作为输入变量，根据车辆各部件磨损及偏磨量数据相对于维修工艺参数的变化特性预测其变化趋势，得到特征参数；

以车辆运营里程数为基础的数据特征参数分析用轨道车辆运营里程数作为输入变量，根据车辆各部件磨损及偏磨量数据相对于在当前线路运营的里程数的变化特性预测其变化趋势，得到特征参数。

3.根据权利要求1所述的基于大数据的轨道车辆经济性运营及维修规划方法，其特征在于，S3中运营维修策略优化(3)分为：维修保养策略优化方法制定(31)以及运营策略优化方法制定(32)；

维修保养策略优化方法制定(31)，是指针对维修工艺参数或者是维修保养周期特征参数变化对于轨道车辆部件损耗的影响来优化与维修保养相关的策略；

运营策略优化方法制定(32)，是指针对运营线路里程数特征参数变化对于轨道车辆部件损耗的影响来优化与运营相关的策略。