大數據在軌道交通維護行業的應用思考

2011年底工信部《物聯網“十二五發展規劃”》中提到關鍵技術創新工程：海量數據存儲，數據挖掘，圖像視頻功能分析；阿里巴巴馬云在2013年5月10日晚會上做卸任前的演講時說，大家還沒搞清PC時代的時候，移動互聯網來了，還沒搞清移動互聯網的時候，大數據時代來了；上海第一財經近期頭腦風暴的節目“大數據時代來了”會場討論相當熱烈。

在美國沃爾瑪運用大數據進行精準營銷，“尿布與啤酒”案例聞名于世，但網上也有學者提出“大數據還是大忽悠？”“大數據產業投資：1美元只賺50美分”等等。熱點追蹤或者炒作概念都是一時的，面對“數據海量 信息缺失”的現狀，如何在海量的數據中挖掘有用的信息，輔助企業的管理決策或實現技術上的預測都是我們需要思考、研究并實踐的。

軌道交通專業粗分：車輛、通信、信號、供電、土建、軌道等，細分僅車輛專業就有車體、車門、空調、牽引、制動、轉向架、受電弓、輔逆系統等。對于關鍵部件逐步運用信息感知技術、信息傳輸技術、信息處理技術來進行狀態跟蹤、預警預報，提升重大基礎設施的監測管理與安全保障能力。目前單土建專業的隧道檢測數據量就以TB計。

從應用層面來說，個人覺得有幾個方面要關注和思考：

（1）明確需求：我們欠缺什么數據？需要什么樣的數據？

（2）建立數據庫。各類監測檢測數據分類進行匯總，存儲。

（3）數據生命周期。各類數據存儲期限多久需要研究界定。

（4）數據挖掘。運用和解釋數據的能力體現。

①理解數據和數據的來源

②獲取相關知識與技術

③整合與檢查數據

④去除錯誤或不一致的數據

⑤建立模型和假設

⑥實際數據挖掘工作

⑦測試和驗證挖掘結果

⑧解釋和應用

數據挖掘牽涉了大量的預處理工作，數據預處理包括數據的凈化、數據格式轉換、變量整合，以及數據表的鏈接。在設備維護單位：間接數據與設備性態的關聯、預警預測模型、風險數據分析都需要積累和研究。

（5） 數據人才。專業人才的缺口在軌道交通行業很大，數據分析專業人員更是廖廖。

（6）數據安全。保密制度，開通權限都需要研究設定。

以上想法不成熟，歡迎大家探討!更希望同行提供運用實例。