基于K-means算法的铁路运输设备单元划分方法

交通运输系统工程与信息 ›› 2018, Vol. 18 ›› Issue (3): 189-194.

基于K-means算法的铁路运输设备单元划分方法

王华伟¹，史天运^*1，闫永利²

1. 中国铁道科学研究院电子计算技术研究所，北京 100083；2. 中国铁路总公司工电部，北京 100844

收稿日期:2017-07-17 修回日期:2018-03-04 出版日期:2018-06-25 发布日期:2018-06-25
作者简介:王华伟(1981-)，女，山东乳山人，博士生.
基金资助:
中国铁路总公司科研项目重大课题/Research Projects of China Railway Corporation(2016J008-C)；中国铁路总公司科研项目重点课题/Research Projects of China Railway Corporation(2017X004-G).

Unit Division Method of Railway Transportation Equipment Based on K-means Algorithm

WANG Hua-wei¹, SHI Tian-yun¹, YAN Yong-li²

1. Institute of Computing Technology, China Academy of Railway Sciences, Beijing 100083, China; 2. China Railway Corporation, Beijing 100844, China

Received:2017-07-17 Revised:2018-03-04 Online:2018-06-25 Published:2018-06-25

摘要/Abstract

摘要：

铁路运输设备是铁路运输生产的基础，管理单元是铁路运输设备进行设备监控、维修、管理及分析决策的基础对象，是运输设备专业管理与综合应用的基本分析单位.为满足运输设备管理的业务需求，本文在分析铁路运输设备构成的基础上，总结提出铁路运输设备单元划分原则，基于K-means聚类算法开展铁路运输设备单元划分方法研究，并利用该方法对电务通信设备进行单元划分，实践结果证明，该方法比传统的设备类别分类方式更适合设备技术状态管理与分析评价，方法合理可行，具有很好的实用价值

关键词: 铁路运输, 单元划分, K-means, 运输设备, 设备管理

Abstract:

Railway transportation equipment is the foundation of railway transportation production. Management unit is the basic object of equipment monitoring, maintenance, management and decision analysis on railway transportation equipment. It is also the basic analysis unit which equipment management and comprehensive application need. In order to meet the transportation equipment unit division needs, a series of research is carried out. Firstly, the rail transportation equipment constituent is analyzed. Secondly, the railway transportation equipment unit division principle is put forward. Thirdly, the research on railway transportation equipment unit division method based K-means algorithm is carried out, and the method is used for railway communication equipment unit division. Practice results show that the proposed method is better than the traditional equipment classification method, and it is more suitable for the equipment technical condition management and analysis evaluation. Therefore, the method is reasonable, feasible, and valuable.

Key words: railway transportation, unit division, K-means, transportation equipment, equipment management

中图分类号:

王华伟，史天运，闫永利. 基于K-means算法的铁路运输设备单元划分方法[J]. 交通运输系统工程与信息, 2018, 18(3): 189-194.

WANG Hua-wei, SHI Tian-yun, YAN Yong-li. Unit Division Method of Railway Transportation Equipment Based on K-means Algorithm[J]. Journal of Transportation Systems Engineering and Information Technology, 2018, 18(3): 189-194.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://www.tseit.org.cn/CN/abstract/abstract19645.shtml

http://www.tseit.org.cn/CN/Y2018/V18/I3/189

参考文献

[1] 王祖锦. 物流单元化管理及专业单元化器具系列连载之一物流单元化管理的基本思想[J]. 物流技术与应用, 2006, 11(4): 96-98. [WANG Z J. Logistics management on unit load system(Ⅰ) the basic concept of logistics management on unit load system[J]. Logistics & Material Handling, 2006, 11(4): 96-98.]

[2] 邵敏华, 孙立军. 公路管理单元动态划分技术与数据模型研究[J]. 同济大学学报(自然科学版), 2004, 32 (3): 343-347. [SHAO M H, SUN L J. Research on segmentation technique and data modeling in highway management system[J]. Journal of Tongji University, 2004, 32(3): 343-347.]

[3] 何洋, 刘明亮, 陈容淮, 等. 铁路工务维修管理单元划分方法研究[J]. 铁道标准设计, 2016, 60(11): 14-18. [HE Y, LIU M L, CHEN R H, et al. Research on railway maintenance management unit division method[J]. Railway Standard Design, 2016, 60(11): 14-18.]

[4] 吴芳. 铁路运输设备 [M]. 北京: 中国铁道出版社, 2007. [WU F. Railway transportation equipment[M]. Beijing: China Railway Press, 2007.]

[5] 杨阳. 数据挖掘 K-means 聚类算法的研究 [D]. 长沙: 湖南师范大学, 2015. [YANG Y. Research on K-means clustering algorithm in data mining[D]. Changsha : Hunan Normal University, 2015.]

[6] HONG Y, KWONG S. Learning assignment order of instances for the constrained K-means clustering algorithm[J]. IEEE Transactions on Systems Man & Cybernetics Part B Cybernetics A Publication of the IEEE Systems Man & Cybernetics Society, 2009, 39(2): 568-574.

[7] 关云鸿. 改进 K-均值聚类算法在电信客户分类中的应用[J]. 计算机仿真, 2011, 28(8): 138-140. [GUAN Y H. Application of improved K- means algorithm in telecom customer segmentation[J]. Computer Simulation, 2011, 28(8): 138-140.]

[8] 赵莉, 候兴哲, 胡君, 等. 基于改进 K-means 算法的海量智能用电数据分析 [J]. 电网技术, 2014, 38(10): 2715-2720. [ZHAO L, HOU X Z, HU J, et al. Improved K- means algorithm based analysis on massive data of intelligent power utilization[J]. Power System Technology, 2014, 38(10): 2715-2720.]

[9] 赵兴浩, 邓兵, 陶然. 分数阶傅里叶变换数值计算中的量纲归一化[J]. 北京理工大学学报, 2005, 25(4): 360-364. [ZHAO X H, DENG B, TAO R. Dimensional normalization in the digital computation of the fractional fourier transform[J]. Transactions of Beijing Institute of Technology, 2005, 25(4): 360-364.]

[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]	游峰, 梁健中, 曹水金, 肖智豪, 吴镇江, 王海玮. 面向多目标跟踪的密集行人群轨迹提取和运动语义感知[J]. 交通运输系统工程与信息, 2021, 21(6): 42-54.
[7]	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.
[8]	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.
[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]	帅春燕，杨芳，欧阳鑫，许庚. 基于数据驱动的电动自行车换电需求预测[J]. 交通运输系统工程与信息, 2021, 21(2): 173-179.