CN110135629B - 一种列车平均故障周期的预测方法及装置 - Google Patents
一种列车平均故障周期的预测方法及装置 Download PDFInfo
- Publication number
- CN110135629B CN110135629B CN201910335744.1A CN201910335744A CN110135629B CN 110135629 B CN110135629 B CN 110135629B CN 201910335744 A CN201910335744 A CN 201910335744A CN 110135629 B CN110135629 B CN 110135629B
- Authority
- CN
- China
- Prior art keywords
- line
- influence factor
- train
- ith
- fault
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000012423 maintenance Methods 0.000 claims abstract description 70
- 239000002131 composite material Substances 0.000 claims abstract description 67
- 238000012935 Averaging Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本申请提供了一种列车平均故障周期的预测方法及装置,该方法包括:获取预设L条线路中每条线路运营的列车数量;从L条线路中选择一条线路作为基准线路,以基准线路的运营时间为基准设置运营观察结束时间;获取第i条线路截止到运营观察结束时间的故障平均周期;i=1,…L;获取第i条线路的复合影响因子与基准线路的复合影响因子以及两者的比值;复合影响因子由线路的轨道条件、线路负载和维修设备条件确定;将第i条线路对应的比值与基准线路的故障平均周期的乘积作为第i条线路的列车平均故障周期。利用该方法,提高了预测列车平均故障周期的准确度,能为列车的维护提供更加符合轨道交通网络实情的维修策略。
Description
技术领域
本申请涉及轨道交通技术领域,尤其涉及一种列车平均故障周期的预测方法及装置。
背景技术
目前,为了提高交通的便利性,除了高铁和动车以外,大部分城市的市内轨道交通网络包括地铁或城铁,以上统称为列车。
我国城市的轨道交通网络化运营已成趋势,列车是城市轨道交通网络的核心要素,其可靠性与维修性直接影响了轨道交通网络化运营管理水平。列车运营现场的列车故障信息具有反映列车真实状态的重要作用,是改善、提升列车运营维护水平的关键信息源,具有重要意义。然而,由于构成轨道交通网络的线路存在线路环境、运营载荷、操控维护等各方面差异,即使是同一列车在轨道交通网络的不同线路上运营,其故障特性都会呈现出一定的差异,而现有的列车故障预测方法和列车维修策略并不能充分考虑轨道交通网络的线路差异,导致列车故障预测的准确度低且列车维修策略的效果差。
发明内容
为了解决现有技术存在的上述技术问题,本申请提供了一种列车平均故障周期的预测方法及装置,提高了预测列车平均故障周期的准确度,能为列车的维护提供更加符合轨道交通网络实情的维修策略。
本申请提供了一种列车平均故障周期的预测方法,所述方法包括:
获取预设L条线路中每条线路运营的列车数量;
从所述L条线路中选择一条线路作为基准线路,以所述基准线路的运营时间为基准设置运营观察结束时间;
获取第i条线路截止到所述运营观察结束时间的故障平均周期;所述i=1,…L;
获取所述第i条线路的复合影响因子与所述基准线路的复合影响因子,并获取所述第i条线路的复合影响因子与所述基准线路的复合影响因子的比值;所述复合影响因子由线路的轨道条件、线路负载和维修设备条件确定;
将所述第i条线路对应的所述比值与所述基准线路的故障平均周期的乘积作为所述第i条线路的列车平均故障周期。
可选的,所述获取第i条线路在所述运营观察结束时间前的故障平均周期包括:
获取第i条线路在所述运营观察结束时间前的列车故障总数与每个所述列车故障的发生时间;
获取第i条线路所有两个相邻列车故障的发生时间之间的时间间隔的总和,将所述总和与所述列车故障总数的比值作为所述第i条线路的故障平均周期。
可选的,所述获取所述第i条线路的复合影响因子包括:
获取所述第i条线路的轨道条件确定的第一影响因子、所述第i条线路的线路负载确定的第二影响因子和所述第i条线路的维修设备条件确定的第三影响因子;
将所述第i条线路的所述第一影响因子、所述第二影响因子和所述第三影响因子的乘积作为所述第i条线路对应的复合影响因子。
可选的,所述获取所述第i条线路的轨道条件确定的第一影响因子、所述第i条线路的线路负载确定的第二影响因子和所述第i条线路的维修设备条件确定的第三影响因子,具体包括:
由所述第i条线路的曲线轨道与直线轨道比值、平曲线轨道与曲线轨道的比值、空间曲线轨道与曲线轨道的比值、轨道扣件型式、道床型式、路基型式与桥梁数量确定所述第一影响因子;
由所述第i条线路的年客流平均总量与年货物平均总量确定所述第二影响因子;
由所述第i条线路的对维修设备的需求度、维修设备的使用时间、维修设备的保养周期、维修设备的完好程度确定所述第三影响因子。
可选的,所述方法还包括:
获取所述L条线路的列车平均故障周期的平均值。
本申请实施例还提供了一种列车平均故障周期的预测装置,其特征在于,所述装置包括:第一获取单元、设置单元、第二获取单元、第三获取单元和确定单元;
所述第一获取单元,用于获取预设L条线路中每条线路运营的列车数量;
所述设置单元,用于从所述L条线路中选择一条线路作为基准线路,以所述基准线路的运营时间为基准设置运营观察结束时间;
所述第二获取单元,用于获取第i条线路截止到所述运营观察结束时间的故障平均周期;所述i=1,…L;
所述第三获取单元,用于获取所述第i条线路的复合影响因子与所述基准线路的复合影响因子,并获取所述第i条线路的复合影响因子与所述基准线路的复合影响因子的比值;所述复合影响因子由线路的轨道条件、线路负载和维修设备条件确定;
所述确定单元,用于将所述第i条线路对应的所述比值与所述基准线路的故障平均周期的乘积作为所述第i条线路的列车平均故障周期。
可选的,所述第二获取单元包括:第一获取子单元和第二获取子单元;
所述第一获取子单元,用于获取第i条线路在所述运营观察结束时间前的列车故障总数与每个所述列车故障的发生时间;
所述第二获取子单元,用于获取第i条线路所有两个相邻列车故障的发生时间之间的时间间隔的总和,将所述总和与所述列车故障总数的比值作为所述第i条线路的故障平均周期。
可选的,所述第三获取单元包括:第三获取子单元和第四获取子单元;
所述第三获取子单元,用于获取所述第i条线路的轨道条件确定的第一影响因子、所述第i条线路的线路负载确定的第二影响因子和所述第i条线路的维修设备条件确定的第三影响因子;
所述第四获取子单元,用于将所述第i条线路的所述第一影响因子、所述第二影响因子和所述第三影响因子的乘积作为所述第i条线路对应的复合影响因子。
可选的,所述第三获取子单元,具体用于:
由所述第i条线路的曲线轨道与直线轨道比值、平曲线轨道与曲线轨道的比值、空间曲线轨道与曲线轨道的比值、轨道扣件型式、道床型式、路基型式与桥梁数量确定所述第一影响因子;
由所述第i条线路的年客流平均总量与年货物平均总量确定所述第二影响因子;
由所述第i条线路的对维修设备的需求度、维修设备的使用时间、维修设备的保养周期、维修设备的完好程度确定所述第三影响因子。
可选的,所述装置还包括:第四获取单元;
所述第四获取单元,用于获取所述L条线路的列车平均故障周期的平均值。
与现有技术相比,本申请所述方法至少具有以下优点:
该方法首先获取预设L条线路中每条线路运营的列车数量,该L条线路可以为同一城市的轨道交通网络的全部线路或部分线路。然后从L条线路中选择一条线路作为基准线路,以基准线路的运营时间为基准设置运营观察结束时间,例如可以将线路开通时间较早、运营管理经验较丰富的线路选择为基准线路。接着获取第i条线路截止到运营观察结束时间的故障平均周期,其中i=1,…L。然后获取第i条线路的复合影响因子与基准线路的复合影响因子,并获取第i条线路的复合影响因子与基准线路的复合影响因子的比值,其中复合影响因子由线路的轨道条件、线路负载和维修设备条件确定,不同线路的复合影响因子不同,该复合影响因子充分考虑到了造成线路差异的因素,最后将第i条线路对应的比值与基准线路的故障平均周期的乘积作为第i条线路的列车平均故障周期,即L条线路中每条线路的列车平均故障周期与该条线路对应的复合影响因子的比值相同。
本方法能够结合城市轨道交通网络运营的实际情况,将对线路的差异化评估定量化,利用本方法能够提高预测列车平均故障周期的准确度,为列车的维护提供更加符合轨道交通网络实情的维修策略。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1为本申请实施例一提供的一种列车平均故障周期的预测方法的流程图;
图2为本申请实施例二提供的一种列车平均故障周期的预测装置的示意图。
具体实施方式
当前,由于构成城市轨道交通网络的线路存在线路环境、运营载荷、操控维护等各方面差异,即使是同一列车在轨道交通网络的不同线路上运营,其故障特性都会呈现出一定的差异,而现有的列车故障预测方法和列车维修策略并不能充分考虑轨道交通网络的线路差异,导致列车故障预测的准确度低且列车维修策略的效果差。
为了解决现有技术存在的上述技术问题,本申请根据线路的轨道条件、线路负载和维修设备条件,确定与每条线路对应的复合影响因子,用复合影响因子表征线路之间的差异。再根据轨道交通网络中某条选定线路的复合影响因子与基准线路的复合影响因子的比值、以及基准线路的故障平均周期,确定该选定线路的列车平均故障周期,提高预测列车平均故障周期的准确度,为列车的维护提供更加符合轨道交通网络实情的维修策略。
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
实施例一:
本申请实施例一提供了一种列车平均故障周期的预测方法,下面结合附图具体说明。
参见图1,该图为本申请实施例一提供的一种列车平均故障周期的预测方法的流程图。
该方法包括以下步骤:
S101:获取预设L条线路中每条线路运营的列车数量。
L条线路为同一城市的轨道交通网络中的全部线路或者部分线路,分别获取L条线路中的每一条线路运营的列车数量。
S102:从L条线路中选择一条线路作为基准线路,以基准线路的运营时间为基准设置运营观察结束时间。
选择基准线路时应考虑从开通时间较早、运营管理经验较丰富的线路中选择,以使基准线路的数据统计具有更具有代表性。
运营观察开始时间为线路投入运营的时间,为了减少偶然故障数据带来的影响,列车线路的运营观察结束时间与基准线路投入运营的时间应间隔较长,例如可以将运营观察结束时间设置为基准线路投入运营后的前1000天,以观察列车线路在投入运营后的较长时间内的运行情况与故障发生情况,设置运营观察结束时间时可精确到具体的年、月和日。
为了方便说明,以下将对每条线路运营观察开始时间与运营观察结束时间之间的时间间隔称为运营观察时间。
可以理解的是,运营观察结束时间应晚于所有L条线路投入运营的时间,以确保可以对L条线路中的每一条线路进行运营观察,并且还需要确保为L条线路中最后投入运营的一条线路提供足够的运营观察时间。
S103:获取第i条线路截止到运营观察结束时间的故障平均周期,i=1,…L。
获取每条线路自投入运营开始截止到运营观察结束时间的故障平均周期,具体可以包括以下步骤:
S103a:获取第i条线路在运营观察结束时间前的列车故障总数与每个列车故障的发生时间。
获取第i条线路在运营观察结束时间前的列车故障总数ni,其中i=1,…L。列车故障总数为第i条线路上所有列车发生的故障总数量。
获取第i条线路上每个列车故障的发生时间tij,其中j=1,…ni。列车故障的发生时间的精确程度至少与运营观察结束时间的精确程度一致,即至少精确到具体的年、月和日。
S103b:获取第i条线路所有两个相邻列车故障的发生时间之间的时间间隔的总和,将所述总和与所述列车故障总数的比值作为所述第i条线路的故障平均周期。
根据以下公式获取第i条线路两个相邻列车故障的发生时间之间的时间间隔:
xij=tij+1-tij (1)
公式(1)中tij表示第i条线路上第j个列车故障的发生时间,tij+1表示第i条线路上第j+1个列车故障的发生时间。
根据以下公式获取第i条线路所有两个相邻列车故障的发生时间之间的时间间隔的总和Xi:
然后根据以下公式获取第i条线路的故障平均周期:
需要注意的是,当第i条线路在运营观察时间内只出现一次故障时,将第i条线路的运营观察时间作为第i条线路的故障平均周期,例如运营观察时间为1000天,在1000天内第i条线路只出现了一次故障,则此时Ti为1000天。
S104:获取第i条线路的复合影响因子与基准线路的复合影响因子,并获取第i条线路的复合影响因子与基准线路的复合影响因子的比值,复合影响因子由线路的轨道条件、线路负载和维修设备条件确定。
复合影响因子由线路的轨道条件、线路负载和维修设备条件确定,由于不同线路的上述三方面之间存在差异,所以不同线路对应的复合影响因子不同。
其中,获取第i条线路的复合影响因子具体包括以下步骤:
S104a:获取第i条线路的轨道条件确定的第一影响因子、第i条线路的线路负载确定的第二影响因子和第i条线路的维修设备条件确定的第三影响因子。
下面首先说明第一影响因子的确定方法。
由第i条线路的曲线轨道与直线轨道比值、平曲线轨道与曲线轨道的比值、空间曲线轨道与曲线轨道的比值、轨道扣件型式、道床型式、路基型式与桥梁数量确定第一影响因子。
预先获取第i条线路的轨道相关信息,获取上述各项第一影响因子决定因素的真实数据,可以按照预设的评分规则对上述各项决定因素进行评分,分值越高表明该决定因素对轨道的影响越大,然后可以根据以下公式获取第i条线路对应的第一影响因子:
公式(4)中hi为第i条线路对应的第一影响因子,k=1,…7,mik分别表示第一影响因子各项决定因素的评分结果,则各项决定因素的评分结果相乘即为第i条线路对应的第一影响因子。
下面说明第二影响因子的确定方法。
第二影响因子由第i条线路的年客流平均总量与年货物平均总量确定,还可以按照预设的评分规则对年客流平均总量与年货物平均总量的统计结果进行评分,分值越高表明对轨道的影响越大,第i条线路对应的第二影响因子可以用pi表示。
下面说明第三影响因子的确定方法。
第三影响因子由第i条线路的对维修设备的需求度、维修设备的使用时间、维修设备的保养周期、维修设备的完好程度确定。
预先获取第i条线路的维修设备的相关信息,获取上述各项第三影响因子决定因素的真实数据,可以按照预设的评分规则对上述各项决定因素进行评分,分值越高表明该决定因素的影响越大,然后可以根据以下公式获取第i条线路对应的第三影响因子:
公式(5)中qi为第i条线路对应的第三影响因子,l=1,…4,bil分别表示第三影响因子各项决定因素的评分结果,则各项决定因素的评分结果相乘即为第i条线路对应的第三影响因子。
S104b:将所述第i条线路的所述第一影响因子、所述第二影响因子和所述第三影响因子的乘积作为所述第i条线路对应的复合影响因子。
根据以下公式获取第i条线路对应的复合影响因子ωi:
ωi=hi×pi×qi (6)
通过公式(6)能够获取预设L条线路中任意一条的复合影响因子,其中以ω0表示基准线路的复合影响因子,可以通过以下公式获取第i条线路的复合影响因子与基准线路的复合影响因子的比值ki:
当第i条线路为基准线路时,第i条线路的复合影响因子与基准线路的复合影响因子的比值为1。
S105:将第i条线路对应的比值与基准线路的故障平均周期的乘积作为第i条线路的列车平均故障周期。
根据以下公式获取第i条线路对应的列车平均故障周期Ti:
根据公式(8),当第i条线路为非基准线路时,线路的平均故障周期为该线路对应的比值与基准线路的故障平均周期的乘积;当第i条线路为基准线路时,由于ki的值为1,所以基准线路的故障平均周期即为基准线路的列车平均故障周期,因此在S102中选择基准线路时应考虑从开通时间较早、运营管理经验较丰富的线路中选择,同时列车观察时间应设置较长,可以使准线路的列车平均故障周期更加准确。
可以理解的是,上述步骤只是为了方便解释说明,并不构成对于本申请所述方法的限定,可以通过对上述步骤进行适当调整得到本申请所述方法的其它实现方式,例如可以将S103和S104的顺序进行调换,还可以分别获取第i条线路与基准线路的第一影响因子、第二影响因子和第三影响因子的比值,将上述三个影响因子的比值的乘积与基准线路的故障平均周期相乘以确定第i条线路的列车平均故障周期。
本申请实施例提供的方法首先获取预设L条线路中每条线路运营的列车数量,该L条线路可以为同一城市的轨道交通网络的全部线路或部分线路。然后从L条线路中选择一条线路作为基准线路,以基准线路的运营时间为基准设置运营观察结束时间,例如可以将线路开通时间较早、运营管理经验较丰富的线路选择为基准线路。接着获取第i条线路截止到运营观察结束时间的故障平均周期。然后获取第i条线路的复合影响因子与基准线路的复合影响因子,并获取第i条线路的复合影响因子与基准线路的复合影响因子的比值,其中复合影响因子由线路的轨道条件、线路负载和维修设备条件确定,不同线路的复合影响因子不同,该复合影响因子充分考虑到了不同线路之间的线路差异,最后将第i条线路对应的比值与基准线路的故障平均周期的乘积作为第i条线路的列车平均故障周期,即L条线路中每条线路的列车平均故障周期与该条线路对应的复合影响因子的比值相同。
本方法能够结合城市轨道交通网络运营的实际情况,将对线路的差异化评估定量化,利用本方法能够提高预测列车平均故障周期的准确度,为列车的维护提供更加符合轨道交通网络实情的维修策略。并且本方法也适用于其它轨道车辆网络化或者多线路运营下的车辆运行可靠性分析。
进一步的,当利用本方法获取每一条线路的列车平均故障周期后,根据以下公式还可以获取预设L条线路的列车平均故障周期的平均值TL:
公式(9)获取的预设L条线路的列车平均故障周期的平均值反映了城市轨道交通网络的运营管理水平,TL值越小,表明城市轨道交通网络的可靠性与运营维护水平越高。
实施例二:
基于上述实施例提供的列车平均故障周期的预测方法,本申请实施例二还提供了一种列车平均故障周期的预测装置,下面结合附图具体说明。
参见图2,该图为本申请实施例二提供的一种列车平均故障周期的预测装置的结构图。
该装置包括:第一获取单元201、设置单元202、第二获取单元203、第三获取单元204和确定单元205。
第一获取单元201用于获取预设L条线路中每条线路运营的列车数量。
设置单元202用于从L条线路中选择一条线路作为基准线路,以基准线路的运营时间为基准设置运营观察结束时间。
第二获取单元203用于获取第i条线路截止到运营观察结束时间的故障平均周期,其中i=1,…L。
可选的,第二获取单元203可以包括:第一获取子单元和第二获取子单元。
其中,第一获取子单元用于获取第i条线路在运营观察结束时间前的列车故障总数与每个所述列车故障的发生时间。
第二获取子单元获取第i条线路所有两个相邻列车故障的发生时间之间的时间间隔的总和,将该总和与列车故障总数的比值作为第i条线路的故障平均周期。
第三获取单元204用于获取第i条线路的复合影响因子与基准线路的复合影响因子,并获取第i条线路的复合影响因子与基准线路的复合影响因子的比值,其中复合影响因子由线路的轨道条件、线路负载和维修设备条件确定。
可选的,第三获取单元204可以包括:第三获取子单元和第四获取子单元。
其中,第三获取子单元用于获取第i条线路的轨道条件确定的第一影响因子、第i条线路的线路负载确定的第二影响因子和第i条线路的维修设备条件确定的第三影响因子。
第四获取子单元用于将第i条线路的第一影响因子、第二影响因子和第三影响因子的乘积作为第i条线路对应的复合影响因子。
进一步的,第三获取子单元能够由第i条线路的曲线轨道与直线轨道比值、平曲线轨道与曲线轨道的比值、空间曲线轨道与曲线轨道的比值、轨道扣件型式、道床型式、路基型式与桥梁数量确定第一影响因子,还能够由第i条线路的年客流平均总量与年货物平均总量确定第二影响因子,还能够由第i条线路的对维修设备的需求度、维修设备的使用时间、维修设备的保养周期、维修设备的完好程度确定第三影响因子。
确定单元204,用于将第i条线路对应的比值与基准线路的故障平均周期的乘积作为第i条线路的列车平均故障周期。
该装置的第一获取单元能够获取预设L条线路中每条线路运营的列车数量,该L条线路可以为同一城市的轨道交通网络的全部线路或部分线路。选择单元能够从L条线路中选择一条线路作为基准线路,以基准线路的运营时间为基准设置运营观察结束时间,例如可以将线路开通时间较早、运营管理经验较丰富的线路选择为基准线路。接着第二获取单元获取第i条线路截止到运营观察结束时间的故障平均周期。第三获取单元获取第i条线路的复合影响因子与基准线路的复合影响因子,并获取第i条线路的复合影响因子与基准线路的复合影响因子的比值,其中复合影响因子由线路的轨道条件、线路负载和维修设备条件确定,不同线路的复合影响因子不同,该复合影响因子充分考虑到了不同线路之间的线路差异。确定单元用于将第i条线路对应的比值与基准线路的故障平均周期的乘积作为第i条线路的列车平均故障周期,即L条线路中每条线路的列车平均故障周期与该条线路对应的复合影响因子的比值相同。利用本申请实施例提供的装置能够提高预测列车平均故障周期的准确度,为列车的维护提供更加符合轨道交通网络实情的维修策略。
进一步的,该装置还可以包括第四获取单元。
第四获取单元用于获取L条线路的列车平均故障周期的平均值,该平均值能够反映城市轨道交通网络的运营管理水平,平均值越小,表明城市轨道交通网络的可靠性与运营维护水平越高。
本申请中的“第一”,“第二”等词仅是为了方便说明,并不构成对于本申请所述方法和装置的限定。
应当理解,在本申请中,“至少一个(项)”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,用于描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:只存在A,只存在B以及同时存在A和B三种情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,“a和b”,“a和c”,“b和c”,或“a和b和c”,其中a,b,c可以是单个,也可以是多个。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元及模块可以是或者也可以不是物理上分开的。另外,还可以根据实际的需要选择其中的部分或者全部单元和模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上所述仅是本申请的具体实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种列车平均故障周期的预测方法,其特征在于,所述方法包括:
获取预设L条线路中每条线路运营的列车数量;
从所述L条线路中选择一条线路作为基准线路,以所述基准线路的运营时间为基准设置运营观察结束时间;
获取第i条线路截止到所述运营观察结束时间的故障平均周期;所述i=1,…L;
获取所述第i条线路的复合影响因子与所述基准线路的复合影响因子,并获取所述第i条线路的复合影响因子与所述基准线路的复合影响因子的比值;所述复合影响因子由线路的轨道条件、线路负载和维修设备条件确定;
将所述第i条线路对应的所述比值与所述基准线路的故障平均周期的乘积作为所述第i条线路的列车平均故障周期。
2.根据权利要求1所述的列车平均故障周期的预测方法,其特征在于,所述获取第i条线路在所述运营观察结束时间前的故障平均周期包括:
获取第i条线路在所述运营观察结束时间前的列车故障总数与每个所述列车故障的发生时间;
获取第i条线路所有两个相邻列车故障的发生时间之间的时间间隔的总和,将所述总和与所述列车故障总数的比值作为所述第i条线路的故障平均周期。
3.根据权利要求1所述的列车平均故障周期的预测方法,其特征在于,所述获取所述第i条线路的复合影响因子包括:
获取所述第i条线路的轨道条件确定的第一影响因子、所述第i条线路的线路负载确定的第二影响因子和所述第i条线路的维修设备条件确定的第三影响因子;
将所述第i条线路的所述第一影响因子、所述第二影响因子和所述第三影响因子的乘积作为所述第i条线路对应的复合影响因子。
4.根据权利要求3所述的列车平均故障周期的预测方法,其特征在于,所述获取所述第i条线路的轨道条件确定的第一影响因子、所述第i条线路的线路负载确定的第二影响因子和所述第i条线路的维修设备条件确定的第三影响因子,具体包括:
由所述第i条线路的曲线轨道与直线轨道比值、平曲线轨道与曲线轨道的比值、空间曲线轨道与曲线轨道的比值、轨道扣件型式、道床型式、路基型式与桥梁数量确定所述第一影响因子;
由所述第i条线路的年客流平均总量与年货物平均总量确定所述第二影响因子;
由所述第i条线路的对维修设备的需求度、维修设备的使用时间、维修设备的保养周期以及维修设备的完好程度确定所述第三影响因子。
5.根据权利要求1所述的列车平均故障周期的预测方法,其特征在于,所述方法还包括:
获取所述L条线路的列车平均故障周期的平均值。
6.一种列车平均故障周期的预测装置,其特征在于,所述装置包括:第一获取单元、设置单元、第二获取单元、第三获取单元和确定单元;
所述第一获取单元,用于获取预设L条线路中每条线路运营的列车数量;
所述设置单元,用于从所述L条线路中选择一条线路作为基准线路,以所述基准线路的运营时间为基准设置运营观察结束时间;
所述第二获取单元,用于获取第i条线路截止到所述运营观察结束时间的故障平均周期;所述i=1,…L;
所述第三获取单元,用于获取所述第i条线路的复合影响因子与所述基准线路的复合影响因子,并获取所述第i条线路的复合影响因子与所述基准线路的复合影响因子的比值;所述复合影响因子由线路的轨道条件、线路负载和维修设备条件确定;
所述确定单元,用于将所述第i条线路对应的所述比值与所述基准线路的故障平均周期的乘积作为所述第i条线路的列车平均故障周期。
7.根据权利要求6所述的列车平均故障周期的预测装置,其特征在于,所述第二获取单元包括:第一获取子单元和第二获取子单元;
所述第一获取子单元,用于获取第i条线路在所述运营观察结束时间前的列车故障总数与每个所述列车故障的发生时间;
所述第二获取子单元,用于获取第i条线路所有两个相邻列车故障的发生时间之间的时间间隔的总和,将所述总和与所述列车故障总数的比值作为所述第i条线路的故障平均周期。
8.根据权利要求6所述的列车平均故障周期的预测装置,其特征在于,所述第三获取单元包括:第三获取子单元和第四获取子单元;
所述第三获取子单元,用于获取所述第i条线路的轨道条件确定的第一影响因子、所述第i条线路的线路负载确定的第二影响因子和所述第i条线路的维修设备条件确定的第三影响因子;
所述第四获取子单元,用于将所述第i条线路的所述第一影响因子、所述第二影响因子和所述第三影响因子的乘积作为所述第i条线路对应的复合影响因子。
9.根据权利要求8所述的列车平均故障周期的预测装置,其特征在于,所述第三获取子单元,具体用于:
由所述第i条线路的曲线轨道与直线轨道比值、平曲线轨道与曲线轨道的比值、空间曲线轨道与曲线轨道的比值、轨道扣件型式、道床型式、路基型式与桥梁数量确定所述第一影响因子;
由所述第i条线路的年客流平均总量与年货物平均总量确定所述第二影响因子;
由所述第i条线路的对维修设备的需求度、维修设备的使用时间、维修设备的保养周期以及维修设备的完好程度确定所述第三影响因子。
10.根据权利要求6所述的列车平均故障周期的预测装置,其特征在于,所述装置还包括:第四获取单元;
所述第四获取单元,用于获取所述L条线路的列车平均故障周期的平均值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910335744.1A CN110135629B (zh) | 2019-04-24 | 2019-04-24 | 一种列车平均故障周期的预测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910335744.1A CN110135629B (zh) | 2019-04-24 | 2019-04-24 | 一种列车平均故障周期的预测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110135629A CN110135629A (zh) | 2019-08-16 |
CN110135629B true CN110135629B (zh) | 2021-07-02 |
Family
ID=67570980
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910335744.1A Active CN110135629B (zh) | 2019-04-24 | 2019-04-24 | 一种列车平均故障周期的预测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110135629B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111597634B (zh) * | 2020-05-12 | 2023-10-10 | 中车青岛四方机车车辆股份有限公司 | 一种确定动车组性能参数的方法及装置 |
CN117114352B (zh) * | 2023-09-15 | 2024-04-09 | 北京阿帕科蓝科技有限公司 | 车辆维护方法、装置、计算机设备和存储介质 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5164923A (en) * | 1991-09-26 | 1992-11-17 | Hughes Aircraft Company | Cumulative operational timers and methods for cellular telephones |
CN101763589A (zh) * | 2009-12-24 | 2010-06-30 | 宁波市中控信息技术有限公司 | 基于动态定量事故风险预测的安全管理方法及*** |
CN102208028B (zh) * | 2011-05-31 | 2013-06-19 | 北京航空航天大学 | 一种适用于动态复杂***的故障预测和诊断方法 |
CN102900300B (zh) * | 2012-07-13 | 2015-08-12 | 上海三意电机驱动技术有限公司 | 轨道交通站台门电机控制器 |
CN104931978B (zh) * | 2014-03-18 | 2017-10-24 | 广东能飞航空科技发展有限公司 | 一种基于gps rtk技术的电力巡线无人机导航*** |
CN106681296B (zh) * | 2015-11-05 | 2019-05-10 | 株洲南车时代电气股份有限公司 | 一种列车运行监控记录装置主机可靠性试验方法 |
CN108536965B (zh) * | 2018-04-11 | 2020-12-01 | 北京交通大学 | 城市轨道交通线路运营服务可靠性计算方法 |
CN108444710A (zh) * | 2018-05-02 | 2018-08-24 | 中车永济电机有限公司 | 一种列车牵引电机轴承寿命试验机 |
CN109657845B (zh) * | 2018-11-29 | 2020-09-22 | 河海大学 | 一种针对时变客流的城市轨道交通列车时刻表优化*** |
-
2019
- 2019-04-24 CN CN201910335744.1A patent/CN110135629B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110135629A (zh) | 2019-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP4030365A1 (en) | Multi-mode multi-service rail transit analog simulation method and system | |
Olsson et al. | Influencing factors on train punctuality—results from some Norwegian studies | |
CN110135629B (zh) | 一种列车平均故障周期的预测方法及装置 | |
Kliewer et al. | A note on the online nature of the railway delay management problem | |
Lalive et al. | Does supporting passenger railways reduce road traffic externalities? | |
CN111680940A (zh) | 一种区域轨道交通线网安全水平评价方法及*** | |
Shih et al. | Impact of passenger train capacity and level of service on shared rail corridors with multiple types of freight trains | |
Aly et al. | Computer applications in railway operation | |
Sivilevičius et al. | Multiple criteria evaluation and the inverse hierarchy model for justifying the choice of rail transport mode | |
White | Alternatives for railroad traffic simulation analysis | |
Pouryousef et al. | Review of capacity measurement methodologies; similarities and differences in the us and european railroads | |
De Rus et al. | In what circumstances is investment in High Speed Rail worthwhile? | |
RU2579981C1 (ru) | Автоматизированная система для комплексного управления ресурсами, рисками, надежностью объектов железнодорожного транспорта | |
Campos et al. | The cost of building and operating a new high speed rail line | |
Sogin et al. | Impact of passenger trains in double track networks | |
Schittenhelm et al. | Danish key performance indicators for railway timetables | |
Magadagela et al. | Identification of delay factors that affect high dwell times of freight trains | |
Wiarco et al. | The impact of stability factor of train operations to railway line capacity (Kroya-Kutoarjo-Yogyakarta) Indonesia | |
Torrieri et al. | A multi methodological model for supporting the economic feasibility analysis for the renovation of the Valsesia railway sys-tem | |
Borghetti et al. | Unplanned rail service disruptions. Recovery Index for the station analysis where to set up a bus bridging//Interruzioni accidentali del servizio ferroviario. Un Recovery Index per l’analisi delle stazioni dove istituire servizi di autobus sostitutivi | |
Corolli et al. | Punctuality and Capacity in Railway Investment: A Socio-Economic Assessment for Finland | |
Xuanjing et al. | An Improved Approach Based on Linear Programming Model for Assessing Rail Transit System Resilience under Disruptions | |
Hwang et al. | A simulation model for estimating knock-on delay of Taiwan regional railway | |
Barter | Forecasting robustness of timetables | |
Longo et al. | CAPACiTy vS. ReliAbiliTy iN RAilwAyS: A SToChASTiC miCRo–SimulATioN APPRoACh |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |