地铁交通作为最具可持续发展的交通模式,是城市居民出行的首选工具.但地铁车辆构造复杂,零部件繁多,因此需探索出一种适用性较好的零部件智能诊断方法,来保障地铁车辆的安全运行.对维修数据进行EDA(Exploratory Data Analysis,探索性数据分析),通过描述性统计、可视化、特征计算、方程拟合等手段,去发现数据的结构和规律.结果表明,故障最主要的原因为质量与材料,两者合计占比高达59.4％,例如信号与屏蔽门故障发生率占比为19.8％,空调系统故障发生率占比为13.9％.通过EDA分析车辆故障情况,将有助于智能诊断的研究.
万方数据
维普
