论文部分内容阅读
随着我国高速铁路网规模的不断拓展,高速铁路承担着越来越重要的旅客运输任务,自然灾害、事故灾难、公共卫生、社会安全等突发事件的发生对高速铁路运输安全带来极大的挑战。高速铁路具有技术复杂度高、运行速度快、载客量大、行车间隔小、救援难度大、安全性要求高等特点,突发事件的发生会形成连锁反应和放大效应,这对高速铁路突发事件的安全预警和快速处置提出了新的更高要求。因此,集成应用云计算、大数据等信息新技术建成高效、精准的高速铁路应急平台,对于实现应急资源共享化、应急预案数字化、应急指挥智能化,最大限度减少突发事件对高速铁路运输带来的负面影响至关重要。围绕高速铁路应急管理,本文提出了面向云服务的高速铁路应急平台总体框架及基于双层粒子群的高速铁路云资源调度方法,并重点对高速铁路应急大数据集成治理、高速铁路应急预案优化和高速铁路应急预案数字化等进行了研究,最后以铁路局实际工程应用为例,进行了实例说明和验证。本文主要创新点如下:(1)基于大数据、云计算、物联网等新技术,构建了涵盖高速铁路应急管理预防-准备-响应-恢复四个阶段、面向云服务的高速铁路应急平台(CEP)总体框架。对应急云服务的资源调度问题进行建模,以标准云服务的模式对各类铁路内外部资源进行统一管理和协同,根据服务调度所需要的时间、成本和可用性等,提出了基于双层粒子群(PSO)的高速铁路云资源调度方法,形成与高速铁路突发事件应急处置需求相应的云服务组合调度,实现路地应急资源的协同调度和应急联动。(2)提出了基于知识图谱的多源异构异域高速铁路应急大数据组织方案,构建了高速铁路应急大数据知识图谱,设计了基于分布式开放互操作架构的高速铁路应急大数据平台总体结构,面向数据安全提出了高速铁路敏感应急数据RSA加密算法,面向数据治理提出了融合AHP和DMM的高速铁路应急大数据成熟度分析算法。(3)基于对高速铁路应急预案体系和高速铁路突发事件应急响应等级划分的分析,提出了适用于高速铁路应急预案优化的大数据分析挖掘算法,并根据实际数据开展了基于检测检修数据分析的高速铁路接触网预案优化、基于均值漂移聚类(Mean-Shift)的动车故障与行车中断时间关联分析、基于决策树(DT)的电务故障与行车中断时间关联分析,为高速铁路突发事件应急预案优化和事故响应等级细分等提供了决策支持。(4)提出了融合本体和深度学习的高速铁路应急预案数字化管理总体框架,实现了高速铁路突发事件信息标注和词向量生成,并通过Bi-LSTM+CRF深度学习模型实现时间、地点和突发事件名称等关键字段提取。应用本体实现了高速铁路应急预案的数字化构建,并基于目标树方法和本体的语义匹配和搜索,实现高速铁路应急处置方案的自动生成。最后本文以某铁路局的高速铁路突发事件应急管理为例,应用Java SSH架构,搭建铁路局高速铁路应急平台,验证了论文提出的架构和算法,并在工程中得到了实际应用。