基于并行加速的优化相似性搜索的车站调车作业工作量预测

作     者：曹子昱 冯军 陈彬 杨华昌 栾德杰 CAO Ziyu;FENG Jun;CHEN Bin;YANG Huachang;LUAN Dejie

作者机构：中国铁道科学研究院集团有限公司通信信号研究所北京100081 中国铁路南昌局集团有限公司南昌330002 

出 版 物：《计算机应用》 (journal of Computer Applications)

年 卷 期：2022年第42卷第S2期

页      面：155-160页

学科分类：08[工学] 081201[工学-计算机系统结构] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：基于5G通信的机车自动调车技术研究(2021YJ021) 

主　　题：无线调车机车信号和监控 调车作业 并行计算 时间序列 动态时间规整 MapReduce Hadoop 

摘      要：当前铁路运输根据人工经验分配调机数量以进行车站调车作业,更多地是依据车站大小等固定变量,导致调车资源不能合理地运用在各站作业中。为了改进以往的基于均衡运输的铁路运输模式,提升车站作业组织和调车作业效率,提出一种并行加速的相似性搜索方法实现车站调车作业工作量预测。首先,通过海量的无线调车机车信号和监控(STP)系统数据构建可衡量车站调车工作量的时间序列数据;接着,改进动态时间规整(DTW)算法,同时利用分布式缓存方式将构建好的时间序列数据的各子序列数据分发到Hadoop集群的节点上,将DTW距离矩阵划分成多个子矩阵,采取并行计算的方法,基于MapReduce编程模型,高效并行计算时间序列DTW距离;根据DTW距离搜索在历年数据里与当前数据相似度最高的场景,以此为依据来预测车站调车作业工作量。实验结果表明:所提算法解决了以往传统相似性搜索算法在海量数据处理时只能串行运行导致的性能瓶颈,且能有效预测车站调车工作量,给铁路相关部门在运输调度指挥上提供判断依据。