基于贝叶斯代理流建模的铁路车站门和电梯低数据预测性维护
系统与控制
2026-03-17 v1 系统与控制
摘要
本文提出了一个针对铁路车站建筑中自动门和电梯的低数据预测性维护框架。该方法针对的是没有直接条件监控的资产，仅依赖客流量的聚合信息和关于运动模式的专家知识。乘客流量在缩减后的车站图上进行贝叶斯建模，考虑不确定的总量和路由份额。推断得到的流量通过简单的随机代理关系转换为门和电梯的近似运行循环负荷。这些负荷与不确定的年龄和循环基于维护阈值结合起来，用于估计预定义维护条件是否已被达到的概率。随后，采用成本感知的调度模型，将维护活动与服务成本、中断、延迟惩罚以及资产类别内的分组机会相结合。该框架在反映真实车站布局的仿真案例中得到说明。结果表明，代理运营数据可以在较低的增量实施成本下支持维护调度，并且可以相对于日历基础政策实现更好的对齐。
引用
@article{arxiv.2603.14384,
title = {Low-Data Predictive Maintenance of Railway Station Doors and Elevators Using Bayesian Proxy Flow Modeling},
author = {Waldemar Bauer and Jerzy Baranowski},
journal= {arXiv preprint arXiv:2603.14384},
year = {2026}
}
备注
This work has been submitted to the IEEE for possible publication