A Data-Driven Framework for Detecting Railway Maintenance Needs Using Acceleration Data Collected from Passing Trains

Ramin Ghiasi

doi:10.1007/978-3-032-04774-8_129

2026-01-01

Ramin Ghiasi *

Abdollah Malekjafarian

DOI：10.1007/978-3-032-04774-8_129

原文链接

原文求助

摘要

En 中文

近年来，由于乘客和货运量的增加，铁路轨道系统的维护需求快速增长。本文提出了一种新颖的数据驱动方法，利用从运营中的客运列车收集的垂直加速度数据来检测铁路轨道系统不同的维护需求。该框架包含四个模块。首先，进行数据预处理和清洗，以从整个数据集中提取有用数据。然后，从原始数据中提取状态敏感特征。在第三个模块中，使用方差分析（ANOVA）算法从响应的时间域特征集中选择最佳测量特征子集，以表征轨道状态，并消除无关特征。最后，采用基于支持向量机（SVM）的多标签分类算法对轨道维护需求类型进行分类。本研究使用来自美国一项实地研究的开放获取数据集来验证所提出的方法。结果表明，当使用SVM时，在检测道砟捣固和线路整修需求方面，其准确性高于k-最近邻（KNN）和决策树（DT）。此外，还研究了使用不同的特征选择方法、不同的分类算法以及不同的加速度计类型（单轴和三轴加速度计）对所提出方法准确性的影响。

Keyword:

Indirect railway monitoring

Data driven

Rail maintenance