基于长期历史数据的铁路道岔可靠性探究：一种混合效应模型方法

《RELIABILITY ENGINEERING & SYSTEM SAFETY》：Understanding the reliability of railway turnouts using long-term historical data: a mixed-effects modelling approach

　　

•物理、运营和天气因素对道岔故障的影响。
•用于资产可靠性分析的广义线性混合效应模型 (GLMM)。
•年龄和降雪是道岔故障的关键驱动因素。运营活跃度主导列车流量。
•降水降低道岔故障风险；雪、寒冷和炎热增加风险。
•道岔可靠性存在显著异质性，包括类似道岔之间也存在差异。

引言
准点率被认为是在客运和货运运输方式选择中最重要的因素之一 (G?ransson & Andersson, 2023; Shams 等，2017)。随着铁路寻求提高其竞争力和吸引力，以弥合当前与目标运输市场份额之间的差距，准点率成为一项关键优先事项。作为背景，欧盟 27 国的铁路模式份额估计约为货运 12%、客运 7%（欧洲环境署，2024 年），而 2011 年设定的目标是到 2030 年将多达 30% 的公路货运转移至铁路（及水路运输），到 2050 年达到 50%，并使大部分中短途客运行程通过铁路完成（欧盟委员会，2011 年）。在导致系统性列车延误的原因中，基础设施相关问题，特别是道岔和辙叉故障，被认为是主要原因 [2,17,26]。这使得道岔和辙叉的可靠性，以及整体基础设施的可靠性，成为提高准点率的重要途径。

道岔和辙叉，下文简称道岔，是特殊的轨道组件，使列车能够改变方向，从而在列车路线上提供灵活性并提高轨道安全性。然而，道岔却是铁路网络延误的主要来源。例如在荷兰，2019 年它是延误的第三大原因，占所有列车延误的 7% 左右（Prorail, 2019）。Litherland 和 Andrews [20] 报告了在德国铁路网上甚至更大的影响，指出该网络上多达 19% 的延误分钟数可归因于道岔故障。道岔与铸件中常见的亚表面缺陷有关，高横向蠕变力和高法向载荷的结合，有时因非最佳轮轨轮廓而加剧的轮轨交叉接触处的高接触应力，以及转辙器处较小的轨头面积和较弱的截面，所有这些都会增加其故障 susceptibility [14,33]。道岔对铁路网络的重要性也反映在维护预算中，其中道岔占据了相当大的一部分 [11]。例如在瑞典，Nissen [27] 报告道岔维护费用占年度维护预算的 13%。显然，鉴于其对准点率、列车延误以及铁路运营经济性的影响，道岔可靠性是关键优先事项。

尽管已有大量旨在提高道岔可靠性的文献，但缺乏针对长期真实世界运营条件的研究。现有的文献大致可分为三大流派：1) 设计优化，2) 预测性维护和 3) 生命周期成本优化。设计优化研究通常旨在揭示车辆或道岔特征对道岔损坏的影响，并推荐最佳道岔几何形状以最小化此类损坏。它们通常依赖于车辆 - 道岔动力相互作用的多体仿真，以研究道岔在载荷下的行为并估计列车经过时施加在道岔上的力 [36]。例如，Andersson 和 Dahlberg (2018) 调查了列车速度对辙叉处载荷冲击的影响，P?lsson 和 Nielsen [39] 调查了轨枕垫刚度对道岔接触力的影响，P?lsson 和 Nielsen [37] 调查了轮轨轮廓和轮轨系数对道岔损坏的影响。在一个略有不同的应用中，P?lsson 和 Nielsen [38] 使用多体仿真为道岔中的轨距扩大规定了限制。通常，这些研究是在微观尺度上进行的，旨在了解单个元素和设计选择如何影响选定道岔方面的可靠性。分析范围受到与仿真相关的计算成本以及开发代表真实世界运营条件的准确模型的复杂性所限制 [9]。P?lsson 和 Bezin [36] 特别提到了道岔轨型几何形状巨大且突然变化带来的铁路表面建模挑战，以及考虑到在道岔处车轮可能同时与多条钢轨接触且道岔处钢轨性能通常存在差异，所带来的轮轨接触建模挑战。这限制了使用这种方法在设计中评估和考虑多个因素包括其相互作用的联合影响的程度。

预测性维护研究也采用微观尺度，但旨在在故障发生前预知。它们通常专注于开发针对不同道岔故障类型的适当传感器和状态监测系统。这些传感器依赖于不同的信号，如电机电压、电流、力和温度，以提供即将发生故障的早期指示。Hamadache 等 [15] 将这些传感器背后的方法归类为基于模型或基于数据。在基于模型的方法中，正常运营条件下输入信号与输出信号之间的关系在数学上被定义，并将运营期间预期值与测量值之间的偏差视为故障。另一方面，基于数据的方法依赖于相关信号历史测量中的模式来进行故障检测、诊断和预测。这些模式通过数字信号处理、聚类、数据挖掘、统计模式识别、包括机器学习和深度学习的人工智能以及图像处理等技术识别。文献中此类研究的例子包括 Milosevic 等 [23]，他们展示了通过辙叉过渡处的轨枕加速度测量来评估道砟和轨道几何状况的潜力。Cornish 等 (2012) 探索了使用钢轨应变测量和相邻结构的速度来预测道岔中的材料退化；Vallely 等 (2017) 开发了一种声发射技术来监测辙叉的结构健康。与多体仿真类似，基于模型的方法面临着开发准确参考模型的挑战，这些模型也因故障类型而异 [15]。另一方面，基于数据的方法需要大量高度详细的历史数据，这些数据既难以收集、存储和处理，且成本高昂。此外，由于道岔有许多故障模式和机制，隔离不同类型故障的信号是困难的 [4]。

生命周期成本分析采用宏观方法评估道岔的可靠性；然而，以成本效益作为总体目标。它们通常涉及对道岔从概念到设计、获取、拥有直至处置成本的评估，并常用于了解管理决策（如安装何种类型的道岔、何时更换道岔以及长期维护计划）的影响 [3,28,29,31]。就可靠性而言，其目标是以最小的资源使用实现高的道岔可靠性，即资产效率。例子包括 Ait-Ali 等 [3] 的一项研究，该研究调查了预防性维护与纠正性维护之间的相互依赖性，以及两者时间对退化机制和道岔生命周期成本的影响。另一个例子是 Odolinski 等 [31] 的工作，他们研究了累积载荷对道岔的经济影响以及不同的合同设计如何影响可靠性。

正如上述文献所示，关于道岔可靠性的研究主要利用微观建模方法来了解构成道岔组件的故障。虽然有价值，但由于此类分析所需的计算工作量，这些研究在范围上受到限制。尽管生命周期成本分析采取更宏观和整体的方法，但它们主要专注于了解与道岔维护相关的货币成本，而不是了解道岔故障的驱动因素。因此，专注于了解在真实世界条件下以及道岔使用寿命的大部分期间驱动道岔可靠性的因素。在本文中，我们通过使用跨越 16.5 年的历史运营数据来评估真实世界运营条件下的道岔可靠性，从而填补了这一空白。这些知识有助于突出道岔中可能此前未被考虑到的潜在额外因素和脆弱性，验证微观仿真研究的结果，并为生命周期成本分析提供见解。除此之外，对驱动道岔故障因素的深入了解可以为基础设施管理者提供见解，支持改进道岔维护和可靠性的政策。

本文其余部分分为五个章节。第 2 节概述了文献，重点是影响道岔可靠性的因素。随后在第 3 节方法部分中呈现了数据以及实现研究目标的过程，接着在第 4 节中呈现主要结果。第 5 节详细讨论了这些结果，文章在第 6 节得出结论，总结了主要发现、研究的局限性以及对未来可能工作的讨论。

章节片段
背景
道岔由多个元件组成，标准布局包括转辙部分、护轨部分和辙叉部分（Thaduri, 2020）。转辙部分主要由转辙器、基本轨和拉杆组成。护轨部分由曲线护轨和直线护轨组成，将转辙部分连接到辙叉部分。辙叉部分主要由辙叉心、翼轨和护轨组成。道岔的其他组件包括加热元件，

研究样本
本研究使用瑞典铁路网上一组 1,900 个道岔的纵向数据。数据覆盖 16.5 年，从 2007 年 7 月 1 日到 2023 年 12 月 31 日，结构为每个道岔状态的每周观测值，以及相应的解释变量值。表 1 展示了研究中包含的解释变量，分为道岔特征、运营因素和天气变量类别。

建模方法
本研究使用广义线性混合模型 (GLMM)。所使用的每周面板数据集包含对同一组道岔的重复测量，这造成了道岔内依赖性并违反了标准广义线性模型所需的独立观测假设 [44]。因此，我们采用混合效应模型，以单个道岔作为分组变量，以考虑重复观测之间的相关性。模型将总体

结果
为了清晰起见，我们按类别拆分结果表。一般道岔特征的影响和运营因素的影响分别显示在表 6 和表 7 中，天气变量显示在表 8 中。对于每组变量，我们图形化地展示了样东道岔失效条件概率的模型估计值，并参考第 4.2 节中描述的情景来引导模型结果的解释。
至于模型性能，该模型

讨论
上述发现揭示了关于道岔可靠性以及不同因素对此可靠性影响的重要模式。下文结合以前的研究讨论了这些模式，并提出了与道岔管理相关的见解。

结论
本研究通过分析导致道岔失效风险的因素，对瑞典铁路网 1,900 个独立道岔的 16.5 年数据拟合了混合效应模型。模型包括每个道岔的随机截距和针对列车数量的随机斜率，以考虑道岔间基线失效风险和列车流量效应的异质性。模型输出表明，如规定的固定效应仅解释了约 12% 的变异

CRediT 作者贡献声明
Grace Mukunzi：概念化，方法论，数据管理，形式分析，验证，可视化，写作 – 原稿，写作 – 审阅与编辑。
Ruben A.

Kuipers：概念化、方法论、正式分析、验证、写作——审阅与编辑、监督。Carl-William Palmqvist：概念化、数据整理、正式分析、验证、可视化、写作——审阅与编辑、监督、资源、项目管理、资金获取。利益冲突声明：作者声明不存在可能影响本论文所报告工作的经济利益或个人关系。欧洲铁路联合实施体及其成员：本研究及所使用原始数据的进一步资金由瑞典交通局提供，资助编号为TRV 2022/107738和TRV 2023/9635。作者感谢意大利的里雅斯特大学数学、计算机科学与地球科学系Andrea Esposito在数据预处理方面作出的贡献。数据可用性：数据可在要求下提供。作者贡献声明：Grace Mukunzi：写作——审阅与编辑、写作——原始稿、可视化、方法论、调查、正式分析、数据整理、概念化。Ruben A. Kuipers：写作——审阅与编辑、验证、方法论、概念化。Carl-William Palmqvist：写作——审阅与编辑、验证、监督、资源、项目管理、资金获取、正式分析、数据整理、概念化。Grace Mukunzi|Ruben A. Kuipers|Carl-William Palmqvist