李建磊，劉鳳娟

（1.蘭州交通大學(xué) 機(jī)電技術(shù)研究所，蘭州 730070；2.西安鐵路職業(yè)技術(shù)學(xué)院 電氣工程系，西安 710014）

隨著鐵路高速化、重載化、信息化的發(fā)展，機(jī)車(chē)檢修的任務(wù)變得越來(lái)越重，如何從龐大的故障數(shù)據(jù)中提取出有價(jià)值的檢修信息，顯得格外重要。機(jī)車(chē)檢修要嚴(yán)格按照鐵道部機(jī)務(wù)局頒布的標(biāo)準(zhǔn)，如機(jī)統(tǒng)28、機(jī)統(tǒng)6等標(biāo)準(zhǔn)，這樣才能夠全面掌握機(jī)車(chē)檢修作業(yè)情況。但是，面對(duì)繁重的檢修任務(wù)，特別是針對(duì)一些頻繁發(fā)生的故障，就要通過(guò)合理的方法進(jìn)行分類(lèi)，找到頻繁檢修路徑，予以重點(diǎn)關(guān)注，進(jìn)而提高檢修效率。

在數(shù)據(jù)挖掘中，分類(lèi)挖掘技術(shù)的方法很多，其中ID3算法是決策樹(shù)方法中最常用的具體實(shí)現(xiàn)算法。最先由Quinlan[1]在1986年提出，后來(lái)許多研究者發(fā)現(xiàn)ID3算法具有“偏向于取值較多的屬性，產(chǎn)生了大數(shù)據(jù)掩蓋小數(shù)據(jù)的現(xiàn)象”的缺點(diǎn)，為了克服這一缺點(diǎn)， Konenko等人提出了“限制決策樹(shù)為二叉樹(shù)”的方法，曲開(kāi)社等[2]提出了添加“用戶(hù)興趣度”的方法，這些都是對(duì)ID3算法的改進(jìn)。文章結(jié)合機(jī)車(chē)檢修計(jì)劃中的“基本影響因子”和“檢修評(píng)定因子”來(lái)改進(jìn)ID3算法，對(duì)機(jī)車(chē)檢修作業(yè)流程進(jìn)行合理的優(yōu)化，達(dá)到在短時(shí)間內(nèi)獲得有價(jià)值的機(jī)車(chē)檢修作業(yè)內(nèi)容的目的。

1 ID3算法

1.1 ID3算法的概述

ID3算法是決策樹(shù)生成最常用的具體實(shí)現(xiàn)算法。其算法采用信息論中熵的概念，用信息增益（Information Gain）作為決策屬性分類(lèi)判別能力的度量，進(jìn)行決策樹(shù)節(jié)點(diǎn)屬性的選擇。在決策樹(shù)的生成過(guò)程中選擇具有最大信息增益的決策屬性作為決策樹(shù)的當(dāng)前節(jié)點(diǎn)。通過(guò)這種方式選擇節(jié)點(diǎn)屬性可以保證決策樹(shù)具有最小的分支數(shù)量，使得到的決策樹(shù)冗余最小。但是，這種算法往往在樹(shù)節(jié)點(diǎn)分支階段趨向于取值較多的屬性，許多學(xué)者懷疑其分類(lèi)效果。例如，文獻(xiàn)[2]中指出的“穿衣指數(shù)”是一個(gè)主觀(guān)因素，相同的天氣情況下，老、弱、幼相對(duì)于年輕、健壯的人群來(lái)說(shuō)，可能會(huì)穿的多一些。雖然“穿衣指數(shù)”的取值較多，信息增益較大，而依據(jù)實(shí)情不能作為決策樹(shù)的根節(jié)點(diǎn)。

在機(jī)車(chē)檢修中，一般來(lái)說(shuō)，存在繁多的檢修內(nèi)容，其取值最多，按照ID3算法，得到屬性“檢修內(nèi)容”的信息增益最大， 以此作為決策樹(shù)的根節(jié)點(diǎn)。實(shí)際機(jī)車(chē)檢修作業(yè)流程步驟是：（1）找到哪些部件有故障；（2）把檢修作業(yè)分配到相應(yīng)的班組；（3）班組的工長(zhǎng)再把具體的檢修任務(wù)下達(dá)到每個(gè)小組中?？傊谡{(diào)度人員下達(dá)任務(wù)后，檢修作業(yè)流程是按照班組來(lái)具體施修的，而不是按照具體的施修內(nèi)容來(lái)進(jìn)行作業(yè)的。這是作業(yè)流程的具體步驟。

1.2 機(jī)車(chē)檢修的影響因素

通常決策者可以根據(jù)經(jīng)驗(yàn)知識(shí)來(lái)確定一些影響因素。而在機(jī)車(chē)檢修計(jì)劃的制定中，主要考慮：基本影響因子X(jué)、走行公里因素Y以及動(dòng)態(tài)因素Z對(duì)機(jī)車(chē)檢修規(guī)定的影響，即：檢修評(píng)定因子W= F（X，Y，Z）?，F(xiàn)假定一輛較好的機(jī)車(chē)運(yùn)行在中等路況下，機(jī)車(chē)的基本影響因子是0.5?；居绊懸蜃涌刹閳D1。根據(jù)基本影響因子、走行公里因素和動(dòng)態(tài)因素等，再加上機(jī)務(wù)段實(shí)際的狀況統(tǒng)計(jì)，得出檢修評(píng)定因子。具體影響因素情況見(jiàn)表1。

表1 某機(jī)務(wù)段中修的影響因素

結(jié)合“基本影響因子”和“檢修評(píng)定因子”，對(duì)ID3算法進(jìn)行改進(jìn)，目的是減少取值較多的屬性對(duì)決策樹(shù)形成的影響，進(jìn)而更加符合實(shí)際的機(jī)車(chē)檢修作業(yè)流程。

1.3 改進(jìn)ID3算法的具體計(jì)算方法

設(shè)S是數(shù)據(jù)訓(xùn)練集，S中類(lèi)別標(biāo)識(shí)屬性有n個(gè)不同取值，即定義了n個(gè)類(lèi)Ci， i =1，2，...，n，Ri為數(shù)據(jù)集S中屬于Ci類(lèi)的子集，用ri表示子集Ri中元組中數(shù)量。

集合S中的類(lèi)別表示屬性的期望信息量：

式中，Pi是表示任意樣本屬于Ci類(lèi)的概率。

假設(shè)屬性A中共有m個(gè)不同的取值{a1，a2，...,am}，則通過(guò)屬性A的取值可將數(shù)據(jù)集S劃分為m個(gè)子集，用sj表示數(shù)據(jù)集S中屬性A的取值為aj的子集，j=1，2，...，m。

如果A被作為決策屬性，則這些子集將對(duì)應(yīng)點(diǎn)的不同分枝。用sij表示sj子集中屬于Ci類(lèi)元組的數(shù)量，則屬性A對(duì)于分類(lèi)Ci的熵：

式中，加入基本影響因子α，來(lái)增大機(jī)車(chē)檢修中相關(guān)屬性因素的權(quán)重，減小取值較多屬性的影響。此為第1級(jí)的改進(jìn)。

對(duì)于屬性A每個(gè)取值對(duì)分類(lèi)Ci期望信息量：

式中，Pij表示在sj子集中屬于Ci類(lèi)的比重。

通過(guò)上述可得到對(duì)屬性A作為決策分類(lèi)屬性的信息增益：

式中，加入檢修評(píng)定因子β，來(lái)對(duì)每一個(gè)屬性進(jìn)行機(jī)車(chē)檢修的綜合評(píng)定。此為第2級(jí)的改進(jìn)。

通過(guò)兩級(jí)改進(jìn)，有效地避免ID3算法決策樹(shù)節(jié)點(diǎn)偏向于取值較多的屬性，從而能夠得到與實(shí)際機(jī)車(chē)檢修作業(yè)流程相符的較為合理的檢修步驟。

表2 機(jī)車(chē)檢修數(shù)據(jù)集

2 改進(jìn)的ID3算法在機(jī)車(chē)檢修中的實(shí)現(xiàn)

2.1 實(shí)現(xiàn)方法

（1）建立機(jī)車(chē)檢修的數(shù)據(jù)集，將數(shù)據(jù)編排小組，也就是建模的過(guò)程；（2）對(duì)數(shù)據(jù)集分析，確定類(lèi)別表示屬性和決策屬性集；（3）生成決策樹(shù)，對(duì)決策樹(shù)進(jìn)行適當(dāng)?shù)募糁Α?/p>

2.2 具體應(yīng)用

取表2（數(shù)據(jù)集進(jìn)行了預(yù)整理）作為訓(xùn)練集，進(jìn)行決策樹(shù)的建立，將“無(wú)故障”視為正例集，“有故障”視為反例集。選取“故障狀態(tài)”為類(lèi)別表示屬性，進(jìn)行ID3算法的改進(jìn)，探討機(jī)車(chē)檢修中頻繁發(fā)生的故障信息，找到重點(diǎn)關(guān)注的機(jī)車(chē)檢修路徑。

2.2.1 第1級(jí)改進(jìn)

通過(guò)計(jì)算得到每一屬性的信息增益為：

“部件”的信息增益：

IG(部件)=I(r1, r2)－E(部件)=0.0303

“班組”的信息增益：

IG(班組)=I(r1, r2)－E(班組)=0.0477

“小組”的信息增益：

IG(小組)=I(r1, r2)－E(小組)=0.1954

“檢修內(nèi)容”的信息增益：

IG(檢修內(nèi)容)=I(r1, r2)－E(檢修內(nèi)容)=0.9710

對(duì)機(jī)車(chē)檢修中的相關(guān)屬性，且取值較多的屬性進(jìn)行改進(jìn)，屬性“小組”相對(duì)于“部件”“班組”的取值較多，在“小組”熵值公式中加入基本影響因子α=0.5。

這樣就減小了取值較多屬性對(duì)于生成目標(biāo)決策樹(shù)的影響，避免了大數(shù)據(jù)掩蓋小數(shù)據(jù)的現(xiàn)象。通過(guò)第1級(jí)的改進(jìn)，避免了 ID3算法偏向于取值較多的屬性。

2.2.2 第2級(jí)改進(jìn)

屬性“檢修內(nèi)容”的信息增益最大，根據(jù)機(jī)車(chē)檢修作業(yè)流程的具體狀況，需要加以改進(jìn)，符合實(shí)際情況。檢修評(píng)定因子，對(duì)每一個(gè)屬性的影響是不一樣的?！安考薄ⅰ鞍嘟M”、“小組”都對(duì)檢修作業(yè)有直接的影響，而“檢修內(nèi)容”是檢修的結(jié)果，對(duì)作業(yè)流程來(lái)說(shuō)，不會(huì)產(chǎn)生影響。定義“檢修內(nèi)容”的檢修評(píng)定因子β=－∞，得到“檢修內(nèi)容”的信息增益：通過(guò)第2級(jí)改進(jìn)，對(duì)屬性不能夠影響作業(yè)流程的環(huán)節(jié)，從定義檢修評(píng)定因子上合理進(jìn)行篩選，提高了有效屬性對(duì)于機(jī)車(chē)檢修作業(yè)流程的重要度。

2.2.3 機(jī)車(chē)檢修決策樹(shù)

因?yàn)閷傩浴鞍嘟M”的信息增益最大，所以以此作為根節(jié)點(diǎn)，建立決策樹(shù)。得到機(jī)車(chē)檢修決策樹(shù)，如圖2。

圖2 機(jī)車(chē)檢修決策樹(shù)

2.2.4 頻繁故障的提取規(guī)則

if（ 部件為“牽引電動(dòng)機(jī)”、班組為“大電機(jī)”、小組為“組裝組” ）then檢修內(nèi)容；

if（ 部件為“轉(zhuǎn)向架”、班組為“臺(tái)車(chē)”、小組為“分解組裝組” ）then檢修內(nèi)容；

if（ 部件為“轉(zhuǎn)向架”、班組為“臺(tái)車(chē)”、小組為“輔件組” ）then檢修內(nèi)容；

if（ 部件為“柴油機(jī)”、班組為“柴組裝”、小組為“左側(cè)組” ）then檢修內(nèi)容；

if（ 部件為“柴油機(jī)”、班組為“柴組裝”、小組為“右側(cè)組” ）then檢修內(nèi)容；

if（ 部件為“柴油機(jī)”、班組為“柴組裝”、小組為“底部組” ）then檢修內(nèi)容；

if（ 部件為“柴油機(jī)”、班組為“柴組裝”、小組為“中部組” ）then檢修內(nèi)容；

if（ 部件為“柴油機(jī)”、班組為“柴分解”、小組為“左側(cè)組” ）then檢修內(nèi)容；

if（ 部件為“柴油機(jī)”、班組為“柴分解”、小組為“前后端” ）then檢修內(nèi)容。

2.2.5 頻繁的機(jī)車(chē)檢修路徑

設(shè)定頻繁系數(shù)為0.2，進(jìn)行剪枝后，從提取規(guī)則中得出符合條件的頻繁機(jī)車(chē)檢修路徑：

a.大電機(jī)→牽引電動(dòng)機(jī)→組裝組→檢修內(nèi)容；

b.臺(tái)車(chē)→轉(zhuǎn)向架→組裝分解組→檢修內(nèi)容；

c.柴組裝→柴油機(jī)→左側(cè)組→檢修內(nèi)容；

d.柴組裝→柴油機(jī)→底部組→檢修內(nèi)容；

e.柴分解→柴油機(jī)→前后端→檢修內(nèi)容。

文章中所選的數(shù)據(jù)集中，這5條路徑是比較繁忙，是機(jī)車(chē)檢修作業(yè)流程中重點(diǎn)作業(yè)路徑，在有限的作業(yè)情況下，可以重點(diǎn)關(guān)注。

3 結(jié)束語(yǔ)

建立機(jī)車(chē)檢修數(shù)據(jù)集，找出頻繁發(fā)生的故障信息，達(dá)到“早預(yù)測(cè)、早報(bào)警、早檢修”的目的，使機(jī)車(chē)檢修便捷，提高鐵路運(yùn)輸?shù)陌踩?。本?lái)可以通過(guò)查找歷史數(shù)據(jù)來(lái)人工或計(jì)算機(jī)統(tǒng)計(jì)處理，但沒(méi)有一個(gè)相對(duì)合理的理論解釋?zhuān)ㄟ^(guò)數(shù)據(jù)挖掘的方法進(jìn)行合理分類(lèi)，提供了一個(gè)理論性的支撐。

文章在檢修歷史數(shù)據(jù)中，針對(duì)繁重的機(jī)車(chē)檢修任務(wù)，從數(shù)據(jù)挖掘的角度考慮，找出繁忙路徑，特別是在時(shí)間緊張情況下，迅速調(diào)集人力、物力來(lái)完成檢修作業(yè)。這對(duì)機(jī)車(chē)檢修作業(yè)是一種新的探究。

[1]Quinlan J R. Induction of decision tree[J]．Machine Learning，Springer，1986，1（1）：81-106．

[2]曲開(kāi)社，成文麗，王俊紅. ID3算法的一種改進(jìn)算法[J]. 計(jì)算機(jī)工程與應(yīng)用，2003（25）：104-107.

[3]武 森，高學(xué)東，M .巴斯蒂安.數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘[M].北京：冶金工業(yè)出版社，2003.

[4]王銳鋒，趙俊霞，齊金平，等. 鐵路機(jī)車(chē)檢修計(jì)劃生成系統(tǒng)的研究[J]. 計(jì)算機(jī)應(yīng)用與軟件，2009，26（2）：175-177.

[5]李賢鵬，何松華，趙孝敏，等. 改進(jìn)的ID3算法在客戶(hù)流失預(yù)測(cè)中的應(yīng)用[J].計(jì)算機(jī)工程與應(yīng)用，2009，45（10）：242-244.

[6]朱 明. 數(shù)據(jù)挖掘[M]. 2版 合肥：中國(guó)科學(xué)技術(shù)大學(xué)出版社，2008，11.