Анализ данных торможения поездов метрополитена

В работе рассмотрена задача моделирования процесса торможения поездов с целью дальнейшей оценки качества торможения. Показано, что подход, основанный на интеллектуализации обработки больших данных, характеризующих процесс торможения поездов метрополитена, позволяет уточнять разработку систем управления поездов в автоматическом режиме, прогнозировать качество и точность остановки. Особую значимость имеет система аварийного торможения поездов, которая обеспечивает безопасность пассажиров обеспечивает, экстренное торможение поезда при возникновении аварийной ситуации. Показано, что статистические методы и методы кластерного анализа позволяют извлечь знания о процессе торможения из данных измерений таких, как координаты станций метро, на основе изучения гистограмм и применения алгоритмов кластеризации к координатам остановок поездов. Выявлены характерные траектории торможений, получены значения параметров кинематик движения. По полученным траекториям в дальнейшем возможно определять класс торможения. Применяемая технология может быть перспективна в других предметных областях. Показано, что статистические данные движения поездов метро, полученные из них траекторные данные и визуализированные представления являются большими данными (Big Data, BD), из которых извлекаются знания о качестве торможения поездов (Data Mining, DM). Предложенная интеллектуализированная система обработки таких данных сочетает статистические методы машинного обучения (Machine learning, ML) и нейронные сети.

Ключевые слова: большие данные, модель, фазовые траектории динамической системы, эффективность торможения, интеллектуализированная система, обработка данных торможения поездов