数据处理 智能数据平台 日志 实时流 R辛 元数据自助管理 ELT抽象层 设备数据 目 转换 费 文件 批处理 主动备份 关 图3 Railinc混搭型智能数据平台 (二)基础设施运维管理 美国铁路比较关注运用大数据技术优化基础设施状态管理和养护维修计划,通过对桥梁、 道岔、钢轨磨损、轨道几何等数据的分析和状态预测,有效防范事故发生,从而保障铁路行 车安全 1.铁路资产臂理 2011年美国货运铁路启动了“资产健康战略计划”( Asset Health Strategic Initiative, 简称AHSI),AHSI对各个铁路公司分别收集和存储的大量数据进行分析,并由此解决行业内 最关键的铁路设备管理与维护问题。ASⅠ建立在以往的关于监控铁路车辆健康情况的EHS 计划之上,组件跟踪程序可在全国140000英里铁路网范围内轻松地跟踪并监测6种类型的 车辆组件。在ASI开发之前,铁路公司主要依靠轨旁设备监测组件的磨损迹象,然而列车 往往在多铁路公司的范围内运行,而监测数据却不共享,铁路公司仅能够掌握车辆在自己轨 道上运行的状况,由此便延缓了对潜在问题的诊断和维护。AHSI正在汇集这些铁路数据库 允许全国范围内的铁路公司和车辆拥有企业共享信息并制定更好的车辆维修、保养和运行决 策以提高铁路安全性。尽管AHSI仍在运用初期,据统计,在2015年使用大数据来识别运行 状况不佳的车辆已经避免了1000多次服务中断。 Ensco公司开发了基于GIS的铁路钢轨状态监测系统,用来进行资产管理、判断钢轨状 态、智能制定维修决策等。该系统输入的数据来源多样,包括轨道检测车(TM)、轮轨间监 测器(V/ TI Monitors)、移动定称(IMwS)、相关文件等。其中,轨道检测车获取的数据输 入虚拟轨道行走器软件(ⅥTw),该软件通过对检测数据的分析,允许使用者标记钢轨缺陷,图 3 Railinc 混搭型智能数据平台 （二）基础设施运维管理 美国铁路比较关注运用大数据技术优化基础设施状态管理和养护维修计划，通过对桥梁、 道岔、钢轨磨损、轨道几何等数据的分析和状态预测，有效防范事故发生，从而保障铁路行 车安全。 1.铁路资产管理 2011 年美国货运铁路启动了“资产健康战略计划”（Asset Health Strategic Initiative， 简称 AHSI），AHSI 对各个铁路公司分别收集和存储的大量数据进行分析，并由此解决行业内 最关键的铁路设备管理与维护问题。AHSI 建立在以往的关于监控铁路车辆健康情况的 EHMS 计划之上，组件跟踪程序可在全国 140000 英里铁路网范围内轻松地跟踪并监测 6 种类型的 车辆组件。在 AHSI 开发之前，铁路公司主要依靠轨旁设备监测组件的磨损迹象，然而列车 往往在多铁路公司的范围内运行，而监测数据却不共享，铁路公司仅能够掌握车辆在自己轨 道上运行的状况，由此便延缓了对潜在问题的诊断和维护。AHSI 正在汇集这些铁路数据库， 允许全国范围内的铁路公司和车辆拥有企业共享信息并制定更好的车辆维修、保养和运行决 策以提高铁路安全性。尽管 AHSI 仍在运用初期，据统计，在 2015 年使用大数据来识别运行 状况不佳的车辆已经避免了 1000 多次服务中断[15] 。 Ensco 公司开发了基于 GIS 的铁路钢轨状态监测系统，用来进行资产管理、判断钢轨状 态、智能制定维修决策等。该系统输入的数据来源多样，包括轨道检测车（TMV）、轮轨间监 测器（V/TI Monitors）、移动定称（IMWS）、相关文件等。其中，轨道检测车获取的数据输 入虚拟轨道行走器软件（VTW），该软件通过对检测数据的分析，允许使用者标记钢轨缺陷