基于KNN算法的城市轨道车辆时序数据异常检测

吴星辰

摘要：城市轨道车辆作为城市交通的重要组成部分,关系着经济社会的发展和人们的生命财产安全,研究保障车辆安全运行的方法具有重要的意义.由于城市轨道车辆关键系统和部件种类繁杂、车辆运营时间长,导致传统基于阈值和机理的异常检测、分析方法已无法适用于海量、实时的城市轨道车辆时序数据分析要求.文章根据城市轨道车辆时序数据具备周期性往复波动、各数据间强关联性的特点,提出了基于KNN算法的城市轨道车辆时序数据异常检测方法.为了验证方法的有效性,使用转向架系统轴箱轴承的温度数据对该方法进行了测试验证,试验结果表明该方法能过够有效识别监测到的轴承异常温度数据.