Vasúti infrastruktúra, valamint a járművek meghibásodásának előrejelzése megfelelő paraméterek alapján

Témavezető:	Farkas Bálint
	KTI Közlekedéstudományi Intézet / BME Közlekedésmérnöki és Járműmérnöki kar
email:	farkas.balint@kti.hu

Projekt leírás

A projekt célja a vasúti közlekedésben keletkező nagyméretű adatállományok matematikai és statisztikai módszerekkel történő elemzése, különös tekintettel a vasúti infrastruktúra, a pályaállapot és a vasúti járművek műszaki állapota közötti összefüggések feltárására.

A projekt során a hallgató valós vasúti üzemeltetési adatok alapján vizsgálhatja, hogy a különböző infrastruktúra- és járműparaméterek milyen kapcsolatban állnak a meghibásodások kialakulásával. A kutatás egyik fő célja olyan matematikai és statisztikai modellek kialakítása, amelyek alkalmasak lehetnek a meghibásodások előrejelzésére, illetve a meghibásodás kockázatának meghatározására.

A vizsgálat kiterjedhet többek között:

• nagyméretű vasúti adatbázisok matematikai és statisztikai elemzésére;
• a vasúti pálya és az infrastruktúra állapotjellemzőinek matematikai vizsgálatára;
• a járművek műszaki és üzemeltetési paramétereinek elemzésére;
• az infrastruktúra és a járművek közötti kölcsönhatások, összefüggések feltárására;
• a járműparaméterek időbeli változásának vizsgálatára;
• meghibásodási mintázatok és előjelek azonosítására;
• hibák és meghibásodások bekövetkezési valószínűségének modellezésére;
• prediktív, illetve gépi tanulási modellek alkalmazására és összehasonlítására.

A projekt során a hallgató önállóan választhat és fejleszthet olyan matematikai, statisztikai vagy gépi tanulási módszereket, amelyek a rendelkezésre álló adatok alapján a legalkalmasabbak az adott probléma megoldására. A kutatás eredménye hosszabb távon hozzájárulhat a vasúti karbantartási folyamatok optimalizálásához, a meghibásodások korábbi felismeréséhez és a vasúti közlekedés üzembiztonságának növeléséhez.

A projekt a MÁV Csoport adatállományaira és valós üzemeltetési problémáira épül, így a hallgatók egy gyakorlati szempontból is releváns, nagy mennyiségű adaton alapuló kutatási problémán dolgozhatnak.

Gyakorlati lehetőség

A projekthez kapcsolódóan a Közlekedéstudományi Intézetben (KTI) gyakorlati helyet is tudunk biztosítani azoknak a matematikus hallgatóknak, akik a témában szeretnének elmélyülni. A hallgatók így a projekt keretében megismert matematikai és adatelemzési módszereket valós közlekedési és vasúti problémákon alkalmazhatják, illetve lehetőség nyílhat arra is, hogy a projektben végzett kutatómunkájukat a KTI gyakornoki programjának keretében folytassák.

A projekt ezért egyszerre kínál elméleti matematikai kutatási és gyakorlati adatelemzési lehetőséget, valamint akár szakdolgozati tudományos témaként is továbbvihető.

Előfeltételek

A témához elsősorban matematikai és statisztikai szemlélet, valamint az adatelemzés iránti érdeklődés szükséges. Előnyt jelent:

• statisztikai és valószínűségszámítási ismeretek;
• lineáris algebra és matematikai modellezési ismeretek;
• Python, R vagy MATLAB programozási tapasztalat;
• nagy adatállományok kezelésében szerzett tapasztalat;
• gépi tanulási módszerek alapismerete;
• angol nyelvű szakirodalom feldolgozásának képessége.

Vasúti szakmai előismeret nem feltétel, sőt nem szükséges.

Hivatkozások

A projekt során a hallgató a vasúti adatelemzéshez, prediktív karbantartáshoz, megbízhatóság- és élettartam-modellezéshez, valamint gépi tanulási módszerekhez kapcsolódó nemzetközi szakirodalmat dolgozza fel.