تحليل داده‌هاي خرابي تجهيزات علايم در راه‌آهن ايران با استفاده از تكنيك هاي داده كاوي

Data Analysis of Failures of Signaling and Communication Equipment in Iranian Railways Using Data Mining Techniques

حمل ايمن بار و مسافر براي مديران حمل‌ونقل ريلي، از اهميت بسيار بالايي برخوردار است. به‌كارگيري روش‌هاي ايمن حمل‌ونقل، نيازمند شناخت كامل از عوامل به وجود آورنده شرايط غير ايمن است كه اين امر با يادگيري از تجربيات گذشته محقق مي‌گردد. سيستم علايم و ارتباطات راه‌آهن يكي از بخش‌هاي بسيار مهمي است كه كنترل خرابي قطعات و تجهيزات علايمي و ارتباطي و در نتيجه فراهم نمودن شرايط ايمن حركت قطارها بخشي از وظايف آن است. در اين مقاله به تحليل داده‌هاي مربوط به خرابي تجهيزات علايم الكتريكي و ارتباطي در راه‌آهن جمهوري اسلامي ايران پرداخته شده است. براي اين منظور، تعداد 30235 اطلاعات ثبت شده مربوط به خرابي‌هاي تجهيزات علايم الكتريكي و ارتباطي از پايگاه داده راه‌آهن جمهوري اسلامي ايران مربوط به سال‌هاي 1390 و 1391انتخاب شده است. براي تحليل اين اطلاعات از تكنيك قوانين انجمني Apriori و تكنيك درخت تصميم C5.0 استفاده شده است. مراحل اجراي پروژه داده كاوي بر اساس متدلوژي CRISP-DM انجام شده است. نتيجه اين تحقيق مي‌تواند در برنامه‌ريزي اقدامات لازم براي پيشگيري از وقوع خرابي‌ها و كاهش آن‌ها و در نتيجه تامين ايمني تردد قطارها استفاده شود.

Carrying passenger and freight safely in all aspects to their destinations is of utmost importance for railway administrators. Undergoing safety procedures and developing safety systems requires awareness of what is causing unsafe conditions, which can be done by learning from the past. The department of Signaling & Communication is one of the most important departments in Iranian Railways, which carries out the control of failures in signaling and communication equipment and thus provides the safe condition for train movements. This research has been performed to analyze past failures data of the signaling and communication equipment in Iranian Railway (RAI). For this purpose, some 30, 235 failure records from the RAI signaling and communication database were selected from years 2011 and 2012. The Apriori association rule technique, C5.0 decision tree technique, and CRISP-DM methodology are applied. Determining the rules and the relationships among the system attributes and predicting their values, it will be possible to take necessary actions to prevent or mitigate the failures and thus provide the safety in rail transportation