袁 焦，王 珣，潘兆馬，楊學鋒，鄒文露

(中國中鐵二院工程集團有限責任公司，四川 成都 610031)

0 引 言

車載設備是高速鐵路列控系統(tǒng)的大腦中樞，是保證其運行安全和運營效率的核心要素。隨著我國高速鐵路和運輸體量的迅速增長，迫切需要提高高速鐵路運輸效率和運營安全，而車載設備故障的快速排除、定位、診斷和維護手段的優(yōu)化是其決定性因素。然而，列車實際運行過程中，高速鐵路車載設備快速、實時和連續(xù)地產(chǎn)生海量的流數(shù)據(jù)，數(shù)據(jù)量龐大、高維性、多源異構(gòu)且故障模式分布不均衡等特點為數(shù)據(jù)的記錄、整合和高效提取帶來巨大挑戰(zhàn)，難以快速實時地根據(jù)數(shù)據(jù)對故障進行準確預測和智能分類。鑒于以上原因，實現(xiàn)準確高效的車載設備故障識別具有極其重要的意義。

初期的車載設備故障預測模型主要是基于傳統(tǒng)的靜態(tài)存儲數(shù)據(jù)如車載日志等對故障進行分析和挖掘，但是流式數(shù)據(jù)難以實現(xiàn)全部有效存儲，靜態(tài)存儲數(shù)據(jù)后再進行遍歷的傳統(tǒng)方法明顯不再有效。隨后提出的基于流數(shù)據(jù)的機器學習預測模型在智能交通系統(tǒng)[1]、高速公路實時安全風險預測[2]、地理信息系統(tǒng)[3]、地熱學[4]、金融交易平臺[5]、基礎設施智能儀表[6]、垃圾郵件與垃圾郵件發(fā)送者識別[7]和黑洞模擬模型[8]等領域，具有較高的準確性。因而，利用機器學習對流數(shù)據(jù)進行直接分析和挖掘十分必要，可以更快速、實時和準確地對車載設備故障進行排除、定位及診斷。但是，數(shù)據(jù)分類是極其重要的數(shù)據(jù)挖掘技術(shù)，流數(shù)據(jù)的分類是流式數(shù)據(jù)分析和挖掘的核心和難點。季一木等人指出，對高速鐵路車載設備流數(shù)據(jù)分類的關鍵在于根據(jù)流式數(shù)據(jù)增量學習構(gòu)造一個分類函數(shù)或分類變量，能夠?qū)⑿碌妮斎胱兞坑成涞骄唧w的類別變量上[9-11]。

針對上述關鍵問題，本文關注利用機器學習中的決策樹進行流數(shù)據(jù)分類的方法。決策樹是機器學習中的一個樹狀預測模型，調(diào)整后的決策樹相較于其他分類算法計算量更小,更適用于處理多源異構(gòu)、連續(xù)性和實時性的流數(shù)據(jù)[12-13]?；谝?guī)范化的列控設備流數(shù)據(jù)的特征，本文首先采用CVFDT決策樹算法，然后結(jié)合自適應的學習過程和時間滑動窗口提高模型的準確率和實時性[14-15]，構(gòu)建車載設備管理維護平臺，以期提高故障識別和診斷準確率，提升高速鐵路運營安全和效率。

1 高速鐵路車載設備

高速鐵路列控車載系統(tǒng)是保證列車運行安全和效率的關鍵設備。我國列控系統(tǒng)在參照歐洲列控標準的基礎上，結(jié)合自身列車特點，建立了CTCS(Chinese Train Control System)標準[16]。CTCS可劃分為5個等級，由CTCS-0至CTCS-4組成。目前，CTCS-3級是我國重點采用的列控系統(tǒng)，它可通過無線通信設備實現(xiàn)車地通信，在高速運行中對列車進行有效管理[17]。高速鐵路車載設備結(jié)構(gòu)如圖1所示，車載系統(tǒng)包含主用和備用2系，可提高系統(tǒng)可靠性。車載設備主要由無線通信單元(GSM-R)、人機界面(DMI)、網(wǎng)關(TSG)、司法記錄單元(JRU)、C3主控單元(ATPCU)、C2主控單元(C2CU)、測速智能處理單元(SDP)、應答器信息傳輸單元(BTM)、應答器讀取天線(CAU)、測速測距單元(SDU)、安全傳輸單元、無線傳輸單元、TCR軌道電路信息讀取器和MVB總線等構(gòu)成。

圖1 高速鐵路車載設備結(jié)構(gòu)圖

車載智能設備記錄數(shù)據(jù)主要來源于車載模塊數(shù)據(jù)、MVB總線數(shù)據(jù)和JRU司法記錄單元數(shù)據(jù)。車載模塊數(shù)據(jù)主要來源于C3主控單元、C2主控單元、測速智能處理單元和網(wǎng)關。其中，C3和C2主機模塊是列車的核心控制單元，是最重要的數(shù)據(jù)來源。在列車高速運行中，可根據(jù)流數(shù)據(jù)對列車設備頻發(fā)的故障進行高效分析，智能診斷車載設備故障類別，如BTM相關、ATPCU相關、SDU相關和JRU相關故障等。

2 流數(shù)據(jù)與決策樹分類算法

2.1 鐵路車載智能設備中的流數(shù)據(jù)

流數(shù)據(jù)通常是指一組大量的無邊界的數(shù)據(jù)項序列，其具有連續(xù)性、大量性、實時性、變化性、多樣性等特點。通常用時間序列模型(Time Series Model)表示。例如，令t表示時間戳，at表示t時間戳到達的數(shù)據(jù)，則流數(shù)據(jù)可以表示為{…,at-1,at,at+1,…}[18]。流數(shù)據(jù)通常使用元組、鍵值對記錄等格式。

在CTCS-3級列控系統(tǒng)運行過程中，C2CU、ATPCU、TSG、SDP等模塊會產(chǎn)生大量車載模塊數(shù)據(jù)。車載控制單元通過MVB總線進行數(shù)據(jù)交互，這部分數(shù)據(jù)被稱作MVB總線數(shù)據(jù)。同時C2CU、ATPCU這2個模塊與司法記錄器(JRU)之間通過Profibus總線進行數(shù)據(jù)交互，向JRU發(fā)送數(shù)據(jù)，因此JRU設備中也存儲了大量的JRU數(shù)據(jù)[19]。車載設備模塊數(shù)據(jù)、MVB總線數(shù)據(jù)和JRU數(shù)據(jù)共同組成了車載智能設備數(shù)據(jù)，這些數(shù)據(jù)都是在列車運行過程中實時產(chǎn)生的，屬于流數(shù)據(jù)的一種，可以通過串口、MVB總線以及網(wǎng)口分別進行采集并整理，并通過網(wǎng)絡實時發(fā)送到智能管理維護系統(tǒng)進行流數(shù)據(jù)分析處理，以了解各個設備工作運行狀態(tài)，為及時發(fā)現(xiàn)和解決問題提供數(shù)據(jù)支持，從而實時、高效地進行車載智能設備的維護和管理。

2.2 數(shù)據(jù)預處理

通過以上方式采集到的車載智能設備原始數(shù)據(jù)中往往包含有部分噪聲數(shù)據(jù)、部分記錄不完整的數(shù)據(jù)以及記錄不一致或者冗余的數(shù)據(jù)。因此不能直接使用原始數(shù)據(jù)進行數(shù)據(jù)流決策樹分類，需要進行數(shù)據(jù)預處理操作。通過數(shù)據(jù)預處理能夠大幅提高車載設備中的流數(shù)據(jù)決策樹分類的精度和性能。其過程主要包括數(shù)據(jù)清理、數(shù)據(jù)集成、數(shù)據(jù)變換以及數(shù)據(jù)規(guī)約等。數(shù)據(jù)清理主要通過缺失值填充、光滑噪聲、識別離群點、糾正不一致數(shù)據(jù)等方式來完善和規(guī)范數(shù)據(jù)；數(shù)據(jù)集成和數(shù)據(jù)變換是指根據(jù)需要將數(shù)據(jù)轉(zhuǎn)換為易處理的形式進行分類學習，以發(fā)現(xiàn)其中潛在的規(guī)律；數(shù)據(jù)規(guī)約技術(shù)在盡量保持數(shù)據(jù)完整性的同時對原始數(shù)據(jù)進行壓縮，大大縮小了數(shù)據(jù)集規(guī)模，使得對規(guī)約后的數(shù)據(jù)分析更加有效，并保持與原數(shù)據(jù)分析結(jié)果基本一致。其常用方法主要有：數(shù)值規(guī)約、維規(guī)約、數(shù)據(jù)立方聚集、數(shù)據(jù)屬性子集選擇、離散化以及概念分層產(chǎn)生等。

2.3 決策樹分類算法

在完成對數(shù)據(jù)預處理之后，則進行車載設備數(shù)據(jù)流分類。由于車載智能設備在列車運行過程中所產(chǎn)生的數(shù)據(jù)具有規(guī)模大、類型多、高速動態(tài)變化、實時連續(xù)等特點，為了從大量的信息中快速挖掘設備異常相關的參數(shù)信息，傳統(tǒng)數(shù)據(jù)挖掘方法已不再適用于列車車載設備數(shù)據(jù)流應用場景，因此本文對車載設備數(shù)據(jù)利用數(shù)據(jù)流挖掘算法實現(xiàn)對設備故障關鍵信息的識別。首先通過Hoeffding樹構(gòu)建單分類決策樹模型對車載設備數(shù)據(jù)流進行初步分類。在此基礎上，為解決車載數(shù)據(jù)流隨時間變化產(chǎn)生的概念漂移，本文應用CVFDT算法，在Hoeffding樹的基礎上添加滑動窗口，從而使得建立決策樹模型的數(shù)據(jù)流能夠不斷實現(xiàn)更新，保持車載設備數(shù)據(jù)分類模型的準確率。

2.3.1 Hoeffding樹

Hoeffding樹[20]是決策樹的一個變種，由華盛頓大學教授Pedro Domingos和Geoff Hulten在2000年提出。它是基于Hoeffding不等式構(gòu)建的，Hoeffding不等式給出了隨機變量的和與其期望值偏差的概率上限：

(1)

Hoeffding樹的基本思想如下：

設G是增益函數(shù)(如信息增益、基尼指數(shù)等)，xa,xb是待分類數(shù)據(jù)的2個屬性，在所有分類屬性中，xa對應的增益值最高，xb對應的增益值次之。令：

(2)

(3)

其中，R表示隨機變量的取值范圍，n表示樣本數(shù)量。要使xa更加接近于最佳分類屬性，則要求誤差ε足夠小，由上式可知，ε是隨著隨機變量個數(shù)n的增加而遞減的。

基于以上基本思想，Hoeffding樹在某個節(jié)點選擇屬性時，在足夠多的訓練數(shù)據(jù)中求出最佳分類屬性作為該節(jié)點的測試屬性，然后根據(jù)該屬性的不同值所對應的類，采用分治的方式遞歸地獲取下一層節(jié)點的測試屬性，如果樣本數(shù)據(jù)都在同一個類，則該節(jié)點為樹葉，并用該類標記，最終形成一棵決策樹。該算法對數(shù)據(jù)雖然是一次掃描，但是在保證誤差ε足夠小的情況下，需要增加樣本數(shù)量n，從而增加了對內(nèi)存的需求，這是該算法的瓶頸。

2.3.2 CVFDT算法

CVFDT算法[21](Concept-adapting Very Fast Decision Tree classification algorithm)是基于Hoeffding樹的一種增量式的分類算法。CVFDT決策樹可以動態(tài)改變窗口大小，根據(jù)當前已有數(shù)據(jù)構(gòu)建臨時決策樹，在新的數(shù)據(jù)到來后動態(tài)地優(yōu)化該決策樹。當決策樹的某個節(jié)點發(fā)生概念漂移時，會在該節(jié)點構(gòu)建新的替代子樹，當替代子樹的分類效果優(yōu)于原決策子樹時，則替代子樹改為新的決策子樹。CVFDT決策樹的構(gòu)建主要可以分為3個過程，分別是CVFDTGrow,ForgetExample和CheckSplitValidity。其流程如圖2所示。

圖2 CVFDT決策樹流程圖

3 鐵路車載設備管理CVFDT模型

3.1 車載流數(shù)據(jù)特征提取

車載設備故障數(shù)據(jù)通常是由自然語言描述的文本信息，因此需要對原始數(shù)據(jù)進行預處理和特征提取。首先根據(jù)相關故障詞匯在文本中出現(xiàn)的頻率和相關歷史經(jīng)驗，人為提取出具有代表性的故障詞匯和故障類型。如表1和表2所示。

表1 故障詞匯表

表2 故障類型表

然后針對這些故障詞匯，采用TF-IDF(詞頻-逆文本頻率)方法對其在文本中出現(xiàn)的頻率和權(quán)重進行計算。

對特定詞語t在文檔d中的權(quán)重值w的計算公式如下：

(4)

式中，tf表示特定詞語t在文本d中出現(xiàn)的頻率，N為文本中詞語的總個數(shù)，n為特定詞語t在文本中出現(xiàn)的次數(shù)，N/n為逆文本頻率指數(shù)(即IDF)。

從而對文本數(shù)據(jù)進行向量化來提取其特征，將原文本信息轉(zhuǎn)化為帶權(quán)重的詞集，形成規(guī)范的訓練數(shù)據(jù)。如表3所示。

表3 規(guī)范化車載設備故障數(shù)據(jù)結(jié)構(gòu)表

3.2 構(gòu)建CVFDT模型

使用CVFDT算法對車載設備故障分類的算法如下：

T為空子樹，初始節(jié)點統(tǒng)計數(shù)n=0，m為檢查樹增長的樣例數(shù)，w為窗口所能容納的數(shù)據(jù)塊大小。對于輸入的車載設備故障數(shù)據(jù)流(x,y)，將其添加進窗口W中。

1) If |W|>w

①從窗口W中刪除樣本；

②釋放空間。

2) CVFDTGrow增長過程。

①樣本數(shù)據(jù)(x,y)流入葉子節(jié)點L；

②對(x,y)經(jīng)過的每個節(jié)點Li,更新各個節(jié)點統(tǒng)計數(shù)n；

③對節(jié)點Li中的替代子樹ALT(Li),遞歸調(diào)用CVFDTGrow增長函數(shù)；

④計算信息熵，找到最佳分類屬性A進行分裂。

3) CheckSplitValidity過程。

①對于每個非葉子節(jié)點L的替代子樹ALT(L)進行遞歸調(diào)用CheckSplitValidity過程；

②如果L的最佳分裂屬性不是當前屬性A,Aa是達到最大觀測值G的屬性，Ab是次最大觀測值G的屬性；

③IfG(Aa)-G(Ab)>ε

④Aa取代A成為當前最佳分裂屬性。

以上的算法過程中，CVFDT通過不斷輸入的車載設備故障流數(shù)據(jù)，進行訓練，生成了一個反映當前數(shù)據(jù)分布的實時模型，能夠反映當前車載設備故障的實時狀態(tài)，具有更好的分類預測效果，適用于復雜多變的列車運行環(huán)境。

3.3 車載設備故障預測結(jié)果分類

圖3 車載設備故障預測圖

在列車運行過程中，車載設備所產(chǎn)生的主要故障有：車地通信相關故障(47%)、ATPCU相關故障(24%)、BTM相關故障(13%)、列車接口相關故障(5%)及其他故障(11%)等。現(xiàn)將各類故障結(jié)果分為低概率發(fā)生、高概率發(fā)生、已發(fā)生這3類，可表示為圖。通過對故障預測結(jié)果進行分類，可以使管理人員實時監(jiān)控車載設備運行狀況，更加準確地定位故障位置，以便高效地處理故障。故障預測結(jié)果分類如圖3所示。

3.4 模型總體架構(gòu)

基于車載流數(shù)據(jù)的實時故障診斷方法，需要構(gòu)建數(shù)據(jù)采集、傳輸、處理及顯示的軟硬件系統(tǒng)。其系統(tǒng)主要由3個部分組成：車載設備數(shù)據(jù)采集器、服務器和客戶端。工作的基本原理為車載設備采集數(shù)據(jù)后，上傳到服務器，服務器根據(jù)已構(gòu)建好的基于CVFDT算法的模型和車載信息流數(shù)據(jù)進行預測以判斷列車各設備運行狀態(tài)。最后將預測結(jié)果傳送到客戶端，供工作人員實時監(jiān)控和維護車載設備。

1)車載設備數(shù)據(jù)采集器。

通過統(tǒng)一的數(shù)據(jù)接口，將各設備采集到數(shù)據(jù)進行匯總后(主要有車載模塊數(shù)據(jù)、MVB總線數(shù)據(jù)和JRU司法記錄單元數(shù)據(jù))，通過移動通信網(wǎng)實時傳送到服務器。要求車載數(shù)據(jù)采集設備具備安全、穩(wěn)定、可靠等特點。

2)服務器。

負責接收和保存車載設備傳輸?shù)臄?shù)據(jù)，同時將實時到達的流數(shù)據(jù)進行預處理后，輸入CVFDT模型中，進行訓練、分類，以實時預測各設備故障發(fā)生的可能性。同時實時保存其預測結(jié)果。用戶可以從客戶端上下載設備所采集到的歷史數(shù)據(jù)和設備故障預測結(jié)果。

圖4 系統(tǒng)流程原理圖

3)客戶端。

用戶通過客戶端軟件來實時監(jiān)控車載設備各部件的工作狀況，實時查看各部件發(fā)生故障可能性的大小，對于當前可能高概率發(fā)生的故障，設立系統(tǒng)預警機制，及時通知用戶進行排查和消除，以避免故障的發(fā)生。針對已發(fā)生的故障，可查看與故障相關的工作部件的歷史車載數(shù)據(jù)流，并可供下載，進行后續(xù)系統(tǒng)的分析。

系統(tǒng)的基本流程設計原理如圖4所示。

3.5 實驗分析

本次實驗采用了2016—2018年度CTCS3-300T型車載設備歷史數(shù)據(jù)中抽取的共11583條實時流數(shù)據(jù)進行測試，將其分為訓練集與測試集。

訓練集包含：1)列車各車載設備正常運行所產(chǎn)生的部分流數(shù)據(jù)7489條；2)列車發(fā)生車地通信相關故障、ATPCU相關故障、BTM相關故障以及列車接口等相關故障前后1 min內(nèi)，車載設備的部分流數(shù)據(jù)共計517條。

測試集包含：1)列車各車載設備正常運行所產(chǎn)生的部分流數(shù)據(jù)3496條；2)列車發(fā)生車地通信相關故障、ATPCU相關故障、BTM相關故障以及列車接口等相關故障前后1 min內(nèi)，車載設備的部分流數(shù)據(jù)共計321條。

本實驗分別采用了常用的3種流計算分類算法(BP神經(jīng)網(wǎng)絡、樸素貝葉斯法(NaiveBayes)、CVFDT)進行車載設備故障預測準確率驗證，通過7次調(diào)整訓練集與測試集的數(shù)量，得到實驗對比結(jié)果如圖5所示，其平均準確率分別為BP神經(jīng)網(wǎng)絡90.89%、NaiveBayes 87.78%、CVFDT 94．13%。

圖5 車載設備故障預測模型分類實驗

實驗結(jié)果表明，基于流數(shù)據(jù)的CVFDT算法車載設備故障預測模型相較于其他算法準確率高，可以較好地監(jiān)控和反饋車載設備工作狀況，輔助工作人員診斷故障和維護設備，提高工作效率，保障鐵路車載設備的正常運行。

4 結(jié)束語

隨著高速鐵路的迅速發(fā)展，對列控設備自動化、設備故障智能診斷和預測的要求不斷提高。本文通過車載設備數(shù)據(jù)特征分析，采用CVFDT決策樹算法，對車載模塊流數(shù)據(jù)、MVB總線流數(shù)據(jù)和JRU司法記錄單元流數(shù)據(jù)進行機器學習，一方面實現(xiàn)對不斷到來的流數(shù)據(jù)準確分類，實現(xiàn)車載設備故障精準定位，提高診斷效率；另一方面對車載設備故障發(fā)生概率進行預測，實現(xiàn)故障“事前排除”和防護，降低車載設備對高速鐵路運營安全和運輸效率的影響。然而，由于決策樹訓練類別不足，流數(shù)據(jù)分類中并未考慮不同故障間的關聯(lián)關系及故障間的交互影響程度。因此，在未來的研究中還需要提高對交互故障和關聯(lián)故障的診斷有效性。