摘要

地铁作为城市公共客运的重要载体,其系统设备在运营过程中难免发生一些故障。因此,应用数据挖掘技术对已有地铁故障数据进行关联规则挖掘,分析其影响,对故障预警与风险危害评估具有重大意义。针对地铁故障数据种类多样、影响程度难以界定等问题,建立考虑故障关联的改进Apriori算法,与经典的FP-Growth算法进行对比,对地铁故障关联规则进行研究,优化该算法的基本思想和流程。选取某地铁2020年设备故障数据为例,对其进行详细地分析,基于Python语言实现建模仿真,输出得到车载ATP故障、信号设备故障等多类故障之间的关联规则结果,为地铁故障影响程度分析、故障诊断、故障预警、风险危害等级划分等提供重要的参考依据。