Федеральное агентство железнодорожного транспорта Российской Федерации Федеральное государственное бюджетное образовательное учреждение высшего образования "Петербургский государственный университет путей сообщения Императора Александра I" Кафедра "Электрическая тяга" Научно-исследовательская работа По теме «Организация обслуживания и ремонта современных вагонов метрополитена» Выполнил студент группы ЭТМ-303 Лю Цзюньи Проверил Никитин В.В. Санкт-Петербург 2024 Актуальность выбранной темы В последние годы, благодаря вниманию, уделяемому национальном у стратегическому уровню, технология больших данных становится все более совершенной, и применение больших данных также получило пол ное развитие. Являясь основным видом транспорта, городской железнод орожный транспорт может эффективно решить проблему городских проб ок на дорогах. При железнодорожном транспорте генерируются огромные объемы данных. Эти данные обладают очевидными характеристиками больших д анных, которые в основном отражаются в: 1) разнородности из нескольк их источников: широкий спектр источников данных, различные методы г енерации и децентрализованного хранения, сложные типы данных и отн осительно большая доля неструктурированных данных; 2) Достоверност и данных динамика: данные о железнодорожном транзите зависят от вне шней среды и влияют на людей и предметы, находящиеся в процессе жел езнодорожного транзита. Они динамичны и случайны, но между данным и существует сильная корреляция и взаимные помехи; 3) Цикл генераци и данных сильно меняется, а скорость передачи высокая; 4) Данные име ют определенную регулярность и очевидные пространственно-временны е характеристики: время и оба измерения пространства имеют очевидны е характеристики, такие как праздники и погодные условия, которые вли яют на данные о пассажиропотоке, а также на данные о работе поездов и техническом обслуживании. Эти данные содержат огромное количество информации и данных о том, как эффективно использовать технологию больших данных, извлекать потенциально полезные данные, изучать зак оны системы железнодорожного транспорта и направлять планирование и управление железнодорожным транспортом, имеет огромное стратегич еское значение. То, как в полной мере использовать инновационную ценность боль ших данных в управлении железнодорожными перевозками, поможет вы явить потенциальные закономерности использования данных при железн одорожных перевозках, проанализировать потребности в принятии реше ний и оптимизировать сбор и обработку данных. С учетом потребностей в онлайн-мониторинге железнодорожного транспорта, основанном на те хнологии больших данных, была разработана система онлайн-мониторин га больших данных железнодорожного транспорта для эксплуатации и те хнического обслуживания метрополитена. Используйте такие технологи и, как интеллектуальный анализ больших данных, прогнозирование боль ших данных и визуализация больших данных, для поддержки онлайн-мо ниторинга железнодорожных перевозок, повышения эффективности и со действия развитию. Цель и задачи исследования С быстрым развитием информационных технологий и популяризацией Интернета технология больших данных становится ключом ко всем сферам жизни.Большие данные - это крупномасштабный и сложный сбор данных, которые невозможно обработать и проанализировать с помощью традиционных методов и инструментов обработки данных в течение определенного периода времени.Технология больших данных направлена на решение задач хранения, обработки, анализа и применения данных с целью выявления скрытой ценности и знаний, содержащихся в данных. Развитие технологий обработки больших данных в основном проявляется в трех аспектах.Стремительное развитие технологий хранения данных сделало возможным хранение огромных объемов данных.Повышение вычислительной мощности и развитие технологий параллельных вычислений сделали реальностью эффективную обработку больших объемов данных.Непрерывные достижения в области анализа данных и интеллектуального анализа данных обеспечили теоретическую и методологическую поддержку применению больших данных. Научная новизна и/или практическая значимость результатов исследования В связи с постоянным повышением требований людей к качеству по ездок количество поездов метро постоянно увеличивается, а обеспечение безопасности эксплуатации и технического обслуживания во время движ ения поездов становится еще более важным.В настоящее время информа тизация и интеллектуализация эксплуатации и технического обслуживан ия транспортных средств являются основными направлениями строитель ства метрополитена. Сбор основных параметров и данных заменяет ручн ое управление с помощью относительно более точных машин, что позво ляет избежать ошибок, вызванных влиянием человеческого фактора, сни зить нагрузку на обслуживающий персонал и повысить надежность данн ых.В то же время была разработана взаимосвязанная интеллектуальная а налитическая система, призванная устранить барьеры между нескольким и крупными компаниями отрасли метрополитена, сформировать интелле ктуальную модель организации производства по эксплуатации и техниче скому обслуживанию и повысить эффективность эксплуатации и техниче ского обслуживания.Благодаря постоянному обновлению и повторению данных по эксплуатации и техническому обслуживанию, а также опыту т ехнического обслуживания оборудования, транспортные средства и обор удование метрополитена постепенно переходят от планового техническо го обслуживания к техническому обслуживанию в состоянии готовности, осуществляется интеллектуальное управление всем жизненным циклом, а безопасная и стабильная работа метрополитена гарантируется от перво причины. Основная часть с изложением собранного метериала 1.Статус-кво развития технологий интеллектуальной эксплуатации и технического обслуживания транспортных средств： 1.1 Шанхайский метрополитен Технологическое развитие интеллектуального управления транспортными средствами и технического обслуживания Шанхайского метрополитена прошло через три критических периода.Первый - это предварительный пилотный период, который начался в 2006 году, когда Шанхайский метрополитен начал изучать передачу данных о состоянии движения поездов на землю.В рамках проекта Line 10 была успешно реализована передача данных о транспортных средствах, управляемых в режиме онлайн, в режиме реального времени и разработан графический интерфейс отображения.Второй период - период создания системы. В 2011 году на линии 6 была завершена доработка и внедрение системы передачи данных с транспортного средства на землю и анализа сбоев в работе поездов на складе, что позволило решить проблему передачи данных о поездах на основной линии в режиме реального времени.В 2016 году Шанхайский метрополитен продвигал стратегическое направление, основанное на интеллектуальном обнаружении рельсовых путей, создал интегрированную систему обнаружения рельсовых путей (SMIT) на линии 17 и завершил создание интеллектуальной платформы для эксплуатации и технического обслуживания транспортных средств, реализовав интеллектуальное планирование эксплуатации и технического обслуживания на основе технологии мобильного Интернета.Наконец, наступил период всестороннего развития. В 2018 году была официально введена в эксплуатацию комплексная система контроля на железнодорожной линии 17.Благодаря этой системе было значительно снижено соотношение количества людей и транспортных средств, требуемых для технического обслуживания, ежедневный цикл технического осмотра транспортных средств был увеличен до 8 дней, а коэффициент использования транспортных средств увеличился на 3%.Это усовершенствование не только приводит к сокращению затрат на покупку 11 поездов, но и экономит около 280 миллионов юаней затрат на рабочую силу и 50 миллионов юаней расходов на материалы для технического обслуживания в год.В конце 2021 года “Интеллектуальная система эксплуатации и технического обслуживания железнодорожных транспортных средств (RISE)”, разработанная Шанхайским метрополитеном в качестве национального демонстрационного проекта, вступила в стадию комплексного строительства и разработки.Эта система поддерживается анализом больших объемов данных и технологией искусственного интеллекта, охватывающей беспроводную передачу данных в режиме реального времени от транспортного средства к земле (IOR), интегрированную систему контроля на железнодорожном транспорте (SMIT), систему управления техническим обслуживанием и углубленную разработку на основе конкретных сценариев применения.С помощью этой системы были реализованы автоматизация определения состояния транспортного средства, оцифровка информации об управлении и техническом обслуживании, а также интеллектуальное использование данных. 1.2 Метро Шэньчжэня С 2016 года Шэньчжэньский метрополитен запустил инновационный пилотный проект по интеллектуальной эксплуатации и техническому обслуживанию, и на этой основе он спланировал и построил интеллектуальную платформу для эксплуатации и технического обслуживания транспортных средств метро.К концу 2018 года они завершили общее проектирование архитектуры платформы и функциональное планирование планировки.В 2019 году были разработаны и выпущены план разработки и серия стандартов для разумной эксплуатации и технического обслуживания.С наступлением 2020 года Шэньчжэньский метрополитен официально вступил в период комплексного строительства интеллектуального метро.В прошлом году компания Shenzhen Metro создала интеллектуальную платформу для эксплуатации и технического обслуживания транспортных средств на базе архитектуры больших данных Hadoop, основанную на собственном опыте эксплуатации и технического обслуживания транспортных средств.Платформа включает в себя интеллектуальные системы, которые подразделяются на интеллектуальные поезда, интеллектуальное техническое обслуживание, интеллектуальный мониторинг, а также системы беспроводной передачи данных от транспортного средства к земле и интеллектуальные системы эксплуатации и технического обслуживания.Используя интеллектуальную систему анализа изображений, она может осуществлять идентификацию неисправностей и аварийных сигналов ключевых компонентов, повышать эффективность реагирования на 80%, повышать эффективность технического обслуживания на 50%, сокращать штат обслуживающего персонала на 10% и экономить 10% затрат на техническое обслуживание в течение всего жизненного цикла. 1.3 Метро Гуанчжоу В 2011 году метрополитен Гуанчжоу воспользовался возможностью для реализации национального научно-исследовательского проекта “Пла н 863” “Ключевые технологии для мониторинга движения и раннего пре дупреждения о безопасности городских железнодорожных поездов” и пр иступил к созданию интеллектуальных систем управления и техническог о обслуживания транспортных средств метро.Благодаря внедрению датч иков и другого испытательного оборудования было успешно разработан о оборудование для беспроводной передачи данных от транспортного ср едства к земле и создан центр передачи данных, что позволило создать п ервую систему мониторинга и раннего предупреждения о безопасности в пути, которая может отслеживать состояние поездов в любое время.В 2019 году Гуанчжоуский метрополитен выступил с инициативой создани я интеллектуальной системы железнодорожного транспорта “1+4”, котор ая объединяет “1 интеллектуальную платформу железнодорожного транс порта + 4 ключевые технологии” и всесторонне продвигает создание нов ой технологической платформы для интеллектуальной эксплуатации и те хнического обслуживания линейной сети.К 2020 году будет завершена р азработка и введена в эксплуатацию интеллектуальная система эксплуат ации и технического обслуживания транспортных средств, основанная н а сочетании больших объемов данных и облачных вычислений.Использо вание этой системы позволило увеличить срок службы компонентов тран спортного оборудования на 25% при одновременном снижении затрат на техническое обслуживание более чем на 30%, успешно заменив 80% раб от по ручному техосмотру [4]. 1.4 Рурский сегмент цифровых транспортных средств Работа Рурского сегмента цифрового транспорта Дортмундского ме трополитена в Германии была улучшена во многих отношениях.Сегмент транспортных средств оснащен системой диагностики неисправностей в режиме реального времени, оборудованием для обеспечения безопасност и, цифровыми и безбумажными офисными помещениями и т.д., которые охватывают все работы по техническому обслуживанию поездов.Анализ ируйте данные о ключевых компонентах поезда с помощью алгоритмов искусственного интеллекта (ИИ), предоставляйте рекомендации операти вному обслуживающему персоналу и повышайте эффективность и точно сть профилактического обслуживания и устранения ошибок.В то же вре мя раннее предупреждение о неисправностях и информация о местополо жении будут переданы во все центры оперативного управления (OCC), ц ентры управления сегментами транспортных средств (DCC), станционны е службы, машинистам и другому персоналу, а также будет создан авари йный механизм быстрого реагирования и эффективной связи, чтобы сокр атить время восстановления движения поездов.Кроме того, обратный по езд должен пройти проверку с помощью оборудования для автоматическ ого визуального контроля (AVI) колесных пар, которое может автоматич ески оценивать степень износа каждой колесной пары, а также анализир овать и обрабатывать ее с помощью платформы управления данными. Благодаря всестороннему внедрению интеллектуального управления и технического обслуживания цифрового оборудования соотношение ко личества людей и транспортных средств в сегменте транспортных средст в составляет всего 0,18, а 75 обслуживающих сотрудников отвечают за у правление и техническое обслуживание 85 электробусов в течение 32 ле т, что намного ниже, чем в мировой отрасли железнодорожного транспо рта. для транспортных средств это, как правило, около 0,50. 1.5 Участок дороги Чжуцзян для умных транспортных средств На участке Smart vehicle на Чжуцзян-роуд в районе метро Хэфэй пр именяется интеллектуальная система управления производственной лин ией по ремонту рам, позволяющая осуществлять контроль над всем проц ессом технического обслуживания транспортных средств и их компонен тов, а также повышать уровень интеллектуальности и информативности при ремонте рам транспортных средств, как показано на рисунке 2.Конк ретные результаты заключаются в следующем.(1) Внедрите интеллектуа льное планирование производства и анализ данных для планирования пр оизводства, сократите цикл ремонта рамы с 40 до 25 дней и повысьте эф фективность ремонта рамы более чем на 50%.(2) Благодаря использован ию автоматизированного оборудования, интеллектуальных инструменто в и интеллектуальных платформ контролируется весь процесс ремонта р амы, а безопасность и качество операций по ремонту рамы значительно повышаются.(3) Осознавать взаимосвязь между планом ремонта каркаса и ресурсами и посредством комплексного управления ресурсами оборуд ования, запасами материалов, людскими ресурсами и инструментами обе спечивать сбалансированное распределение людских, финансовых и мат ериальных ресурсов и эффективно повышать коэффициент использовани я ресурсов.Отталкиваясь от собственных потребностей, каждый из выше указанных сегментов транспортного средства сочетает в себе цифровые и интеллектуальные новых технологий для осуществления инновационн ой практики в области обслуживания транспортных средств, планирован ие производства, производства и управления информацией, и добился зн ачительного преимущества. Результаты и практический опыт можно исп ользовать для справки при проектировании и строительстве других сегм ентов транспортного средства.Однако в целом отсутствует комплексное планирование, а трансформация автомобильного сегмента еще не охвати ла все крупные предприятия, и последующее строительство может приве сти к повторному строительству или реконструкции. 2.Проблемы при разработке платформы поддержки эксплуатаци и и технического обслуживания 2.1 Невозможно провести различие между подержанными и неис пользуемыми транспортными средствами. В текущей версии платформы поддержки эксплуатации и техническ ого обслуживания существует проблема, заключающаяся в невозможнос ти точно провести различие между эксплуатируемыми и неработоспособ ными транспортными средствами.Это затрудняет предоставление систем ой целенаправленной информации и рекомендаций при мониторинге сбо ев и устранении их последствий.Отсутствие четкого различия между экс плуатируемым и неработающим транспортным средством может привест и к ложным срабатываниям, что влияет на точное представление эксплуа тационного и обслуживающего персонала о состоянии поезда и эффекти вность управления. 2.2 Путаница в информации о местоположении поезда В текущей платформе поддержки эксплуатации и технического обсл уживания возникла проблема путаницы в информации о местоположени и поездов.Эта проблема проявляется в неспособности системы точно отл ичать работающие транспортные средства от неработающих, что привод ит к несовершенству функций проверки информации о неисправностях.С пецифическая особенность заключается в том, что информация о местоп оложении, отправляемая центром УВД в TCMS по шине MVB, вызываем ой пунктом назначения поезда, не может предоставить информацию о па рковке в конкретном месте сегмента.Из-за этого дефекта, когда поезд во звращается на склад с основной линии, информация о местоположении м ожет оставаться на основной линии, что приводит к путанице в информа ции о местоположении, что создает проблемы для оперативного и обслу живающего персонала при выявлении неисправностей и устранении их. 2.3 Несовершенная функция автоматического ввода данных о не исправностях Несовершенство функции автоматического ввода информации о неи справностях проявляется в том, что одна и та же неисправность может со держать информацию о нескольких неисправностях, а само явление неис правности представлено только в виде описания неисправности FDL, что не соответствует ежедневной практике ввода информации о неисправнос тях.Этот дефект может негативно сказаться на всем процессе эксплуатац ии и технического обслуживания, препятствуя всестороннему монитори нгу состояния работы системы метрополитена и быстрому реагированию на техническое обслуживание. 3.Углубить профессиональную интеллектуальную эксплуатаци ю и техническое обслуживание 3.1 Непрерывная оптимизация функционала С учетом реализованных в настоящее время функций мониторинга с остояния поезда, сигнализации о неисправностях, статистики неисправн остей, запроса переменных и т.д., система должна постоянно совершенст воваться с помощью отзывов пользователей и требований к практическо му применению для улучшения пользовательского опыта и эффективнос ти работы системы.Для решения существующих проблем, таких как длит ельный цикл сбора данных при передаче с транспортного средства на зе млю и большая погрешность во времени получения сигнала, технические средства могут быть скорректированы и оптимизированы для обеспечен ия своевременности и точности сбора данных.Кроме того, рассмотрите в озможность внедрения более гибких вариантов конфигурации, позволяю щих персоналу по эксплуатации и техническому обслуживанию настраив ать параметры системы в соответствии с конкретными потребностями, ч тобы лучше адаптироваться к потребностям эксплуатации и техническог о обслуживания различных линий метро и типов транспортных средств. При оптимизации функций следует также уделять внимание стабиль ности и безопасности системы.Проводите регулярные проверки системы и сканирование уязвимостей в системе безопасности, чтобы убедиться, ч то система может работать стабильно и надежно.Кроме того, укрепите в озможности системы по устранению неисправностей, а с помощью меха низмов мониторинга и раннего предупреждения в режиме реального вре мени можно своевременно выявлять и устранять потенциальные проблем ы, а также повышать доступность и удобство обслуживания системы. 3.2 Улучшить функцию фильтрации информации о неисправнос тях Рекомендуется внедрить в систему более интеллектуальный механиз м классификации и идентификации неисправностей.Оптимизируя систем у кодов неисправностей и комбинируя такие факторы, как рабочее состо яние автомобиля, система может более точно идентифицировать информ ацию о неисправностях в различных состояниях автомобиля и повышать точность проверки.Это поможет персоналу, занимающемуся эксплуатаци ей и техническим обслуживанием, быстро обнаружить неполадки, приня ть эффективные меры и повысить эффективность устранения неполадок. При улучшении функции фильтрации информации о неисправностях кл ючевым моментом является внедрение интеллектуального алгоритма авт оматического ввода информации о неисправностях.Ожидается, что за сч ет совершенствования логики автоматического ввода данных в систему, обеспечивающей четкую и точную регистрацию различных типов сбоев, будет повышено качество и эффективность ввода данных.Это усовершен ствование позволит системе лучше удовлетворять потребности эксплуат ационного и обслуживающего персонала в точности и своевременности информации о неисправностях, а также будет способствовать дальнейше й оптимизации общего процесса эксплуатации и технического обслужив ания. 3.3 Усилить управление информацией о местоположении Возможно, будет рассмотрен вопрос о внедрении более точных сред ств определения местоположения или совершенствовании механизма пер едачи информации.Благодаря использованию более совершенных технол огий определения местоположения, таких как GNSS (Глобальная навига ционная спутниковая система), система может получать информацию о к онкретном местоположении поезда на стоянке или на определенном учас тке в режиме реального времени, тем самым восполняя существующий д ефицит информации и повышая точность информации о местоположении. Кроме того, для получения остаточной информации о местоположении п оезда после его возвращения на склад с основной линии рекомендуется, чтобы в системе был реализован механизм очистки информации о место положении.Регулярно очищая остаточную информацию, система может обеспечить точность данных о местоположении в режиме реального вре мени. 3.4 Повышение открытости базы данных Закрытие текущей системы в базе данных может ограничить исполь зование таких функций, как раннее предупреждение о неисправностях и анализ больших данных.Чтобы решить эту проблему, подумайте об откр ытии интерфейса базы данных, чтобы более гибко применять инструмен ты анализа больших данных.Предоставляя более широкий доступ к данн ым, персонал по эксплуатации и техническому обслуживанию, а также а налитические группы могут более полно использовать данные для анали за тенденций неисправностей, прогнозного технического обслуживания и других работ, а также для дальнейшего повышения уровня интеллектуа льности системы.В то же время, чтобы гарантировать, что открытие базы данных не повлияет на безопасность и стабильность системы, рекоменду ется внедрить соответствующие меры безопасности, такие как управлени е правами и шифрование данных.Таким образом, система сможет лучше поддерживать расширенные функции, такие как раннее предупреждение о неисправностях и анализ больших объемов данных, а также обеспечива ть более надежную поддержку при принятии решений по эксплуатации и техническому обслуживанию. 3.5 Разработка функций раннего предупреждения о неисправнос тях и анализа больших данных Благодаря внедрению усовершенствованных алгоритмов раннего пр едупреждения о неисправностях система может отслеживать данные о со стоянии поезда в режиме реального времени, выявлять потенциальные п ризнаки сбоя в соответствии с заданными правилами и моделями обучен ия и заранее предупреждать эксплуатационный и обслуживающий персо нал.Этот механизм раннего предупреждения может уменьшить влияние с боев на работу и повысить надежность системы.В то же время, благодар я функции анализа больших данных, система может глубоко копаться в о громных объемах эксплуатационных данных, выявлять потенциальные з акономерности и тенденции и обеспечивать более полную информацион ную поддержку для принятия решений по эксплуатации и техническому обслуживанию.Однако при разработке функций раннего предупреждени я о неисправностях и анализа больших данных необходимо уделять вним ание конфиденциальности и безопасности данных.Внедрите соответству ющие меры по анонимности данных и шифрованию, чтобы предотвратит ь утечку конфиденциальной информации во время анализа больших данн ых. 3.6 Усовершенствовать механизм обратной связи с пользователя ми и повысить простоту использования системы Рекомендуется внедрить интуитивно понятные и гибкие инструмент ы обратной связи с пользователями, позволяющие персоналу по эксплуа тации и техническому обслуживанию легко получать информацию о реа льных функциях и интерфейсах системы, сообщать о проблемах и вноси ть предложения по улучшению.Благодаря детальному анализу отзывов п ользователей команда разработчиков системы может быстрее и точнее р еагировать на потребности пользователей, а затем вносить соответствую щие коррективы и оптимизацию в систему. В то же время совершенствование механизма обратной связи с поль зователями также включает в себя создание своевременных каналов для обеспечения оперативного получения персоналом по эксплуатации и тех ническому обслуживанию информации об обновлениях и усовершенство ваниях системы.Этого можно достичь с помощью регулярного обучения пользователей, платформ онлайн-поддержки и распространения информа ции внутри системы.Благодаря постоянной оптимизации работы пользов ателей система будет лучше соответствовать реальным потребностям экс плуатационного и обслуживающего персонала, а также повысит их довер ие к системе и эффективность использования. Вывод с изложением основных результатов исследования С развитием и прогрессом времени проблемы, с которыми сталкивается метрополитен при эксплуатации и техническом обслуживании, становятся все более и более сложными.Сложные системы метрополитена, особенно в развитых городах, предъявляют чрезвычайно высокие требования к эксплуатации и техническому обслуживанию метрополитена, но в настоящее время с использованием больших данных сложно создать эффективную интеллектуальную систему метрополитена для сложных приложений в области эксплуатации и технического обслуживания метрополитена. По-прежнему существует множество трудностей, которые необходимо решить.Как эффективно и безошибочно преобразовать сложные и огромные данные в метрополитене в эффективную и пригодную для использования информацию с помощью системы - это не только самый важный вопрос в эксплуатации и обслуживании метрополитена, но и область исследований, в которой необходимо углублять и применять большие данные.Наконец, разобрана существующая платформа больших данных и предложена более общая архитектура платформы больших данных, а также объяснены основные функции каждого уровня, которые имеют определенное теоретическое и практическое значение для обработки и применения данных метрополитена. Направления дальнейшего развития НИР: Интеллектуальная эксплуатация и техническое обслуживание, являясь передовым методом информационных технологий, имеет важное прикладное значение в городском метрополитене.Это может повысить эффективность и качество эксплуатации и технического обслуживания метрополитена, снизить затраты на эксплуатацию и техническое обслуживание, а также повысить уровень качества обслуживания и обеспечения безопасности.С непрерывным развитием технологий и постоянным расширением приложений степень интеллектуальности интеллектуального управления и технического обслуживания в метро будет продолжать повышаться, интеграция с другими системами будет более тесной, внедрение облачных технологий и трансформация сервисов станут тенденцией, а международное сотрудничество и обмены будут продолжать укрепляться.Компании, управляющие метрополитеном, должны активно внедрять и применять интеллектуальные платформы эксплуатации и технического обслуживания, постоянно повышать свой уровень управления эксплуатацией и техническим обслуживанием, а также оказывать более сильную поддержку безопасной и эффективной эксплуатации городского железнодорожного транспорта. Список использованной летературы [1]赵玉才,胡信超.地铁智慧运维平台建设方案研究[J].物联网技 术,2023,13(05):116-119. [2]于秦龙.上海地铁智能运维平台的道岔设备管理[J].铁路通信信号工 程技术,2023,20(03):57-62. [3]柯柏峰.深圳地铁一体化工程项目管理平台[J].现代城市轨道交 通,2023(04):97-105. [４] 宋晓悦. 基于 Ｓｐａｒｋ 的城市轨道交通客流分析平台研究[Ｄ]. 北京:北京交通大学硕士学位论文,２０１７. [５] ＸＩＡＯ Ｚ Ｓ,ＭＡＯ Ｂ Ｈ,ＺＨＡＮＧ Ｔ.Ｉｎｔｅｇｒａｔ ｅｄ ｐｒｅｄｉｃｔｉｎｇ ｍｏｄｅｌ ｆｏｒ ｄａｉｌｙ ｐａｓｓｅ ｎｇｅｒ ｖｏｌｕｍｅ ｏｆ ｒａｉｌ ｔｒａｎｓｉｔ ｓｔａｔｉｏｎ ｂａｓｅｄ ｏｎ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ａｎｄ Ｍａｒｋｏｖ ｃｈａｉｎ[Ｃ] / / Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｌｏｕｄ Ｃｏｍｐｕｔｉｎｇ ａｎｄ ＢｉｇＤａｔａ Ａｎａｌ ｙｓｉｓ(ＩＣＣＣＢＤＡ),２０１８:５７８ － ５８３.
