铁路货车静载重发展变化的数据挖掘研究

交通运输系统工程与信息 ›› 2012, Vol. 12 ›› Issue (4): 128-134.

铁路货车静载重发展变化的数据挖掘研究

刘智丽^*1,3，周熙霖²，方琪根²

1.北京交通大学城市交通复杂系统理论与技术教育部重点实验室，北京 100044; 2.中铁第四勘察设计院集团有限公司，武汉 430063;3.北京交通大学中国综合交通研究中心，北京 100044

收稿日期:2012-03-12 修回日期:2012-05-11 出版日期:2012-08-25 发布日期:2012-09-07
作者简介:刘智丽（1977-），女，河北吴桥人，讲师.
基金资助:
国家自然科学基金（71131001）；中央高校基本科研业务费专项资金资助（2011JBM251）；青年骨干教师出国研修资助（2010709521）.

Data Mining on Index of Static Load of Freight Cars

LIU Zhi-li ^1,3,ZHOU Xi-lin², FANG Qi-gen²

1. MOE Key Laboratory for Urban Transportation Complex Systems Theory and Technology,  Beijing Jiaotong University, Beijing 100044, China; 2. China Railway Siyuan Survey and Design Group Co., Ltd., Wuhan 430063, China; 3. Integrated Transportation Research Center of China, Beijing Jiaotong University, Beijing 100044, China

Received:2012-03-12 Revised:2012-05-11 Online:2012-08-25 Published:2012-09-07

摘要/Abstract

摘要：

铁路货车静载重是衡量货车运用效率的一项重要指标，在线路设计中也是预测静载重系数的重要依据.在对货车静载重指标数据结构进行梳理的基础上，采用K-medorids聚类算法进行数据挖掘，发现铁路局静载重水平具有明显的分级特征，而且各个铁路局在静载重分级中的位置相对稳定.通过因素分析发现静载重不同的货物品类发送比例的差异是引起局间静载重差异的主要影响因素.数据挖掘结果表明，在进行车流折算时区域间的静载重差异不应忽视，宜采用分区域选取静载重系数的方法.该研究成果对于指导铁路货车静载重系数预测具有重要意义.

关键词: 铁路运输, 货车静载重, 聚类算法, 指标因素分析

Abstract:

Static load of freight vehicles is one of the important indices to evaluate the efficiency of railway wagon usage, as well an important basis for predicting coefficient of static load in railway line design. Based on sorting out the data structure of static load, clustering algorithm of Kmedorids is employed for data mining to find the significant and relatively stable classification characteristics between static load of railway administrations. It is different delivery proportions of heavy goods that are indicated by index factor analysis to cause the static load classification of railway administrations. The datamining also indicates the differences of static load between different grading railway administrations which cannot be ignored, therefore determining the coefficient of static load in railway design based on divided region is recommended.

Key words: railway transportation, static load of freight cars, clustering algorithm, index factor analysis

中图分类号:

U268.6

刘智丽, 周熙霖, 方琪根. 铁路货车静载重发展变化的数据挖掘研究[J]. 交通运输系统工程与信息, 2012, 12(4): 128-134.

LIU Zhi-Li, ZHOU Xi-Lin, FANG Qi-Gen. Data Mining on Index of Static Load of Freight Cars[J]. Journal of Transportation Systems Engineering and Information Technology, 2012, 12(4): 128-134.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://www.tseit.org.cn/CN/abstract/abstract18442.shtml

http://www.tseit.org.cn/CN/Y2012/V12/I4/128

参考文献

[1] 胡思继. 货车静载重及其相关指标相互作用的研究[J]. 北方交通大学学报, 1980, (2): 38-55.[HU S J. Research on the index of static load of freight cars and its interactions [J]. Journal of Northern Jiaotong University, 1980, (2): 38-55.]
[2] 中华人民共和国铁道部. 全国铁路统计资料汇编1985-2008[J]. [ The Ministry of Railways of The People's Republic of China. Compilation of the national railway statistics 1985-2008 [J].
[3] Guha S, Rastog I R, Sh Im K. CURE: An efficient clustering algorithm for large databases [C] //Haas L M, Tivary A. Proc of ACM S IGMOD International Conference on Management of Data. Seattle: ACM Press, 1998: 73-84.
[4] 贺玲，吴玲达，蔡益朝. 数据挖掘中的聚类算法综述 [J]. 计算机应用研究，2007，24（1）：10-14. [HE L, WU L D, CAI Y C. Survey of clustering algorithms in data mining [J]. Journal of Application Research of Computers, 2007, 24(1): 10-14.]
[5] 李明华，刘全，刘忠，等. 数据挖掘中聚类算法的新发展[J]. 计算机应用研究，2008，25(1)：13-18.[LI M H, LIU Q, LIU Z, et al. New development of clustering methods in data mining [J]. Journal of Application Research of Computers, 2008, 25(1)：13-18.]
[6] 宗传苓，杨崇明，杨德明. 基于粗糙集的市域快线与城际轨道交通衔接模式评价 [J]. 交通运输系统工程与信息，2011，11(2)：130-135.[ZONG C L, YANG C M, YANG D M. Evaluation of connection model of intercity railway and suburban rail transit based on roughset [J]. Journal of Transportation Systems Engineering and Information Technology, 2011,11(2)：130-135.]
[7] 王力，于欣宇，李颖宏，等. 基于FCM聚类的复杂交通网络节点重要性评估[J]. 交通运输系统工程与信息，2010，10(6)：169-174.[WANG L, YU X Y, LI Y H, et al. Traffic complex network node importance assessment based on FCM clustering [J]. Journal of Transportation Systems Engineering and Information Technology, 2010，10(6)：169-174.]
[8] 孙棣华，马丽，陈伟霞. 基于手机定位及聚类分析的实时交通参数估计[J]. 交通运输系统工程与信息，2005，5(3)：18-23. [SUN D H, MA L, CHEN W X et al. Realtime parameter estimating based on mobile phone locating and clustering[J]. Journal of Transportation Systems Engineering and Information Technology, 2005，5(3)：18-23.]
[9] 北京交通大学中国综合交通研究中心, 铁道部第四勘察设计院. 铁路货车静载重专题研究报告[R].2011. [Transport Research Center of China from Beijing Jiaotong University, China Railway Siyuan Survey And Design Group. Report on the static load of freight cars development and prediction [R].2011.]

[1]	耿庆桥, 贾元华, 陈军团. 基于变权可拓物元的铁路“走出去”公私合营项目风险决策[J]. 交通运输系统工程与信息, 2022, 22(2): 64-71.
[2]	戚建国, 周厚盛, 杨立兴, 周亚茹, 张春田. 灵活编组条件下轨道交通客货协同运输方案优化[J]. 交通运输系统工程与信息, 2022, 22(2): 197-205.
[3]	张晓明, 徐芳, 江文辉, 蒋朝哲. 考虑资金约束的中欧班列运价与运量决策分析[J]. 交通运输系统工程与信息, 2022, 22(1): 30-36.
[4]	张春田, 戚建国, 杨立兴, 高原, 高自友. 基于不确定旅客需求的高速铁路鲁棒列车开行方案研究[J]. 交通运输系统工程与信息, 2022, 22(1): 115-123.
[5]	周勇, 张杰, 钟祾充, 李文锋, 王国栋. 铁路集装箱中心站多轨道吊柔性协同调度优化[J]. 交通运输系统工程与信息, 2022, 22(1): 133-141.
[6]	张名芳, 马艳华, 吴初娜, 王力. 公交驾驶员心理状况影响因素分析与疾病判别模型[J]. 交通运输系统工程与信息, 2021, 21(6): 96-104.
[7]	牛惠民. 轨道列车时刻表问题研究综述[J]. 交通运输系统工程与信息, 2021, 21(5): 114-124.
[8]	闫学东, 郭浩楠, 李永昌, 王云, 官云林. 基于顺风车数据和聚类方法的都市圈区域划分与层级结构研究[J]. 交通运输系统工程与信息, 2021, 21(4): 30-39.
[9]	刘葛辉，陈绍宽，刘爽，金华，王丹阳. 资源约束下城市轨道交通基础设施维修任务安排优化模型[J]. 交通运输系统工程与信息, 2021, 21(3): 163-169.
[10]	徐智勇. 铁路电分相布设及纵断面协同优化研究[J]. 交通运输系统工程与信息, 2021, 21(3): 170-175.
[11]	钟明轩，乐逸祥，周磊山. 高铁站列车和调车作业计划一体化编制方法[J]. 交通运输系统工程与信息, 2021, 21(3): 176-186.
[12]	吕敏，帅斌，周照玉，张士行，左静，李林卿. 考虑边境站延误风险的中欧班列运输路径决策[J]. 交通运输系统工程与信息, 2021, 21(3): 254-259.
[13]	张蒙蒙，许茂增. 考虑政府补贴决策的中欧班列竞合关系研究[J]. 交通运输系统工程与信息, 2021, 21(2): 16-21.
[14]	李岸隽，王典，彭其渊. 基于个体出行链的区域城际铁路规划方法研究[J]. 交通运输系统工程与信息, 2021, 21(2): 30-36.
[15]	刘晓伟，晏启鹏，倪少权，吕苗苗，吕红霞. 考虑空车调配协调的货物列车开行方案优化研究[J]. 交通运输系统工程与信息, 2021, 21(2): 180-188.