鐵路編組站數(shù)據(jù)挖掘及應(yīng)用研究.pdf

1、鐵路編組站是鐵路網(wǎng)上集中辦理貨物列車(chē)到達(dá)、解體、編組出發(fā)、直通和其它列車(chē)作業(yè)，并為此設(shè)有比較完善的調(diào)車(chē)作業(yè)的車(chē)站。隨著計(jì)算機(jī)技術(shù)的發(fā)展，鐵路運(yùn)輸管理信息系統(tǒng)(Transportation Management Information System簡(jiǎn)稱(chēng)TMIS)的實(shí)現(xiàn)，業(yè)務(wù)數(shù)據(jù)量日趨龐大，在這些海量數(shù)據(jù)中隱藏著有價(jià)值的關(guān)系和規(guī)則，分析這些數(shù)據(jù)也不再是單純?yōu)榱搜芯康男枰饕氖墙o鐵路相關(guān)管理部門(mén)提供智能輔助決策信息，來(lái)為鐵路營(yíng)銷(xiāo)和安全運(yùn)

2、輸服務(wù)。本文將數(shù)據(jù)挖掘技術(shù)引入到鐵路編組站中的客戶(hù)細(xì)分和安全風(fēng)險(xiǎn)預(yù)警系統(tǒng)中，主要研究工作如下：
　　（1）提出了一種改進(jìn)的K-means算法。針對(duì)傳統(tǒng)的基于距離識(shí)別孤立點(diǎn)的K-means算法中無(wú)法處理密度不均勻的數(shù)據(jù)集局部特征的缺點(diǎn)進(jìn)行了改進(jìn)，提出了使用距離均和識(shí)別孤立點(diǎn)，并引入方差對(duì)孤立點(diǎn)進(jìn)行判斷處理。通過(guò)實(shí)驗(yàn)驗(yàn)證，改進(jìn)后的K-means算法有效避免了將孤立點(diǎn)全部拋棄的盲目性，有效降低了總體平方誤差，把相同特質(zhì)的數(shù)據(jù)劃為一個(gè)簇內(nèi)

3、，提高了聚類(lèi)的精確度。將改進(jìn)后的K-means算法，應(yīng)用到鐵路客戶(hù)細(xì)分領(lǐng)域，使得聚類(lèi)結(jié)果更為精確，從多維的角度較為全面、深入地細(xì)分客戶(hù)消費(fèi)行為特征。
　?。?）對(duì) Apriori算法進(jìn)行優(yōu)化，通過(guò)降低掃描數(shù)據(jù)庫(kù)的次數(shù)和減少候選集數(shù)目，提高算法效率。本文將優(yōu)化后的Apriori算法應(yīng)用到鐵路編組站安全風(fēng)險(xiǎn)預(yù)警系統(tǒng)中。通過(guò)對(duì)違章發(fā)牌歷史數(shù)據(jù)的挖掘，找出車(chē)間、崗位、班次等數(shù)據(jù)項(xiàng)之間關(guān)聯(lián)性規(guī)則，總結(jié)現(xiàn)場(chǎng)職工違章行為的規(guī)律性，為鐵路安全運(yùn)輸